© StonePictures/Shutterstock.com
Können KIs Sprache verstehen?

(K)eine sprechende KI


In den letzten Jahren gab es riesige Fortschritte bei den künstlichen Intelligenzen, zum Beispiel in der Gesichtserkennung. Aber wie steht es um die Sprache von KIs?

Brettspiele sind artifizielle Aufgaben und umfassen nur wenige Arten von Spielsteinen und Regeln, die einfach genug sind, um sie kleinen Kindern beizubringen. Es ist also nicht verwunderlich, dass Forscher sich diese Art von Aufgabe als Ausgangspunkt für die frühen Tage der KI-Forschung ausgesucht haben. Bereits 1955 gelang es Arthur Samuel, den ersten „Reinforcement“-Algorithmus zu bauen, der sich selbst das Damespiel beibringen konnte. Indem der Algorithmus einfach gegen sich selbst spielte, konnte er sich vom Niveau eines Dreijährigen, der die Steine wahllos auf dem Brett bewegte, bis zu dem Punkt steigern, an dem sogar Samuel selbst nicht mehr gegen ihn gewinnen konnte. Der jüngste Durchbruch auf diesem Gebiet gelang 2016, als Googles AlphaGo den Go-Weltmeister Lee Sedol schlagen konnte. Hätte Google für Go den gleichen Ansatz gewählt wie IBM in den 90er Jahren für Schach, hätte man noch 10 Jahre warten müssen, bis das möglich gewesen wäre. IBMs DeepBlue lief auf einem Supercomputer, der in der Lage war, jeden möglichen Zug und Gegenzug auf dem 8x8 Felder großen Schachbrett zu berechnen. Unter Anwendung des Mooreschen Gesetzes hätte es bis mindestens 2025 gedauert, bis ein Supercomputer dasselbe für das 19x19-Gitter auf dem Go-Brett hätte schaffen können. Google hat stattdessen die „Reinforcement“-Algorithmen wieder aufgegriffen, die lernen können, indem sie gegen verschiedene Versionen von sich selbst spielen. Obwohl AlphaGo also nicht jeden möglichen Zug auf dem Brett berechnen konnte, war es in der Lage, Muster zu erkennen, die Lee Sedol nicht gesehen hat.

Da diese Brettspiele so einfache Regeln haben, war es für Google ein Leichtes, eine Simulationsumgebung einzurichten, in der diese Algorithmen gegen minimal veränderte Versionen von sich selbst spielen konnten. In weniger als einer Stunde konnten sie mehr Daten zum Lernen sammeln, als jeder professionelle Spieler in einem ganzen Leben zusammenkriegen würde. Ein paar Wochen des Selbstspiels lieferten AlphaGo mehr Trainingsdaten als allen Go-Spielern in der Geschichte zusammen zur Verfügung standen. Es ist diese hohe Menge an hochwertigen Daten, die es AlphaGo ermöglicht hat, den Weltmeister zu schlagen.

Die Daten machen den Unterschied

Der Grund, warum Googles Algorithmen noch immer keine Fabriken steuern, ist, dass sie irrsinnige Mengen...

Neugierig geworden? Wir haben diese Angebote für dich:

Angebote für Gewinner-Teams

Wir bieten Lizenz-Lösungen für Teams jeder Größe: Finden Sie heraus, welche Lösung am besten zu Ihnen passt.

Das Library-Modell:
IP-Zugang

Das Company-Modell:
Domain-Zugang