Die Teilnehmer werden in mehreren Spielen auf der Minecraft-Plattform gegeneinander antreten. Links: Erstellen Sie ein Kampfspiel, in dem die Spieler die Struktur neu erstellen müssen (in diesem Fall befindet sich die Struktur auf dem Boden). Rechts: Pig Chase-Spiel, bei dem KI-Agenten zusammenarbeiten müssen, um ein Schwein in die Enge zu treiben

Microsoft Research schließt die Qualifizierungsphase des Wettbewerbs MarLÖ 2018 Multi-Agent Reinforcement Learning in MalmÖ ab. Die Wettbewerber stellten KI-Agenten vor, die in der Lage sind, verstärkt zu lernen und mehrere 3D-Spiele spielen können, wie auf der MalmO- Plattform definiert.

Ziel des Wettbewerbs ist es, die Forschung auf dem Gebiet der allgemeinen Intelligenz zu fördern. KI-Agenten werden nicht für ein bestimmtes Spiel, sondern für mehrere trainiert. Darüber hinaus müssen sie zusammenarbeiten, was ein Verständnis der Absichten und Ziele des anderen erfordert (dies ist eine wichtige Eigenschaft des menschlichen Bewusstseins). Das System wird also besser für das Überleben in der realen Welt geeignet sein.

Um einen allgemeineren Ansatz für das Training eines universellen KI-Agenten anzuregen, besteht die Aufgabe nicht aus einem, sondern aus mehreren Spielen, in denen jeweils mehrere Aufgaben unterschiedlicher Komplexität und Einstellungen vorliegen. Einige dieser Aufgaben sind öffentlicher Natur und die Teilnehmer können daraus lernen. Andere blieben jedoch geschlossen, sie werden nur zur Bestimmung der endgültigen Bewertung des Wettbewerbs verwendet.

Die Organisatoren des Wettbewerbs sind Microsoft, die Queen Mary University of London und die CrowdAI- Plattform. Der Wettbewerb begann am 27. Juli 2018. Die Qualifikationsrunde endet am 31. Dezember 2018. Die Endrunde findet eine Woche nach Ende der Qualifikationsrunde offline statt.

Spiele und Aufgaben

Eines der Hauptmerkmale des Wettbewerbs ist, dass Agenten mehrere Spiele spielen. Daher werden für den Wettbewerb mehrere Aufgaben angeboten. Die Aufgaben im Spiel können sich hinsichtlich der Position der Ebenen, der Größe, der Komplexität und anderer Parameter, die vom Spiel abhängen, voneinander unterscheiden. Die Abbildung zeigt, wie die Spiele und Aufgaben im Wettbewerb organisiert sind.



Wie Sie sehen können, hat jedes Spiel vier Aufgaben, von denen zwei öffentlich zugänglich und zwei geheim sind.

Um am Wettbewerb teilzunehmen, müssen Sie sich bei CrowdAI registrieren und dann einfach das Starter-Kit des Wettbewerbs auf GitHub klonen.

Die Malmö-Plattform bietet eine API, die Zugriff auf Aktionen, Beobachtungen (d. H. Standort, Umgebung, Videobilder, Spielstatistiken) und andere allgemeine Daten auf der Minecraft-Plattform bietet. Marlo hingegen ist eine Hülle für Malmö, die ein höheres API-Niveau und eine standardisiertere Lernumgebung mit Verstärkung für die Forschung bietet.

Das Framework wurde als Ergänzung zum OpenAI Gym-Framework geschrieben , einem Toolkit zum Entwickeln und Vergleichen von Algorithmen zum Lernen von Verstärkung, das Wissenschaftlern, Entwicklern und gängigen Frameworks eine standardmäßige und vertraute Plattform bietet.

Das Malmö-Projekt wurde 2015 von der KI-Forscherin Katya Hoffmann bei Microsoft Research Cambridge, UK, ins Leben gerufen. Obwohl moderne KI-Agenten in verschiedenen Spielen viele Erfolge gezeigt haben, suchte Katya nach einem Spiel, mit dem KI ein breiteres Spektrum an Fähigkeiten beherrschen kann: „Als wir anfingen, über Minecraft zu sprechen, war es offensichtlich, dass dies eine ideale Umgebung für die KI-Forschung war“, sagt sie ist. "Dies ist eine Welt, der sich Menschen ohne einen bestimmten Zweck anschließen." Das Malmö-Projekt ist daher eine Plattform, die auf Minecraft aufbaut und auf der Forscher viele verschiedene Experimente mit KI durchführen und ihre Ergebnisse auf standardisierte Weise vergleichen können.

Beim Testen des Marlo-Wettbewerbs im Jahr 2017 wurde den Teilnehmern nur ein Spiel angeboten: ein Schwein fangen. Der Wettbewerb 2018 ist viel komplizierter: Es wurden drei Missionen entwickelt, für die jeweils eine Zusammenarbeit erforderlich ist. Agenten müssen verstehen, wie sie einen anderen KI-Agenten in der Umgebung erkennen und dann einen Weg finden, zusammenzuarbeiten, um ihr gemeinsames Ziel zu erreichen.

Wenn ein KI-Agent die Ziele eines anderen Agenten vermutet, kann dies als eine rudimentäre Form dessen bezeichnet werden, was Psychologen das „ Modell des mentalen Zustands “ nennen - die menschliche Fähigkeit, die mentalen Zustände und Absichten anderer Menschen zu verstehen. Katya Hoffman hofft, dass KI-Agenten diese Fähigkeit schließlich verbessern werden, indem sie mit menschlichen Spielern in Minecraft zusammenarbeiten. „Dann lernen die Algorithmen, wie man mit Menschen zusammenarbeitet und herausfindet, was Menschen wollen“, sagt sie.