Künstliche Intelligenz lernt beim Hex-Brettspiel zu gewinnen
- Tymur Haivoronskyi, Benken, Klasse 4P
«Heute wenden sich 90 % der Menschen, die in einer Situation sind, in der sie einen Text schreiben müssen, der nicht sehr detailliert ist, wie diese kurze Zusammenfassung, aber dennoch Sinn ergibt und das Thema beschreibt, an KI-Tools. Tools wie ChatGPT eignen sich hervorragend für die Bearbeitung von Sprachaufgaben und die Beantwortung von Fragen.
Hinter der Texterzeugung steckt jedoch weit mehr als nur einfache Automatisierung. Die sogenannte Transformer-Architektur repräsentiert einen der bedeutendsten Fortschritte in der künstlichen Intelligenz. Ihre Anwendung reicht weit über die Sprachverarbeitung hinaus und eröffnet neue Möglichkeiten in vielen Bereichen, darunter auch die strategische Entscheidungsfindung in Brettspielen, ein Feld, das weltweit führende Forscher interessiert.
In meiner Maturaarbeit wurde untersucht, wie transformerbasierte Sprachmodelle genutzt werden können, um strategische Entscheidungen in einem komplexen Brettspiel zu treffen. Das Hex-Spiel bietet sich als ideales Testfeld an, da es kein Unentschieden gibt und eine enorme Zugvielfalt aufweist.
Der Ansatz war es, das Spiel als eine Sequenz darzustellen und ein Modell zu trainieren, das Vorhersagen für optimale Spielzüge trifft. Dabei wurde nicht der klassische Ansatz gewählt, sondern eine innovative Methode entwickelt, die das Training auf bereits gewonnenen Spielen basiert. Zudem wurde untersucht, wie sich verschiedene Modellgrössen und Feintuning-Techniken auf die Spielstärke auswirken.
Ein zentrales Ergebnis dieser Arbeit ist, dass transformerbasierte Modelle tatsächlich in der Lage sind, spielstarke Strategien zu erlernen und sich mit der Zeit weiterzuentwickeln. Diese Arbeit demonstriert eindrucksvoll die Vielseitigkeit von NLP-Modellen und ihre Anwendungsmöglichkeiten ausserhalb der klassischen Textverarbeitung, ein spannender Einblick in die Zukunft der Künstlichen Intelligenz im Bereich strategischer Entscheidungsfindung.»