NERDMANKI-Versager: Warum DeepMind bei simplen Spielzügen scheitert
Googles DeepMind hat mit AlphaGo und AlphaZero die Schachwelt und Go-Meister gedemütigt. Jetzt demütigen Hobby-Spieler die KI — mit absurd einfachen Tricks.
Die Maschine hat einen blinden Fleck
Das Alpha-Programm galt als unbesiegbar. Millionen Partien gegen sich selbst, übermenschliches Niveau in Schach, Go, und dutzenden anderen Spielen. Dann fanden Forscher Go-Stellungen, die jeder Anfänger erkennt — aber die KI völlig überfordern.
Das Muster ist immer dasselbe:
- Das Problem:** Bestimmte Spielpositionen bringen AlphaGo zuverlässig zum Absturz
- Der Gegner:** Keine Profis, sondern relative Neulinge schlagen die KI
- Der Grund:** Die KI hat beim Selbstspiel-Training nie gelernt, mit diesen Situationen umzugehen
Warum das mehr als ein Brettspiel-Problem ist
Wer jetzt denkt "Ist doch nur Go" — falsch gedacht. Diese Failure Modes sind ein Röntgenbild für KI-Schwächen generell. Wenn ein System, das angeblich jedes Spiel meistert, an trivialen Positionen scheitert, sagt das etwas über die Architektur selbst.
Self-Play-Training erzeugt blinde Flecken. Die KI wird Weltmeister in den Situationen, die sie kennt. Alles außerhalb ihres Trainingshorizonts? Totalausfall.
Das Grundproblem heißt Überanpassung
DeepMind hat Systeme gebaut, die perfekt in ihrer eigenen Welt funktionieren. Aber die echte Welt — selbst die eines Brettspiels — hat Ecken, die kein Selbstspiel-Training abdeckt. Und genau dort versagen sie katastrophal.
