Pokerprofis verlieren gegen KI
Noch bis zum 30. Januar laufen die Partien zwischen vier Pokerprofis und einer Maschine. Doch der Sieg des Computerprogramms „Libratus“ ist bereits abzusehen.
©Twitch.tv Die Menschen liegen deutlich zurück – die eingeklammerten Zahlen stellen einen negativen Kontostand dar.
Nach etwa 90.000 gespielten Händen führt die künstliche Intelligenz mit beinahe 1 Million Dollar, einzig Dong Kim liegt in seinem Duell noch knapp vorne. Seine Kollegen Jimmy Chou, Jason Les und Daniel McAuley liegen bereits um mehrere Hunderttausend Dollar zurück. Insgesamt werden am Ende 120.000 Hände gespielt worden sein. Gespielt wird Heads-Up No Limit Texas Hold’em Poker, also eine Eins gegen Eins Situation ohne Begrenzung der Einsätze.
Das Event im Rivers Casino in Pittsburgh hat einige Aufmerksamkeit erregt und wird live auf Twitch TV übertragen. Das Besondere am Pokerspiel ist die Unvollständigkeit der Informationen. Die Spieler wissen nicht, welche Karten das Gegenüber hält und müssen den Gegner in Fallen locken, bluffen und insgesamt undurchschaubar spielen, um sich durchzusetzen.
Für eine künstliche Intelligenz ist das eine große Herausforderung, die bisher nicht gemeistert wurde. „Libratus“ ist der Nachfolger der „Claudico“ genannten Software, die 2015 im Duell gegen menschliche Spieler noch deutlich unterlag. Im Vorfeld war ein möglicher Sieg von „Libratus“ als unwahrscheinlich erachtet worden.
Doch offensichtlich beherrscht das Programm die vielfältigen Strategien dieser Pokervariante bereits jetzt besser als seine menschlichen Kontrahenten. Insbesondere scheint er sich fortlaufend weiterzuentwickeln und macht es damit für die Profis besonders schwierig, eine funktionierende Gegenstrategie zu entwickeln. Laut Dong Kim haben sich die Spieler verbündet und gemeinsam nach Schwächen der Maschine gesucht, allerdings nur mit kurzfristigem Erfolg.
Während der ersten Tage hatten wir große Hoffnungen, aber jedes Mal, wenn wir eine Schwäche finden, lernt er von uns und die Schwäche verschwindet am nächsten Tag. Der Bot wird jeden Tag besser und besser. Er ist wie eine härtere Version von uns selbst.“ Dong Kim , Pokerprofi
Kim hatte bereits 2015 an der ersten „Brains vs. AI Challenge“ teilgenommen und stand damals noch auf der Gewinnerseite. Für die Entwickler der Maschine von der Carnegie Mellon Universität (CMU) ist die beständige Weiterentwicklung des Programms keine Überraschung. Diese Fähigkeit stellt die Basis des Programms dar, die übrigens nicht speziell auf Poker ausgelegt ist, sondern auch andere Konzepte lernen könnte. „Libratus“ hat seine Fähigkeiten im Spiel gegen sich selbst entwickelt und analysiert auch die laufenden Matches während der Spielpausen weiter.
Bildquelle Zunehmende Ratlosigkeit bei den Profis. Auch gemeinsam entwickelte Strategien sind chancenlos.
Die Software läuft im Pittsburgh Supercomputing Center (PSC) , das über enorme Rechenleistung verfügt. Ein grob vereinfachender Vergleich (der Aufbau der Maschinen weist erhebliche Unterschiede auf): Ein handelsüblicher PC verfügt im Durchschnitt über vier Prozessorkerne, das PSC stellt laut Professor Tuomas Sandholm von der CMU für „Libratus“ 400 Rechner mit jeweils 28 Kernen zur Verfügung. Dass die Maschine von Tag zu Tag weniger Fehler macht, kann auch damit zusammenhängen, dass das PSC fortlaufend zusätzliche Rechenleistung für „Libratus“ bereitstellt. Sandholm hat die Algorithmen des Programms zusammen mit seinem Studenten Noam Brown entwickelt.
Die Entwickler können zufrieden sein
Für die Programmierer der Software stellt das Event einen wichtigen Meilenstein dar. Sie wären die ersten, die in einem Spiel mit unvollständigen Informationen eine dem Menschen überlegene Maschine erzeugt hätten. Noch dazu mit einem Programm, das sich nicht nur in dieser einen Disziplin einsetzen lässt.
©CMU Der Entwickler von Libratus: Tuomas Sandholm
Die Algorithmen funktionieren großartig. Sie sind besser im vorzeitigen Lösen von Strategien, besser beim Umsetzen der Strategien während des Spiels und besser im spontanen Verbessern von Strategien.“
Interessant ist diese Bemerkung vor allem im Zusammenhang mit weiteren Einsatzfeldern für die künstliche Intelligenz. „Libratus“ könnte zukünftig in weiteren Problembereichen mit unvollständigen Informationen eingesetzt werden, in denen bisher überwiegend Menschen die Entscheidungen treffen. Als Beispiele nannte Sandholm hierfür unter anderem Börsenhandel, Auktionen, Medizin, Computersicherheit und auch militärische Lagebeurteilungen.
Künstliche Intelligenzen „lösen“ ein Spiel nach dem anderen
Die Liste der von Maschinen dominierten Spiele wird stetig länger. Schon in den 90er Jahren gewann Software in Dame und Schach gegen die besten menschlichen Spieler. In den letzten Jahren kamen Erfolge im Wissensspiel „Jeopardy!“ durch IBM’s „Watson“ Programm und der Sieg von Googles „Alpha Go“ Software im hochkomplexen Go Spiel gegen Lee Sedol dazu. Auch Poker blieb von den Fortschritten der KI nicht verschont – seit einigen Jahren beherrscht diese Heads-Up Poker mit festgelegten Limits bereits besser als Menschen. Vor jedem dieser mit großem medialen Interesse begleiteten Duelle „Mensch gegen Maschine“ wurde von einem Erfolg der natürlichen Intelligenz ausgegangen.
So galt auch No-Limit Poker bisher als uneinnehmbare Festung menschlichen Intellekts. Zu viel hinge von unbekannten Faktoren, Täuschungsmanövern und dem Lesen des Gegners ab. Das könne eine Maschine, die nur auf harte Daten zurückgreifen kann, nicht lernen. Doch auch in diesem Fall stellt sich die Einschätzung von Experten als falsch heraus. Fraglich ist nun, wie sich der wahrscheinliche Sieg von „Libratus“ auf die Pokerszene auswirkt. Für den Moment ist der erfolgreiche Einsatz der Software wohl nur auf Supercomputern unter sehr bestimmten Bedingungen möglich. Doch bereits heute haben die online Pokerrooms mit bisweilen recht starken Bots zu kämpfen, die auch erfahrene Spieler schlagen können. Sollten die Konzepte hinter „Libratus“ irgendwann auf gebräuchlichen Computern in guter Geschwindigkeit funktionieren, könnte zumindest der Pokernachwuchs schnell das Interesse am dann unmöglich zu gewinnenden Spiel verlieren.
