Forscher:innen haben eine neue Anwendung für Künstliche Intelligenz (KI) im Game Design gefunden. Dabei kommt die Vorläufer-KI zu ChatGPT zum Einsatz.
Forscher:innen haben eine neue Anwendung für Künstliche Intelligenz (KI) im Game Design gefunden. Dabei kommt die Vorläufer-KI zu ChatGPT zum Einsatz.
Ein dänisches Forschungsteam hat eine neue Methode gefunden, um KI im Game Design zu verwenden. Der „Text-To-Level“-Zugang verwandelt Textbausteine erstmals in Spiele-Levels. Forschungsobjekt war ein alter Bekannter: Super Mario Bros., der Nintendo-Kultklassiker aus den 80ern und 90ern.
Das dabei verwendete KI-Modell namens GPT-2 ist der Vorläufer zum Sprachverarbeitungsmodell von ChatGPT. Die Forscher:innen stellten zunächst die visuellen Bestandteile des Spiels – wie etwa Münzen oder Ziegelblöcke – in Text dar. Die Ansicht ähnelte dann ASCII-Symbolen.
Diese wiederum trainieren die KI. Der daraus entstandene Algorithmus MarioGPT kann daraufhin auf Textbefehle hin neue Levels kreieren. Die Methode könnte die Entwicklung von Spielen in Zukunft noch effizienter machen - und so zum Game Changer in der Branche werden, wie die Forscher:innen hoffen.
Eine gängige Methode in der Spielentwicklung ist PCG (Procedural Content Generation). Diese ermöglicht das automatisierte Kreieren von Spiele-Content wie etwa Charaktere, Landschaften und ganze Levels. Diese Methode erfordert allerdings zusätzliche manuelle Arbeit von Spielentwickler:innen, die den Spiele-Content beispielsweise noch feinzeichnen oder animieren müssen.
Eine generative KI wie GPT-2 hingegen könnte diese Aufgaben in Zukunft übernehmen. Die Untersuchung von Shyam Sudhakaran und seinem Team hat ergeben, dass der Text-To-Level-Zugang erstmals unbegrenzte Spielewelten auf kontrollierbare Art und Weise generieren kann.
Die Inhalte von Spielewelten, die Text-To-Level kreiert, sollen diverser, komplexer und eben auch unlimitiert sein. MarioGPT ist nach Angaben der Forscher:innen der erste Algorithmus, der auf diesem Modell basiert. Er soll eine weitere Automatisierung von Prozessen in der Spielentwicklung vorantreiben. Im nächsten Schritt will das Forschungsteam herausfinden, ob und wie der Algorithmus von menschlichem Feedback trainiert werden kann. So soll sich MarioGPT laufend weiterentwickeln und verbessern.