fit 2002 >
Computer als (Kommunikations-) Partner > Konzepte und
Techniken > Game AI
Game AI
„I don't think a machine that has learned to
play chess -- they've spent years and years and years and years on this
thing -- and they had failure, failure, failure. And they had all these
people pumping all their energies and time into this machine just to
play chess.“
George Plimpton, Journalist [IBM]
Im
Prinzip hat jedes Computerspiel (vor allem Strategiespiele) eine Form
von „AI“.
In dieser Branche werden allerdings auch oft Dinge über die Leistungen
ihrer Spiele behauptet, die die AI des Spiels nicht leistet… Darum
sind die Aussagen auch oft mit Vorsicht zu genießen.
Ich werde im folgenden einige bemerkenswerte Spiele mit AI herausnehmen,
und etwas näher beschreiben.
„Klassische Spiele“:
Schach:
Als das Programm Deep Blue 1997
den Schachweltmeister Garry Kasparov besiegte, war das wohl einer der
spektaktulärsten Momente von Spiel-AI (zumindest für die Öffentlichkeit).
Hinter Deep
Blue verbirgt sich ein SP 2 – Supercomputer von IBM, der
Hochleistungen auf den (wesentlich wichtigeren) Gebieten Medizin,
Meteorologie und Speichertechnik vollbringt.
Deep
Blue kann pro Sekunde bis zu 200 Millionen mögliche Züge berechnen.
Aber mit Geschwindigkeit allein war es nicht getan. Schließlich war
auch der Vorgänger von Deep Blue schon sehr schnell, musste sich ein
Jahr vorher aber gegen Kasparow geschlagen geben. Was beim zweiten Mal
den Unterschied ausmachte, war die Einbringung von Wissen –
menschlichem Schachwissen – Abertausende von Zügen, Schachpartien
und Ergebnissen, die erfasst und mit Algorithmen verknüpft wurden. Auf
dieser Basis war Deep Blue in der Lage, die Denkweise des menschlichen
Geistes (von den Schachgrößen Joel
Benjamin und Miguel Illescas )
zu kopieren – er spielt in Sekundenschnelle millionenfach
Figurenstellungen durch und filtert die besten heraus. Der Erfolg gab
ihm Recht. Der Fairness halber sollte hier erwähnt werden, dass Deep
Blue in erster Linie für weit wichtigere Einsatzgebiete in der Medizin
(zum Beispiel zur Simulation von Petrischalen, Unterstützung beim
Finden neuer Medikamente durch suchen nach günstigen
Molekülverbindungen...),
Metrologie (Simulieren von Wettersituationen, analysieren von
metrologischen Daten zur exakteren Wettervorhersage...) und vielen mehr
eingesetzt wird. Das „Schach Spielen“ wird von spitzen Zungen eher
als Werbegag betrachtet.
20 Fragen:
Das bekannte Kinderspiel „20 Fragen“ ist in einer sehr guten Implementierung auf der Website
http://www.20q.net/index.html
zu finden. Es ist ein „lernendes System“, das im Prinzip recht
einfach ist, aber trotzdem ein sehr komplexes Verhalten zeigt. Der Benutzer denkt an einen beliebigen Gegenstand, und
beantwortet dazu Fragen, die das System stellt. Meistens wird das Ding
in weniger als 30 Schritten erraten, je nachdem, wie gut das System das
Ding kennt bzw. wie genau die Antworten stimmen. Je mehr es gespielt
wird, umso mächtiger wird das Spiel, da es mit jedem Spiel dazulernt
(also seine Wissensbasis erweitert).
Reversi:
Logistello
von Michael
Buro ist das erste Reversi-KI Spiel weltweit. Logistello hat
im August 1997 den damaligen Reversi-Weltmeister Takeshi Murakami aus
Japan 6:0 besiegt. Es benutzt ein neuronales Netzwerk um aus früheren
Spielen zu lernen und so sein Wissen über das Spiel mit der Zeit zu
vergrößern. Weitere Informationen zu diesem Spiel gibt es auf http://www.neci.nj.nec.com/homepages/mic/log.html
Aktuelle
Spiele:
Black
and White:
Black and
White lieferte einen riesigen Fortschritt in AI bei Spielen. Peter
Molyneux (der auch verantwortlich für frühere Meilensteine wie Populous,
Theme Park, Dungeon Keeper…ist) ist dabei der
Hauptentwickler. Das Spiel funktioniert nach dem Desire-Solution-Action
Prinzip – Die „Kreatur“ hat mehrere bestimmte Verlangen (z.B.
Hunger), dann sucht es in seiner näheren Umgebung nach Dingen, die
dieses Verlangen stillen können (z.B. ein Zaun und ein Dorfbewohner).
Als nächstes führt es je nach aktuellem Wissensstand eine Aktion aus.
Am Anfang ist die Kreatur sehr dumm, und isst beispielsweise den Zaun.
Es merkt, dass diese Aktion nicht nützlich ist, und lernt daraus. Das
Besondere an B&W ist, dass es nicht nur auf diese Weise lernt
(Trial-Error), sondern zusätzlich auch vom User selbst (durch das
Bestrafen-Belohnen Prinzip). Die Technik dahinter basiert (wie fast
alle aktuellen AI-Spiele) auf neuronalen Netzen.
 |
|
[NN] |
Sie
sind eine Art lernender Systeme, die mit statistischen Methoden eng
verwandt sind. Sie können Abhängigkeiten zwischen Variablen
modellieren, Vorhersagen erlernen, Daten in Gruppen zusammenfassen,
etc. Ein neuronales Netz ist (sehr)
vereinfacht ausgedrückt der Versuch, ein menschliches Gehirn zu
simulieren. Im Prinzip handelt es sich dabei um ein Netzwerk aus vielen
einfachen Prozessoren (mit lokalem Speicher), sogenannte Units. Diese
Einheiten werden mit vielen anderen Einheiten über Pfade verbunden,
wobei die Pfade ein bestimmtes Gewicht haben. Es wird immer nach dem
Pfad mit dem kleinsten Widerstand (also Gewicht) für eine Problemlösung
gesucht. Das System ist lernfähig, indem es, je nach Erfolg, die
Gewichte der Pfade dementsprechend ändert.
[IBM] http://www.research.ibm.com/deepblue/home/may11/interview_1.html
>Entstehungskontext | Konzepte und Techniken | Entwicklung und Auswirkungen | Praxis | Bewertung