Wie Künstliche Intelligenz Computerspiele löst: Algorithmen diskutieren und auf die industrielle Praxis anwenden

Anfang Mai geht die Machine Learning Reading Group (MLRG) der AICommunityOWL wieder an den Start. Im ersten Treffen geht es um Lern- und Optimierungsalgorithmen, die Computerspiele lösen können und deren Techniken auf die industrielle Praxis übertragbar sind. Neben Machine Learning-Expertinnen und Experten, wissenschaftlichen Mitarbeitenden und Studierenden der TH OWL sind auch externe Forschungsinstitute und Firmen beteiligt.

„Im Maschinellen Lernen tut sich gerade eine Menge auf sehr vielen Ebenen, sowohl in den etwas abstrakteren, als auch in den angewandten Gebieten“, erklärt Initiator Professor Dr. Markus Lange-Hegermann, der am Fachbereich Elektrotechnik und Technische Informatik der TH OWL Mathematik und Datenwissenschaften lehrt. „Ich finde es sehr wichtig, dass man sich von den theoretischen Arbeiten leiten lässt und schaut, was zurzeit mit Künstlicher Intelligenz möglich ist.“

Im ersten Treffen der Machine Learning Reading Group am 4. Mai wird es um die datenbasierte Optimierungstechnik „Reinforcement Learning“ gehen. „Bei dieser Technik probiert der Algorithmus etwas aus und bekommt dann eine Rückmeldung, wie erfolgreich der Schritt war. Mit der Zeit macht der Algorithmus dann immer öfter erfolgreiche Schritte und immer seltener die weniger erfolgreichen“, erklärt Professor Lange-Hegermann. „Diese Technik wird gerne an Computerspielen getestet. Sie ist aber auch für die industrielle Praxis sehr wichtig, weil wir dort Algorithmen brauchen, die clever genug sind, um die richtigen Entscheidungen zu treffen. Unsere Motivation ist also zu verstehen, was in den Computerspielen gemacht wird, um das auf die industrielle Praxis übertragen zu können.“

In vielen Computerspielen waren Computer lange den Menschen deutlich unterlegen, so auch im Echtzeit-Strategiespiel StarCraft II. Zum einen könne der Computer nicht langfristig strategisch planen, so Professor Lange-Hegermann. Zum anderen müssten Algorithmen bei einem Spiel in Echtzeit viel schneller reagieren und sich auf der Grundlage von sehr vielen Details zwischen vielen verschiedenen möglichen Aktionen entscheiden. Vor zwei Jahren ist es einem Computerprogramm dann erstmals gelungen, professionelle Spielerinnen und Spieler in StarCraft II zu schlagen. „Es geht uns jetzt darum, nachzuvollziehen, welche Lern- und Optimierungsalgorithmen dafür genutzt worden sind und welche dieser Techniken in industriellen Feldern angewandt werden können“, sagt Professor Lange-Hegermann. „Diese Algorithmen sind universell einsetzbar. Sie müssen zwar angepasst werden, aber sind grundsätzlich gut auf die Industrie übertragbar.“

In der Machine Learning Reading Group sollen aktuelle Paper zum Thema gemeinsam gelesen und diskutiert werden. Vortragende sind Arthur Müller, wissenschaftlicher Mitarbeiter am Fraunhofer IOSB-INA, und Andreas Besginow, wissenschaftlicher Mitarbeiter am Institut für industrielle Informationstechnik (inIT) der TH OWL.

Um an der Machine Learning Reading Group teilzunehmen, ist Grundlagenwissen im Maschinellen Lernen erforderlich. Das erste Treffen findet am 4. Mai ab 16 Uhr online statt. Im Anschluss sollen monatlich weitere Treffen stattfinden. Interessierte sollten zur Vorbereitung die angekündigten Paper lesen. Teilnehmen können beispielsweise Studierende technischer Fachrichtungen wie Data Science, Technische Informatik, Elektrotechnik oder Information Technology. Organisator Professor Lange-Hegermann möchte in dem Format Expertinnen und Experten für Maschinelles Lernen aus der Region zusammenbringen: „Ich erhoffe mir lebhafte Diskussionen.“

Mehr Informationen zum Treffen der MLRG am 4. Mai


Hintergrund:

Die AICommunityOWL ist ein Netzwerk aus AI-Enthusiasten – gegründet 2020 von Mitgliedern des Fraunhofer IOSB-INA, der Technischen Hochschule OWL, dem CENTRUM INDUSTRIAL IT – CIIT und Phoenix Contact. Gemeinsam wollen sie das Thema Künstliche Intelligenz in Forschung und Industrie vorantreiben, um Lösungen für die Herausforderungen der Zukunft zu schaffen: für die Industrie, für Mobilität, für intelligente Gebäude und Smart Cities.