Wie schon angekündigt findet Ihr in diesem Post eine kurze Beschreibung der Levels.

Level 1 – Das große Ganze

Im ersten Level werden die Spieler zunächst von NPC begrüßt.

Hier gibt es eine Bedienungsanleitung für das Spiel und dann geht es zum Thema. Jetzt gibt es ein Beispiel: Klassifikation von Zahlen durch die Bildverarbeitung. Im Raum schwebt ein künstliches neuronalen Netz und daran wird der Datenfluss erklärt. Man sieht so wie das Netz sich entscheidet.

Level 2 – Das Neuron

Das zweite Level ist erreicht und man befindet sich in einem Neuron des Netzes aus Level 1. Auch hier werden alle Prozesse dargestellt, die bei der Entscheidungsfindung innerhalb dieses Neurons stattfinden. Alles stellt man visuell dar. Mathematische Funktionen und natürlich die Weiterleitung der Daten werden an die nächste Schicht des Netzes als interaktive, veränderbare Elemente gestaltet.

Anschließend werden, um zu zeigen, wie es in einem „echten“ KNN aussieht, alle Spielelemente beispielhaft mit mathematischen Funktionen und Input- und Output-Operationen verglichen.

Als Spieler lernt man so, welche Aufgabe Neuronen haben. Sie sind das „Gehirn“ des ganzen Netzes.

Level 3 – Der Lernprozess

Jetzt folgt Antwort auf eine wichtige Frage: Wie lernt ein Netz eigentlich, was es kann bzw. was es könne sollte? Um dies besser zu verstehen, versetzen wir uns zurück in unsere Vergangenheit.

In den ersten Lebensjahren erlernt man als Kleinkind zum Beispiel zwischen Katze und Hund zu unterscheiden. Um dies zu erlernen, zeigen zunächst die Eltern welches Tier welches ist. Anfänglich verdreht das Kind die Zuordnung und sagt zur Katze „Hund“. Doch durch ständige Korrektur der Eltern erlernt das Kind die richtige Zuordnung.

Genau dieser Lernprozess wird im Level 3 durchlaufen. Zunächst nimmt der Spieler die Rolle des Kindes, also des Lernenden ein (Level 3.1). Hierfür wird ein Quiz erstellt, indem der Spieler neues Wissen lernen muss.

In Level 3.2 wird mit dem zuvor erworbenen Wissen ein KNN trainiert. In dieser Situation nimmt der Spieler die Rolle des oben erwähnten Elternteils ein und gibt das Wissen an das neuronale Netz weiter.

Ziel ist es die Parallelen zwischen dem menschlichen Gehirn und den künstlichen neuronalen Netzen (KNN) zu zeigen. Das KNN ist ein nützliches Werkzeug um diverse Aufgaben zu lösen. Ein Aufgabenbereich kann beispielsweise, die Klassifikation von mehreren Millionen digitalisierten Bildern sein.

Ist ein Netz für eine Aufgabe trainiert, meistert es diese dann in deutlich kürzerer Zeit, als es ein Mensch erledigen kann (abhängig von Rechenleitung der Hardware).

Vision in 2020– auch nach Beendigung des Hochschulwettbewerbs soll es weiter gehen.

Level 4 – Vertieftiefendes Lernen (Deep Learning)

Level 4 trainiert den in vorherigen Posts erwähnten NPC in einem Tischtennisspiel.

Dabei sollen zwei Spielmodi realisiert werden, indem jeweils der NPC als Gegenspieler agiert. In Level 4.1 ist der NPC vortrainiert. Dies bedeutet, dass der NPC sich mit jedem Spiel verbessert. Im Level 4.2 beginnt der NPC gerade Tischtennis zu erlernen, bzw. er ist auf einem Anfängerlevel. Während der Ballwechsel voranschreitet, lernt das KNN (der NPC) stetig dazu.

Die Möglichkeit die Modi zu wechseln verdeutlicht: Eine solche KI lernt immer weiter, bis es „unbesiegbar“ wird.