Schachmatt durch CrazyAra: Künstliche Intelligenz schlägt mehrfachen Weltmeister im Einsetzschach

Studierende der TU Darmstadt haben mit ihrem Schachbot einen Champion besiegt. Patrick Bal / TU Darmstadt

Kristian Kersting, Professor für Maschinelles Lernen an der TU Darmstadt und einer der Leiter des studentischen Semesterprojekts, ordnet die Leistung der Studierenden ein:

„Seit dem ,Schachtürken‘ im Jahr 1770 versuchten immer wieder findige Geister, neue und bessere Schachautomaten zu bauen. Mit der Erfindung des digitalen Computers in den 1950er Jahren begann die Schachprogrammierung.

Schachprogrammierer entwickelten immer ausgefeiltere Algorithmen fürs Schachspielen. Die Schachprogramme Rybka, Houdini, Stockfish oder Komodo kann sich jeder leisten, und sie sind dem Menschen haushoch überlegen.

Im Gegensatz zu herkömmlichen Schachprogrammen lernt CrazyAra Schach zu spielen. Genauer gesagt: Das Programm lernt die Schachvariante Crazyhouse. Schlägt ein Spieler eine Figur seines Gegners, wird ihm die entsprechende Figur in seiner eigenen Farbe ausgehändigt, die er nach den gleichen Regeln wie beim Tandemschach einsetzen darf.

Dazu folgten Johannes Czech, Moritz Willig und Alena Beyer dem Beispiel von DeepMinds AlphaGo, das 2016 Furore machte, weil es einen der weltbesten Profispieler im Brettspiel Go schlug.

CrazyAra erhielt circa 570.000 heruntergeladene Crazyhouse-Partien und versuchte damit, das demonstrierte Verhalten zu imitieren – daher auch der Name: Die Aras, eine Papageienart, sind für ihre Imitationsgabe bekannt. Der Anspruch der drei Studierenden lag aber nicht nur darin, ein Programm zu entwickeln, das das menschliche Spielverhalten imitiert, es sollte auch außerhalb des Trainingsbereichs funktionieren und vorausschauend Entscheidungen treffen können. Dazu lernt CrazyAra eine Nutzenfunktion, die beschreibt, welche Aussicht auf den Sieg eine Spielsituation oder ein Schachzug hat.

Leider gibt es beim Schach wahrscheinlich mehr Möglichkeiten für Spielzüge als es Atome im Weltall gibt. Daher greift CrazyAra auf die bei AlphaGo schon bewährten ,Tricks‘ der klassischen KI und des Maschinellen Lernens zurück: die Monte-Carlo-Baumsuche (englisch: Monte Carlo Tree Search, MCTS) und das Tiefe Lernen (englisch: Deep Learning). MCTS ist ein heuristischer Suchalgorithmus zum Finden der vielversprechendsten nächsten Züge.

Er simuliert Einsetzschachpartien. In jeder Simulation wird das Spiel bis zum Ende gespielt, indem Züge und das Einsetzen von geschlagenen Figuren nach dem Zufallsprinzip ausgewählt werden. Das Endergebnis jeder Simulation wird dann verwendet, um die Knoten im Spielbaum so zu gewichten, dass in zukünftigen Simulationen eher bessere Knoten gewählt werden.

Motiviert durch das menschliche Gehirn benutzt CrazyAra zur Bewertung künstliche neuronale Netzwerke mit mehreren Schichten. Die Schichten sind nacheinander so verschaltet und initialisiert, dass sie immer komplexere, höhere Merkmale (implizite Regelmäßigkeiten) der Bewertungsdaten automatisch lernen und erfassen. Daher kann das ,tiefe‘ Lernen auf viel komplexere Weise ablaufen, als es mit sogenannten ,flachen‘ Lernern möglich ist, die keine höheren Merkmale ableiten.

In ersten Versuchen mit dem Originaldesign von AlphaGo beobachteten die Studierenden, dass AlphaGo nicht in der Lage war, alle möglichen Spielzüge von Crazyhouse ausreichend abzubilden.

Daher modifizierte das Trio das Originaldesign von AlphaGo im Rahmen eines Semesterprojekts für den Kurs ,Deep Learning: Architectures & Methods‘. Mittels so genannten ,sequeeze-and-excitation‘-Einheiten kann sich das Netzwerk zum Beispiel jetzt besser auf bestimmte Spielfelder je nach Spielsituation ,konzentrieren‘.

Die MCTS beruft sich stärker auf die Bewertungsfunktion und auf bereits bewährte Züge. Dadurch konnte die Zahl der zu bewertenden Züge und damit der Rechenaufwand um eine Größenordnung reduziert werden. Die Studierenden arbeiteten mit einem Standardrechner mit einer GPU-Einheit (GeForce GTX 1080 Ti/PCIe/SSE2).

Ihre Entwicklungsarbeit zahlte sich im Match gegen Justin Tan aus, den mehrfachen World Champion, in der Community bekannt als JannLee. Insgesamt wurden fünf Partien gespielt, die CrazyAra 4:1 gewann.

Der australische Schachprofi zeigte sich beeindruckt von den Fähigkeiten des Darmstädter Bots und teilte nach den Spielen mit, dass er über das Spielverhalten sehr überrascht war, da er das Gefühl hatte, gegen einen Menschen und nicht gegen eine Maschine angetreten zu sein.“

Forschung zu Künstlicher Intelligenz an der TU Darmstadt

Die Forschung zu Künstlicher Intelligenz (KI) an der TU Darmstadt ist international exzellent. Sie grenzt sich klar von anderen Standorten in Deutschland ab und weist die gebotene Interdisziplinarität auf, um das Potenzial der KI breit und optimal zu entfalten und dem hohen gesellschaftlichen und wirtschaftlichen Stellenwert gerecht zu werden. KI-Forschung ist an der TU Darmstadt stark verschränkt mit Kognitionswissenschaft, die im Centre for Cognitive Science gebündelt ist.

MI-Nr. 11/2019, Kristian Kersting / bjb

Prof. Dr. Kristian Kersting
Computer Science Department and Centre for Cognitive Science,
TU Darmstadt
Tel.: 06151/16-24411
E-Mail: kersting@cs.tu-darmstadt.de

Ein ausführliches Interview mit Professor Kristian Kersting zum Thema auf https://www.tu-darmstadt.de/vorbeischauen/aktuell/einzelansicht_222976.de.jsp

Die Partien „CrazyAra“ gegen JannLee zum Anschauen: https://bit.ly/2CTasCR

Media Contact

Bettina Bastian idw - Informationsdienst Wissenschaft

Weitere Informationen:

https://www.tu-darmstadt.de/

Alle Nachrichten aus der Kategorie: Informationstechnologie

Neuerungen und Entwicklungen auf den Gebieten der Informations- und Datenverarbeitung sowie der dafür benötigten Hardware finden Sie hier zusammengefasst.

Unter anderem erhalten Sie Informationen aus den Teilbereichen: IT-Dienstleistungen, IT-Architektur, IT-Management und Telekommunikation.

Zurück zur Startseite

Kommentare (0)

Schreib Kommentar

Neueste Beiträge

Eine optische Täuschung gibt Einblicke ins Gehirn

Yunmin Wu erforscht, wie wir Bewegung wahrnehmen können. Inspiriert durch ein Katzenvideo, kam sie auf die elegante Idee, die Wasserfall-Illusion in winzigen Zebrafischlarven auszulösen. Im Interview erzählt die Doktorandin vom…

Globale Analyse über effektive und topographische Wassereinzugsgebiete

Forschende legen erste globale Analyse vor, wie effektive und topographische Wassereinzugsgebiet voneinander abweichen Topographisch skizzierte Wassereinzugsgebiete sind eine räumliche Einheit, die sich an den Formen der Erdoberfläche orientieren. In ihnen…

Strukturbiologie – Das Matrjoschka-Prinzip

Die Reifung der Ribosomen ist ein komplizierter Prozess. LMU-Wissenschaftler konnten nun zeigen, dass sich dabei die Vorläufer für die kleinere Untereinheit dieser Proteinfabriken regelrecht häuten und ein Hüllbestandteil nach dem…

By continuing to use the site, you agree to the use of cookies. more information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close