Düsseldorf (dpo) – Durchbruch in der KI-Forschung: Einem Team um den Informatiker Prof. Hendric Velten ist es gelungen, ein funktionsfähiges neuronales Netzwerk vollständig innerhalb der Game-Engine eines klassischen Ego-Shooters aus den 1990er Jahren zu implementieren. Das Modell namens "Pixelformer" wurde ausschließlich mit den Ressourcen trainiert, die das Spiel für Grafikberechnungen bereitstellt.

"Wir haben festgestellt, dass die 256 Farben und 320x200 Pixel völlig ausreichen, um grundlegende Mustererkennungsaufgaben durchzuführen", erklärt Velten. Das Training habe zwar 340 Stunden gedauert, dafür benötige das fertige Modell aber nur 2,3 Megabyte Arbeitsspeicher. "Damit sind wir etwa 47.000-mal effizienter als vergleichbare Cloud-Modelle."

Besonders beeindruckt zeigen sich Fachkollegen von der Leistungsfähigkeit: Der Pixelformer kann mittlerweile einfache Texte generieren, sofern diese nicht länger als vier Wörter sind und ausschließlich aus Großbuchstaben bestehen. "Das Modell hat eigenständig gelernt, zwischen den Buchstaben A, E und O zu unterscheiden", so Velten stolz. Bei den restlichen 23 Buchstaben bestehe noch "Optimierungspotenzial".

Das Institut für Angewandte Digitalisierungsforschung prüft nun, ob sich die Methode auf andere Retro-Spiele übertragen lässt. Ein Sprecher kündigte an, als nächstes ein Sprachmodell in einem Puzzlespiel aus dem Jahr 1989 trainieren zu wollen – "sobald wir herausgefunden haben, wie man dort Text eingibt".