Wissenschaftler der Universität Toulouse haben eine völlig neue Methode entwickelt, um künstlich intelligente Roboter zu schaffen. Das berichtet die „Technology Review“ der Elite-University Massachusetts Institute of Technology (MIT). Die Methode basiert auf evolutionärem Lernen und ist das genaue Gegenteil von Deep Learning. Beim Deep Learning schreiben die Entwickler einen sinnvollen Code, der dann von der Software schrittweise verbessert wird. Beim evolutionären Lernen wird dagegen eine riesige Menge Zufallscode entworfen. Die Software prüft anschließend, welcher Code das gewünschte Ziel am besten erreicht. Ungeeigneter Code wird verworfen; Code, der zumindest in Teilen geeignet ist, wird in immer neuen Varianten reproduziert. Das geschieht so lange, bis ein geeigneter Code entstanden ist.
Die Wissenschaftler entwickelten einen Algorithmus, dem es mittels der evolutionären Lernmethode gelang, eine Reihe von Videospielen zu meistern, und zwar teilweise besser als menschliche Spieler und durchgehend besser als Algorithmen, die auf Deep Learning beruhten. Dabei entdeckte der evolutionäre Algorithmus, dass einige Angriffs- und Verteidigungsvarianten besser sind als andere. Beispielsweise fand er heraus, dass beim Spiel „Kung Fu“ der Crouch Punch (Schlag aus der Duckstellung) die in jeder Situation beste Angriffsmethode darstellt und automatisch zu einem höheren Score führt. Obwohl Menschen das Videospiel seit beinahe 40 Jahren spielen, war ihnen diese Erkenntnis bislang verborgen geblieben.
Die evolutionäre Lern-Methode hat gegenüber Deep Learning einen großen Vorteil: Die Entscheidungsfindung des Algorithmus ist für den Menschen verhältnismäßig leicht nachvollziehbar. Beim Deep Learning bleibt es dem Menschen dagegen häufig verborgen, warum die Software eine bestimmte Entscheidung trifft. Wenn also ein Roboter, dessen Intelligenz auf der evolutionären Lern-Methode beruht, zu einem Ergebnis gelangt, kann der Mensch die einzelnen Schritte dorthin rekonstruieren. Das ist in juristischer, ethischer und entscheidungstechnischer Hinsicht von großer Bedeutung.
Weitere Meldungen aus dem Tech-Report der DWN finden Sie hier.
