🧠 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:
- Nimm neun Becher und beschrifte sie mit den Zahlen 10 bis 2.
- Schneide kleine Papierstücke zurecht und beschrifte sie mit 1, 2 und 3.
- Falte die Zettel viermal und lege sie in den passenden Becher (Becher 10 bekommt z. B. je einmal 1, 2, 3).
- 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.
Last modified: Tuesday, 27 May 2025, 9:26 AM