Erstellung und Evaluierung einer auf neuronalen Netzen basierenden, kognitiven Architektur

Abstract

In den vergangenen Jahren ist weltweit zunehmend größeres Interesse an künstlicher Intelligenz und ihrer Nutzung in Wirtschaft und Alltag zu bemerken. Für die Lösung und Implementierung wurden in der Forschung verschiedene Ansätze entwickelt. Klassischerweise wurden in den vergangenen Jahrzehnten künstliche Intelligenzen zumeist pseudo-intelligent durch fest einprogrammierte Regeln ausgeführt. Künstliche neuronale Netze sind eine Möglichkeit einen Agenten selbständig lernfähig zu machen, mit der sich vorliegende Arbeit beschäftigt. Daraus ergibt sich die Frage, wie neuronale Netze genutzt werden können, um einem kognitiven Agenten die Fähigkeit zu verleihen, möglichst selbständig und ohne spezielle Anpassungen im Programmcode gegebene Aufgaben zu lösen, wobei der Agent inkrementell von Versuch zu Versuch dazulernt. Ziel dieser Arbeit ist die Schaffung einer kognitiven Architektur, welche eben hierzu neuronale Netze nutzt. Als Anwendungsgebiet für diese Architektur dient ein simples Computerspiel, in welchem Agenten gegeneinander spielen und möglichst viele Punkte erhalten sollen. Ein Agent, der die kognitive Architektur verwendet, soll in diesem Spiel mehr Punkte erreichen, als Agenten mit zur Verfügung gestellten Benchmark-Architekturen. Die Arbeit umfasst sowohl den Aufbau der kognitiven Architektur, als auch ihre Evaluierung. Die Architektur wurde in verschiedenen Szenarien und mit unterschiedlichen Parametern des neuronalen Netzes und der Spielkonfiguration auf die Fähigkeit des Agenten, Punkte im Spiel lukrieren zu lernen, getestet. Die Ergebnisse illustrieren Stärken und Schwächen der vorgestellten Architektur. Insgesamt waren die Versuche erfolgreich, da Agenten mit dieser Architektur im Durchschnitt höhere Punktestände als die Benchmark-Agenten erzielen. Abgesehen davon wird über Anwendungsgebiete einer solchen Architektur und weitere mögliche Forschungsschritte spekuliert.

Recent years have seen a steady rise in the world-wide interest towards artificial intelligence and its economic and everyday benefits. This field of research has seen the development of diverse solutions and implementations. In the past intelligent designs were usually little more than pseudointelligent by programming fix if-then rules. Artificial neural networks are one possible means to enable agents to learn independently. This thesis explores how to employ them. This raises the question how to make use of neural networks in order to enable an agent to learn independently and without significant interference by a programmer to solve given problems, learning incrementally from one instance to another. Its the goal of this thesis to implement a cognitive architecture featuring neural networks in order to achieve this. The architecture is to be used in a provided simple computer game. The games objective is for agents to compete against each other and reach high scores. An agent using the cognitive architecture should score higher than agents employing benchmark architectures that were provided. The thesis contains the development and evaluation of the implemented cognitive architecture. It was tested in various scenarios and using different neural network and game parameters to examine the agents ability to reach high scores. The results show strengths and weaknesses of the proposed architecture. Overall, the tests were successful because agents using the architecture score higher on average than the benchmark ones. Moreover, the thesis discusses the possible fields of application for such an architecture and speculates about possible further research in that area.