Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind23. November 2022 · Q002491

Building interactive agents in video game worlds

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

DeepMind beschreibt ein Training von Spielwelt-Agenten, das menschliche Nachahmung mit menschlichem Feedback und Reinforcement Learning verbindet. Laut Bericht verbesserten sich die Agenten in den Tests gegenüber reiner Nachahmung; die Ergebnisse stammen jedoch aus einer eigens entwickelten Simulation und der Ansatz wird als frühe Forschungsarbeit eingeordnet.

Mittel

Der Bericht beschreibt ein DeepMind-Framework, in dem KI-Agenten in einem virtuellen „Playhouse“ menschliche Anweisungen ausführen und Fragen beantworten. Menschen und Agenten bewegten sich als Avatare durch eine wechselnd eingerichtete Spielwelt, manipulierten Gegenstände und kommunizierten per Chat. Laut Bericht wurden mehr als 25 Jahre Echtzeit-Interaktionen mit Hunderten Teilnehmenden gesammelt.

Zunächst lernten die Agenten durch Nachahmung grundlegende Interaktionen. Anschließend bewerteten Menschen Fortschritte und Fehler. Aus diesen Urteilen wurde ein Belohnungsmodell trainiert, das Reinforcement Learning zur Verbesserung des Agentenverhaltens steuerte. Bei Echtzeitbewertungen schnitten Agenten mit Nachahmung und Reinforcement Learning besser ab als solche mit Nachahmung allein; der Bericht nennt 92 Prozent der menschlichen Gesamtleistung unter den Versuchsbedingungen. Beim Turmbau stieg die Erfolgsrate laut Grafik von 0,28 bei reiner Nachahmung auf 0,57 nach einer und 0,72 nach zwei Feedbackrunden; Menschen erreichten 0,61. Die Forschenden berichten auch von unerwarteten Fähigkeiten und besseren Ergebnissen als Menschen bei manchen komplexen Aufgaben. Sie betonen jedoch, dass der Ansatz noch in den Anfängen steckt und die Ergebnisse aus einer simulierten Spielumgebung stammen. Anwendungen als digitale oder robotische Assistenten sind eine mögliche Perspektive, kein belegtes Ergebnis.

Ausführlich lesen

Der Bericht stellt ein Forschungsframework von DeepMind vor, mit dem KI-Agenten menschliche Anweisungen in einer offenen, interaktiven Umgebung verstehen und ausführen sollen. Als Testwelt diente ein virtuelles „Playhouse“ mit verschiedenen Räumen, Möbeln und vielen Gegenständen, deren Anordnung wechselte. Menschen und Agenten bewegten sich dort als Avatare, manipulierten Objekte und kommunizierten per Chat. Teilnehmende konnten Ziele vorgeben und Fragen stellen; laut Bericht wurden insgesamt mehr als 25 Jahre an Interaktionen in Echtzeit mit Hunderten Menschen gesammelt.

Das Training erfolgte in mehreren Schritten. Zunächst lernten Agenten durch Nachahmung menschlicher Interaktionen grundlegende Verhaltensweisen. Dieser Verhaltenssockel sollte sinnvolle Gespräche und Handlungen ermöglichen; ohne ihn bewegten sich die Agenten laut den Forschenden zufällig und sprachen Unsinn. Da Nachahmung allein nicht zuverlässig zielgerichtetes oder besonders effizientes Handeln hervorbringe, ergänzten sie Reinforcement Learning. Dafür beurteilten Menschen, ob über die Zeit sichtbare Fortschritte oder Fehler bei der jeweiligen Aufgabe auftraten. Ein neuronales Belohnungsmodell lernte aus diesen Präferenzen und bewertete anschließend das Verhalten der Agenten, das durch weiteres Lernen optimiert wurde. Als Aufgaben dienten sowohl bereits von Menschen gestellte Fragen und Anweisungen als auch Aufgaben, deren Formulierung Agenten nachahmten.

Der Bericht beschreibt unerwartete Fähigkeiten, etwa Gegenstände in Reihen mit wechselnden Farben anzuordnen oder einen Gegenstand zu finden, der einem vom Nutzer gehaltenen Objekt ähnelt. Die Forschenden führen solche Ergebnisse auf die Vielfalt menschlicher Aufgabenstellungen und die offene Gestaltung der Interaktionen zurück.

Zur Bewertung nutzten sie laut Bericht geschriebene Tests, menschliche Bewertungen offener Aufgaben und direkte Echtzeit-Interaktionen. In diesen Interaktionen gaben Menschen fünf Minuten lang Anweisungen oder Fragen und bewerteten den Erfolg. Die mit Nachahmung und Reinforcement Learning trainierten Agenten schnitten besser ab als Agenten mit Nachahmung allein. Der Bericht beziffert ihre Gesamtleistung in diesem Versuchsrahmen auf 92 Prozent der menschlichen Leistung. Bei der Aufgabe, Türme zu bauen, werden Erfolgsraten von 0,28 für reine Nachahmung, 0,57 nach einer und 0,72 nach zwei Feedback- und RL-Runden sowie 0,61 für Menschen angegeben. Die Forschenden berichten, dass wiederholte Feedbackrunden die Leistung weiter steigerten und Agenten bei manchen komplexen Anweisungen im Durchschnitt Menschen übertrafen.

Die Arbeit wird ausdrücklich als frühe Entwicklungsphase beschrieben. Die Ergebnisse stammen aus einer eigens geschaffenen Spielumgebung und den dortigen Bewertungsbedingungen; der Bericht belegt damit keine allgemeine Leistungsfähigkeit in der realen Welt. Als mögliche spätere Anwendungen nennen die Forschenden Spiel-KI sowie digitale oder robotische Assistenten. Ob und wie sich das Framework dafür eignet, bleibt eine Zukunftsperspektive.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung; die kurze ist ebenfalls treu, lässt aber die Zahlen und das Turmbau-Beispiel aus. Die Stufen beruhen auf dem DeepMind-Bericht zu Spielwelt-Agenten, der keine Sicherheits- oder Selbstverbesserungsfragen im engeren Sinn behandelt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Forschenden lassen Menschen selbst Aufgaben erfinden und Fortschritt beurteilen, statt einen Spielstand zu optimieren; diese Abkehr vom Score ist ein Kernpunkt des Berichts
  • Reine Nachahmung führt nicht zu zielgerichtetem Verhalten: Die Agenten nutzen keine Abkürzungen und erreichen nicht die Geschicklichkeit eines durchschnittlichen Spielers

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 48 %einzelne zitierbare Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 34 %gleiches Oberthema, hilft nicht
    • Luna 35 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 64 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-T3-T08 Welche kontrollierten Versuche können Labore heute machen, um Selbstverbesserung nachzubilden, ohne eine unbeabsichtigte Beschleunigung zu riskieren? Luna: Stufe 4 · 44 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 62 %einzelne zitierbare Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 26 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 5 · 41 % · umfangreiche Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 4 · 33 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 83 %Hintergrund, keine Belege
    • JEV 35 %Hintergrund, keine Belege
    • amos 33 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 49 % · Hintergrund, keine Belege
    • SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
    • SF-V3-T03 Werden Labore und die übrige Branche gemeinsame Tests veröffentlichen, ob Werte bei unbekannten Aufgaben, widerstreitenden Anreizen, in gegnerischen Lagen und bei fehlender oder anders wahrgenommener Aufsicht halten, unabhängig wiederholt und mit Fehlschlägen und Unsicherheit? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 46 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 42 %Hintergrund, keine Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht

  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 35 %gleiches Oberthema, hilft nicht
    • Luna 49 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 70 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 69 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →