Vergesst Schach und Go: Lernende KI schlägt Menschen jetzt in Doom

Die Erfolge der Entwickler von Künstlichen Intelligenzen (KI), die mit ihrer Software Menschen im Schach und in Go schlugen, sind selbst für Schwarzseher wenig beunruhigend. Doch nun gibt es ein System, das menschlichen Spielern in den virtuellen ... mehr... Videospiel, Id Software, Doom, John Romero Bildquelle: John Romero Videospiel, Id Software, Doom, John Romero Videospiel, Id Software, Doom, John Romero John Romero

Diese Nachricht vollständig anzeigen.

Jetzt einen Kommentar schreiben
 
Schon cool was sich da in letzter Zeit zu tun scheint. Das scheint schreibe ich einfach mal dazu da ich nicht wirklich nachvollziehen kann was der KI fest einprogrammiert wurde oder was sie wirklich selber lernt. Früher galt das Spiel Creatures als ein sehr KI lastiges Spiel, allerdings merkte man dann doch schnell dass die Norns eigentlich nur eigne Bezeichnungen für Gegenstände durch die des Spielers ersetzten. Viel mit LI und lernen war da nicht.

Aber wenn das wirklich so läuft wie oben beschrieben ist das Ganze doch noch mal recht spannend geworden.
 
@Tomarr: Da ist gerade nicht allzuviel fest einprogrammiert. Wenn du mal tief eintauchen willst, hörst du hier: https://cre.fm/cre208-neuronale-netze
 
@ckahle: Nicht allzuviel ist immer relativ. Ich bin da noch immer etwas skeptisch. Allerdings bin ich auch mit den Anfängen von KIs groß geworden und habe deswegen auch viel Misst mitbekommen was so als KI bezeichnet wurde.

Edit: Ich denke da auch an Deep Blue der damals gegen irgend son Schachweltmeister angetreten ist. Eigentlich war es nur eine große Datenbank aus der er seine Züge schöpfen konnte. Also sieht Spielfeld so und so aus dann mache den und den Zug. So richtig als KI kann ich sowas noch nicht verstehen.
 
@Tomarr: So handhaben es Profis ebenso. Nicht umsonst gibt es Begrifflichkeiten wie "Göteborger Eröffnung", um Züge zu beschreiben. Und zig Konstellationen tragen ebenfalls Namen und es gibt Bücher mit den empfohlenen Vorgehensweisen. Der Computer übertrifft den Spieler hier vor allem in seiner Merkfähigkeit, die Spielweise ist jetzt nicht unbedingt gravierend abweichend.

Ein neuronales Netz bildet dagegen evolutionäre Mechanismen nach. Es gibt eine "Fitness"-Funktion, die dem Erfolg einer Generation einen numerischen Wert zuweist. Danach lässt man Netze derselben Generation mit abweichenden zufälligen Veränderungen in ihrer Struktur im Problem (in diesem Fall Doom) zigfach gegeneinander antreten. Die erfolgreichsten Exemplare der Generation (höchster Fitness-Wert) bekommen wieder zufällige Änderungen und man lässt sie erneut im Wettkampf antreten. Das wiederholt man viele viele Mal; mit dem Ergebnis, dass die Netze nach und nach das Problem immer besser lösen.

Die "Mittelschicht" zwischen Eingabe und Ausgabe ensteht mehr oder weniger komplett zufällig (kann aber auch gelenkt werden). Was genau da drinnen wie funktioniert und warum es so gewachsen ist, kann dir auch der Programmierer hinter dem neuronalen Netz nicht sagen.
 
@Niccolo Machiavelli: Das ist ja das was ich meine. Deep Blue hatte eine große Datenbank an Schapartien, und die konnte er natürlich nicht vergessen weil eine Datenbank vergisst nunmal nicht es sei denn es liegt ein Softwarefehler vor. Aber das ist für mich halt keine KI.
 
@ckahle: Danke, toller Podcast! :)
 
Der Code ist bestimmt ideal für den T-800 von Skynet...
 
"Für die Software liegt so im Grunde auch nur ein marginaler Unterschied zwischen den Doom-Leveln und einer Abbildung der realen Welt durch eine Kamera."
Ok.
 
@picasso22: jetzt weißt auch woher das "gerücht" kommt, das Amokläufer Killer-Spiele spielen ^^
 
@picasso22: das finde ich auch genial, da die Ki nicht die Daten abgreift sondern nur den Visuellen Input, könnte man wirklich in naher Zukunft dies für die reale Welt nutzen.
 
Heute Doom und morgen Sarah Connor!
 
@happy_dogshit:
Die KI brüht jetzt schon in ihrem Glanze ;)
 
@happy_dogshit: Gestern noch über die albernen Plots in den 80er Jahre - SciFi - Filmen gelächelt, morgen live in Deiner Straße
 
@happy_dogshit: Ihre Songs sind eh scheisse, kein Verlust.
 
@picasso22: die Sarah Connor, die happy_dogshit meint, singt nicht
 
@Blackmoore: Ich weiss schon wen er meint.
 
@Blackmoore: Die andere singt auch nicht... ;)
 
@eN-t: YMMD :D
 
@picasso22: http://tinyurl.com/zedccxm
 
@Aloysius: Ich werde zwar keine tinyurls klicken aber ich gehe einfach mal davon aus das er zu einer Terminator Seite führt.
 
@picasso22: dann anders:
http://de.terminator.wikia.com/wiki/Sarah_Connor

:-)
 
@Aloysius: Mir war schon klar wer gemeint war xD
 
Falsche Uni. Die ist nur der Herausgeber. Im Paper steht:
Institute of Computing Science, Poznan University of Technology, Poznán, Poland
 
Sind Ego-Shooter nicht Spiele bei denen Computer grundsätzlich überlegen sind?
Ich mein der Erkennt wenn jemand in Schussreichweite ist, berechnet den Abstand zwischen dem Kopf (oder beim in die Reichweite bewegen erstmal dem ersten angreifbarem Pixel) und dem Fadenkreuz und bewegt das Fadenkreuz um den exakten Wert in die entsprechende Richtung.
Dementsprechend rechne ich damit gegen eine trainierte KI tot zu sein, bevor ich weiß wo sie ist.
Oder schlägt die KI TAS' bei denen über Jahrelang rumgetüftelt wurde? Das fänd ich dann nochmal sehr ordentlich.
 
@andy01q: Ist bei mir sehr lange her, dass ich sowas gespielt habe; erstens macht sich mein Alter wohl bemerkbar und ich bin zu langsam für sowas, zweitens werde ich mir auch nicht irgendwelche Hardware für Spiele kaufen; aber als ich noch Quake Arena gespielt habe, bin ich mir ziemlich sicher, dass da eine KI kaum Chancen gehabt hätte. Zumindest bei Mensch<->Mensch gibt es sowas wie einen Überraschungsfaktor, warten bis einer vorbeiläuft usw. da hat es auch eine KI nicht einfach.
 
@Lastwebpage: Ich versteh's nicht.
Die AI hat doch ne Reaktionszeit von 1ms.
Du erwischst sie Eiskalt von hinten und drückst direkt ab, aber weil du getimed immernoch 5ms brauchst hat sich in nem 5'tel der Zeit die "überraschte" AI umgedreht und dir mit der Railgun 'nen Header verpasst - Ende.
Bei der Plasmagun braucht's ein wenig Prediction, einzig mit der Panzerfaust braucht man eine halbwegs intelligente AI. Allerdings sollte es auch nicht allzuschwer sein einer AI sehr starkes Movement beizubringen, grad mit vorhersagbaren Frame-basierten Rundungsfehlern in Kombination mit Circle-Strafe-Jumping sind schon ohne Rocketjumps ungeahnte Geschwindigkeiten drin.
Btw. gab's da ne sehr nette Geschichte auf Quake 3 mit selbstlernenden KIs, die mal jemand auf nem Server hat sehr lange gegeneinander kämpfen lassen. Die wurden immer besser und besser und haben dann irgendwann Frieden geschlossen und sind stehen geblieben.
Als sich der Admin dann selbst als Player eingeloggt hat haben die ihn alle angestarrt und als er probeweise eine KI angeschossen hat haben die ihn gemeinsam niedergeschossen.
Selbstlernende KI war schon zu Quake 3 Zeiten ein Ding. Damals wurde die natürlich beschnitten indem man sie mit Absicht hat daneben schießen lassen.
 
@andy01q: Kommt immer drauf an, auf welcher Seite die KI steht. Die KI des Spiels selbst mit all seinen bekannten Background-Daten (Wege, Objekte [Munition, Medipacks etc], Gegner) könnte sicher eine viel bessere (sogar unbesiegbare) KI aufbauen, als eine KI aus Spielersicht (also im Grunde ein Bot), die nur die vorhandenen Viewport-Daten auswertet und sonst keine Infos über die sonstigen Geschehnisse des Levels hat - und die somit auch nicht weiß, wer sich evtl gerade von hinten anschleicht usw.

Normale Computer-Gegner (NPC) macht man ja eigentlich grundsätzlich absichtlich relativ dumm, mit beschränkten Sichtweiten und aktiviert sie erst, wenn man sich in einem bestimmten Radius befindet. Aber bei Viewport-KIs aus Spielersicht muss mans eben andersrum programmieren und sie intelligenter werden lassen, weil sie grundsätzlich erstmal dumm sind und mit Informationen füttern muss. ^^

Pixelberechnungen gibts bei solchen KI aber eh nicht. Das ist alles Kollisionsberechnung der 3D-Daten. Beim Rendern des Viewports bekommt man ja die 3D-Positionen der Figuren. Und unter dem hübschen Spielfiguren sind meist sehr primitive rechteckige Objekte versteckt, die einerseits für Kollisionsabfragen dienen, andererseits aber auch mit simplen RayCastings für die Berechnung bei Treffern herhalten. Und eine Viewport-KI arbeitet letztendlich nur mit diesen sichtbaren 3D-Daten. Was außerhalb des Viewports ist, wird zwar vom Renderer für gewöhnlich verworfen - muss aber nicht bedeuten, dass die Positionsdaten der 3D-Vertices der KI nicht bekannt sind. Kann also sein, dass die KI rein anhand der 3D-Daten bereits weiß, dass hinter einer Tür neue Munition liegt, ohne sie je gesehen zu haben, einfach weil das Spiel diese Info schon preloaded.

Bei einer vernünftigen Programmierung des Spiels würde so eine Viewport-KI im Prinzip nicht mehr sehen als du, aber wär in der Regel trotzdem reaktionsschneller. Bei schlampigen Game-Programmierungen weiß so eine KI aber unter Umständen auch Dinge, die sie nicht wissen sollte. Eben zB wenn sich Spieler hinter einem Hindernis verstecken und eigentlich per RayCasting nicht sichtbar wären. Solche zusätzlichen Infos bringen der KI natürlich Vorteile, die ein menschlicher Spieler nicht hat. Kritisch wirds für so eine KI erst, wenn sie es mit zu vielen Gegnern zu tun hat und nicht weitsichtig abschätzen kann, wann sie mal wieder einen Medipack findet, oder wann es besser wäre, sich einfach mal zurückzuziehen. Gute Taktik zu programmieren ist letztenendes die größere Herausforderung. KI im Rambo-Style ist immer einfach.. taktische Passivität in Sniper-Manier dagegen schwerer - oder gar ein ganzes Bot-Team zu programmieren, das miteinander taktisch agiert, um den anderen mitspielenden Bots den Rücken freizuhalten. ;)
 
@Trashy: Es gibt keine Beschränkung wie schnell man sich drehen kann.
Eine Viewport-KI, welche ihre Möglichkeiten nutzt und auf nem ordentlichen Rechner mit 360fps läuft kann mit 4 Blickrichtungen den gesamten Umraum abdecken und verliert dadurch im schlimmsten Fall 8ms, bzw. 5,5 ms, falls 3 Richtungen ausreichen. (Zu W-ET-Zeiten hatte ich ein Script um mit i den FoV zwischen 90° und 120° wechseln zu können.)
Aber nichtmal die muss sie verlieren, da sie mit den Informationen die ein Spieler bekommt Schrittgeräusche triangulieren kann und damit sowieso weiß wo der Gegner steht.
 
Na ja, Go ist extrem komplex und hat einen riesigen Suchraum. Denke Go zu spielen ist für eine KI viel schwieriger als Doom, vor allem da man dies nicht nur durch machine learning gemacht hat. Daher ist der Titel eher nichts sagend...
 
@bluefisch200: Für Go wurde eine Menge Machine learning gemacht, Deepmind wurde mit einer Endgame-Tablle ausgestattet, hat sich einige Profispiele als Basis angeschaut, dann mit Machine-Learning eine Datenbank aufgebaut, die mit Machine-Learning verbessert und selbst während seiner (oder ihrer) größten Matches durch machine Learning dazugelernt.
Kommentar abgeben Netiquette beachten!

Preisvergleich der Doom (PC)