Inhalt
summary Zusammenfassung

Ein KI-Startup will mit Foundation-Modellen und Computer Vision Bots bauen, die Bugs und Gamer:innen jagen.

Anzeige

Hinter dem Kopenhagener Start-up stehen mehrere KI-Forschende, darunter Prof. Dr. Sebastian Risi von der IT University of Copenhagen, der am lebenslangen Lernen von KI-Agenten forscht.

Das Team von Modl.ai nutzt diese Expertise, um intelligente Bots zu entwickeln, die Videospiele während der Entwicklung auf Bugs, Performance und andere Faktoren testen können.

Mit immer größeren Videospielwelten wie dem gigantischen Starfield von Bethesda und immer komplexeren Mechaniken scheitern herkömmliche Testmethoden, die ausschließlich auf menschlicher Arbeit beruhen. Bots können in diesem Prozess helfen, indem sie sich durch 3D-Welten bewegen und dabei wichtige Daten sammeln.

Anzeige
Anzeige

Der Einsatz von KI-Bots für Tests und Spiele ist seit langem üblich. Allerdings werden derzeit vor allem überwacht trainierte Bots eingesetzt. Das Team von Modl.ai setzt dagegen auf selbst-überwacht trainierte Bots. Diese Lernmethode steht etwa hinter ChatGPT oder den aktuell besten Computer-Vision-Modellen.

Foundation-Modelle für Tests und Gameplay

Das Team setzt dafür die intelligenten Bots in Spielumgebungen ohne klar definierte Datensätze. Der Bot lernt dann aus den verfügbaren Daten, um sich schnell weiterzuentwickeln und als eigenständiger Agent zu agieren. Auf diese Weise will das Team sogenannte Foundation-Modelle für KI-Agenten trainieren.

Diese bieten eine Grundlage mit vielen allgemeinen Fähigkeiten, auf denen Entwickler:innen für ihre spezifischen Anwendungen aufbauen können, ähnlich wie GPT-4 grundlegende Sprachverarbeitungsfähigkeiten bietet, die für spezielle NLP-Zwecke genutzt werden können.

Ähnlich wie GPT-4 verspricht sich das Team von den Foundation-Modellen rudimentäre Fähigkeiten zu logischen Schlussfolgerungen und Planen. "Je komplexer ein Spiel ist, desto komplexere Überlegungen müssen die Bots anstellen, um es zu testen, und unser Team geht dieses Problem an", so Risi.

Foundation-Modelle könnten mit Computer Vision von Gamer:innen lernen

Ein Forschungsgebiet mit großem Potenzial sieht das Team in der Verbindung solcher Foundation-Modelle mit Computer Vision. "Jüngste Fortschritte in der Computer Vision untersuchen, wie ein Spiel von Menschen gespielt wird, und analysieren gemeinsame Verhaltensweisen. Letztendlich wird diese Forschung es einem Bot ermöglichen, ein Spiel zu sehen, das er noch nie gespielt hat, und zu wissen, wie es zu spielen ist. Unsere Forschung treibt diese Technologie voran", sagt Georgios Yannakakis, einer der Gründer.

Empfehlung

Neben Bots für Tests entwickelt Modl.ai auch Bots, die nach Release mit und gegen menschliche Gamer:innen spielen können. Modl.ai kommt mit Plugins für die Unreal Engine und Unity sowie einer API. Sollte das Team seine Vision umsetzen, erwarten Gamer:innen nicht nur bugfreiere und besser optimierte Spiele, sondern auch Bots, die mehr als bloßes Kanonenfutter sind.

Dass der Ansatz Potenzial hat, zeigen Projekte wie Voyager, MineCLIP oder VPT, die ebenfalls auf Foundation-Modelle setzen, um Minecraft-Bots anzutreiben.

Anzeige
Anzeige
Community beitreten
Kommt in die DECODER-Community bei Discord,Reddit, Twitter und Co. - wir freuen uns auf euch!
Unterstütze unsere unabhängige, frei zugängliche Berichterstattung. Jeder Betrag hilft und sichert unsere Zukunft. Jetzt unterstützen:
Banküberweisung
Zusammenfassung
  • Das Kopenhagener Start-up Modl.ai entwickelt KI-Bots, die Videospiele auf Bugs und Performance testen können.
  • Anstelle von herkömmlichen überwachten Trainingsmethoden setzt Modl.ai auf Foundation-Modelle, selbst-überwachtes Training und Computer Vision.
  • Die Firma entwickelt auch Bots, die nach der Veröffentlichung von Spielen mit und gegen menschliche Spieler:innen antreten können.
Max ist leitender Redakteur bei THE DECODER. Als studierter Philosoph beschäftigt er sich mit dem Bewusstsein, KI und der Frage, ob Maschinen wirklich denken können oder nur so tun als ob.
Community beitreten
Kommt in die DECODER-Community bei Discord,Reddit, Twitter und Co. - wir freuen uns auf euch!