Videospiele sind Fluch und Segen zugleich. Auf der einen Seite möchten Eltern die eigenen Sprösslinge gerne häufiger im Garten spielen sehen, auf der anderen Seite entstehen durch das Spielen Jobs, mit denen man recht viel Geld verdienen kann. Ganze Ligen und Ökosysteme entstehen aktuell rund um die Thematik und manch ein Jugendlicher hat sicherlich diesen Beruf zu seiner Liste der potenziellen zukünftigen Erwerbstätigkeiten hinzugefügt.

Bereits in der Vergangenheit war die etwa Entwicklung der Grafikkarten sehr stark von der Videospielindustrie getrieben und hat hier eine enorme Entwicklung bewirkt. Im Laufe der Zeit haben die Spiele neben Computern und Spielekonsolen ebenso in die Welt der Smartphones und Smart-TVs Einzug gehalten. Somit ist unser Leben, wenn wir es denn auf dem digitalen Level soweit zulassen, bereits sehr stark durchzogen von Spielen und den virtuellen Welten. Doch wie kann eine Künstliche Intelligenz davon profitieren?

Daten - Woher nehmen, wenn nicht stehlen?

Im Zuge vieler Digitalisierungsbemühungen sind auch Technologien wie das Machine Learning von besonderer Relevanz. Je nach Anwendungsfall gibt es mehr oder weniger schnell Ideen für die Verwendung von Künstlicher Intelligenz für den Einsatz in den eigenen Produkten und Diensten. Damit diese auch erfolgreich werden, müssen die Algorithmen entsprechend mit sehr vielen Daten gefüttert werden, damit Modelle entstehen, die dann relativ verlässlich Entscheidungen treffen, Klassifikationen durchführen oder ähnliches Sinnvolles zum Produkt beitragen. Doch woher soll man als Unternehmer die Daten nehmen?

Zunächst einmal eignen sich sicherlich die vorhandenen Datenquellen oder Maschinen aus der Produktion, um zumindest Daten zu erzeugen, die dann wertvolle Einsichten generieren können. Hinzu kommen viele lizensierbare oder öffentlich verfügbare Datenquellen, welche genutzt werden können, um die eigenen Datenbestände um weitere Informationsquellen anzureichern. Doch in vielen Situationen ist es einfach sehr teuer und zeitaufwändig Daten zu erzeugen. Daher ist die Idee virtuelle Realitäten zu nutzen, um Daten zu generieren nicht die schlechteste.

Betrachten wir das Lieblingsbeispiel: Das autonome Fahren. Daten aus virtuellen Bibliotheken zu nutzen, ist nicht neu. Hier gibt es beispielsweise den CamVid-Datensatz oder den Cityscapes-Datensatz. Egal welche Datenquelle man auch nutzt, muss diese dennoch annotiert werden, damit die Maschine von den Beispielen lernen kann. Dies dauert mit den zuvor erwähnten Datenquellen zwischen 60 und 90 Minuten pro Bild. Nutzt man nun jedoch ein fotorealistisches Computerspiel zur Extraktion von Einzelbildern aus der virtuellen Welt und annotiert diese, so liegt die Geschwindigkeit bei der Annotation bei erstaunlichen 7 Sekunden. Dies ist eine enorme zeitliche Ersparnis für die Data-Science-Abteilungen. Hinzu kommt, dass man mit physikalischen Kernen heutzutage auch unterschiedliche Wetterkonditionen in den Spielen gleich mit simuliert. Daher bekommt man auch aus den Spielen heraus für die unterschiedlichsten Wetterlagen Beispieldaten.

Die TU Darmstadt hat hier in dem Paper “Playing for Data: Ground Truth from Computer Games” untersucht, wie gut die Modelle im Vergleich zu anderen trainierten Modellen sind und festgestellt, dass die Resultate sich sehen lassen können. Das bedeutet, dass die Synthetisierung von Beispieldaten aus Computerspielen, wie das hier untersuchte Grand Theft Auto V, sehr wohl dazu geeignet sind, schnelle gute Datensätze zu erzeugen.

Simulation first

Simulation ist die Zukunft und auch die Realität in vielen Forschungseinrichtungen oder Abteilungen der Konzerne. Statt viele unterschiedliche Versuchsstrecken aufzubauen, können unterschiedliche Ideen verprobt werden und damit viel Geld und Zeit gespart werden. Um beim Beispiel der autonomen Fahrzeuge zu bleiben, kann man die Intelligenz der Fahrzeuge nicht nur mit Daten aus Videospielen trainieren, sondern auch die Fahrten simulieren und anschließend bewerten. Da die Szenen zum Teil sehr real aussehen und auch die Inhalte von Videospielen sehr realitätsnah sind, kann die Maschine schnell auf die eigenen Fähigkeiten untersucht werden. Hinzu kommt die Möglichkeit einer KI, das Spiel direkt mit anderen menschlichen Mitspielern spielen zu lassen. Damit ist die Simulation auch in der Interaktion mit anderen Verkehrsteilnehmern direkt möglich, ohne diese direkt zu gefährden. Kombiniert man diese Erkenntnisse mit den Daten und Informationen aus den realen Fahrten, dann kann man sehr schnell zu guten Ergebnissen kommen.