10 Mal so schnell wie Googles Vorzeige-KI

Australischer Algorithmus überflügelt DeepMind in Plattformklassiker

Geschätzte Lesezeit: ca. 2 Minuten

Foto von Julius Zunker

von Julius Zunker -

Der 1983er Spielklassiker 'Montezuma’s Revenge' gilt als anerkannte Messelatte dafür, wie flexibel eine künstliche Intelligenz Probleme lösen kann. Wo die Vorzeige-KI 'DeepMind' -bekannt für ihre rätselhaften Deep-Learning-Algorithmen - ständig versagt, hat ein australisches Team einen rasanten Durchbruch erzielt.

In Spielen mittels Planung zum Erfolg zu kommen, ohne das eine direkte Belohnung erkennbar ist, gilt unter Entwicklern als ein wichtiger Beleg um die Fähigkeiten einer KI unter Beweis zu stellen. 2015 machte Googles 'DeepMind' damit Furore, dass sie 'Pinball' auf menschlichem Niveau spielen konnte. Auf der Suche nach dem ersten Schlüssel im Plattform-Klassiker 'Montezuma’s Revenge' zeigte sie die KI bislang jedoch völlig überfordert. Zu komplex erschien die Kombination von verwobenen Unterzielen, die schlussendlich in jedem Level zum Ziel führen.

Aus Fehlern lernen, Probleme erfolgreich erkennen

Nun hat ein Team an der 'RMIT University Melbourne' eine Methode entworfen, mit der Computer eigenständig 'Montezuma’s Revenge' spielen, um dabei aus ihren eigenen Fehlern zu lernen und dank erfolgreicher Identifikation von Unterzielen zum Ziel zu gelangen. Dabei geben die Rechenknechte ordentlich Gas - die Lerngeschwindigkeit übertrifft DeepMind um das Zehnfache.

Unsere Ergebnisse zeigen, wie viel näher wir einer autonomen KI gekommen sind.

Fabio Zambetta

Der Clou bei der Herangehensweise von Fabio Zambetta und seinem Team ist es, die KI dafür zu belohnen, eigenständig Level zu erkunden. Dieser "intrinsische Motivationsansatz" sorgt dafür, dass eine KI eigenständig Aufgaben in einer vieldeutigen Umgebung erledigt.

Und sie wählt dabei nicht den direkten Weg, der schnell einem Hau-Ruck-Verfahren gleichkommt, sondern lieber einen smarteren Ansatz. Einen Erfolg hierbei berichtete Zambetta dem US-Magazin 'ScienceDaily' gegenüber.

Entwickler sehen "kritische Annäherung" an echten Fortschritt

Zambetta ist davon überzeugt, mit seinem Ansatz auf dem richtigen Weg zu sein: "Unsere Ergebnisse zeigen, wie viel näher wir einer autonomen KI gekommen sind". Seine Methode belohnt eine KI dafür sinnvolle Unterziele erfolgreich eigenständig auszumachen, die im Zusammenhang einer größeren Mission schnell aus den "Augen" geraten können. "Unser Algorithmus hat nicht nur relevante Aufgaben zehnmal so schnell wie DeepMind identifiziert, sondern dabei fast menschliches Verhalten an den Tag gelegt."

Im Fall von 'Montezuma’s Revenge' müssen zunächst Leitern überwunden werden, gefolgt von dem Überspringen eines Gegners, bevor der Schlüssel zum zweiten Level aufgenommen werden kann. Natürlich findet eine KI irgendwann nach Ablauf von extrem viel Zeit allein durch "Zufall" diesen Weg. Zambettas Algorithmus scheint sich dem Problem aber wie natürlich und mit Absicht anzunehmen.

Spielende KIs sind alles andere als trivial

"Einen Algorithmus zu entwerfen, der Spiele lösen kann, mag trivial klingen. Aber einen erstellt zu haben, der mit einem mehrdeutigen Problem umgehen und dabei aus einer willkürlichen Anzahl aus Aktionen wählen kann, ist ein wichtiger Fortschritt. Mit der Zeit wird diese Technologie Aufgaben in der realen Welt erfüllen - ob in selbstfahrenden Autos oder als Roboter-Assistent mit natürlicher Spracherkennung," so Zambetta.

Quelle: sciencedaily.com

Hier erfährst du mehr über: Google und Künstliche Intelligenz

Sag uns deine Meinung!