Schach fühlt sich wie ein zutiefst menschliches Unterfangen an. Es erfordert Intuition. Es erfordert strategische Weitsicht. Die Vorstellung, dass eine kalte Maschine einen Großmeister schlagen kann, wirkt also fast magisch. Aber Schach-KI spielt das Spiel nicht so wie wir. Es zerlegt die Tafel in reine Mathematik.
Denken Sie darüber nach, wie Sie Schach gelernt haben. Sie haben mit den Grundlagen begonnen. Wie der Ritter springt. Wie der Bischof geneigt ist. Sobald die Regeln geklickt haben, konnten Sie tatsächlich Teile bewegen. Frühe Verluste waren keine Misserfolge. Es waren Datenpunkte. „Ich habe das Schachmatt nicht kommen sehen“, würden Sie sagen. Ihr Gehirn hat diese Momente absorbiert. Sie haben Brettmuster gespeichert. Du hast Tricks gelernt. Du hast Nuancen aufgesaugt.
Computer tun nichts davon. Sie „denken“ nicht im biologischen Sinne. Sie rechnen. Sie führen Formeln durch, um den optimalen Zug zu finden. Mit der Weiterentwicklung dieser Motoren ist ihre Präzision sprunghaft angestiegen. Die heutigen KI-Rechner sind die stärksten Player der Welt. Sie spielen blind. Unerbittlich. Allein aufgrund der Berechnung.
Die Mathematik hinter den Bewegungen
Der Mensch ist auf Mustererkennung angewiesen. Wir erkennen eine bekannte Falle, weil wir sie schon einmal gesehen haben. Wir spüren eine Veränderung der Dynamik. Computer spüren nichts. Sie berechnen Millionen von Positionen pro Sekunde. Sie bewerten jedes mögliche Ergebnis. Dann wählen sie denjenigen mit der höchsten numerischen Punktzahl aus.
Das ist keine Zauberei. Es ist Brute-Force-Logik. Und es ist erschreckend effektiv.
Schach-KI sieht aus wie Magie, aber im Kern handelt es sich nur um blinde Brute-Force-Berechnungen. Es ist kein Denken. Es ist berechnend.
Beginnen Sie mit einem Standardboard. Weiß zieht zuerst. Sie haben 20 Möglichkeiten. Zwei Ritter können herausspringen. Acht Bauern können ein oder zwei Felder nach vorne rutschen. Du wählst einen aus.
Schwarz sieht das gleiche Gitter. Auch 20 Züge.
Jetzt zieht Weiß wieder. Das Board hat sich geändert, daher haben sich die Optionen verschoben, aber es sind immer noch etwa 20 Optionen. Dann antwortet Schwarz. Und so weiter.
Die Zahl der Wege explodiert.
Weiß macht einen Zug. Schwarz hat 20 Antworten. Das sind 400 Stellen. Weiß reagiert auf jede dieser Fragen. 8.000 Stellen. Schwarz schlägt zurück. 160.000 Stellen.
So sieht ein Computer die Tafel. Nicht als Kunst. Als Baum.
Die Mathematik des Schachs
Wenn Sie diesen Baum erweitern, um alle möglichen Schachpartien abzudecken, ist die Anzahl der Brettpositionen astronomisch.
Etwa 10^120.
Das ist eine 1 gefolgt von 120 Nullen.
Um das ins rechte Licht zu rücken, betrachten wir das Alter des Universums. Seit dem Urknall sind etwa 10^26 Nanosekunden vergangen. Das gesamte beobachtbare Universum besteht aus etwa 10^75 Atomen. Selbst wenn man jeden Stern in jeder Galaxie in der Milchstraße und darüber hinaus zählt, kann man die Anzahl möglicher Schachpartien immer noch nicht erreichen.
Schach ist komplex. Zu komplex, als dass ein Computer sie vollständig lösen könnte.
Keine Maschine wird jemals den gesamten Baum berechnen. Das muss nicht sein.
Wie tief blickt der Computer?
Stattdessen blickt der Motor nach vorne. Es baut einen Baum mit einer Tiefe von fünf, zehn oder zwanzig Zügen auf.
Gehen Sie von durchschnittlich 20 Zügen pro Position aus:
- Ein Baum mit einer Tiefe von 5 Zügen deckt 3,2 Millionen Positionen ab.
- Ein Baum mit einer Tiefe von 10 Zügen deckt 10 Billionen Positionen ab.
Die Tiefe hängt von der Hardware ab. Die schnellsten Schachcomputer werten Millionen Stellungen pro Sekunde aus. Sie durchschneiden den Baum und finden den besten Weg innerhalb dieses begrenzten Fensters.
Aber es reicht nicht aus, die Positionen zu sehen. Der Computer muss wissen, welches gut ist.
Bewertung des Boards
Hier übernimmt die Bewertungsfunktion.
Sobald die Engine den Baum generiert, weist sie jedem Knoten eine Bewertung zu. Es geht nicht nur darum, Stücke zu zählen. Sicher, eine einfache Version könnte schwarze Figuren von weißen Figuren subtrahieren. 11 weiße Steine minus 9 schwarze Steine ergeben eine Punktzahl von 2.
Das ist naiv. Es ignoriert den materiellen Wert. Eine Dame ist mehr wert als ein Bauer. Ein Läufer ist in offenen Stellungen besser als ein Springer.
Die Formel wird also schwerer. Programmierer fügen Gewichte für den Stücktyp hinzu. Sie fügen Boni für die Kontrolle des Zentrums hinzu. Sie bestrafen einen verletzlichen König. Sie berücksichtigen die Bauernstruktur.
Egal wie komplex diese Parameter werden, die Ausgabe ist immer eine Zahl.
Eine einzelne Punktzahl, die die „Güte“ dieses Board-Zustands darstellt.
Wie Schachgroßmeister KI nutzen
Das gilt nicht nur für Maschinen. Elitemenschen nutzen dieselbe Logik als Waffe.
Großmeister spielen nicht gegen Computer, um sie zu schlagen. Sie spielen mit ihnen, um besser zu werden.
KI-Engines bieten tiefgreifende Analysen, die das menschliche Auge nicht erfassen kann. Sie erkennen Bewegungen, die logisch sinnvoll, aber psychologisch nicht intuitiv sind. Sie finden Ressourcen darin, Positionen zu verlieren, von denen Menschen zu früh zurücktreten.
So verwenden Elitespieler sie:
- Spielrückblick: Geben Sie vergangene Spiele ein, um verpasste Gelegenheiten zu erkennen.
- Strategieerkundung: Testen Sie alternative Eröffnungen, die sich der traditionellen Theorie widersetzen.
- Positionsverständnis: Sehen Sie die „Wahrheit“ eines komplexen, zehn Züge tief berechneten Mittelspiels.
Es ist kein Betrug. Es ist Training.
Der Motor hat keine Intuition. Es hat Mathematik. Durch das Studieren der Vorschläge der Engine entwickeln menschliche Spieler jedoch eine tiefere und genauere eigene Intuition. Sie lernen, was die Mathematik über Druck, Raum und Zeit bedeutet.
Das Board ist statisch. Die Möglichkeiten sind unendlich. Aber vorerst findet der Computer in den nächsten zehn Schritten immer den besten Zug.
Wir müssen einfach aufholen.
Wie die Minimax-Logik von AlphaGo tatsächlich funktioniert
Das Diagramm veranschaulicht einen dreistufigen Entscheidungsbaum. Es sind drei Schritte voraus. Die endgültigen Vorstandspositionen wurden bereits ausgewertet.
Der Computer spielt Weiß. Schwarz ist gerade umgezogen. Das Brett sitzt oben auf dem Baum. Weiß hat drei mögliche Antworten. Auf jeden dieser drei Züge kann Schwarz auf drei Arten antworten. Damit entstehen neun Vorstandsposten. Von jedem dieser neun Felder aus kann Weiß zwei mögliche Züge machen.
Im wirklichen Leben ist der Verzweigungsfaktor viel höher. Sie sehen etwa 20 Züge aus jeder Position. Das zu zeichnen wäre ein Chaos. Das Diagramm vereinfacht es also.
Um über seinen nächsten Zug zu entscheiden, schaut sich der Computer diesen Baum an. Es geht von unten nach oben. Die Berechnungen zielen darauf ab, aus jeder der möglichen Positionen, die Schwarz einnehmen wird, die besten Brettpositionen zu ermitteln. Es braucht das Maximum.
Dies ist der Kern des Minimax-Algorithmus. Der Computer geht von einem optimalen Spiel auf beiden Seiten aus. Es minimiert den maximal möglichen Verlust. In diesem speziellen Zweig maximiert es seinen eigenen Gewinn.
Der Computer arbeitet von unten nach oben, wählt den Maximalwert für die Züge von Weiß und minimiert ihn für die Züge von Schwarz.
Es ist keine Zauberei. Es ist Mathematik. Der Baum ist nur eine Darstellung der Möglichkeiten. Die Bewertungsfunktion weist jedem Blattknoten eine Bewertung zu. Der Algorithmus verteilt diese Ergebnisse dann nach oben.
Weiß möchte den Punktestand maximieren. Schwarz möchte es minimieren. Der Computer wählt den Weg, der zum höchsten Punktestand für Weiß führt, vorausgesetzt, Schwarz spielt optimal, um diesen zu reduzieren.
Diese Logik skaliert. Hoch. Und aufwärts. Bis der Baum zu groß ist, um ihn zu berechnen. Dann verwendet es Heuristiken. Aber hier? Es ist reine Berechnung.
Dabei wird davon ausgegangen, dass Schwarz die schlechtestmögliche Stellung für Weiß wählt. Es braucht das Minimum.
Dann wird das Maximum der ersten drei Zahlen ausgewählt: 7. Das ist der Zug, den der Computer ausführt.
Sobald Schwarz antwortet, beginnt die gesamte Schleife neu. Es entsteht ein neuer Baum. Alle Vorstandsämter werden noch einmal bewertet. Die Maschine berechnet ihren nächsten Schritt.
Dies ist der Minimax-Algorithmus. Es wechselt zwischen Maxima und Minima, während es den Entscheidungsbaum erklimmt.
Alpha-Beta-Beschneidung beschleunigt die Arbeit. Es läuft etwa doppelt so schnell. Es verbraucht weit weniger Speicher.
Der Prozess ist vollständig mechanisch. Hier gibt es keinen Gedanken. Nur Brute-Force-Berechnung. Eine Bewertungsfunktion wird auf jede mögliche Position in einem Baum mit einer festgelegten Tiefe angewendet.
Es funktioniert gut. Auf einem ausreichend schnellen Computer sieht der Algorithmus weit voraus. Es spielt ein sehr gutes Spiel.
Fügen Sie Lerntechniken hinzu. Ändern Sie die Bewertungsfunktion basierend auf vergangenen Spielen. Die Maschine verbessert sich mit der Zeit.
Aber denken Sie daran. Es hat nichts mit menschlichem Denken zu tun.
Wenn wir endlich verstehen, wie menschliches Denken funktioniert, und einen Computer bauen, der diese Techniken für Schach nutzt, werden wir wirklich auf der richtigen Spur sein.
Die Kraft moderner Schachmaschinen
Jedes KI-gesteuerte Schachsystem basiert auf einer leistungsstarken Engine.
Diese Engine kombiniert Suchalgorithmen. Es nutzt Auswertungsfunktionen. In fortgeschrittenen Fällen kommt maschinelles Lernen zum Einsatz.
Schach-Engines sind jetzt die ultimativen Player. Sie übertreffen ständig selbst die besten menschlichen Großmeister.
Ob durch Brute-Force-Berechnungen oder adaptives Lernen, KI hat die Landschaft verändert. Es ist ein unverzichtbares Werkzeug für Spieler, die Spiele analysieren und Strategien verbessern möchten.
Wir haben diesen Artikel in Verbindung mit der KI-Technologie aktualisiert und dann sichergestellt, dass er von einem HowStuffWorks-Redakteur auf Fakten überprüft und bearbeitet wurde.
