1. Auf einem Feld aus 7 Spalten und 6 Zeilen werfen zwei Spieler abwechselnd einen Stein in eine noch nicht belegte Spalte.
2. Der Stein fällt nach unten bis er auf einen anderen Stein oder den Boden trifft.
3. Sobald ein Spieler eine Reihe aus vier ununterbrochenen Steinen bildet (waagerecht, senkrecht oder diagonal), gewinnt er das Spiel.
4. Kann kein Spieler vier Steine in eine Reihe bringen und sind alle Spalten belegt, so endet das Spiel unentschieden.

1. In einem Pflichtenheft legen wir die Eigenschaften fest, die realisiert werden sollen. Erstelle ein Pflichtenheft und halte dort die wichtigen Aspekte für ein Vier-Gewinnt-Spiel fest.

1. Entwickle einen Entwurf für die Benutzeroberfläche des Spiels.

1. Entwickle ein Klassemodell und zeichne ein Klassendiagramm.
2. Stelle die Gewinnüberprüfung in einem Aktivitätsdiagramm dar.
3. Stelle einen Zug in einem Sequenzdiagramm dar.

1. Setze die Modellierung in Quelltext um.

Es ist spannend gegen einen anderen Menschen zu spielen. Aber können wir auch einen Computergegner entwickeln? Victor Allis beschrieb in seiner Masterarbeit, wie ein perfekter Computerspieler aussehen kann. Das Verfahren ist nicht ganz einfach. Daher wollen wir zunächst probieren, einen Gegner zu programmieren, der vielleicht nicht perfekt aber doch möglichst gut spielen kann.

1. Erweitere das Spiel um einen Computergegner.
2. Gegner 1: Er wirft zufällig in ein beliebige Spalte.
3. Gegner 2: Der Gegner bewertet die unterschiedlichen Stellungen, die sich nach einem Einwurf ergeben und wirft in die Spalte mit dem besten Zug. Ein 3er im nächsten Zug ist z.B. besser als ein Zug, in dem kein 3er entsteht.
4. Gegner 3: Für jede Spalte werden zufällig 100 Spiele gespielt und geschaut, wie oft das Spiel aus dieser Stellung heraus gewonnen werden kann. Die Spalte mit den meisten Gewinnen wird dann gewählt.¹⁾
5. Gegner 4: Kannst du dir eine weitere Strategie für eine „intelligenten“ Computergegner ausdenken?
6. Der Sweet Learning Computer²⁾ ist ein einfacher „Computer“, der mit Hilfe von Süßigkeiten lernt, ein einfaches Spiel zu spielen, das an Tic-Tac-Toe erinnert. Versuche, die Regeln zu verstehen und bringe dem Computer das Spiel bei. Lässt sich diese Strategie auch für das Vier Gewinnt Spiel übertragen?

Neuronale Netze lösen viele Versprechen an künstliche Intelligenzen ein. So funktioniert auch die Bildersuche von Google auf Grundlage eines neuronales Netzes. Den Lernprozess haben die Entwickler von Google in einem beeindruckenden Video festgehalten.

Und was kommt nach den künstlichen Intelligenzen? Kommen irgendwann Systeme, die klüger sind als der Mensch - vielleicht sogar klüger als alle Menschen zusammen? Und wann ist es soweit? Der Artikel The AI Revolution: The Road to Superintelligence beschreibt interessante Erkenntnisse aus dem Bereich der künstlichen Super-Intelligenzen und dem, was danach kommt. Bisher sehen die Ergebnisse noch wenig vielversprechend aus, wie das Beispiel des Kurzfilms Sunspring zeigt. Dessen Drehbuch wurde von einer KI aufbauend auf einem neuronalen Netz geschrieben.

Bereits 1950 gab es erste Ansätze des Maschinenlernens. Claude Shannon zeigt in dem Video Claude Shannon demonstrates machine learning, wie eine mechanische Maus mit einfachen Schaltungen ein Labyrinth erkunden kann.

Systeme müssen vielleicht auch moralische Entscheidungen treffen. Die moral machine zeigt, wie derartige Entscheidungen aussehen können.

Ein Dilbert Comic zeigt, wie er eine künstliche Intelligenz geschaffen wurde, die einer menschlichen Intelligenz erschreckend nah kommt.

Ein Vier Gewinnt spielender Roboter, der von einem Raspberry Pi angesteuert wird.

• xkcd-Comic mit einer optimalen Strategie für Tic-Tac-Toe
• Berechnung der ELO-Zahl.
• Kommentierte Javascript-Implementierung von Vier Gewinnt