Brain Control - KI ohne neuronales Netz zum selber testen

Informatiker der Uni Tübingen haben ein Computerprogramm entwickelt, das eine neue Form der künstlichen Intelligenz darstellt. Bei Brain Control kommuniziert man mit virtuellen Figuren in menschlicher Sprache, erklärt ihnen Dinge, gibt Anweisungen oder motiviert sie, Situationen selbst zu erkunden.

Anbieter zum Thema

Parasoft® Deutschland GmbH

RTI Real-Time Innovations

Eberhard Karls Universität Tübingen Stabsstelle Hochschulkommunikation

Informatiker der Universität Tübingen haben eine neue Form der künstlichen Intelligenz entwickelt. Das Programm heißt „Brain Control“ und simuliert sowohl eine 2D-Welt als auch darin eigenständig handelnde, kooperierende und lernende, virtuelle Figuren bzw. Agenten.

Dabei handelt es keineswegs nur um ein Forschungswerkzeug, sondern auch um eine neue Art von Computerspiel: Man kommuniziert mit den Figuren in menschlicher Sprache, indem man beispielsweise Dinge erklärt, Anweisungen erteilt oder die Agenten ermuntert, Situationen selbst zu erkunden.

Brain Control folgt nicht dem herkömmlichen KI-Paradigma

Die Simulation zielt darauf ab, moderne Theorien der Kognitionswissenschaft in ein Modell zu überführen und neue Varianten künstlicher Intelligenz zu erforschen. Prof. Martin Butz und sein Team vom Lehrstuhl für Kognitive Modellierung ließen das Programm über mehrere Semester in Programmierpraktika wachsen und haben es nun veröffentlicht.

Aber wodurch unterscheidet sich das Konzept der Tübinger Wissenschaftler vom bisher Bekannten? Klassische künstliche Intelligenz (KI) beschäftigt sich eher damit, eine Aufgabe logisch zu analysieren und zu planen. Damit lassen sich Systeme bauen, die immer dann gut funktionieren, wenn das Problem präzise in eine abstrakt-mathematische Form übertragen werden kann. Auf der anderen Seite stehen künstliche neuronale Netze, die in den letzten Jahren für allerlei Schlagzeilen gesorgt haben.

Brain Control verzichtet (bisher) auf den Einsatz solcher neuronaler Netze, folgt aber auch nicht dem klassischen KI-Paradigma. Vielmehr bettet das Programm die Figuren stärker in ihre Umwelt ein und grundiert den Handlungsrahmen dadurch: Innerhalb ihrer Welt haben die Spielfiguren unterschiedliche Motivationen, z.B. mehr Energie zu bekommen oder ihre Welt zu erkunden.

Virtuelle Figuren sollen selbstständig agieren

Ausgehend von diesen Motivationen lernen sie durch Interaktionen, wie ihre Umwelt funktioniert und wie sie diese beeinflussen können. Dabei legen die Forscher großen Wert darauf, die Figuren selbstständig agieren zu lassen. Folglich muss nach und nach auch immer weniger vorgegeben werden, da von den Agenten immer mehr selbst erlernt bzw. gelöst wird. Der Einsatz neuronaler Netze ist mittelfristig geplant, jedoh sollen diese nur als Teilsysteme genutzt werden.

Die theoretische Kernidee hinter dem Programm entstammt einer kognitionspsychologischen Theorie, nach der kognitive Prozesse im Wesentlichen prädiktiv agieren und auf sogenannten „Events“ basiert sind.

Solche „Events“ - zum Beispiel eine bestimmte Bewegung wie das Greifen nach einem Stift, und die Verkettung von Events, wie das Zusammenpacken, wenn man Feierabend hat - bilden den Grundstock der Kognition, mittels dem zielorientiert Interaktionen und Interaktionsketten mit der Welt ausgewählt und kontrolliert werden.

Agenten planen und entscheiden durch Simulation von Events und Verkettungen

Diese Hypothese wird von Brain Control gespiegelt: Die Figuren planen und entscheiden, indem sie Events und ihre Verkettung simulieren und damit relativ komplexe Handlungsfolgen ausführen können. So können die virtuellen Figuren sogar kooperativ handeln. Zuerst bringt eine Figur eine andere auf eine Plattform, damit diese dort den Weg freimachen kann, woraufhin beide vorankommen.

Die Modellierung kognitiver Systeme wie in Brain Control - noch immer ein ambitioniertes Vorhaben - soll nach Aussagen der Tübinger Forscher zu besserer künstlicher Intelligenz führen. Im Falle von Brain Control soll dazu noch den Spaß am Spiel geben: Die Spielfiguren schaffen es nicht alleine, die unterschiedlichen Level zu meistern, sondern brauchen Anleitung, Motivation und Inspirationen, die Ihnen der menschliche Spieler sprachlich vermitteln muss.

Das Programm kann man unter https://github.com/CognitiveModeling/BrainControl herunterladen und ausprobieren.

Exzellenzcluster CITEC stellt neues Greif-Lern-System vor

Die selbstlernende Roboterhand

IBM Watson

Erste Watson-Plattform für kognitive Services

Dieser Beitrag stammt von unserem Partnerportal Industry-of-Things.de.

Literatur

• Butz, M. V. (2016). Towards a unified sub-symbolic computational theory of cognition. Frontiers in Psychology, 7(925). doi:10.3389/fpsyg.2016.00925

• Butz, M. V. (2017). Which structures are out there? Learning predictive compositional concepts based on social sensorimotor explorations. In T. K. Metzinger & W. Wiese (Eds.), Philosophy and Predictive Processing. Frankfurt am Main: MIND Group. doi:10.15502/9783958573093

• Butz, M. V. und Kutter, E. F. (2017). How the Mind Comes into Being: Introducing Cognitive Science from a Functional and Computational Perspective. Oxford, UK: Oxford University Press.

• Schrodt, F., Kneissler, J., Ehrenfeld, S. und Butz, M. V. (2017). Mario becomes cognitive. Topics in Cognitive Science, 9, 343–373. doi:10.1111/tops.12252

• Schrodt, F., Röhm, Y., und Butz, M. V. (2017). An event-schematic, cooperative, cognitive architec-ture plays Super Mario. Cognitive Robot Architectures 10, 10-15.

• Butz, M. V., Simonic, M., Binz, M., Einig, J., Ehrenfeld, S., & Schrodt, F. (2016). Is it living? Insights from modeling event-oriented, self-motivated, acting, learning and conversing game agents. In A. Papafragou, D. Grodner, D. Mirman, & J. C. Trueswell (Eds.), Proceedings of the 38th Annual Meet-ing of the Cognitive Science Society (p. 3062). Austin, TX: Cognitive Science Society.

(ID:45072480)