Fast drei Jahrzehnte nachdem Deep Blue die Schachwelt verblüffte, versuchen Forscher immer noch, eine täuschend einfache Frage zu beantworten: Was genau macht KI im Schach so gut? Ein aktueller Artikel in APS Open Science, der am 15. November von Scientific American hervorgehoben wurde, bietet einen messbaren Hinweis – und er läuft auf eine Eigenschaft hinaus, die die Autoren „strategische Spannung“ nennen.

Schach-Engines sind schon seit langem in der Lage, Menschen zu übertreffen und mithilfe der Baumsuche eine große Anzahl von Kandidatenzügen brutal zu erzwingen. Moderne neuronale Netzwerk-Engines wie Stockfish und Leela Layers verwenden trainierte Netzwerke, um diese Suche zu steuern, und ihre Leistung ist nur noch beeindruckender geworden. Was die neue Studie hinzufügt, ist ein statistisches Porträt darüber, wie sich ihr Spiel von unserem unterscheidet – nicht nur darin, wer gewinnt, sondern auch darin, wie das Brett selbst im Verlauf des Spiels aussieht. Für Leser, die KI-Forschungsnachrichten verfolgen, ist die Arbeit eine Erinnerung daran, dass selbst Bereiche mit „gelöstem Gefühl“ wie Schach immer noch offene Fragen darüber bergen, wie Maschinen tatsächlich denken.

Spannung auf dem Brett messen

Die Studie wurde von Physikern des Complexity Science Hub in Wien unter der Leitung des leitenden Autors Vito D. P. Servedio geleitet. Das Team sammelte sowohl Mensch-gegen-Mensch-Spiele als auch Stockfisch-gegen-Leela-Spiele aus Online-Datenbanken und maß dann eine Größe, die sie als strategische Spannung an jeder Position bezeichnen: im Wesentlichen die Anzahl der möglichen gegenseitigen Interaktionen zwischen gegnerischen Figuren. Hochspannungspositionen sind solche, in denen viele Figuren gegeneinander antreten – reich an latenten Eroberungen, Drohungen und Gegenbedrohungen, die durch einen einzigen Zug ausgelöst werden könnten.

Spannung ist eine natürliche Größe, nach der Physiker greifen können. Es erfasst in einer einzigen Zahl, wie viel Komplexität in einer Position verborgen ist – wie sehr sich der Spielstatus ändern würde, wenn einer der Spieler das Spielfeld über den Rand in eine Kaskade von Abtauschen treiben würde.

Menschen vereinfachen; Motoren halten das Board auf dem Laufenden

Das zentrale Ergebnis ist eine Divergenz in der Art und Weise, wie sich Spannungen entwickeln. In menschlichen Spielen war die durchschnittliche Spannung während der ersten 20 Züge tatsächlich höher als in KI-Spielen – der Phase, in der sich die Spieler auf auswendig gelernte Eröffnungen und gut einstudierte Taktiken stützen, in der Hoffnung, dass die Komplexität einen Gegner irgendwann zum Ausrutschen zwingt.

Aber ab diesem Punkt kreuzen sich die Grenzen. Die menschliche Spannung sinkt unter die von KI-Spielen, die bis weit in das Mittelspiel hinein hoch bleibt. Die Interpretation der Forscher: Wenn Stellungen ungewohnt werden, vereinfachen menschliche Spieler, tauschen Teile aus und steuern auf ruhigere Strukturen zu, weil sie nicht die volle Komplexität vieler interagierender Teile und mehrerer Optionen gleichzeitig im Auge behalten können. Die Motoren spüren keinen solchen Zwang. Sie halten Positionen voller gegenseitiger Bedrohungen aufrecht, deren Navigation für die meisten menschlichen Spieler unerträglich wäre – und genau an diesen Positionen lässt die menschliche Genauigkeit nach, so die Studie.

Geschicklichkeit, Zeitkontrolle und Suchtiefe

Die Daten zeigten auch, dass Spannung die Fähigkeiten und Überlegungen sowohl bei Menschen als auch bei Maschinen beeinflusst. Höher bewertete menschliche Spieler hielten während ihrer Spiele eine höhere Spannung aufrecht als Spieler mit niedrigerer Bewertung. Spiele mit mehr Bedenkzeit zeigten mehr Spannung – am höchsten im klassischen Schach, am niedrigsten im Schnellschach und am niedrigsten im Blitzschach – was mit der Vorstellung übereinstimmt, dass die Aufrechterhaltung der Komplexität bei der kognitiven Anstrengung teuer ist. Und auf der maschinellen Seite beobachtete das Team, dass die Spannung zunahm, als Stockfish tiefere Bäume nach möglichen Fortsetzungen durchsuchte.

Die Autoren achten auf die Kausalität. Höhere Anspannung korrelierte mit größeren Fähigkeiten sowohl bei Menschen als auch bei KI, aber die Studie zeigte nicht, dass Anspannung diese Fähigkeit hervorbringt – oder dass sie daraus resultiert. Es ist ein Fingerabdruck starken Spiels, noch kein demonstrierter Mechanismus.

„Es sieht so aus, als würden sie zaubern“

Der Anspruch der Forscher geht über die Charakterisierung der Schachästhetik hinaus. „Unsere Arbeit kommt dem Verständnis dieser Maschinen wahrscheinlich am nächsten“, sagte Servedio gegenüber Scientific American. „Ansonsten sieht es so aus, als würden sie zaubern.“

Dieser Rahmen – die Behandlung des Maschinenspiels als ein zu messendes physikalisches System und nicht als eine zu bewundernde Black Box – unterscheidet die Arbeit von früheren Analysen des Maschinenschachs. Anstatt zu fragen, ob die Bewegung einer Engine die beste ist, fragt das Team, was die Gesamtstatistik des Engine-Spiels über die Art der Suche und Bewertung verrät, die die Maschine durchführt.

Eine Warnung jenseits des Schachbretts

Servedio zog auch eine beunruhigende Schlussfolgerung für Bereiche, die weit von 64 Feldern entfernt sind. Wenn KI-Systeme in komplexen, kontroversen Umgebungen bessere Ergebnisse erzielen, indem sie hohe Spannungen aufrechterhalten und viele volatile Interaktionen gleichzeitig aufrecht erhalten, dann könnte ihr Einsatz in etwas wie Diplomatie zu maschinenoptimierten Strategien führen, die Menschen als unkontrollierbar fragil empfinden. „Das ist sehr gefährlich, denn bei hoher Spannung sind die Systeme sehr instabil“, sagte er. „Ein kleiner Fehler von einer Seite wird also eine Katastrophe auslösen.“

Die Analogie ist spekulativ und die Autoren erheben nicht den Anspruch, die diplomatische Dynamik gemessen zu haben. Aber es weist auf eine echte Spannung (organisatorischer Art) beim KI-Einsatz hin: Dieselbe Eigenschaft, die es einer Engine ermöglicht, einen Großmeister zu übertrumpfen – Komfort bei anhaltender Komplexität –, kann die Eigenschaft sein, die die Übernahme ihrer Strategien in menschlichen Institutionen, die sie nicht zuverlässig aufrechterhalten können, riskant macht.

Was die Studie nicht zeigt

Es lohnt sich, die Einschränkungen deutlich zu benennen. Die Studie stellt einen Zusammenhang zwischen Spannung und Spielstärke her, nicht einen Kausalmechanismus, der beide verbindet. Es vergleicht ein bestimmtes Engine-Paar mit einer bestimmten Population menschlicher Spiele aus Online-Datenbanken, und Schach – mit seinen diskreten Zügen und perfekten Informationen – bleibt ein bester Fall für diese Art der Analyse. Die Ausweitung der „strategischen Spannung“ auf chaotischere Bereiche ist eine Hypothese, kein Ergebnis.

Dennoch fügt das Papier etwas hinzu, was der Schach-KI-Literatur fehlt: eine einfache, berechenbare Statistik, die klar trennt, wie Menschen und Maschinen im Verlauf eines Spiels mit Komplexität umgehen. Schach dient seit langem als Modellsystem für die Untersuchung der Kognition von Menschen und Maschinen, und der Sieg von Deep Blue über Garry Kasparov im Jahr 1997 markierte den Moment, in dem Maschinen erstmals bewiesen, dass sie uns in unserem eigenen Rechenspiel übertreffen können. Fast 30 Jahre später hat sich die Frage von der Frage, ob Maschinen gewinnen können, zu der Frage verlagert, warum sie gewinnen – und zunehmend auch zu der Frage, was uns ihre Art zu gewinnen über die Systeme lehren könnte, denen wir heute Entscheidungen in der realen Welt überlassen.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →