Werbung
Nachdem Anfang des Jahres ein Supercomputer mit Deep-Learning-Netzwerk als erstes Computersystem einen starken menschlichen Gegner in Go besiegen konnte, war auch die letzte Bastion der komplizierten Brettspiele an die künstliche Intelligenz verloren. Doch der Aufwand dazu war enorm, denn neben der notwendigen Rechenleistung muss AlphaGo, so der Name der Software, kompliziert antrainiert werden und dazu ist neben spezieller Software namens TensorFlow (eine Standard-Software im Bereich des maschinellen Lernens) auch eigens entwickelte Hardware von Google zum Einsatz gekommen. Die Tensor Processing Unit (TPU) kommt bei Google inzwischen überall zum Einsatz, wo Deep-Learning-Netzwerke verwendet werden – sei es für AlphaGo, Googles Neural Machine Translation verbessert maschinelle Übersetzungen oder für Googles künstliche Intelligenz die in Starcraft II den Menschen schlagen soll.
Doch wie gesagt, der Aufwand all dies zu erreichen ist enorm, vor allem hinsichtlich der Hardware, die zur Verfügung gestellt werden muss. Nun ist der Japaner Cho Chikun (9p) gegen ein Programm namens Deep Zen angetreten. Nach dem Erfolg von AlphaGo wurden zahlreiche neue Programme entwickelt, die auf unterschiedlichen Computerplattformen gegen menschliche Gegner antreten sollten – vom Supercomputer bis zum Handy. Die Spielstärke dieser Programme ist dabei maßgeblich durch die Rechenleistung limitiert, auf die sie zurückgreifen können. Der Grund hierfür liegt in den 2,08 × 10170 mögliche Positionen, die von den Spielsteinen in Go eingenommen werden können.
Beim Showmatch zwischen Cho Chikun und Deep Zen siegte schlussendlich zwar der Mensch mit 2:1, aber die eine gewonne Partie lässt die Entwickler von Deep Zen frohlocken, denn anstatt auf einen Supercomputer kam nur eine sehr leistungsstarke Workstation zum Einsatz. Diese bestand aus zwei Intel Xeon E5-2699v4 mit 22 Kerne und 44 Threads pro Prozessor, also 44 Kernen und 88 Threads insgesamt, die mit 2,2 GHz arbeiten. Hinzu kommen vier NVIDIA Titan X auf Basis der aktuellen Pascal-Architektur sowie 128 GB an Arbeitsspeicher. Trotz dieser Hardware benötigte das System pro Zug 15 s.
Auf den ersten Blick klingt die Ansammlung an Hardware enorm und übertrieben, im Vergleich zu den sonst verwendeten Supercomputern sind ein Dual-Sockel-System plus vier zugegeben leistungsstarke Grafikkarten aber eher unspektakulär.