Israelische Entwickler konnten AI beibringen, den Menschen in Mortal Kombat zu besiegen

Die 3D-Umgebung ist aufgrund der schwachen Form der KI, die beim Spielen solcher Spiele zu Computerproblemen führt, immer noch schwer zu erkennen.

Mithilfe von Videospielen werden moderne Spezialisten für künstliche Intelligenz KI-Methoden zur Überwindung von Hindernissen und zur Lösung von Problemen unterwegs vermitteln. Zum Beispiel haben DeepMind-Mitarbeiter zusammen mit Blizzard StarCraft II zu einer Umgebung für das Training einer schwachen Form von KI gemacht. Letztes Jahr hat das KI-System von Google 49 alte Atari-Spiele alleine gemeistert .

Dabei geht es nicht um ein in das Spiel integriertes System (wie KI-Gegner in Kampfspielen, Fußballsimulatoren oder Rennsimulatoren), das die allgemeinen Geschäftsbedingungen kennt. KI, die jetzt von Entwicklern in Computerspielen gelehrt wird, ist den Menschen gleichgestellt. Das System überwacht das Bild auf dem Bildschirm und lernt die Methoden von Versuch und Irrtum. Und ein solches Programm kann nicht nur in Spielen eine Lösung finden, sondern eignet sich auch für die Suche nach einer Lösung für eine Vielzahl von Aufgaben, unabhängig von den Regeln oder Bedingungen.


Eine Gruppe von Studenten der Technologischen Universität Israels kündigte kürzlich ihre Entwicklung an, das Retro Learning Environment (RLE) -System. Dies ist eine Softwareplattform, mit der Sie KI am Beispiel vieler Spiele der 90er Jahre trainieren können, einschließlich derer, die für die Nintendo- und Sega-Konsolen veröffentlicht wurden. Dies sind zum Beispiel viele berühmte F-Zero, Wolfenstein und Mortal Kombat. Laut den Entwicklern waren viele Spiele für AI schwierig, einige des Systems lernten nicht zu verstehen und zu bestehen. Aber RLE hat sehr gut gelernt, Mortal Kombat zu spielen. Experten präsentierten die Ergebnisse ihrer Arbeit in einem Artikel über arXiv . AI konnte wiederholt gegen einen menschlichen Gegner gewinnen. Und dieser Gegner war keineswegs ein Anfänger. Der Artikel besagt, dass der Computer von einem erfahrenen Mortal Kombat-Spieler abgelehnt wurde.

In Wolfenstein, wo es Lautstärkepegel gibt und Sie durch das Labyrinth navigieren und eine Reihe von Objekten bestimmen müssen, zeigte das System keine allzu guten Ergebnisse. In Gradius III konnte RLE die technischen Aspekte des Spiels untersuchen, einschließlich der Notwendigkeit, die sich treffenden Feinde mit nachfolgenden Aktionen zu zerstören. Das System konnte jedoch kein besseres Ergebnis erzielen als ein menschlicher Spieler. Hier ist es notwendig, die Fähigkeiten des Charakters durch angetroffene Artefakte zu verbessern. Je mehr Artefakte ein Spieler vermisst, desto schwieriger ist es, das Spiel zu beenden. Der Computer achtete praktisch nicht auf Einschaltobjekte, was den Durchgangsprozess erheblich erschwerte.

Die Tatsache, dass das Programm lernen konnte, wie man ein Computerspiel so gut spielt, dass es anfing, eine Person zu schlagen, ist ein unbestreitbarer Verdienst des Entwicklers. Für einen Computer ist es nicht so einfach zu lernen, wie man ein Spiel durch Ausprobieren spielt. Es ist eine schwierige Aufgabe, die nur wenige Softwareplattformen bewältigen. "Wenn Algorithmen komplexe Spiele spielen können, können wir mit der Implementierung solcher Systeme in der realen Welt beginnen, um reale Probleme zu lösen", sagte Shai Rosenberg, einer der Autoren der Studie. „So wie ein Kind das Spielen lernt, sieht der Computer auch nur Informationen auf dem Bildschirm. Sie (sowohl das Kind als auch der Computer) lernen, Hindernissen auszuweichen und Probleme zu lösen, um die maximale Belohnung zu erhalten “, fährt er fort.


AI hat gelernt, sowohl beim Boxen auf Atari als auch bei Mortal Kombat gut zu spielen, indem sie einfach „auf den Bildschirm schaut“ und die Konsequenzen ihrer Aktionen in einer Spielumgebung bewertet.

In der realen Welt kann die Fähigkeit von Computersystemen nützlich sein, aus ihren Fehlern zu lernen und die Konsequenzen einiger „Aktionen“ vorherzusagen. viele Bereiche. Roboter können sich mit einer Vielzahl von Hindernissen durch komplexe Räume (z. B. Flure von Räumen) bewegen, ohne mit ihnen zusammenzustoßen. Jeder kleine Fehler, den der Computer macht, wird beim nächsten Mal berücksichtigt, wenn dieselbe oder eine ähnliche Aufgabe ausgeführt wird.

Laut Rosenberg kann RLE lernen, komplexere Spielesysteme zu durchlaufen und nicht nur SNES-Spiele zu spielen. Die nächste Phase des Projekts wird die Entwicklung von Spielen auf der PlayStation-Plattform sein. Bisher konzentrieren sich israelische Entwickler darauf, ihrem System beizubringen, die meisten gemeisterten Spiele zu bestehen. Die Tatsache, dass der Computer gelernt hat, dieses Mortal Kombat zu spielen, ist gut, aber nicht genug - dennoch konnte ein wesentlicher Teil der Spiele "über Bord gehen", RLE konnte sie nicht beherrschen.


Die Ergebnisse der Übergabe verschiedener Spiele durch das RLE-System unter Verwendung verschiedener Übergabealgorithmen

"In den folgenden Phasen halten wir es für möglich und sogar relativ einfach, unser Trainingssystem an komplexere Spiele anzupassen, darunter beispielsweise Grand Theft Auto", so die Entwickler. Spiele wie Grand Theft Auto V AI sind leider nicht verfügbar - sie sind zu kompliziert.

Die Entwickler haben den Quellcode ihres Systems geöffnet und auf Github veröffentlicht. Die Quelle finden Sie hier .

Source: https://habr.com/ru/post/de399067/