Der „KI-Fußballspieler“ ist geboren, der dribbeln, stehlen, passen und schießen kann

Fußball ist ein weltweit beliebter Ballsport, bei dem der körperliche Kampf und die Zusammenarbeit im Vordergrund stehen.

Im wirklichen Leben ist es egal, ob die Leute Fußball spielen oder nicht, ob sie gut spielen oder nicht, immer wenn sie das Wort „Fußball“ sehen (hören), unterhalten sie sich vage darüber.

Tatsächlich ist es nicht ungewöhnlich, dass es im Fußball so viele Neuigkeiten gibt.

Aber wäre es eine relativ seltene Sache, wenn eine künstliche Intelligenz (KI) lernt, Fußball zu spielen, und zwar ziemlich gut ? Schließlich kann die aktuelle KI manchmal nicht einmal Fragen wie „War Lincoln vor 500 Jahren Präsident der Vereinigten Staaten?“ beantworten.

Am 1. September stellte ein Forschungsteam des britischen Unternehmens für künstliche Intelligenz DeepMind erstmals einen „KI-Fußballspieler“ vor, der eine Reihe von Aktionen wie Dribbling und körperliche Auseinandersetzungen ausführen und anschließend präzise Schüsse abgeben kann.

Abbildung | „KI-Spieler“ spielen ein 2-gegen-2-Spiel (GIF-Quelle: Science Robotics)

Obwohl die Regeln gelegentlich gebrochen werden und es beispielsweise keine Standardsituationen wie Eckbälle, Elfmeter und Freistöße im Spiel gibt, ist das Forschungsteam davon überzeugt, dass diese Forschung künstliche Systeme in Richtung einer Sportintelligenz auf menschlichem Niveau vorangebracht hat.

Die zugehörige Forschungsarbeit mit dem Titel „Von der Motorsteuerung zum Teamspiel im simulierten humanoiden Fußball“ wurde in der wissenschaftlichen Zeitschrift Science Robotics veröffentlicht.

Wie hat KI gelernt, Fußball zu spielen?

Wie wir alle wissen, werden bei einem normalen Fußballspiel zwei Mannschaften mit jeweils 11 Spielern, darunter 10 Feldspieler und 1 Torwart, auf dem Spielfeld gegeneinander antreten und gegeneinander angreifen.

Mit Ausnahme des Torwarts, der den Ball im eigenen Strafraum mit den Händen berühren darf, dürfen andere Spieler den Ball nur mit anderen Körperteilen als den Händen berühren (außer beim Einwurf). Das ultimative Ziel des Spiels besteht darin, den Fußball möglichst weit in das gegnerische Tor zu schießen.

Daher ist Fußball, egal ob in realen Spielen oder Online-Spielen, ein Sport, der individuelle Fähigkeiten auf die Probe stellt und stillschweigende Zusammenarbeit zwischen den Teammitgliedern erfordert . Es sei nicht einfach, einen hervorragenden Pass oder einen präzisen Schuss zu erzielen, und „dazu müssen viele Probleme gelöst werden, mit denen sowohl Menschen als auch Tiere konfrontiert werden.“

Obwohl das DeepMind-Team in dieser Studie die Spielregeln vereinfachte und die Anzahl der Spieler in beiden Teams auf 2–3 beschränkte, zeigten die Ergebnisse der Studie, dass KI-Spieler Fähigkeiten wie Treten, Dribbeln und Schießen erlernen können, ohne die Fußballregeln vorher zu kennen , und in simulierten Spielen 2-gegen-2- und 3-gegen-3-Fußballspiele absolvieren können.

„Sie erreichen eine integrierte Kontrolle in einer Umgebung, in der motorische Fähigkeiten und zielgerichtetes Verhalten auf hohem Niveau eng miteinander verknüpft sind“, schrieben Siqi Liu, Co-Erstautor und Co-Korrespondenzautor des Artikels, und sein Team.

Abbildung | „KI-Spieler“ führt eine Reihe von Aktionen aus, wie etwa Dribbling, Stehlen und Passen (Quelle der Grafikproduktion: Science Robotics)

Wie oben gezeigt, führten die Spieler des roten Teams in einem 2-gegen-2-Spiel eine Reihe von Aktionen aus, darunter Laufen, Pressing und Passen. Die gesamte Aktion war sehr natürlich und reibungslos und voller Unterdrückung.

Wie also wurde aus einem „Fußballneuling“ ein „hervorragender Fußballspieler“?

Der Grund liegt im dreistufigen Rahmen des maschinellen Lernens, den das Forschungsteam vorgeschlagen hat.

Zunächst muss der KI-Spieler das Laufen lernen, indem er sich Sportvideos von Menschen ansieht, da der anfängliche KI-Spieler keine Ahnung hat, was er auf dem Fußballfeld tun soll.

Abbildung | Vor dem Training (GIF-Quelle: Science Robotics)

Nachdem der KI-Spieler weiß, was er tut, kann er mit Hilfe von Verstärkungslernalgorithmen das Fußballspielen erlernen.

Abbildung | Nach 3 Tagen Training (GIF-Quelle: Science Robotics)

Schließlich ging der KI-Spieler noch einen Schritt weiter und lernte, im Team zu arbeiten und schwierigere Bewegungssteuerungen basierend auf einem anderen Verstärkungslernalgorithmus durchzuführen.

Abbildung | Nach 50 Tagen Training (GIF-Quelle: Science Robotics)

Es ist ersichtlich, dass sich das Fußballniveau des KI-Spielers verbessert, wenn dieser im Training weiterhin Umweltbelohnungen erhält und korrektes Feedback gibt.

Vom „Fußballneuling“ zum „hervorragenden Fußballspieler“: Die KI hat wieder einmal gezeigt, was sie kann.

Aber es ist immer noch nicht genug

In seinen klassischen Ausführungen zu den Grundlagen der Kognitionswissenschaft und der künstlichen Intelligenz argumentierte der Turing-Preisträger Allen Newell, dass sich menschliches Verhalten über mehrere Organisationsebenen erstreckt, von Muskelzuckungen im Millisekundenbereich über kognitive Entscheidungsfindung in Hunderten von Millisekunden bis hin zu langfristigem, zielgerichtetem Verhalten.

Verhaltensweisen auf höherer Ebene sind häufig mit komplexeren Interaktionen mit der äußeren Umgebung und anderen Entitäten verbunden . Die Entwicklung intelligenter Verhaltensweisen auf mehreren räumlichen und zeitlichen Skalen ist eine der langfristigen Herausforderungen für die künstliche Intelligenz physischer Entitäten.

Diese Forschung des DeepMind-Teams hat KI-Spielern mithilfe von KI-Technologien wie bestärkenden Lernalgorithmen flexible Bewegungssteuerungs- und Multi-Agent-Zusammenarbeitsfunktionen verliehen. Es ist ein hervorragendes Beispiel dafür, wie man integrierte Entscheidungsfindung auf mehreren Ebenen in einer Umgebung mit mehreren Agenten erlernen kann.

Abbildung | Konfrontation und Schubsen (GIF-Quelle: Science Robotics)

Natürlich weist diese Studie auch gewisse Einschränkungen auf.

Da beispielsweise die Anzahl der am Spiel teilnehmenden KI-Spieler relativ gering ist, fehlt ihm im Vergleich zur realen Welt immer noch ein gewisses Maß an Komplexität , und das bedeutet nicht, dass die KI komplexere Fußballspiele spielen kann. Wenn die Anzahl der KI-Spieler in zukünftigen Arbeiten erhöht wird, können möglicherweise interessantere Teamstrategien entwickelt werden.

Darüber hinaus haben KI-Spieler aufgrund der kurzen Zeit und des hohen Tempos nicht die Möglichkeit, den Rhythmus anzupassen, die Energie aufrechtzuerhalten, die Aufstellung zu bestimmen oder Spieler zu ersetzen, die eher defensiv oder offensiver spielen.

Darüber hinaus gab das Forschungsteam an, dass ihre Methode nicht für das direkte Lernen auf Roboterhardware geeignet sei und die Forschungsergebnisse nicht schnell von der simulierten Welt in die reale Welt übertragen werden könnten.

Die Forschungsergebnisse zeigen jedoch das Potenzial lernbasierter Methoden zur Generierung komplexer Bewegungsstrategien und befassen sich auch mit einer der Hauptherausforderungen des Simulations-Real-Transfers, der im Simulationstraining auftritt.

Am Ende des Papiers schrieb das Forschungsteam: „Eine der spannendsten Forschungsrichtungen wird sein, wie sich eine mehrstufige Bewegungsintelligenz ähnlicher Komplexität auf agiler Roboterhardware erreichen lässt.“

In Zukunft wird KI leistungsfähiger sein, als Sie sich vorstellen können. Was denkst du darüber?

Quellen:

www.science.org/doi/10.1126/scirobotics.abo0235