Original-URL des Artikels: https://www.golem.de/news/machine-learning-ki-loest-zauberwuerfel-mit-1-2-sekunden-langsamer-als-nicht-ki-1907-142612.html    Veröffentlicht: 17.07.2019 11:42    Kurz-URL: https://glm.io/142612

Machine Learning

KI löst Zauberwürfel langsamer als einfacher Algorithmus

Immerhin 3,47 Sekunden braucht ein Mensch für das Lösen des Zauberwürfels. Das schafft das neue KI-System DeepcubeA in 1,2 Sekunden. Das ist noch immer langsamer als der bisher effizienteste traditionelle Algorithmus, der wesentlich schneller, aber nicht so vielseitig ist.

Forscher haben ein Machine-Learning-System entwickelt, das selbstständig Zauberwürfel lösen kann. DeepcubeA löst das Puzzle zu 100 Prozent und benötigt dafür im Mittel etwa 1,2 Sekunden. Der derzeitige Weltrekord eines Menschen liegt bei 3,47 Sekunden und wird vom chinesischen Speedcuber Yusheng Du gehalten. Allerdings hat das System einen Softwarekonkurrenten, der schneller ist: Eine Rubiks-Cube-Lösesoftware und der dazugehörige Roboter lösen den Würfel in 380 Millisekunden.

Dort ist kein Machine Learning implementiert. Das Programm kann nur Zauberwürfel lösen und keine anderen Aufgaben übernehmen. Das Reinforcement-Learning-System der Forscher, welches in einer Ausgabe des Wissenschaftsmagazins Nature veröffentlicht wurde, könnte theoretisch auch auf andere Fälle angewendet werden. Es soll beispielsweise beim Studieren von Eiweißen assistieren können.

Lernen nach Trial and Error

DeepcubeA wurde von Grund auf nach dem Zufallsprinzip trainiert - ein Prinzip im Reinforcement Learning. Dabei probiert die Software zufällig verschiedene Kombinationen aus. Jeder Zug wird mit einem bestimmten Effizienzwert bewertet, so dass die trainierte Software den schnellsten Weg wählt. "DeepcubeA findet zu 60,3 Prozent den kürzesten Weg zum Zielstatus", schreiben die Forscher in ihrem Dokument.

Das System kann neben dem klassischen 3-x-3-Felder-Zauberwürfel auch Puzzles mit 15, 24, 35 und 48 Teilen Kantenlänge lösen. Deren Komplexität steigt laut den Forschern exponentiell. "Während eine optimale Lösung für das 15-Puzzle auf einem herkömmlichen Computer weniger als eine Sekunde dauert, kann das beim 24-Puzzle mehrere Tage dauern, und eine Lösung für das 35-Puzzle zu finden, ist grundsätzlich kaum möglich", schreiben sie.

DeepcubeA basiert auf dem Deep-Reinforcement-Modell Deepcube. Dieses arbeitet ähnlich dem Framework, welches für die Schach-KI Alphazero entwickelt wurde. Dieses Programm schlägt menschliche Spieler in den Spielen Schach, Shogi und Go zuverlässig.  (on)


Verwandte Artikel:
Neuralink: Elon Musk will Mensch und KI vereinen   
(17.07.2019, https://glm.io/142614 )
Deepmind: Deep-Learning-Algorithmus rendert 3D-Szene aus 2D-Bildern   
(18.06.2018, https://glm.io/135004 )
Mounts: KI hilft Vulkanausbrüche vorherzusagen   
(16.07.2019, https://glm.io/142584 )
Pluribus: Software besiegt fünf Poker-Profis auf einmal   
(11.07.2019, https://glm.io/142490 )
Alphastar: Deepminds KI spielt gegen Menschen in Starcraft-2-Ladder   
(11.07.2019, https://glm.io/142497 )

© 1997–2019 Golem.de, https://www.golem.de/