Das perfekte Replikat

Videospiele sind eine geeignete Plattform, menschliches Verhalten zu beobachten, aufzuzeichnen und zu analysieren. Die Spiele können aber auch davon profitieren, menschenähnliches Verhalten zu nutzen, um die Glaubwürdigkeit der virtuellen Welt zu erweitern. Ein Forscherteam von der Universität Bremen hat mit „Deep Player Behavior Modeling“ (DPBM) eine Technologie entwickelt, Strategien und Stile einzelner Spielerinnen und Spieler detailgetreu zu replizieren.

Ausgangslage // Eher künstlich als intelligent

In den meisten Videospielen haben sogenannte Non-Playable-Characters (NPC) eines gemeinsam: Sie beschränken sich auf simple Verhaltensmuster und wirken nicht sonderlich intelligent. Dabei werden diese häufig als Gegnerinnen und Gegner in Computerspielen eingesetzt. In der Wissenschaft ist das anders: Dort entwickelte KI-basierte Spielerinnen und -Spieler übertrumpfen sich im Schach, Dota2 oder StarCraft II gegenseitig– sie spielen inzwischen sogar die menschlichen Weltmeisterinnen und Weltmeister aus.

Für den Einsatz als computergesteuerte Agenten sind weder zu triviale noch zu anspruchsvolle Gegnerinnen und Gegner wirklich brauchbar. Eine Figur auf Augenhöhe mit den menschlichen Spielerinnen und Spielern würde eine optimale Herausforderung bieten.

In Online-Spielen kann zudem schon einmal die Verbindung wegbrechen – eine passende Vertretung existiert bisher nicht, wodurch sich der Spielverlauf stark verändern kann: Eingesetzte Bots könnten nämlich je nach Spiel deutlich besser oder schlechter abschneiden. Die Lösung für dieses Problem bietet ein perfektes Replikat der realen Spielerin oder des realen Spielers, die in einem solchen Fall als Ersatz einspringt. Eine solche Kopie, die das Verhalten echter Spielerinnen und Spieler wiedergibt, kann darüber hinaus genutzt werden, Spiele mindestens teilautomatisiert zu testen. Ein Ansatz, der Entwicklungsstudios viel Zeit und Geld sparen würde.

Lösung // Individuelle Replikation realer Spielerinnen und Spieler

Diese Anwendungsmöglichkeiten motivierten das Team der Universität Bremen dazu, detaillierte Verhaltensmuster von realen Spielerinnen und Spielern aufzuzeichnen und mithilfe maschineller Lernverfahren zu modellieren.

DPBM berechnet Abbildungen von Spielsituationsparametern auf Wahrscheinlichkeitsverteilungen von atomaren Aktionen, wie zum Beispiel Tastatureingaben. Auf diese Weise werden Profile für jede einzelne Spielerin und jeden einzelnen Spieler erstellt, die in vergleichbaren Situationen das Verhalten der echten Gamerinnen und Gamer detailgetreu nachahmen. Mithilfe dieser Modelle können Computergegnerinnen und -gegner erstellt werden, die sich anschließend wie eine individuelle Spielerin oder ein individueller Spieler verhalten. Um die Machbarkeit, Skalierbarkeit und Nutzungserfahrung zu messen, wurden die bereits genannten Anwendungsfelder in mehreren Spielen und Feldstudien evaluiert.

Ergebnis // Täuschend echte Doppelgängerinnen und Doppelgänger

Ohne ihnen etwas über die Funktionsweise der Computergegner zu erzählen, konnten Spielerinnen und Spieler des Massively-Multiplayer-Online-Role-Playing-Games AION (NCSoft) beobachten, dass die mittels DPBM modifizierten Gegnerinnen und Gegner über Zeit ihre eigenen Strategien und Vorlieben erlernten. Die Spielerinnen und Spieler berichteten, dass sie sich auf einmal darauf einstellen mussten, ihre eigenen Stärken und Schwächen zu erkennen und zu verbessern. Dies führte zu einer iterativen Spirale der Leistungssteigerung, sowohl für die Spielerin oder den Spieler als auch ihre jeweiligen individualisierten Herausforderinnen und Herausforderer.

Spielerinnen und Spieler des Kampfspiels Korona:Nemesis (Nevermind Creations) wurden damit konfrontiert, dass Mitspielerinnen und Mitspieler im Laufe von Onlinematches unangekündigt durch ein DPBM-Replikat ausgetauscht wurden –diese konnten nicht vom vorherigen Spieler oder der vorherigen Spielerin unterschieden werden. Nicht durch DPBM modellierte Gegnerinnen und Gegner wurden sofort entdeckt.

Mit den Modellen aus AION konnten automatisierte Spieletests durchgeführt werden, die das Verhalten von 213 Spielerinnen und Spielern auf hunderttausende Spielsituationen ausweiteten, untersuchten und systematische Unterschiede zwischen In-Game-Charakteren und Klassen entdeckten. Mithilfe von DPBM konnten auf diese Weise erfolgreich unausgeglichene Spielklassen reguliert werden. Darüber hinaus konnten auch Situationen getestet werden, in denen häufig Fehler und Spielabstürze auftreten.

Perspektive // Hand in Hand mit digitalen Klonen?

Die Möglichkeiten und Anwendungsfelder von detailgetreuen Verhaltensreplikationen sind vielfältig und nicht nur auf die Videospielindustrie begrenzt. Was in kleinem Maßstab überzeugte, möchte das Team auch auf weitaus komplexere Konstellationen ausweiten. Dazu gehören kollaborative und kompetitive Teamkämpfe oder großflächige Szenarien mit hunderten parallelen Spielerinnen und Spielern sowie Replikationseinheiten.

Neben adaptiven Herausforderungen können maßgeschneiderte Spielfiguren natürlich auch als Sparringspartnerinnen und -partner benutzt werden, um Übungseinheiten effizienter zu gestalten. Darüber hinaus können überzeugende, individuelle Repräsentationen von Spielerinnen und Spielern auch die Erkennung von unerwünschtem Verhalten wie zum Beispiel Cheating, Botting oder Identitätsdiebstahl in Onlinespielen vorantreiben.

Wir bedanken uns herzlich bei Dr. Johannes Pfau, wissenschaftlicher Mitarbeiter am Digital Media Lab an der Universität Bremen, für diesen Beitrag.

Mehr Informationen: https://nevermindcreations.de/
AION® und alle damit verbundenen Inhalte sind eingetragene Markenzeichen der NCSOFT Corporation. © NCSOFT Corporation. Alle Rechte vorbehalten.

KI Akteur
Universität Bremen
Neben renommierten Professuren verfügt die Universität über eine Bandbreite an Instituten, die im Bereich KI forschen. zum KI Akteur