Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind6. Dezember 2018 · Q002217

AlphaZero: Shedding new light on chess, shogi, and Go

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht zufolge lernte AlphaZero Schach, Shogi und Go durch Selbstspiel und übertraf in den beschriebenen Tests Stockfish, Elmo und AlphaGo Zero. DeepMind hebt seinen dynamischen, teils unkonventionellen Stil und mögliche neue strategische Erkenntnisse hervor. Die Autoren sehen darin einen Schritt zu allgemeineren Lernsystemen, betonen aber, dass deren Einsatz bei realen Aufgaben weiterhin eine Herausforderung ist.

Mittel

Der Bericht beschreibt die 2018 veröffentlichte Gesamtauswertung von AlphaZero. Laut DeepMind lernte das System Schach, Shogi und Go durch Selbstspiel und Verstärkungslernen, ohne spielbezogenes Vorwissen außer den Regeln. Ein neuronales Netz und eine Monte-Carlo-Baumsuche halfen ihm, aus Erfahrung Züge auszuwählen. Die Autoren geben an, dass AlphaZero Stockfish im Schach nach vier Stunden Training, Elmo im Shogi nach zwei Stunden und AlphaGo Zero im Go nach 30 Stunden übertraf. In den Vergleichen gewann es 155 von 1.000 Schachpartien gegen Stockfish bei sechs Niederlagen, 91,2 Prozent der Shogi-Partien und 61 Prozent der Go-Partien. Die Tests nutzten unterschiedliche, jeweils für die Programme vorgesehene Hardware.

Der Beitrag hebt außerdem AlphaZeros dynamischen und eigenständigen Spielstil hervor. Es habe bekannte strategische Motive selbst entdeckt, aber auch Material für langfristige Vorteile geopfert und neue Ideen entwickelt. Zitierte Fachleute sehen darin mögliche Anregungen und einen Nutzen für das Schachlernen. DeepMind deutet die drei Erfolge als Schritt hin zu flexibleren Lernsystemen. Zugleich räumt der Bericht ein, dass die Übertragung auf reale Aufgaben weiterhin eine Herausforderung ist; solche Anwendungen werden als Perspektive, nicht als Ergebnis der beschriebenen Tests dargestellt.

Ausführlich lesen

Der Bericht stellt die 2018 veröffentlichte Gesamtauswertung von AlphaZero vor. Laut den Autorinnen und Autoren lernte das System Schach, Shogi und Go jeweils durch Selbstspiel und Verstärkungslernen: Es startete mit zufälligem Spielverhalten und erhielt außer den Spielregeln kein eingebautes Wissen über die jeweilige Partie. Ein neuronales Netz lernte aus Siegen, Niederlagen und Remis; eine Monte-Carlo-Baumsuche nutzte es anschließend, um aussichtsreiche Züge auszuwählen.

DeepMind zufolge übertraf AlphaZero Stockfish im Schach nach vier Stunden Training, Elmo im Shogi nach zwei Stunden und die damalige AlphaGo-Zero-Version im Go nach 30 Stunden. Für das Training werden insgesamt etwa neun Stunden für Schach, zwölf Stunden für Shogi und 13 Tage für Go angegeben. Die vollständig trainierten Systeme wurden laut Bericht mit dreistündigen Partien und 15 Sekunden zusätzlicher Bedenkzeit pro Zug verglichen. Stockfish und Elmo liefen dabei auf 44 CPU-Kernen; AlphaZero und AlphaGo Zero auf einer Maschine mit vier TPUs der ersten Generation und 44 CPU-Kernen. Der Bericht betont, dass die Hardwarearchitekturen nicht direkt vergleichbar seien.

Bei den beschriebenen Wertungsergebnissen gewann AlphaZero im Schach 155 von 1.000 Partien gegen Stockfish und verlor sechs; laut DeepMind gewann es auch weitere Tests mit üblichen menschlichen Eröffnungen, Eröffnungsstellungen der TCEC-Meisterschaft 2016, einer neueren Stockfish-Version und einer Variante mit Eröffnungsbuch. Im Shogi gewann es demnach 91,2 Prozent der Partien gegen Elmo, im Go 61 Prozent gegen AlphaGo Zero. Der Text präsentiert diese Resultate als Bestätigung und Aktualisierung früherer vorläufiger Ergebnisse.

Ein Schwerpunkt des Beitrags ist AlphaZeros Spielstil. Die Autoren und zitierte Schachfachleute beschreiben ihn als dynamisch, eigenständig und teilweise unkonventionell. Im Schach habe das System bekannte strategische Motive selbst entwickelt, zugleich aber eigene Ideen gezeigt: Es priorisiere Aktivität und Beweglichkeit der Figuren, könne Material für langfristige Vorteile opfern und spiele besonders in schwer berechenbaren Stellungen stark. Die Verfasser führen diese Eigenschaften auf das selbstständige Lernen ohne menschlich formulierte Schachheuristiken zurück. Sie sehen darin mögliche neue Erkenntnisse für Spieler und ein potenzielles Lehrmittel; diese Einschätzungen werden im Artikel durch Kommentare von Großmeister Matthew Sadler und WIM Natasha Regan gestützt.

Als weitergehende Bedeutung nennt der Bericht die Möglichkeit, dass ein einzelner Lernalgorithmus auf verschiedene Spiele übertragbar ist und neue Erkenntnisse hervorbringt. Das wird als Schritt in Richtung allgemeiner lernfähiger Systeme eingeordnet, nicht als bereits gelöste Aufgabe: Die Autoren räumen ein, dass KI-Systeme oft an eng umrissenen Fertigkeiten hängen und bei leicht veränderten Aufgaben scheitern können. AlphaZeros Erfolge betreffen laut Text komplexe Spiele mit vollständiger Information; eine Bewährung bei realen wissenschaftlichen Problemen wird als Ziel und Hoffnung beschrieben, nicht als hier nachgewiesenes Ergebnis.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist ein DeepMind-Blogbeitrag über Spielstärke und stützt die Sicherheitsfragen daher nur am Rande. Lunas mittlere Zusammenfassung schreibt AlphaZero den 30-Stunden-Sieg gegen AlphaGo Zero zu, obwohl der Bericht die Lee-Sedol-Version von AlphaGo nennt; die übrigen Zahlen stimmen.

Im Bericht, aber nicht in der Zusammenfassung

  • Trainingszeiten: etwa 9 Stunden für Schach, 12 Stunden für Shogi und 13 Tage für Go
  • Suchtiefe: AlphaZero prüft im Schach etwa 60.000 Stellungen pro Sekunde, Stockfish etwa 60 Millionen

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Im Go übertraf AlphaZero laut Bericht AlphaGo Zero nach 30 Stunden; der Bericht nennt dort die AlphaGo-Version, die 2016 Lee Sedol schlug

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 23 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 44 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 35 %einzelne zitierbare Belege
    • JEV 30 %Hintergrund, keine Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-T3-T08 Welche kontrollierten Versuche können Labore heute machen, um Selbstverbesserung nachzubilden, ohne eine unbeabsichtigte Beschleunigung zu riskieren? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V4-T03 Ist Intelligenz, die „eher gewachsen als entworfen“ ist, ein Grund für mehr Vorsicht oder dafür, Modelle wie ein Ökosystem zu pflegen? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 29 %Hintergrund, keine Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 24 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 50 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 32 %einzelne zitierbare Belege
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 70 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →