NVIDIA AI

Künstliche Intelligenz baut PAC-MAN nach

Vor 40 Jahren erschien das originale Pac-Man. Viel muss man zum "Puck Mann", daher der Name Pac-Man, sicherlich nicht mehr sagen. Es gab zahlreiche Klone und Weiterentwicklungen, doch am Ende geht es immer darum mit der Spielfigur, dem Pac-Man Punkte einzusammeln, ohne von den Gespenstern gefasst zu werden. Per Kraftpille konnte der Pac-Man über eine begrenzte Zeit auch die Gespenster jagen.

Ein GameGAN getauftes AI-Netzwerk wurde von NVIDIA mit 50.000 Spiel-Iterationen zu Pac-Man gefüttert und dann damit beauftragt, das Spiel selbstständig zu erstellen – ohne den Quellcode oder anderen Codefragmente zu kennen. Der Name GameGAN stammt von Generative Adversarial Network ab. Ein GAN besteht aus zwei AI-Modellen, welche sozusagen gegeneinander arbeiten. Ein Netzwerk erstellt immer wieder neue Modelle (Generator), ein anderes vergleicht die Ergebnisse mit dem Original (Discriminator).

Die Frames aus 50.000 Spielen wurden ausgewertet und das AI-Modell hat nach und nach verstanden, welches Spielprinzip vorliegt, wie die Level aufgebaut sind und welche statischen und dynamischen Elemente es gibt. Auch die Regeln musste sich das AI-Modell selbst ermitteln und versuchte diese schrittweise nachzuahmen. 

Am Ende konnte das AI-Modell nicht nur Pac-Man vollständig nachbilden und umsetzen, sondern auch eigene Level erstellt. Natürlich ist es für ein AI-System auch ein leichtes jedes Level zu vollenden – meiste effektiver und schneller als jeder menschliche Spieler.

Das eigentlich erstaunliche aber ist nicht die Tatsache, dass ein AI-Modell die Funktionweise eines Spiels nachbauen kann, sondern dass die ohne jegliche Codevorlage gelingt.

"This is the first research to emulate a game engine using GAN-based neural networks," sagt Seung-Wook Kim, ein Entwickler bei NVIDA und Leiter des Projekts. "We wanted to see whether the AI could learn the rules of an environment just by looking at the screenplay of an agent moving through the game. And it did."

Natürlich aber geht es nicht darum ein Spiel nachzubauen, sonder die Erkenntnisse anderweitig verwenden zu können. Roboter werden erst in virtuellen Umgebungen simuliert, bevor man sie in echten Produktionsstraßen zum Einsatz bringt. Per GAN-Modell erfolgt eine gewisse Selbstkontrolle des gesamten Systems.

In einem Blogbeitrag hat NVIDIA noch ein paar weitere Hintergrundinformationen veröffentlicht.