KI -Gelehrte verliehen den Turing -Preis für Technik hinter Alphagos Schachsieg

In den letzten zehn Jahren hat die künstliche Intelligenz mit ihren Fortschritten beeindruckt, insbesondere durch eine Technik, bei der Computer zufällige Entscheidungen treffen und aus den Ergebnissen lernen. Diese Methode, bekannt als Verstärkendes Lernen, war entscheidend für bemerkenswerte Errungenschaften in der KI.

Nehmen wir das AlphaZero-Programm von Google DeepMind aus dem Jahr 2016, das bis 2018 die komplexen Spiele Schach, Shogi und Go gemeistert hatte. Ebenso erreichte AlphaStar mit diesem Ansatz das „Großmeister“-Niveau im Videospiel *Starcraft II*. Diese Erfolge verdeutlichen die Kraft des Verstärkenden Lernens.

Am Mittwoch feierte das Feld einen bedeutenden Meilenstein, als zwei KI-Wissenschaftler für ihre bahnbrechende Arbeit zur Weiterentwicklung des Verstärkenden Lernens geehrt wurden. Andrew G. Barto, Professor emeritus an der University of Massachusetts, Amherst, und Richard S. Sutton, Professor an der University of Alberta, Kanada, erhielten den renommierten Turing Award 2025 von der Association for Computing Machinery (ACM).

Anerkennung von Pionieren im Verstärkenden Lernen

Die ACM lobte Barto und Sutton für die Grundlagen des Verstärkenden Lernens und erklärte, dass sie „die Hauptideen eingeführt, die mathematischen Grundlagen geschaffen und wichtige Algorithmen entwickelt haben.“ Diese Auszeichnung, die mit einem Preisgeld von 1 Million Dollar verbunden ist, wird oft als Äquivalent eines Nobelpreises in der Computerindustrie angesehen.

Verstärkendes Lernen lässt sich mit einer Maus vergleichen, die einen Irrgarten durchquert, um Käse zu finden. Die Maus lernt, welche Wege zum Ziel führen und welche in Sackgassen enden. Ähnlich glauben Neurowissenschaftler, dass intelligente Wesen, wie Mäuse, ein „inneres Modell der Welt“ entwickeln, um ihre Handlungen zu steuern.

Sutton und Barto schlugen vor, dass Computer ebenfalls solche inneren Modelle entwickeln könnten. Beim Verstärkenden Lernen sammelt der Computer Daten über seine Umgebung – sei es ein Irrgarten oder ein Schachbrett – und handelt zunächst zufällig. Er erhält Rückmeldungen in Form von Belohnungen oder Strafen, die ihm helfen, die Ergebnisse verschiedener Handlungen abzuschätzen. Basierend auf diesen Schätzungen entwickelt das Programm eine „Strategie“, um zukünftige Entscheidungen zu lenken, und balanciert dabei die Erkundung neuer Handlungen mit der Nutzung bekannter erfolgreicher Strategien.

Die Rolle von Erkundung und Nutzung

Im Kern erfordert Verstärkendes Lernen ein empfindliches Gleichgewicht zwischen der Erkundung neuer Möglichkeiten und der Nutzung bekannter Strategien. Keiner der beiden Ansätze allein reicht für den Erfolg aus.

Für diejenigen, die tiefer eintauchen möchten, ist das Lehrbuch von Sutton und Barto aus dem Jahr 2018 eine wertvolle Ressource.

Es ist anzumerken, dass der Begriff „Verstärkendes Lernen“ manchmal anders verwendet wird, etwa von Unternehmen wie OpenAI, die „Verstärkendes Lernen durch menschliches Feedback“ (RLHF) einsetzen, um die Ausgaben großer Sprachmodelle wie GPT zu verfeinern. Dies unterscheidet sich jedoch von der Methode, die von Sutton und Barto entwickelt wurde.

Verstärkendes Lernen als Theorie des Denkens

Sutton, der von 2017 bis 2023 Distinguished Research Scientist bei DeepMind war, hat argumentiert, dass Verstärkendes Lernen nicht nur eine Technik, sondern eine „Theorie des Denkens“ ist. Er hat Bedenken über das Fehlen einer rechentechnischen Theorie in der KI geäußert und betont, dass „Verstärkendes Lernen die erste rechentechnische Theorie der Intelligenz ist.“

Über seine technischen Anwendungen hinaus könnte Verstärkendes Lernen auch Licht auf Kreativität und freies Spiel als Ausdrucksformen von Intelligenz werfen. Sutton und Barto haben die Rolle des Spiels im Lernen hervorgehoben und betont, dass Neugier die Erkundung antreibt. Sutton hat betont, dass Spiel das Setzen von Zielen beinhalten kann, die nicht sofort nützlich sind, aber später von Vorteil sein könnten.

„Spiel ist etwas Großes,“ bemerkte Sutton und wies auf dessen bedeutende Rolle im weiteren Kontext von Lernen und Intelligenz hin.

Die Reise des Verstärkenden Lernens, von der grundlegenden Arbeit von Barto und Sutton bis hin zu seiner Anwendung in Spielen und darüber hinaus, verschiebt weiterhin die Grenzen dessen, was KI erreichen kann.