KI spielt NetHack: Was die Grenzen von Machine-Learning-Agenten sind
Bei der NetHack Challenge traten Machine-Learning-Agenten gegen das Spiel an – eine Herausforderung für das Reinforcement Learning.
Im Computerspiel NetHack erkunden Spieler seit 1987 in einer von dreizehn Rollen ein zufallsgeneriertes Dungeon, finden Items und bekämpfen Monster. Das Ziel dabei ist das Aufsteigen der Spielfigur. Dafür muss man ein bestimmtes Amulett finden und an einem Hochaltar der Gottheit der Spielfigur opfern. Auf dem Weg zum Aufstieg sammelt der Spieler Level und Punkte.
NetHack ist sehr komplex und bietet sich daher als Test für Fortschritte bei der KI-Entwicklung an. Das geschah bei der NetHack Challenge im vergangenen Jahr. Dort ließen Entwickler ihre von Hand programmierten Symbolic Bots und mit Deep Reinforcement Learning (Deep RL) trainierte Agenten antreten. Ziel von Bots und Agenten war es aufzusteigen. Die erreichte Punktzahl diente dabei als Tiebreak.
Im Interview mit iX erzählen die KI-Forscher und Mitorganisatoren der NetHack Challenge Tim Rocktäschel und Heinrich Küttler auf welche Schwierigkeiten die Machine-Learning-Agenten stießen und was es bräuchte, damit eine KI NetHack genauso erfolgreich spielen kann wie ein Mensch.
Immer mehr Wissen. Das digitale Abo für IT und Technik.
App-gesteuertes Teleskop: Unistellar Odyssey Pro im Test
Günstiges Display samt Einplatinencomputer für Bastelanfänger im Kurztest
CPU-Guide 2024: Notebook-Prozessoren von AMD, Apple und Intel im Vergleich
Vektorsuche mit den Datenbanken Qdrant und PostgreSQL im Vergleich
Papierloses Büro: Wie man mit paperless-ngx die Dokumentenverwaltung optimiert
OpenCore Legacy Patcher: Wie Sie alte Macs mit jungem macOS aufbrezeln
Immer mehr Wissen. Das digitale Abo für IT und Technik.
App-gesteuertes Teleskop: Unistellar Odyssey Pro im Test
Günstiges Display samt Einplatinencomputer für Bastelanfänger im Kurztest
CPU-Guide 2024: Notebook-Prozessoren von AMD, Apple und Intel im Vergleich
Vektorsuche mit den Datenbanken Qdrant und PostgreSQL im Vergleich
Papierloses Büro: Wie man mit paperless-ngx die Dokumentenverwaltung optimiert