Seit Anfang des 21. Jahrhunderts ist der digitale Wandel in allen Bereichen des Lebens in der Weltgemeinschaft deutlich spürbar. Auf der Grundlage des Internets vernetzen sich immer mehr Menschen über Ihre Computer und Smart Devices miteinander. Inzwischen fallen hierdurch noch nie dagewesene Datenmengen an, sodass das Augenmerk der Industrie und Forschung auf die Nutzbarmachung jener Informationen fällt. Methoden des Big Data sind nun durch die vorhandenen Prozessor- und Speicherleistungen hinreichend vorhanden, um qualitatives Informationsmaterial für Künstliche Intelligenz (KI) bereitzustellen. Diese bringt in jüngster Zeit beeindruckende Ergebnisse in verschiedenen Optimierungs- und Gestaltungsaufgaben in Erscheinung.
Zurzeit diskutiert die öffentliche Gemeinschaft das Thema zur Nutzung und den Umgang mit Künstlicher Intelligenz intensiv: Die Chancen seien einerseits vielversprechend und die Risiken beim unbedachten Umgang verheerend für unser Verständnis einer modernen Gesellschaft. Dies führt somit zu einer kritischen Auseinandersetzung mit jeder technischen Errungenschaft, welche die Künstliche Intelligenz hervorbringt. Wie beispielsweise auch in einer Demovorstellung aufgeführten Projekts des amerikanischen Unternehmens NVIDIA Corporation, welches die ersten Schritte zum Echtzeitrendern von neuen 3D-Umgebungen und Objekten anhand von Videosequenzen aus realen Autofahrten in einigen Städten vorstellte. Auffallend ist hierbei, dass das Verhalten von Objekten wie Autos und Passanten simuliert werden, die dem Verhalten von echten Verkehrsteilnehmern sehr ähneln.
Diese Vorstellung Ende 2018 ist für mich Anreiz dieser Arbeit, welche den LeserInnen einen allgemeinen Überblick über praxisnahe Methoden und Techniken aufzeigen soll, die im Rahmen der prozeduralen Synthese genutzt werden, um schnell und speicherschonend in verschiedenen Anwendungsbereichen komplexe Medien- und Programminhalte zu erzeugen. Zudem soll sowohl der Einsatz von Künstlicher Intelligenz in diesem Kontext und seinen Auswirkungen aufgezeigt, sowie die zukünftigen Potenziale in diesem Bereich diskutiert werden.
Inhaltsverzeichnis
1.Einleitung und Zielsetzung
2. Die Prozedurale Synthese
2.1 Unterscheidung zu Prozeduraler Content Generation
2.2 Ziele der Prozeduralen Synthese
3. Ansätze der Prozeduralen Synthese
3.1 Der suchbasierte Ansatz (search-based approach)
3.1.1 Der evolutionäre Suchalgorithmus
3.1.2 Die Content Repräsentation (content representation)
3.1.2 Evaluationsfunktionen
3.1.3 Beispiel: Die StarCraft-Reihe
3.1.4 Andere Beispiele
3.2 Konstruktive Generierung (constructive generation)
3.2.1 Raumpartitionierung zur Dungeon-Generierung
3.2.2 Agent-basierte Dungeon-Generierung
3.2.3 Beispiel Spelunky
3.3 Fraktale und Agenten zur Landschaftsgenerierung
3.3.1 Diamond-Square-Algorithmus
3.3.2 Weitere Algorithmen
3.4 L-Systeme
3.4.1 Geklammerte L-Systeme (Bracketed L-Systems)
3.5 Computerassistierter Ansatz (Mixed-initiative)
4. Künstliche Intelligenz
4.1 Erfolgreiche KIs im Bereich der Spiele
4.2 Bedeutung für Contenterstellung
4.3 Neuronale Netze
4.4 Beispiel: Mystical Tutor
4.5 Ausblick NVIDIA
5. Fazit
Zielsetzung & Themen
Die vorliegende Arbeit gibt einen allgemeinen Überblick über praxisnahe Methoden und Techniken der prozeduralen Synthese, um komplexe Medien- und Programminhalte effizient zu erzeugen. Dabei wird insbesondere der Einsatz von Künstlicher Intelligenz analysiert, um dessen aktuelle Auswirkungen und zukünftige Potenziale in diesem Bereich zu diskutieren.
- Grundlagen und Definitionen der prozeduralen Synthese und Generierung.
- Untersuchung suchbasierter Ansätze wie evolutionäre Algorithmen.
- Analyse konstruktiver Generierungsmethoden inklusive Raumpartitionierung und L-Systemen.
- Einsatz von Künstlicher Intelligenz und neuronalen Netzen in der Spieleentwicklung.
- Ausblick auf moderne Echtzeit-Rendering-Technologien durch Deep Learning.
Auszug aus dem Buch
3.2.1 Raumpartitionierung zur Dungeon-Generierung
Die Raumpartitionierung dient dazu einen Raum in kleinere Teilräume zu unterteilen. Diese Teilräume, auch Zellen genannt, werden dann rekursiv bis zur gewünschten Größe unterteilt. Da diese Partitionierung einer gewissen Hierarchie folgt, ist hierdurch das Erstellen eines Raumpartitionsbaums möglich, mit dessen Hilfe später schnelle Berechnungen zur Erzeugung von prozeduralen Leveln möglich ist. Die beliebteste Methode zur Raumpartitionierung ist die binäre Raumpartitionierung (binary space partitioning auch: BSP), dessen Grundlage durch einen BSP-Baum abgebildet werden kann. Jede Raumpartition hat die Eigenschaft nochmals im zweidimensionalen Raum in Quadranten und im dreidimensionalen Raum in Oktanten unterteilt zu werden.
Konkreter wird ein Dungeon, welches ein Level beschreibt, das quasi einem Höhlensystem ähnelt, in Räume unterteilt, die von einem Spieler betretbar sind. Nachdem so eine Raumeinteilung erfolgt ist, werden Zugänge zu Räumen geschaffen, die sich im BSP-Baum auf einem Pfad befinden.
Zusammenfassung der Kapitel
1.Einleitung und Zielsetzung: Einführung in den digitalen Wandel und die Relevanz der prozeduralen Synthese zur effizienten Erzeugung komplexer Inhalte.
2. Die Prozedurale Synthese: Definition des Begriffs sowie Erläuterung der Unterschiede zur prozeduralen Content Generation und der Ziele des Verfahrens.
3. Ansätze der Prozeduralen Synthese: Detaillierte Betrachtung verschiedener Algorithmen, von suchbasierten und konstruktiven Methoden bis hin zu L-Systemen.
4. Künstliche Intelligenz: Analyse der Rolle von KI, maschinellem Lernen und neuronalen Netzen bei der modernen Generierung von Spielinhalten.
5. Fazit: Persönliche Reflexion über die Chancen, Risiken und das immense Potenzial der KI-Forschung für die Gesellschaft.
Schlüsselwörter
Prozedurale Synthese, Prozedurale Content Generation, Künstliche Intelligenz, Suchbasierte Ansätze, Konstruktive Generierung, Dungeon-Generierung, BSP-Baum, Fraktale, L-Systeme, Maschinelles Lernen, Neuronale Netze, Spieleentwicklung, Echtzeit-Rendering, Deep Learning, Algorithmen.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt Methoden und Techniken der prozeduralen Synthese zur automatisierten Erzeugung von Medien- und Spielinhalten sowie deren Verknüpfung mit moderner Künstlicher Intelligenz.
Was sind die zentralen Themenfelder?
Zentrale Themen sind suchbasierte Optimierung, konstruktive Generierungsalgorithmen (wie BSP-Partitionierung und L-Systeme) sowie der Einsatz von neuronalen Netzen zur Content-Erstellung.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist es, dem Leser einen Überblick über praxisnahe Techniken zu geben und aufzuzeigen, wie KI-Methoden in der Videospielindustrie zur speicherschonenden und kreativen Inhaltsgenerierung genutzt werden können.
Welche wissenschaftlichen Methoden werden verwendet?
Die Arbeit basiert auf einer Literaturanalyse und der Untersuchung bekannter Algorithmen (z.B. evolutionäre Suche, Diamond-Square) und Fallbeispiele aus der Computerspielbranche.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in verschiedene technische Ansätze der prozeduralen Synthese sowie die theoretischen und praktischen Grundlagen von KI-Anwendungen in der Spieleentwicklung.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind prozedurale Synthese, Algorithmen, KI, neuronale Netze, Spielmechaniken und Echtzeit-Generierung.
Wie unterstützt das Tool "Mystical Tutor" die Spieleentwicklung?
Es nutzt ein Long Short Term Memory Recurrent Neural Network (LSTM RNN), um basierend auf Attributvorgaben eines Designers neue, balancierte Karten für das Spiel "Magic: The Gathering" zu generieren.
Was ist das Besondere an NVIDIAs Ansatz zum Echtzeitrendern?
NVIDIA nutzt Videosequenzen von realen Autofahrten als Trainingsdatensatz für neuronale Netze, um realistische, interaktive 3D-Umgebungen in Echtzeit zu synthetisieren.
Warum wird der "Agent-basierte" Ansatz in der Dungeon-Generierung als unberechenbar beschrieben?
Die Unberechenbarkeit ergibt sich aus dem organischen Wachstumsprozess, der oft nach dem "Trial and Error"-Prinzip funktioniert, da der Agent die Wege dynamisch "gräbt".
- Citar trabajo
- Iskender Dilaver (Autor), 2019, Künstliche Intelligenz (KI) gestützte Prozedurale Synthese, Múnich, GRIN Verlag, https://www.grin.com/document/936830
