DeepMind nutzt KI, um eigene Spieltheorie-Algorithmen zu verbessern

DeepMind hat ein neues System entwickelt, das seine eigenen Spieltheorie-Algorithmen neu schreibt und dabei die Leistung menschlicher Experten übertrifft.

In der Multi-Agenten‑Reinforcement‑Learning‑Forschung, insbesondere bei Spielen mit unvollständiger Information wie Poker, war die Entwicklung von Algorithmen bislang ein manueller Prozess. Forscher mussten Gewichtungen, Diskontierungsregeln und Gleichgewichtslöser durch Intuition und Trial‑and‑Error bestimmen.

Mit AlphaEvolve setzt DeepMind ein großes Sprachmodell ein, das evolutionäre Codierung nutzt, um die Algorithmen selbstständig zu optimieren. Das Modell generiert neue Code‑Versionen, testet sie in simulierten Spielszenarien und wählt die leistungsfähigsten Varianten aus.

Die Ergebnisse zeigen, dass AlphaEvolve die Leistung von Experten in komplexen Spielsituationen übertrifft, was einen bedeutenden Fortschritt in der automatisierten Entwicklung von Strategien darstellt.

Diese Entwicklung unterstreicht das Potenzial von KI, selbstständig fortschrittliche Spieltheorie-Algorithmen zu entwickeln und damit neue Maßstäbe in der KI‑Forschung zu setzen.