Microsoft schlägt Ms. Pac-Man mit einem einzigartigen Multiagenten-KI-System
2 Minute. lesen
Veröffentlicht am
Teile diesen Artikel
Verbessern Sie diesen Leitfaden
Lesen Sie unsere Offenlegungsseite, um herauszufinden, wie Sie MSPoweruser dabei helfen können, das Redaktionsteam zu unterstützen Lesen Sie weiter
Ein auf künstlicher Intelligenz basierendes System, das von Microsoft entwickelt wurde, hat die maximal mögliche Punktzahl für das Spiel Ms. Pac-Man erreicht, 999,990. Dieses System wurde von einem Team bei Maluuba entwickelt, einem kanadischen Deep-Learning-Startup, das Anfang dieses Jahres von Microsoft übernommen wurde. Sie verwendeten eine Teile-und-Herrsche-Methode, die weitreichende Auswirkungen darauf haben könnte, KI-Agenten beizubringen, komplexe Aufgaben zu erledigen. Dies ist eine bedeutende Leistung, da KI-Forscher Frau Pac-Man immer als eine der am schwierigsten zu knackenden gefunden haben. Das Team von Maluuba nennt die in diesem System verwendete Technik Hybrid Reward Architecture. Lesen Sie weiter unten ausführlich darüber,
Diese Technik verwendet mehr als 150 Agenten, von denen jeder parallel mit den anderen Agenten arbeitete, um Ms. Pac-Man zu beherrschen. Einige Agenten wurden zum Beispiel dafür belohnt, dass sie ein bestimmtes Pellet erfolgreich gefunden haben, während andere die Aufgabe hatten, Geistern aus dem Weg zu gehen. Dann schufen die Forscher einen Top-Agenten – so etwas wie einen leitenden Manager in einem Unternehmen – der Vorschläge von allen Agenten entgegennahm und sie nutzte, um zu entscheiden, wohin er Frau Pac-Man versetzen sollte.
Der Top-Agent berücksichtigte, wie viele Agenten dafür plädierten, in eine bestimmte Richtung zu gehen, aber er betrachtete auch die Intensität, mit der sie diesen Schritt machen wollten. Wenn zum Beispiel 100 Agenten nach rechts gehen wollten, weil das der beste Weg zu ihrem Pellet war, aber drei nach links gehen wollten, weil rechts ein tödlicher Geist war, würde es denjenigen mehr Gewicht verleihen, die den Geist bemerkt hatten und geh nach links.
Die Technik ist besonders interessant, da viele komplexe Aufgaben, die normalerweise für maschinelle Lernsysteme zu schwierig wären, in mehrere einzelne, einfachere Aufgaben zerlegt werden können, was erhebliche Auswirkungen auf den Umfang und die Art der Arbeit hat, die KI bald ersetzen kann.
Lesen Sie mehr über diese Geschichte hier.
