„Montezuma’s Revenge“: Künstliche Intelligenz knackt Weltrekord des Videospiel-Klassikers
Bei klassischen Brettspielen wie Schach oder Go hat sich die künstliche Intelligenz längst als überlegen erwiesen. Selbst die besten menschlichen Spieler mussten sich den Algorithmen geschlagen geben. Etwas anders sah die Sache bis vor kurzem allerdings noch bei einfachen Videospielen aus. Nun scheint aber auch hier ein Durchbruch gelungen zu sein. Davon berichten zumindest Forscher der Uber AI Labs in San Francisco. Beim 1982 veröffentlichten Videospiel „Pitfall“ beispielsweise erzielte die KI lange Zeit gar keine Punkte. Inzwischen konnte die Technologie aber zumindest soweit verbessert werden, dass sie besser abschneidet als durchschnittliche menschliche Spieler. Noch besser fiel das Ergebnis bei „Montezuma’s Revenge“ aus dem Jahr 1983 aus. Hier stellte das lernfähige Programm namens „GoExplore“ sogar einen neuen Weltrekord auf – der auch auf Youtube bestaunt werden kann.
Der Clou besteht in der Kombination von zwei Ansätzen
Das dahinter stehende Spielprinzip ist nicht besonders kompliziert: Die Spielfigur läuft durch einen Aztekentempel und muss verschiedenen Hindernissen ausweichen. Spektakulär ist daher nicht alleine die Leistung der KI in dem Spiel. Vielmehr ist es der dahinter stehende Ansatz, der in der Branche für Aufsehen sorgt. Denn die beteiligten Forscher haben zwei unterschiedliche Ansätze miteinander kombiniert. Bisher teilt sich das Lager der künstlichen Intelligenz in zwei Hälften. So wird einerseits der Ansatz verfolgt, Fortschritte durch schlichtes Ausprobieren zu erreichen. Diese Vorgehensweise wird auch als „reinforcement learning“ bezeichnet. Der andere Ansatz in der künstlichen Intelligenz setzt hingegen auf einen großen Bestand an Vorwissen. Fachleute sprechen hier von „domain knowledge“. Die Forscher in San Francisco haben diese beiden Wege nun kombiniert.
Noch handelt es sich nur um Grundlagenforschung
Dadurch könnte die künstliche Intelligenz noch schneller in die Lage versetzt werden, neue und unbekannte Aufgaben zu erfüllen. Auch unabhängige Forscher gehen daher davon aus, dass den Wissenschaftlern der Uber AI Labs hier ein wichtiger Durchbruch gelungen ist. Noch allerdings handelt es sich hierbei um reine Grundlagenforschung. Welche konkreten Anwendungsmöglichkeiten sich daraus später einmal ergeben könnten, lässt sich bisher noch nicht seriös abschätzen. Die beteiligten Forscher präsentierten zwar eine Simulation, bei der ein Roboter eine Tasse unfallfrei in einem Regal platzierte. Dies sollte wohl zeigen, dass der neue Ansatz helfen könnte, Fortschritte bei der Sensorik von Robotern zu erreichen. Experten halten dies aber für eine etwas optimistische Prognose. In anderen Bereichen – etwa der Medizin oder dem autonomen Fahren – könnten sich aber tatsächlich zeitnah Praxisanwendungen ergeben.
Via: ORF
