Skydespil er den nye store udfordring for Googles kunstige intelligens
»Den spiller menneskeligt og kan samarbejde med andre menneskelige spillere,« siger forsker.

Quake 3 Arena er et populært multiplayer skydespil, der udkom i 1999. (Foto: id Software.)

Quake 3 Arena er et populært multiplayer skydespil, der udkom i 1999. (Foto: id Software.)

Det startede med skak, derefter det kinesiske brætspil go - og tidligt i 2019 kom turen til computerspillet StarCraft.

Det er alle spil, hvor kunstig intelligens har slået de bedste spillere blandt os mennesker.

Og nu tyder et nyt studie på, at maskinerne også er på vej til at slå os i endnu flere spil - nemlig de populære skydespil. Det er i hvert fald lykkedes forskere at træne Googles kunstige intelligens DeepMind til at spille Quake 3 på niveau med de fleste menneskelige spillere.

»Det er et meget interessant studie. Det er et spil, hvor man skal koordinere sine handlinger meget, i forhold til hvad andre spillere gør, så det er flot, at det er lykkedes,« siger Sebastian Risi, der er lektor i Machine Learning på IT-Universitetet i København.

Studiet er netop udkommet i det anerkendte videnskabelige tidsskrift Science.

LÆS OGSÅ: Computerspil kan gøre kunstig intelligens mere menneskelig

Capture the flag

Den kunstige intelligens er blevet trænet i en spilform, der hedder ‘Capture the Flag.’

Her har hvert hold af spillere et flag, som de skal beskytte, samtidig med at de skal forsøge at komme ind i fjendens base og bringe modstandernes flag med tilbage i egen lejr.

»Derfor er den kunstige intelligens nødt til at vide, hvad de andre spillere laver. For det nytter ikke noget, at den går ind efter flaget, hvis en anden allerede har fået fat i det,« siger Sebastian Risi.

Det lyder måske simpelt, men det er faktisk svært at lære en kunstig intelligens.

»Det kræver, at den tilpasser sig, hvordan de andre spillere på holdet opfører sig. Og det er lykkedes her.«

Du kan se, hvordan det ser ud, når den kunstige intelligens spiller, herunder:

LÆS OGSÅ: Forskere om kunstig intelligens: Sådan løser vi problemet med den sorte boks

Spiller som mennesker

DeepMind er ikke bedre end de bedste spillere i Quake 3 endnu, men ifølge Sebastian Risi er det heller ikke det, der er mest interessant at opnå.

»Jeg synes det er mere spændende, at den spiller menneskeligt, og at den kan samarbejde med andre menneskelige spillere,« siger Sebastian Risi.

Spilindustrien er meget interesseret i at gøre deres spil mere virkelighedstro, fortæller han.

»Normalt er de computerstyrede agenter, man spiller mod i de fleste computerspil, programmeret i forvejen, og det giver en mindre virkelighedstro oplevelse. Hvis man for eksempel kan gøre figurerne i store sandkassespil som Grand Theft Auto eller Red Dead Redemption i stand til at reagere bedre på spillerens opførsel, tror jeg, det vil interessere mange i spilindustrien. «

Men det handler ikke kun om spil.

»Den her slags studier handler i virkeligheden om, hvordan man kan lære mennesker og maskiner at samarbejde. Du kan bruge samme algoritmer i udviklingen af robotter, hvor flere uafhængige komponenter skal arbejde sammen.«

LÆS OGSÅ: Hvad er kunstig intelligens egentlig?

Træning inspireret af evolution

Den kunstige intelligens er trænet gennem en metode, der kaldes reinforcement learning.

Det fungerer ganske enkelt ved, at DeepMind spiller igen og igen og hver gang udfører nogle vilkårlige handlinger.

Ud fra parametre, som forskerne beslutter, bliver computeren belønnet eller straffet for sin indsats. Over tid lærer den at blive bedre.

Men i studiet her har man derudover taget inspiration fra virkelighedens evolution med i udviklingen af algoritmen.

For forskerne har ikke bare trænet én kunstig intelligens ad gangen, men mange på samme tid. Hver af dem er blevet udstyret med forskellige tendenser i deres opførsel, og med tiden ‘overlever’ kun de bedste.

»Ved at lade sig inspirere af evolutionen opnår forskerne en mere effektiv læringsproces. Nogle har været sat til at ændre deres adfærd meget på baggrund af belønning, mens andre gjorde det mindre, og med tiden finder man den sammensætning, der er bedst,« siger Sebastian Risi.

LÆS OGSÅ: Googles nye kunstige intelligens lærer af sig selv

LÆS OGSÅ: Bør vi frygte kunstig intelligens?

LÆS OGSÅ: Kreative computere: Den næste udfordring for kunstig intelligens

Kunstig intelligens baseret på simple computerhjerner

Den kunstige intelligens består i det nye studie af flere såkaldte neurale netværk.

Det er en form for meget simple modeller af, hvordan vores hjerner fungerer.

I modellerne simulerer systemets 'neuroner' vores hjerneceller, og de er tilknyttet forskellige inputs og outputs.

Når de reagerer på et input, bliver de enten straffet eller belønnet ud fra udfaldet. Over tid justerer de deres reaktioner og lærer at spille bedre og bedre.

Du kan læse mere om, hvordan det fungerer i artiklen ‘Computerspil kan gøre kunstig intelligens mere menneskelig’.

... Eller følg os på Facebook, Twitter eller Instagram.

Videnskab.dk Podcast

Lyt til vores seneste podcast herunder eller via en podcast-app på din smartphone.


Se den nyeste video fra Tjek

Tjek er en YouTube-kanal om videnskab og sundhed henvendt til unge.

Indholdet på kanalen bliver produceret af Videnskab.dk's Center for Faglig Formidling med samme journalistiske arbejdsgange, som bliver anvendt på Videnskab.dk.