Spiele und KI
Vor etwa anderthalb Jahren endete die Siegesserie einer der größten Schachspieler:innen unserer Zeit nach 125 Partien beenden. Das ist ein neuer Serienrekord. Menschlicher Gegner:innen konnten ihr Glück kaum fassen. Aber Moment mal… Glück im Schach? Gibt es so etwas? Ist es nicht reine Strategie, Geschicklichkeit und Mustererkennung?
Nun, ich bin kein Schachexperte – um ehrlich zu sein bin ich sogar ziemlich schlecht darin. Aber was diese Schlagzeile in mir auslöst, ist ein einfacher Gedanke: Könnte dieses strategische Prinzip der Grund dafür sein, dass Computer schon vor über zwei Jahrzehnten die besten Schachspieler:innen der Welt geschlagen haben?
- Es ist ein Spiel, das in unserer westlichen Geschichte, Kultur und Tradition tief verankert ist. Die Menschen spielen es seit Jahrhunderten und folgen seither denselben Regeln.
- Das Spiel basiert hauptsächlich auf dem strategischen Verhalten der gegnerischen Parteien.
Diese beiden Eigenschaften erleichterten es den Maschinen, dieses Spiel bis zur Perfektion zu erlernen. Es gibt ein einziges Ziel, das der Algorithmus erreichen will: den Sieg innerhalb des Regelwerks. Das Spiel basiert hauptsächlich auf Input-Output und es gibt keine zufällige Auswahl einer Karte aus einem Stapel, kein Würfeln und keine Regelanpassungen während des Spiels. Das ist eine „einfache“ Ausgangsbasis, um sich in diesem doch komplexen Spiel zu messen. Die nächste Entscheidung wird Runde für Runde und als Reaktion auf die Entscheidung des menschlichen Gegners getroffen. Es ist sogar vorhersehbar, wie Spieler:innen aufgrund der letzten Stellung der Figuren möglicherweise reagieren werden. Ich meine, das ist es doch, was wir alle beim Schachspielen versuchen, oder? Wir denken voraus. Versuchen, die Gedanken unserer Gegner:innen zu lesen, um herauszufinden, wie die nächste Entscheidung aussehen könnte.
Sprechen wir über Entscheidungen: Das ist es, wofür wir den Bereich der Algorithmen in unserem geschäftlichen und wissenschaftlichen Leben derzeit hauptsächlich nutzen. Jeder redet davon, bessere Entscheidungen auf der Grundlage von Daten, Modellen, Vorhersagen und KPIs zu treffen, vorzugsweise unterstützt durch eine Art von KI. Worauf das Ganze hinauslaufen soll, ist vor allem ein optimiertes Verhalten im Spiel. Aber die Regeln einer globalisierten Wirtschaft sind viel komplexer als die Möglichkeiten, die eine Schachfigur in Bezug auf ihre Bewegung bietet.
Was unserer realen Welt viel näher kommt, sind Videospiele. Die Entwicklungen der letzten Jahre sind phänomenal. Von Schildkröten, die fünf Schritte von einer Seite des Bildschirms zur anderen gehen, bis hin zu komplexen, individuellen und sich schnell bewegenden Zielen in fast jedem modernen Spieldesign. Und ihre Entscheidungen und ihr Verhalten beruhen immer auf dem Ergebnis eines Algorithmus.
Arten von Spielalgorithmen
Es gibt drei Haupttypen von Algorithmen, die das Verhalten jedes Objekts auf dem Bildschirm bestimmen, das galt auch schon für einen Schachsimulator unter Windows 95:
Steering-Algorithmen (Lenkungsalgorithmen)
Sie geben die Richtung vor, in die sich eine computergesteuerte Figur bewegt, bis sie ihr Ziel erreicht. Das kann die Ziellinie eines Formel-1-Rennens sein oder die nächste Deckung der Spieler:innen. Der Steuerungsalgorithmus wechselt ständig die Prioritäten zwischen der Suche nach einer Belohnung (z. B. Gegenstände, Verfolgung der Spielenden), der Flucht vor Gefahren und der Vermeidung von Hindernissen. Insbesondere das Ausweichen ist eng mit dem nächsten Algorithmus-Typ verbunden.
Pathfinding-Algorithmus
Habt ihr auch schon erlebt, dass ein Bot immer wieder gegen eine Wand läuft? Nun, das war, als das Pathfinding noch nicht im Spiel war. Pathfinding kann dem Bot sagen, wo er einen freien Platz findet, zu dem er gehen kann. Das basiert hauptsächlich auf einer negativen Karte der Spielumgebung. „Negativ“ bedeutet, dass Gehwege gegenüber Lücken hervorgehoben werden, durch die sich kein Charakter bewegen kann. Die Aufgabe des Algorithmus besteht nun darin, den schnellsten Weg zum aktuellen Ziel zu finden und dabei z.B. die Deckung zu halten.
Zielorientierter Aktionsplanungs-Algorithmus (Goal-Oriented Action Planning Algorithm)
Vorrausdenken und in Hinblick auf Ziele optimieren: Setz die Gegner:innen schachmatt! Wir haben bereits geklärt, wie die computergesteuerte Spielfigur durch das Spielgelände navigiert, aber all dies hat einen einfachen Grund: die nachfolgende Aktion. Es könnte zum Beispiel der Plan sein, die Spieler:innen zu überholen und diese Position bis zum Ende des Rennens zu halten. Aber diese Aktion muss festgelegt werden, und alle anderen Algorithmen müssen diesem einen Plan folgen.
Fazit: KI und Algorithmen lieben Spiele
Alles in allem sind Algorithmen vor allem deshalb so gut in Spielen, weil sie genau darauf ausgelegt sind. Sie haben eine spezielle Aufgabe und sind für die Erfüllung dieser Aufgabe optimiert. Aber was sie wirklich zu eifrigen Gegner:innen macht, ist die Tatsache, dass sie bei Bedarf und nach Absprache hervorragend zusammenarbeiten können. Auf diese Weise können sie ihre Taktik ändern und ihre Prioritäten setzen, um den Gegner:innen das Leben schwer zu machen. Aber es ist immer noch ein Spiel mit Logik, Regeln, Mauern und Feldern, zugänglichen und unzugänglichen Bereichen. Alles in dieser Umgebung ist so eingerichtet, dass es auf eine bestimmte Weise funktioniert. Deshalb sind Algorithmen in Spielen so gut, können allerdings mit dem „Chaos“ einer realen Welt nicht so gut umgehen. Wenn sie es versuchen, haben wir Menschen einen ziemlichen Vorteil. Denn wir passen uns täglich an die sich ändernden Umstände unserer Umgebung an. Indem wir Sitzungen verschieben, uns in der Politik zurechtfinden, Veranstaltungen organisieren, uns an neue Anforderungen bei der Arbeit anpassen oder spontan beschließen, essen zu gehen, weil unser Kühlschrank leer ist. Machen wir also weiter so – und gewinnen wir die kommenden Spiele!