🧠 Nim & die Pappbecher-KI – So funktioniert Lernen durch Rückmeldung

Nim ist ein uraltes Spiel mit vielen Variationen.
In dieser Version verwenden wir eine besonders einfache Form:

• Lege zehn Stifte (oder Münzen, Knöpfe etc.) in einer Reihe auf den Tisch.
• Zwei Spieler ziehen abwechselnd entweder einen, zwei oder drei Stifte.
• Der Spieler, der den letzten Stift zieht, verliert.

🤖 Eine Künstliche Intelligenz aus Pappbechern bauen

So baust du eine KI, die Nim spielen kann – ganz ohne Strom:

1. Nimm neun Becher und beschrifte sie mit den Zahlen 10 bis 2.
2. Schneide kleine Papierstücke zurecht und beschrifte sie mit 1, 2 und 3.
3. Falte die Zettel viermal und lege sie in den passenden Becher (Becher 10 bekommt z. B. je einmal 1, 2, 3).
4. Becher 2 bekommt nur zwei Zettel: 1 und 2.

🎮 Spielen: Mensch gegen Pappbecher-KI

• Entscheidet, wer beginnt.
• Wenn die KI an der Reihe ist:
  • Zähle die verbleibenden Stifte.
  • Nimm den Becher mit dieser Zahl.
  • Ziehe blind einen Zettel – die Zahl darauf gibt an, wie viele Stifte die KI nimmt.
  • Lege den Zettel wieder zurück in den Becher.

Die KI spielt gültige, aber zufällige Züge. Anfangs ist sie leicht zu schlagen – sie macht auch Fehler.

🧪 Die KI trainieren

Spielt mehrere Runden. Abwechselnd darf mal die KI, mal der Mensch beginnen.

• Lege gezogene Zettel neben den Becher, nicht sofort zurück.
• Wenn die KI gewinnt: Falte alle gezogenen Zettel und lege sie zurück in die jeweiligen Becher.
• Wenn die KI verliert: Entferne den letzten gezogenen Zettel (Fehlentscheidung). Lege die anderen zurück.
• Achte darauf: Jeder Becher muss immer mindestens einen Zettel enthalten.

Nach vielen Runden bleibt in jedem Becher nur der optimale Zug übrig. Die KI ist dann perfekt trainiert.

📚 Was du dabei über KI lernst

• Auch ohne Technik lernt die KI durch Wiederholung & Rückmeldung.
• Die Becherstruktur ist vergleichbar mit den Bausteinen echter KI-Systeme.
• Erst durch Training wird aus einem System mit „Struktur“ ein System mit „Wissen“.
• Auch echte KI nutzt Gradientenverfahren und Rückpropagation, um Fehler zu verringern.
• Viele reale KI-Systeme erreichen nie Perfektion – sie werden nur so lange trainiert, bis sie gut genug sind.