KI trainiert als Dungeon-Master und generiert Handlungen für Dungeons und Dragons

Künstliche Intelligenz hat sogar extrem komplexe Spiele wie Schach und Go beherrscht. Diese Spiele haben jedoch vordefinierte Regeln und sehr spezifische Interaktionsmethoden, die sich nicht für kreative Entscheidungen eignen. Ein Rollenspiel wie Dungeons und Dragons (DnD) hat unendlich viele Möglichkeiten, es zu spielen, als ein Schachspiel, aber das hat Forscher nicht davon abgehalten, AI-Systeme zu entwickeln, die improvisierte Handlungen für DnD oder ähnliche Tischrollenspiele generieren können.

AI-Forscher arbeiten ständig an neuen Wegen, um die generativen Sprachfähigkeiten von KI zu verbessern. Eine der größten Fortschritte in den letzten paar Jahren ist die Entwicklung von GPT-2, das in der Lage war, kohärente Geschichten auf der Stelle zu generieren. Wie jedoch Wired berichtete, konzipierte die Georgia-Tech-Absolventin Lara Martin die Verwendung von DnD als Testfall für die generative Sprachfähigkeit von KI. Das Ziel ist im Wesentlichen die Schaffung eines KI-Dungeon-Masters, der in der Lage ist, neue Szenarien für das Spiel zu erstellen und diese Szenarien anzupassen.

Laut Wired arbeitet Martin seit 2018 an dem KI-Dungeon-Master. Sprachgenerierungsmodelle verwenden oft regelbasierte Ansätze oder neuronale Netzwerke. In letzter Zeit gibt es ein zunehmendes Interesse daran, die beiden Techniken zu kombinieren, um Sprache zu generieren. Martins Ansatz nutzt regelbasierte Sprachgenerierungsstrategien in Verbindung mit tiefen neuronalen Netzen. Martins Ansatz zur Sprachgenerierung basiert auf der Idee von “Ereignissen”. Ereignisse bestehen aus verschiedenen Teilen der Sprache wie Objekten, Subjekten und Verben, die das Modell zu kohärenten Ereignisobjekten kombiniert. Das Modell wurde mit Handlungen aus beliebten Sci-Fi-Fernsehsendungen wie Futurama und Doctor Who trainiert. Das Modell wird mit einer Textzeichenfolge initialisiert, die es analysiert, um Ereignisse zu erkennen. Nachdem es die Ereignisse aus dem Initialtext extrahiert hat, versucht es, die Handlung durch die Generierung neuer Ereignisse fortzusetzen. Martin konnte diesen grundlegenden Ansatz erweitern und das Modell in die Richtung lenken, bestimmte gewünschte Ereignisse zu generieren, wie die Heirat zweier Charaktere innerhalb der Geschichte.

Martin ist nicht der einzige Forscher, der daran arbeitet, KI-Systeme zu entwerfen, die in der Lage sind, Geschichten zu erzählen. Zum Beispiel entwickelte der Maschinelles-Lernen-Forscher Nick Walton kürzlich AI Dungeon, das GPT-2-Modelle verwendet, um ein KI-generiertes Text-Abenteuerspiel zu erstellen. Obwohl AI Dungeon in der Regel Texte rendert, die zumindest kohärent sind, neigt es dazu, die Gesamterzählung zu verlieren, neue seltsame Handlungsstränge zu starten und im Allgemeinen seltsam auf Benutzereingaben zu reagieren. Trotz dieser Einschränkungen hat das Spiel sich als ziemlich beliebt erwiesen, mit über einer Million Menschen, die es spielen.

Martin erkennt die Grenzen des Modells an, indem er angibt, dass das Modell oft verwirrt ist, Handlungselemente generiert, die keinen logischen Sinn ergeben, und dass “wir noch nicht einmal in der Nähe davon sind, dass dies Realität wird”. Trotzdem hofft Martin, dass das Modell zu etwas Nützlichem in der Zukunft führen wird. Martin hofft auch, dass das Projekt möglicherweise Einblicke in die Schaffung von Geschichten und die Nutzung verschiedener Aspekte der Intelligenz wie Vorstellungskraft und Verkörperung geben kann.

„Wenn wir einen überzeugenden KI-Dungeon-Master schaffen könnten, würde er uns mehr über die Schaffung und Erfahrung dieser Welten erzählen“, erklärte Martin gegenüber Wired.

Es kann auch argumentiert werden, dass die Herausforderung, eine so schwierige Aufgabe wie die Schaffung eines KI-Dungeon-Masters zu bewältigen, Grund genug ist, das Projekt zu verfolgen. Noah Smith, ein AI- und Sprachprofessor an der University of Washington, erklärte, dass große Ziele manchmal helfen, nützliche Anwendungen zu schaffen, auch wenn die Herausforderung selbst nicht in einem zeitlichen Rahmen bewältigt wird.

Smith erklärte gegenüber Wired:

„Manchmal sind große Herausforderungsziele hilfreich, um viele Forscher in eine einzige Richtung zu bewegen. Und ein Teil dessen, was daraus resultiert, ist auch in praktischen Anwendungen nützlich.“