KI trainiert, um ein Dungeon-Master zu sein und Handlungen für Dungeons und Dragons zu generieren

Künstliche Intelligenz hat sogar extrem komplexe Spiele wie Schach und Go beherrscht. Diese Spiele haben jedoch vordefinierte Regeln und sehr spezifische Methoden der Interaktion, 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 daran gehindert, AI-Systeme zu entwickeln, die in der Lage sind, Handlungen für DnD oder ähnliche Tisch-Rollenspiele zu improvisieren.

KI-Forscher arbeiten ständig an neuen Wegen, um die generativen Sprachfähigkeiten von KI zu verbessern. Einer der größten Fortschritte der letzten paar Jahre ist die Entwicklung von GPT-2, das in der Lage war, kohärente Geschichten auf die Schnelle zu generieren. Wie jedoch Wired berichtete, hat die Georgia-Tech-Absolventin Lara Martin den Gedanken entwickelt, DnD als Testfall für die generative Sprachfähigkeit von KI zu verwenden. Das Ziel ist im Wesentlichen, einen KI-Dungeon-Master zu erstellen, 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 entweder regelbasierte Ansätze oder neuronale Netzwerke. In letzter Zeit hat es ein zunehmendes Interesse an der Kombination dieser beiden Techniken zur Sprachgenerierung gegeben. 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 das Modell die Ereignisse aus der Initialisierungs-Textzeichenfolge extrahiert hat, wird es versuchen, die Handlung fortzusetzen, indem es neue Ereignisse generiert. Martin konnte diesen grundlegenden Ansatz erweitern und das Modell dazu bringen, bestimmte gewünschte Ereignisse zu generieren, wie die Heirat zweier Charaktere innerhalb der Geschichte.

Martin ist nicht der einzige Forscher, der versucht, KI-Systeme zu entwerfen, die in der Lage sind, Geschichten zu erzählen. Zum Beispiel entwickelte der maschinelle Lernforscher 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 generiert, die zumindest kohärent sind, verliert es oft den Überblick über die gesamte Erzählung, beginnt seltsame neue Handlungsstränge und verhält sich insgesamt seltsam auf Spieler-Eingaben. 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 feststellt, dass das Modell oft verwirrt ist, Handlungsereignisse generiert, die keinen logischen Sinn ergeben, und dass “wir noch nicht einmal nahe daran sind, dass dies eine Realität ist”. 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 geben kann, die unterschiedliche Aspekte der Intelligenz wie Vorstellungskraft und Verkörperung nutzen.

“Wenn wir einen überzeugenden KI-DM erstellen könnten, würde es 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 Dungeon-Master-KI zu erreichen, Grund genug ist, das Projekt zu verfolgen. Noah Smith, ein KI- und Sprachprofessor an der University of Washington, erklärte, dass große Ziele manchmal dazu beitragen, viele Forscher in eine einzige Richtung zu bewegen, und dass einige der Ergebnisse auch in praktischen Anwendungen nützlich sein können.

Smith erklärte gegenüber Wired:

“Manchmal sind groß angelegte Ziele hilfreich, um viele Forscher in eine einzige Richtung zu bewegen. Und einige der Ergebnisse sind auch in praktischen Anwendungen nützlich.”