Google DeepMind hat vor kurzem SIMA vorgestellt, einen KI-Agenten, der darauf trainiert ist, Gaming-F\u00e4higkeiten zu erlernen und ein menschen\u00e4hnliches Spielverhalten zu zeigen. SIMA steht f\u00fcr Scalable, Instructable, Multiworld Agent und befindet sich derzeit noch in der Forschungsphase. Das Ziel von SIMA ist es, jede Art von Videospiel zu beherrschen, einschlie\u00dflich solcher ohne linearen Spielverlauf und Open-World-Spiele.<\/p>\n
SIMA wurde nicht entwickelt, um bestehende Spiel-KIs zu ersetzen, sondern eher als zus\u00e4tzliches Teammitglied, das gut in ein Team passt. Durch die Kombination von nat\u00fcrlicher Sprachverarbeitung, 3D-Weltverst\u00e4ndnis und Bilderkennung ist SIMA in der Lage, Anweisungen in nat\u00fcrlicher Sprache zu verstehen und auszuf\u00fchren. Bei einer Pressekonferenz erkl\u00e4rte Tim Harley, ein Forscher bei Google DeepMind, dass SIMA nicht darauf trainiert ist, ein Spiel zu gewinnen, sondern vielmehr darauf, Anweisungen auszuf\u00fchren.<\/p>\n
Google arbeitet mit Spieleentwicklern wie Hello Games, Embracer, Tuxedo Labs, Coffee Stain und anderen zusammen, um SIMA zu trainieren und zu testen. Um dem KI-Agenten die Grundlagen des Spielens beizubringen, wurden Spiele wie No Man’s Sky, Teardown, Valheim und Goat Simulator 3 verwendet. Laut einem Blogbeitrag von Google ben\u00f6tigt SIMA keine spezielle API, um Spiele zu spielen oder auf den Quellcode zuzugreifen zu k\u00f6nnen.<\/p>\n
Um das Verst\u00e4ndnis der Agenten f\u00fcr die Manipulation von Objekten zu testen, entwickelte das Team eine neue Umgebung in der Unity-Engine, in der die Agenten Skulpturen erstellen mussten. Anschlie\u00dfend wurden Paare von menschlichen Spielern aufgenommen, um Sprachanweisungen zu dokumentieren. Die Spieler spielten individuell, um zu zeigen, welche Handlungen sie im Spiel ausf\u00fchrten. SIMA wurde all diese Informationen zur Verf\u00fcgung gestellt, um vorauszusagen, was als n\u00e4chstes im Spiel passieren w\u00fcrde.<\/p>\n
Derzeit verf\u00fcgt SIMA \u00fcber etwa 600 grundlegende F\u00e4higkeiten, wie das Abbiegen nach links, das Klettern einer Leiter und das \u00d6ffnen des Men\u00fcs. Es besteht die M\u00f6glichkeit, dass SIMA in Zukunft auch Anweisungen zur Ausf\u00fchrung komplexerer Funktionen erhalten k\u00f6nnte. Einige Aufgaben, wie das Auffinden von Ressourcen und der Bau eines Lagers, bleiben jedoch herausfordernd, da KI-Agenten nicht in der Lage sind, Handlungen f\u00fcr Menschen auszuf\u00fchren.<\/p>\n
SIMA unterscheidet sich von KI-gesteuerten NPCs, da es nicht nur ein weiterer NPC ist, sondern ein Spieler im Spiel, der das Ergebnis beeinflusst. Es ist noch zu fr\u00fch, um abzusch\u00e4tzen, welche Vorteile KI-Agenten wie SIMA m\u00f6glicherweise au\u00dferhalb der Forschungswelt f\u00fcr das Gaming bringen k\u00f6nnten. Obwohl SIMA in der Zukunft m\u00f6glicherweise das Sprechen erlernen k\u00f6nnte, ist dieser Punkt noch in weiter Ferne.<\/p>\n
SIMA befindet sich weiterhin im Lernprozess, um Spiele zu spielen und sich an solche anzupassen, die es zuvor nicht gespielt hat. Mit fortschrittlicheren KI-Modellen k\u00f6nnte SIMA in der Zukunft auch komplexere Aufgaben bew\u00e4ltigen und das ultimative Teammitglied sein, das Spieler zum Sieg f\u00fchrt.<\/p>\n
Schlagw\u00f6rter: SIMA-Mitverantwortliche Tim Harley + SIMA + Google DeepMind-Forscher<\/p>\n","protected":false},"excerpt":{"rendered":"
Google DeepMind hat vor kurzem SIMA vorgestellt, einen KI-Agenten, der darauf trainiert ist, Gaming-F\u00e4higkeiten zu erlernen und ein menschen\u00e4hnliches Spielverhalten zu zeigen. SIMA steht f\u00fcr Scalable, Instructable, Multiworld Agent und befindet sich derzeit noch in der Forschungsphase. Das Ziel von SIMA ist es, jede Art von Videospiel zu beherrschen, einschlie\u00dflich...<\/p>\n","protected":false},"author":4,"featured_media":5558,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-5559","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/5559","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=5559"}],"version-history":[{"count":0,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/5559\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/media\/5558"}],"wp:attachment":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=5559"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=5559"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=5559"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}