Klug verdrahtet

Schach, Go und jetzt auch Jenga

Von Sibylle Anderl
19.02.2019
, 19:24
Roboter mit „Fingerspitzengefühl“: empfindliche Berührungssensoren ermöglichen Erfolg beim Jengaspiel.
An der Dominanz von künstlicher Intelligenz im Bereich der Strategiespiele zweifelt mittlerweile niemand mehr. Nun hat sich ein selbstlernender Roboter aufgemacht, den Erfolg auf Geschicklichkeitsspiele auszudehnen.
ANZEIGE

Daran, dass Künstliche Intelligenzen uns mittlerweile auch in den kompliziertesten Strategiespielen wie Schach oder Go mühelos schlagen, haben wir Menschen uns fast schon gewöhnt. Wenn sich die künstlichen neuronalen Netze in riesigen Datensätzen auf die Suche nach verborgenen Mustern und Korrelationen machen, sind wir vergleichsweise langsam denkenden Wesen ganz einfach unterlegen. Um unsere Siegeschancen zu wahren, konnten wir uns bislang immerhin noch zu Spielen flüchten, die mehr als bloße kognitive Brillanz erfordern, indem sie auch auf physischer Geschicklichkeit beruhen. Jenga zum Beispiel: 54 rechteckige Holzklötze, die in zueinander jeweils um 90 Grad gedrehten Schichten von je drei Bausteinen zu einem Turm gestapelt werden. Abwechselnd entfernen nun die Spieler jeweils einen Stein aus dem Turm, um ihn auf dessen oberste Ebene zu legen, ohne dass der Turm zusammenstürzt.

Wissenschaftler vom Massachusetts Institute of Technology haben nun mit einem intelligenten Roboterarm den Versuch unternommen, auch diese Bastion menschlicher Überlegenheit in Gefahr zu bringen. Wie sie in „Science Robotics“ beschreiben, mussten sie dafür erstens sicherstellen, dass ihr selbstlernender Spieler nicht nur visuelle, sondern zusätzlich auch taktile Informationen nutzt, um die Eigenschaften des Jenga-Turms zu verstehen.

Dieses Wissen musste der Roboter zweitens effizient in die Steuerung seiner Bewegungen umsetzen. Die Forscher entwickelten dafür einen hierarchischen Lernansatz, der mit Abstraktionen der möglichen auftretenden Situationen arbeitet – beispielsweise das Vorliegen eines schwer beweglichen Klotzes. Für jede dieser abstrahierten Szenarien erstellte die KI dann einfache Modelle, anstatt Berechnungen für jeden möglichen Einzelfall anzustellen. Dadurch konnte die Zahl der nötigen Trainingsspiele deutlich reduziert werden. Die Performance des Roboters blieb damit nicht weit hinter der menschlichen zurück. Statt nun weiter zu trainieren und den Menschen doch noch hinter sich zu lassen, soll der Roboter sich nun aber anderen, praktisch relevanteren Aufgaben widmen.

ANZEIGE
Quelle: F.A.Z.
Autorenbild/ Sybille Anderl
Sibylle Anderl
Redakteurin im Feuilleton, zuständig für das Ressort „Natur und Wissenschaft“.
Twitter
  Zur Startseite
Verlagsangebot
Verlagsangebot
Zertifikate
Weiterbildung in der Organisationspsychologie
Sprachkurse
Lernen Sie Italienisch
Englisch
Verbessern Sie Ihr Englisch
Kapitalanlage
Pflegeimmobilien als Kapitalanlage der Zukunft
Tablet
Tablets im Test
ANZEIGE