KI in Videospielen

Retro-Games & Retro-Technik
1

Ein Thread, in dem alles zum Thema Künstliche Intelligenz / Computergegner in Videospielen diskutiert werden kann. Beispiele:

  • Dampf ablassen über schlechte KI in alten Rundenstrategie-Spielen
  • Ist Wegfindung KI oder nicht? (meine Antwort: In TBS nein, in RTS in der Regel schon)
  • externe KI (Bots) gegen menschliche Spieler

Ich mach den Anfang mit Bots in StarCraft. Der YouTube-Algorithmus hat mir in der letzten Woche ein paar Videos empfohlen. Ich verfolge nicht die StarCraft Szene, aber soweit ich verstehe:

  • Vor 10 Jahren hat zum ersten mal eine KI gegen einen GrandMaster im Brettspiel Go gewonnen (Showmatch AlphaGo versus Lee Sedol). Das schlug Wellen, weil die KI anders funktionierte als Schachcomputer - Stichwort Reinforcement Learning und Neuronale Netzwerke.
  • Vor knapp 7 Jahren hat dann Google DeepMind ebenfalls einen GrandMaster in StarCraft II besiegt (Showmatch AlphaStar vs Serral). Jedoch kam kurze Zeit später ein StarCraft II Update, wodurch AlphaStar dann nicht mehr funktionierte.
  • In StarCraft Brood War gab es bisher keinen Bot, der mit Top Spielern mithalten konnte. Bots kommen da aus der Community und nicht von großen KI Unternehmen.
  • Vor ein paar Wochen gab es einen KI Wettbewerb für StarCraft Brood War. Pluto AI gewann diesen Wettbewerb.
  • Vor einer Woche hat ein Hacker eine Version von Pluto AI gestohlen und in der Ladder mit MapHack eingesetzt. MapHack heißt, dass der Bot die ganze Karte ohne Scouting sehen kann. MapHack sorgt aber auch dafür, dass PlutoAI nicht richtig funktioniert und komische Entscheidungen trifft. Wenn man gecheatete Profile ignoriert, dann hat der Bot die Top 10 der Ladder erreicht. Leute, die gegen die KI beschwerten sich aber über Lag, wahrscheinlich verursacht durch die 2000 APM (Actions per Minute) des Bots.
  • Vor ein paar Tagen haben dann ein paar amerikanische Spieler gegen die echte Pluto AI gespielt, und wurden regelrecht vernichtet. In StarCraft I BroodWar sind jedoch Koreaner dominant. Die echte Pluto AI spielte mit ungefähr 500 APM.

Ich würde behaupten, dass eine sehr gute KI ausreichen könnte, um einen menschlichen Spieler in einem RTS / Echtzeitstrategie-Spiel wie StarCraft zu besiegen. KI hat da einfach Riesen-Vorteile, sobald der menschliche Spieler sich um 50+ Einheiten kümmern muss. Nichtsdestotrotz sind die beteiligten Spieler überrascht, weil sie bisher keine so starke KI gesehen haben. Die KI ist wahrscheinlich mit der Terran Fraktion am stärksten, weil man da mit guter Einheitenkontrolle mehr rausholen kann.

Hier ein paar Videos: Ein Terran vs Zerg Ladder Match mit dem gehackten Bot. Gleiches Match aus Perspektive des Zerg Spielers. Der Spieler (Ret) hat nie zuvor in der Ladder gegen einen Bot gespielt, und ist sich erst sicher, dass es sich um einen Bot handelt, als er nach dem Match die APM des Gegners sieht. Zufälligerweise wird der Spieler vor dem Match auf KI angesprochen. Während des Matches wundert sich der Spieler darüber, dass der Gegner A-Rank erreicht hat, weil der Gegner Gebäude falsch positioniert, keine Turrets baut und gegnerische Marines versuchen seinen nicht erreichbaren Overlord anzugreifen. Sobald es zum ersten Kampf kommt, ist der menschliche Spieler jedoch chancenlos. Trotzdem meint er am Ende des Matches, dass er hätte gewinnen müssen.

Und hier zwei Videos mit der echten Pluto AI. Ein Best-of-5 Spiel gegen einen amerikanischen Top Spieler (Nesh), welcher die Terran Fraktion benutzt.

Der Kommentator (Artosis) vom obigen Video hat danach selbst gegen den Bot gespielt. Ein Zusammenschnitt.

Zwei psychologische Phänomene, die ich beobachten konnte:

  • Dunning-Kruger-Effekt: Das eigene Wissen und Können wird überschätzt. Die menschlichen Spieler sehen, was der Bot alles falsch macht, erkennen aber nicht die Bereiche, wo der Bot überlegen ist.
  • 7 Stages of Grief. Die Spieler denken zuerst, der Bot gewinnt nur wegen MapHack und Lag.
1 „Gefällt mir“
2

Der sog. Dunning-Kruger-Effekt ist meines Wissens durchaus umstritten, inwiefern er tatsächlich so ausgeprägt ist, wie die beiden Herren behaupteten. Allerdings sind wir in der Regel sehr schlecht darin potentielle Entwicklungsmöglichkeiten gedanklich fortzuschreiben. Deswegen gehen die meisten Prognosen in der Regel ja auch nie auf. Bestes Beispiel, die technologische Entwicklungsfähigkeit von China. Haben Anfang der 2000er nur wenige so richtig erwartet, siehe deutsche Automobilindustrie.

Es wird nur eine Frage der Zeit und des Ressourcenaufwands sein, bis die KI immer besser spielen wird als ein Mensch.

Wegfindung in TBS unterscheidet sich imho nicht von Schach, und ist durchaus potentielles KI-Terrain.

3

Mit Wegfindung meinte ich in meinem ersten Post einfach nur, dass du Einheiten einen Befehl erteilst, und diese dann den kürzesten / besten Weg zum Ziel finden. In meiner Wahrnehmung kann man in den meisten alten Rundenstrategiespielen mehrere Einheiten auf ein Feld packen und dann gibt es einfache Algorithmen (z.B. Dijkstra), die dir den kürzesten Weg zum Ziel berechnen (unveränderliche, positive Kantengewichte). In Echtzeitstrategiespielen hingegen behindern sich die Einheiten in der Regel gegenseitig (veränderliche, positive Kantengewichte).

Und obwohl es einfache Kürzeste Wege Algorithmen gibt, finden alte TBS Spiele nicht immer den kürzesten Weg. Beispiel 1: Eine Einheit mit einem Schritt pro Runde will zu einem 2 Felder diagonal entfernten Ziel, wobei ein Hügel oder Berg im Weg ist. Der Weg über den Hügel dauert 2 Runden; der Weg um den Hügel herum dauert 3 Runden und trotzdem entscheidet sich die Einheit für den Weg um den Hügel herum. Im Screenshot sieht man Master of Magic, aber ich hätte da auch Colonization oder Civilization 2 nehmen können. Der Grund wieso es passiert: Das Spiel optimiert über „Schritte“ anstatt Runden. Ein Hügel sind 3 Schritte, Grasland dagegen 1 Schritt.

magic_000
magic_000200×180 5.17 KB

Beispiel 2: Warlords 2 bei Wechsel zwischen Land und Wasser. Eine Einheit verliert die verbleibenden Schritte, wenn sie in ein Boot umgewandelt wird. Die Stadt links lässt sich innerhalb einer Runde über den Landweg erreichen. Über Wasser dauert es jedoch 3 Runden, obwohl der Weg deutlich kürzer ist, wenn man nur die „Schritte“ zählt.

warlord2_000
warlord2_000360×360 9.82 KB

4

Da mir bei Strategiespielen jegliches Geschick fehlt, hatte ich bei Age of Empires 2 immer gefühlt das Problem, dass die KI entweder grenzdebil baute und nie angriff hat oder mich bei der nächst höheren Stufe innerhalb weniger Minuten überrante.

1 „Gefällt mir“
5

Wobei es natürlich Spiele und Genres gibt, bei denen man mit „klassischer“ KI nicht so richtig viel weiter kommt und selbst LLMs vermutlich so ihre Probleme haben werden. Bei Spielen mit relativ überschaubarem Entscheidungsspielraum wie z.B. Quake, Age of Empires oder meinetwegen auch Go und Schach wird man da ganz gut trainieren können. Bei Spielen mit komplizierten Regelwerken und einem schier unüberschaubaren Pool an möglichen Strategien und Interaktionen wie Magic: The Gathering hingegen wird das nicht so einfach sein oder zumindest sehr viele Ressourcen erfordern.

6

Mir haben Leute vor 20 Jahren gesagt, Übersetzungstools würden niemals einen Übersetzer ersetzen können, weil Sprache viel zu komplex sei. Go galt lange für nicht machbar, weil die Zahl der möglichen Züge nicht so einfach mit purer Rechenkraft vorausberechnet werden kann wie Go. Ich bin mir sicher, dass KI in allen Bereichen mit strategisch-logischem Denken den Menschen früher oder später mindestens Paroli bieten wird. Es ist imho nur eine Frage der Zeit, die wir am besten dafür nutzen sollten zu überlegen, wie wir damit umgehen.

3 „Gefällt mir“
7

Trotz allen Fortschritts, hat man das Gefühl, dass es in Spielen nicht wirklich voran geht. Ich denke, weil es einfach anders funktioniert. Wegpunkte, Sperrzonen, Prioritäten.

Zufällig bin ich bei Gamestar plus gerade hier drauf gestoßen.

https://store.steampowered.com/app/5246700/Defilade/

Das soll im Strategie Bereich für mehr Realismus sorgen.

Was machine learning angeht war das sehr spannend.

https://youtu.be/zFLQU70QstY?is=zEL9AYBiiYKF8S8T

1 „Gefällt mir“
8

Schon interessant, aber ich würde seinem Fazit, dass die KI nicht die gleiche Kreativität entwickeln könne wie ein Mensch, nicht vorbehaltlos zustimmen. Wenn auch nur die Hälfte von dem korrekt ist, was im Podcast I’m Sorry Dave aus den Logs der ausgebrochenen KI-Agenten zitiert wird, dann ist das bereits jetzt der Fall. Denn der Hugging-Face-Vorfall war eine Aktion, die eigentliche Aufgabenstellung zu umgehen.

9

Mir scheint OP wirft ein bisschen viel in einen Topf.

„AI“ war ja allgemein immer eine Bezeichnung für Computergegner, hat nichts zu tun mit den heutigen Dingen unter dem Label.

AI-Forschung ist Jahrzehnte alt, mindestens seit den Fünfzigern. Die große Vision einer „Artificial General Intelligence“-Wollmilchsau, also was heute mehr oder weniger gut in Ansätzen verwirklicht ist, gab’s damals durchaus schon. Damals gab’s zwei Lager: Der Neuronale Netze-Ansatz (das menschliche Gehirn „nachbauen“) vs formale Logic und Knowledge Base-basiert (also so in etwa wie Wolfram Alpha, Wikidata-Entitäten, klassische Algorithmen). Der erste scheint sich durchgesetzt zu haben (war lange Zeit prohibitiv wegen der benötigten Performance und funktionierte dann irgendwann aus menschlich-psychologischer Sicht besser als erwartet, der Erfolg von ChatGPT anfangs wird oft als „Unfall“ bezeichnet), aber Ansätze des zweiten werden immer mehr eingebaut zwecks Effizienzgründen und Reduktion der Halluzinationen („Generier mir 'ne Liste“ vs „Schreib ein Python-Scrypt, dass mir diese Liste generiert“, zweiteres passiert immer mehr implizit im Hintergrund bei den heutigen LLMs).

Pathfinding ist ein sog. NP-hartes Problem. Solche Problemstellungen waren immer Teil der KI-Forschung, auch wenn die Lösungsansätze, meist heuristisch und klassisch-algorithmisch, nichts mit Ansätzen, die auf Neuronalen Netzen basieren, zu tun haben.

„AI“-Bots können per landsläufiger Bezeichnung dann ja nur klassisch-algorithmisch sein (da kann man sich durchaus ärgern wenn man gegen so einen Bot verliert, die haben ganz klar ihre eigenen Vor- und Nachteile: potenziell leicht durchschaubar und Schema-F, aber eben theoretisch unmenschliche Reaktionszeiten), oder natürlich heutzutage auch Deep-Learning-basiert. Allerdings kostet das ja 'nen Haufen Ressourcen, jemand muss die Bots also aufsetzen, die ja dann unter 'nem normalen Spieler-Account laufen, und die Rechnung dafür zahlen.

Bei „KI in Spielen“ (neuronal) ist dann auch die Frage, wer zahlt’s, und ist es den Aufwand wert. Gerade in Open Source (wofür ich mich interessiere). Ich seh aber bereits Experimente mit kleinen Off-Thread-Deep-Learning-Ansätzen mit lokalen Modellen, die also im Hintergrund eine „Grand Strategy“ planen, ausführen tut dann immer noch der Gegner-Algorithmus im klassischen Sinn.

2 „Gefällt mir“
10

Wie genau definierst du in diesem Zusammenhang „Pathfinding“?
Ich wüsste jetzt spontan kein Problem, auf welches das so zutrifft:

  • Der Handlungsreisende ist NP-Vollständig. Das ist für Videospiele aber irrelevant, weil man ja nur einen Weg sucht und nicht einen Weg durch alle Knoten.
  • Den kürzesten Pfad durch einen gewichteten Graphen von Knoten A zu Knoten B zu finden ist in polynomieller Zeit lösbar und somit nicht NP-schwierig
  • Das Euclidian shortest path problem („kürzester Pfad auf einem euklidischen Körper“) ist in der Tat NP-schwierig, aber hat gute Approximations-Algorithmen, die für den Anwendungsfall in Videospielen wahrscheinlich ausreichen

Darüber hinaus ist „NP-schwierig“ auch nicht immer ein Totschlagargument dafür, dass etwas unlösbar ist. Es gibt meiner Erinnerung nach viele NP-schwierige Probleme, die mit genug Restriktionen dann doch wieder ganz gut lös- oder zumindest approximierbar sind.

11

Ähnlich wie @scr0llbaer sehe ich auch, dass es KI und KI gibt.

Die KIs AlphaGo und DeepMind sind neurale Netze die zuerst mit einer riesigen Anzahl an Runden auf die Spiele trainiert wurden. Hier weiß kein Mensch warum das neuronale Netzt dieses oder jedes tut.

Klassische KI sin Spielen sind im wesentliche Skripte für die Spielelemente, Programmierung was der Computer wann tun soll. Die Entwickler wissen genau was er tut. Das wird zwar KI genannt, hat aber nichts mit Intelligenz in irgend einer Weise zu tun, sondern ist letztlich „nur“ ein komplexes Regelwerk.

Daher sehe sehe ich „KI-Gegner“ in Spielen letztlich als abstrakte Herausforderung. Man spielt nicht gegen einen, wie auch immer, nachgeahmten Menschen, sondern man versucht gegen eine gewisse Programmierung, ein Regelwerk, zu gewinnen.
Typischer Weise sind reine Singleplayer-Spiele, gerade die vielen match-basierten Roguelikes u.ä. dieser Tage, darauf besser ausgelegt. Den einen Mensch kann andere Dinge, wie improvisieren, was ein Regelwerk nicht kann. Ob Single- oder Multiplayer macht einen großen Unterschied im Gamedesign und Entwicklung. Beides gleichzeitig zu versuchen führt typischer Weise zu Problemen an der ein oder anderen Stelle. Nicht um sonst hat z.B. SC2 unterschiedlich Einheiten-Stats für Single- und Mutliplayer.

z.B. sehe ich Tower Defense als eine Weiterentwicklung von klassischem RTS, die Probleme wie Wegfindung umgeht in dem es Einheiten keine (große) Wahl lässt. Hier wird konsequent die Herausforderung durch ein Regelwerk umgesetzt.
Spieler und Computer haben unterschiedliche Möglichkeiten, die aufeinander abgestimmt wurden um ein passendes Spielerlebnis zu erzeugen.

Und was meiner Erfahrung nach Spieler in Spielen RTS im Skirmish und Multiplayer (Kampagne mal außen vor) wollen ist eine spannende Herausforderung. Weder einen Gegner den man schnell besiegt, noch derjenige sein der in kurzer Zeit platt gemacht wird. Im Flow sein.
Und nach dem jeder Spieler ein anderes Niveau an können hat sollte der künstlicher Gegner sich daran anpassen können. Die typische Lösung ist, dass man sich die Schwierigkeit des KI-Gegners aussucht, aber es gibt aber auch Singleplayer-Ladder-Systeme womit sich die Schwierigkeit an das Können des Spielers anpasst.
Bei den neuronalen Netzen frage ich mich wie das möglich sein soll. Vielleicht geht das auch irgendwann, aber wie @scr0llbaer schon erwähnt hat ist das auch eine Kostenfrage.

tl;dr Computer können gut dynamische Regelwerke als Herausforderung bieten, aber eben nur schwer einen Menschen nachahmen, wenn man nicht neuronale Netze nutzt. Und das hat noch seine eigenen Herausforderungen.

12

Ich stimme zu, dass es verschiedene Typen / Arten / Klassen von KI gibt. Bewegung nach vorgefertigten Mustern wie in Crypt of the Necromancer oder Tower Defense ist für mich jedoch keine KI. Meiner Meinung ist KI etwas, was den Programmierer vor einer Herausforderung stellt (anstatt den Gamedesigner).

Ein Definitionsversuch: Wir haben eine Reihe von verwandten Problemen (z.B. verschiedene Karten). Jedes Problem hat eine unüberschaubare Anzahl an Lösungen - viel mehr als man je durchiterieren könnte. Jeder Lösung kann man objektiv einen Gütegrad zuweisen. Die besten Lösungen jedes Problems können nicht durch einen einfachen Greedy-Algorithmus gefunden werden. Das Ziel ist es für die allermeisten Probleme eine gute Lösung zu finden.

Andere Leute nutzen andere Definitionen. Viele Leute meinen, KI setzt Machine Learning voraus, und es gibt richtige KI erst seit 10 Jahren, auch wenn schon vor 50 Jahren von KI geredet wurde. Ich zähle selbst ein Programm als KI, dass nur Fallunterscheidungen macht, solange es eine schwere Aufgabe in akzeptabler Weise löst. Ein paar KI Typen, die mir einfallen würden:

  1. Unoptimiert / handgepicktes Verhalten: Der Programmierer gibt das komplette Verhalten der KI vor. Beispielsweise Computergegner (Bots) in Unreal oder Unreal Tournament. Die Gegner haben verschiedene Zustände, auf der Karte sind Pathnodes verteilt. Das Verhalten der Gegner lässt sich vorhersagen, wenn man den Quellcode und korrespondierende Faktoren kennt (wie gegenwertiges Fokusobjekt, Zustand, umliegende Pathnodes).

  2. Optimiertes Verhalten mit vorgegebenen Gütekriterien. Der Programmierer denkt sich mehrere Qualitätsmerkmale / Gütekriterien aus und verknüpft sie in einer mathematischen Formel mit noch zu bestimmenden Parametern / Gewichten (z.B. Qualität1 x Parameter1 + Qualtiät2 x Parameter2 + … ). Durch eine hohe Anzahl an langen Simulation versucht der Programmierer gute Parameter für die KI zu finden. Beispiele wären klassische Schachprogramme oder die meisten Tetris KIs. Bei Schach wäre ein Qualitätsmerkmal die Wertigkeit deiner Schachfiguren minus der Wertigkeit der gegnerischen Figuren (Dame | Turm | Springer zählt 8 | 5 | 3 mal soviel wie ein Bauer). Oder wie sehr man die Mitte des Schachbretts dominiert, oder wie sehr der König beschützt ist (keine Ahnung wie man das misst). In Tetris wären Qualitätsmerkmale sowas wie durchschnittliche Höhenunterschiede des Stacks in benachbarten Spalten oder Anzahl der Löcher. Die KI erforscht dann vor jedem Zug den Entscheidungsbaum und nimmt dann den Zug, der zum gefundenen Spielfeld mit dem besten Wert in der mathematischen Formel führt (in Schach wäre das so eine Art Min-Maxen, weil man alle möglichen gegnerischen Züge einberechnen muss). Dann lässt man die KI z.B. 1000-Stein-lange Sequenzen mit verschiedenen Parametern spielen (via Verfahren der globalen, nicht-glatten Optimierung) und nimmt dann die Parameter, wo die KI am besten performt hat (z.B. höchste Punktzahl, oder meiste gesendete + downgestackte Lines in Multiplayer).

  3. Neuronale Netzwerke mit Reinforcement Learning. Ich habe nicht wirklich Ahnung wie das funktioniert, aber mein Erklärungsversuch: In Typ 2 wurden Werte für Qualitätsmerkmale aus den Spielfeldern berechnet und danach wurden die Spielfelder ignoriert. Hier ist das Spielfeld selbst der Input (Inputvariablen) für das neuronale Netzwerk - dem neuronalen Netzwerk müssen werden alle Informationen zum aktuellen Spielfeld übergeben. Der Output wäre dann sowas wie berechnete Gewinnwahrscheinlichkeit oder wie wahrscheinlich ist es, dass ein Profi einen Zug macht. Im neuronalen Netzwerk stecken eine große Anzahl an Parametern / Gewichten, die bestimmen, wie der Output berechnet wird. Diese Parameter müssen jetzt optimiert werden. Dazu werden dem Netzwerk tausende mal von verschiedenen Situationen gezeigt, und durch Backpropagation werden die Parameter so angepasst, dass der Output der KI für jede Situation den beabsichtigten Werten annähert. Danach lässt man die KI gegen sich selbst spielen, um noch bessere Parameter zu finden.

Wahrscheinlich müsste man Typ 1 noch weiter unterteilen, aber ich wüsste nicht wie. Ich würde behaupten Typ 1 macht mehr als 95% der KI aus, die intern in Computerspielen eingebaut ist. Typ 3 wäre dann unter 0,1%., und auch nur auf einfache Problemstellungen angewendet. Mir ist nur ein Fall von Typ 3 bekannt: Für die KI in Tetris Ultimate wurde ein externes KI Unternehmen angeheuert und das hat neuronale Netzwerke benutzt. Die resultierende KI war grottenschlecht. Der Fall ist aber schon 10 Jahre her - heute würden KI Unternehmen eine bessere Arbeit abliefern. Pluto AI wäre ein Fall von erfolgreichem Typ 3, wo nur eine einzelne Privatperson beteiligt war.

13

Um zu erklären, wieso ich in meinem Eingangspost, die Frage aufgestellt habe: Ist Wegfindung wirklich KI? Das liegt daran, dass ich mir einmal einen AufEinBier Podcast angehört hatte. Die Folge ist meiner Meinung nach aber nicht empfehlenswert. Gedächtnisprotokoll: Es geht hauptsächlich um die Frage, wieso KI in Videospielen so schlecht ist. An einer Stelle beschwert sich Jochen Gebauer darüber, dass in alten Gaming Reviews andauernd von Wegfindungs-KI geredet wird und sagt, dass wäre keine KI.

14

Wenn man das Verhalten von NPCs als begriffliche Basis nimmt, würde ich die Wegfindung schon als KI bezeichnen, weil sie einen Teil des Verhaltens darstellt. In den typischen Echtzeitstrategiespielen kann ich normalerweise gut damit leben, wenn KI schummelt, um ihre Schwächen auszugleichen. Wenn die Wegfindung mal wieder nicht optimal ist, weil die KI hier häufig zu doof ist, wird das dann halt durch den Wissensvorteil der KI mehr oder weniger gut ausgeglichen. Aber was würde auch ein Spiel nützen, dass nur noch von Profis durchgespielt oder gewonnen werden kann? Hätten Entwickler die Absicht, so was zu machen, könnten sie das inzwischen bestimmt besser umsetzen, aber der Entwicklungsaufwand wäre dann höher. Spiele wie C&C oder StarCraft waren sehr wahrscheinlich absichtlich so gestrickt und konzentrierten sich einfach auf das Balancing und sie hatten, soweit ich mich erinnere, auch keine unterschiedlichen Schwierigkeitsgrade, im Gegensatz zu Rundenstrategiespielen wie Panzer General oder Korsun Pocket. Dort hat man häufig mehrere Schwierigkeitsgrade, die sich dann auch auf die KI auswirken können. Eines der Spiele mit besonders intelligenten Gegnern war Silent Service (dort hatte man deshalb auch mehrere Möglichkeiten, den Realismus-Grad anzupassen, damit Einsteiger überhaupt eine Chance hatten). In den viel später erschienenen Teilen von Silent Hunter verhielten sich die Gegner deutlich weniger intelligent. Das zeigt schon, dass die Game-KI-Fortschritte viele Jahre der technischen Game-Entwicklung hinterherhinkten. Aber es gibt durchaus Fortschritte im Bereich Gaming-KI. Inzwischen gibt es sogar universell implementierte Open Source KI-Engines, die man frei verwenden kann.

Ich kenne bisher noch kein Spiel, das ich gespielt habe, wo ein neuronales Netz zu einer erkennbaren KI-Steigerung geführt hat oder die Voraussetzung dafür gewesen wäre. Ich glaube, in Battlecruiser 3000 A.D. wurde so was mal implementiert, was aber letztendlich dann nur zu mehr Rechenaufwand geführt hat. Kann sein, dass das heute anders ist, aber ich kenne da kein praktisches Beispiel abseits der bekannten Brettspielklassiker wie GO oder Schach. Aber die Frage ist durchaus interessant.

1 „Gefällt mir“
15

Habe ich auch nicht behaupten wollen. Für mich zählt lediglich die abstrakte Herausforderung, egal wie genau sie zustande kommt.

KI ist eh so ein schwammiger Begriff und jeder versteht darunter was anders … KI ist für vor allem ein Gattungsbegriff als sonst was.

Ich finde es wichtig die Unterkategorien zu unterscheiden.

Was ist dir an dieser Frage wichtig? Welche Probleme lösen wir wenn wir darauf eine Antwort haben?
Und wie das vorherige Zitat zeigt, definierst du KI anders als andere.

Ich würde dir wenig bei deiner Kategorisierung widersprechen, nur dabei abzugrenzen was KI ist und was nicht. Mit KI als Gattungsbegriff fällt für mich alles darunter.

Da gilt das gleiche wie oben, was haben wir davon Wegfindung raus oder rein zu definieren?

Ich finde es wichtig zwischen neuronalen Netzen (die mit Daten trainiert werden und man Entscheidungen von außen nicht nachvollziehen kann) und klassischer Programmierung zu unterscheiden.
Ich will nicht sagen, dass eines von beiden besser ist bzw. kommt es wenn dann auf wofür.

16

Mir ist das mit der Wegfindung unwichtig. Ich habe den Thread erstellt, um primär Links zu teilen. Ich gehe davon aus, dass es in den nächsten 2 Jahren interessante Entwicklungen in Sachen KI in Videospielen geben wird. Und vielleicht nutze ich den Thread noch, um eine Liste von Gründen zu erstellen, wieso Videospiele schlechte KI haben.

17

Das wäre spannend zu erfahren. Ich glaube das weniger. Wenn man z.b. bei Warcraft III (meine ich) Maps gebaut hat, bei denen der Startpunkt von einem dicken Wald umgeben war, hat man den Computer nie zu sehen bekommen.

Bei C&C haben die Sammler irgendwann Kanonen bekommen, weil sie mit Infanterie nicht klar gekommen sind. Durch die Gegner Basis sind sie u.U. trotzdem gefahren.

Ich frage mich schon warum das scheinbar so anders funktioniert als z.B. bei Unreal die Bots mit Wegmarken.

Aber grundsätzlich stimme ich dem Begriff KI schon zu, auch wenn wir jetzt andere Formen kennengelernt haben. Ein super spannendes Thema, leider habe ich keine Ahnung von Programmierung und modding, aber wenn, dann wäre es das Thema.

18

Ich weiß nicht. „Frontier“ LLMs finden mittlerweile z.B. relativ viele extrem komplexe Linux-Kernel-Bugs. Manchmal sind dazu tiefe Kenntnisse des Ineinandergreifens komplett unterschiedlicher, über Jahrzehnte organisch gewachsener Kernel-Subsysteme (mit, theoretisch zumindest, bis zu Millionen Codezeilen) nötig. Manche davon benötigen das tief Einbeziehen mehrerer wortwörtlich mehrtausendseitiger Hardware-Spezifikationen. (Das „ARM ARM“ z.B. hat 15000 Seiten, und das ist nur die allgemeine Spec, kein spezifischer Chip.)

Gerade was z.B. Anthropics Mythos aufdeckt ist dabei beeindruckend. Die Entedeckung einiger Bugs die ich gesehen habe basiert auf so viel extrem penibler Sorgfalt, gepaart mit einer ordentlichen Portion Um-die-Ecke-Denken, dass mir das von einem superkomplexen Strategiespiel nicht sehr weit erscheint.

Vor nur 2 Jahren habe ich die Fähigkeiten der damals gängigen LLMs sehr belächelt. Das Zeug war z.B. für Assembler-Programmierung abseits des totalen Mainstream beinahe unbrauchbar, meine Kollegen bestätigten das. Das hat sich seither komplett verändert, die Sachen die wir mittlerweile ausprobiert haben sind schier unglaublich für uns. Ich bin definitiv von meiner anfänglichen Skepsis schier geläutert worden.

Und selbst ein testweises lokales Modell auf meiner GPU (Qwen3.8-27B) kann überraschend viel.

Ich weiß nicht, wieso Strategiespiele von dieser Entwicklung verschont bleiben sollten.

2 „Gefällt mir“
19

Ich bin mir nicht sicher, wo genau du mir da widersprichst? Ich habe doch Strategiespiele ausdrücklich als Beispiele genannt, wo man LLMs und traditionellere Spiele-KI sehr gut einsetzen kann.

20

Das Wort „Strategiespiele“ war von mir wohl falsch. Ich meinte das was ich sagte einfach für alle genannten Arten von Spielen, inklusive diesen:

Immerhin treffen „komplexe Regelwerke“ und „schier unüberschaubare Pools ans möglichen Strategien und Interaktionen“ definitiv auf meine Beispiele zu, mehr als auf MTG, würde ich wagen zu sagen.

2 „Gefällt mir“