Stel je een wereld voor waarin de personages in je favoriete videogame of virtueel museum niet alleen een rigide script volgen, wachtend tot jij op een knop drukt om te praten. Stel je in plaats daarvan voor dat ze een "brein" hebben waarmee ze kunnen nadenken, zich herinneren wat je vijf minuten geleden zei, en zelf kunnen beslissen wat ze hierna gaan doen. Dit is de droom van Intelligent Virtual Agents (IVA's)—digitale personages die echt met je kunnen interageren zoals een echt persoon. Een lange tijd zaten wetenschappers vast tussen twee moeilijke keuzes. Aan de ene kant heb je de "reactieve" agenten: dit zijn als getrainde honden die zitten, blijven zitten of halen op basis van eenvoudige commando's. Ze zijn snel en gemakkelijk te bouwen, maar ze kunnen niet echt nadenken of zich aanpassen als de situatie verandert. Aan de andere kant heb je de "cognitieve" agenten: deze zijn als briljante filosofen die kunnen redeneren en plannen, maar ze zijn zo complex en traag dat ze niet in een real-time videogame kunnen draaien zonder de computer te laten crashen. De grote vraag voor onderzoekers is: Kunnen we een personage bouwen dat zowel snel genoeg is om in een game te draaien als slim genoeg om als een mens te denken?

Dit artikel introduceert een nieuw blauwdruk genaamd CEAA (Cognitive Embodied Agents Architecture) om exact dat probleem op te lossen. Zie dit als een universele instructiehandleiding voor het bouwen van het "brein" van een digitaal personage. De auteurs, Aimilios Hadjiliasi en Louis Nisiotis, stellen een modulair systeem voor dat fungeert als een vertaler tussen hoogwaardig denken en laagwaardige actie. Ze nemen beroemde ideeën uit de informatica mee—zoals de "Sense-Think-Act"-loop (wat gewoon een chique manier is om te zeggen: "kijk naar de wereld, denk erover na, en doe dan iets") en het "BDI"-model (wat staat voor Beliefs, Desires, en Intentions, oftewel wat de agent weet, wil en plant te doen)—en plakken deze samen met een gedeeld geheugensysteem. Het resultaat is een framework dat een virtuele agent in staat stelt om naar je te luisteren, je vragen te onthouden, uit te vogelen wat de beste manier is om je te helpen, en vervolgens daadwerkelijk zijn virtuele lichaam te bewegen om het te doen, allemaal zonder de game te laten bevriezen.

Het Probleen: Het "Brein" versus het "Lichaam"

Om te begrijpen waarom dit ertoe doet, stel je een virtueel museum voor. Je loopt binnen en je wilt een gids die je rondleidt. Als de gids een simpele "reactieve" agent is, zegt hij misschien alleen maar: "Hallo! Ik ben hier om te helpen," ongeacht wat je doet. Als je een complexe vraag stelt, herhaalt hij misschien gewoon een vooraf opgenomen antwoord. Het is als een etalagepop die slechts één zin kan zeggen.

Maar als je probeert die gids een supercomplex "denkend" brein te geven, kan de computer overbelast raken. Het brein is zo druk met het berekenen van het perfecte antwoord dat het lichaam van de gids bevriest, of de game gaat laggen, wat de ervaring verschrikkelijk maakt. Het artikel betoogt dat de huidige technologie vastzit in dit middengebied: we hebben ofwel snelle maar domme agenten, ofwel slimme maar trage agenten die niet in real-time 3D-werelden kunnen draaien.

De Oplossing: Een Modulaire "Brein"-Kit

De auteurs stellen CEAA voor als een manier om een agent te bouwen die zowel een snel lichaam als een slim brein heeft. Ze breken het "verstand" van de agent af in twaalf verschillende onderdelen, georganiseerd in drie lagen, vergelijkbaar met een goed georganiseerde keuken.

1. De Omgevingslaag (Het Keukenblad)
Hier vindt de actie plaats. Het is de virtuele wereld zelf—de gebruikers, de objecten en de gebeurtenissen. Stel je dit voor als het keukenblad waar ingrediënten (gebeurtenissen) worden neergelegd. Het aanrecht kookt zelf niets; het houdt alleen de spullen vast. Wanneer een gebruiker bij een virtuele tentoonstelling loopt, wordt die gebeurtenis op het aanrecht geplaatst.

2. De Kennislagen (Het Gedeelde Schoolbord)
Dit is het meest slimme deel van het systeem. Stel je een gigantisch schoolbord voor in het midden van de keuken dat voor iedereen zichtbaar is. Wanneer er iets op het aanrecht gebeurt (zoals een gebruiker die een vraag stelt), wordt dit op het schoolbord geschreven. Dit wordt een "Shared Knowledge Base" genoemd. In plaats van dat elke agent de hele wereld probe[rt te observeren], kijken ze simpelweg op het schoolbord. Als een specifieke agent geïnteresseerd is in een onderwerp (zoals "geschiedenis"), ziet hij de notitie op het bord en zegt: "Hé, daar kan ik bij helpen!" Dit voorkomt dat de agenten in de war raken of overweldigd worden door te veel informatie.

3. De Agent-laag (De Chef)
Hier vindt het eigenlijke "denken" plaats. De agent is als een chef die het schoolbord leest, zijn eigen receptenboek (Geheugen) raadpleegt en besluit wat hij gaat koken. De auteurs breken het proces van de chef af in specifieke stappen:

• Sense (Waarnemen): De chef kijkt op het schoolbord om te zien of er aandacht nodig is.
• Memory (Geheugen): De chef controleert zijn eerdere ervaringen. "Heb ik iemand hier eerder mee geholpen? Wat gebeurde er toen?"
• Think (Denken): De chef combineert wat hij weet (Beliefs/Overtuigingen), wat hij wil bereiken (Desires/Verlangens) en waaraan hij zich heeft gecommitteerd (Intentions/Intenties).
• Reasoner & Planner (Redeneerder & Planner): De chef bedenkt het beste plan. "Oké, ik moet de geschiedenis van de ENIAC-computer uitleggen. Ik moet beginnen met een begroeting, dan de machine laten zien, en dan vragen beantwoorden."
• Behavior Mapper (Gedragsmapper): Dit is de vertaler. Deze zet het abstracte plan ("leg geschiedenis uit") om in specifieke acties die het lichaam kan uitvoeren ("beweeg hand om naar de machine te wijzen", "speel audiofragment af", "maak een glimlachende gezichtsuitdrukking").
• Act (Handelen): De laatste stap waarbij de chef daadwerkelijk zijn lichaam beweegt en spreekt.

De Test: Een Virtueel Museum van Computers

Om te zien of dit "brein" daadwerkelijk werkt, hebben de onderzoekers een prototype gebouwd. Ze creëerden een virtueel museum gewijd aan de geschiedenis van computers, speciferiek de ENIAC. Ze plaatsten vier verschillende virtuele gidsen (agenten) in dit museum. Elke agent had een andere taak: sommigen waren navigatoren, anderen waren leraren en sommigen waren testers.

Ze testten dit systeem met 92 studenten (46 in een standaard 3D-desktopversie en 46 in een volledige Virtual Reality-versie). De studenten besteedden ongeveer 45 minuten aan interactie met de agenten. De agenten lazen niet alleen scripts voor; ze gebruikten de CEAA-architectuur om naar de studenten te luisteren, zich te herinneren wat ze al hadden geleerd en hun onderwijsstijl aan te passen. Als een student een vraag stelde, kon de agent in zijn geheugen kijken of hij de vraag al eerder had beantwoord, of besluiten om een uitgebreidere uitleg te geven.

Wat ze vonden

De resultaten waren veelbelovend. De studie toonde aan dat studenten in zowel de desktop- als de VR-groep aanzienlijk meer leerden na interactie met de agenten dan ze daarvoor deden. De agenten waren in staat om de studenten te begeleiden, vragen te beantwoorden en zelfs hun kennis te beoordelen.

Interessant genoeg vonden de studenten in de VR-groep de ervaring iets meer boeiend en meeslepend, maar de leerresultaten waren zeer vergelijkbaar tussen de twee groepen. Dit suggereert dat de "brein"-architectuur net zo goed werkte in een eenvoudige 3D-ruimte als in een volledige virtual reality-headset. De studenten rapporteerden ook dat ze de agenten gemakkelijk in gebruik en nuttig vonden voor het leren.

De Kernboodschap

Het artikel concludeert dat CEAA een succesvol "sjabloon" is voor het bouwen van slimmere virtuele agenten. Het bewijst dat je het denkgedeelte van een agent kunt scheiden van het bewegingsgedeelte, waardoor ze zowel slim als snel kunnen zijn. De auteurs suggereren dat deze architectuur de kloof overbrugt tussen complexe theorieën en real-world game-engines zoals Unity en Unreal.

De auteurs zijn echter voorzichtig om niet te beweren dat dit een perfect, afgewerkt product is. Ze geven toe dat hoewel het systeem werkt in hun prototype, het nog grotendeels een conceptueel framework is. Ze hebben nog niet volledig getest hoe het omgaat met duizenden agenten tegelijkertijd, of hoe het presteert onder extreme druk. Ze stellen voor dat de volgende stap het bouwen van daadwerkelijke tools en plugins is voor gameontwikkelaars om deze architectuur gemakkelijk te gebruiken, in plaats van het alleen als een theorie op papier te laten staan.

Kortom, dit artikel vindt niet zozeer een nieuw type intelligentie uit, maar wel een nieuwe manier om bestaande intelligentie te organiseren, zodat het daadwerkelijk in een videogame kan leven. Het is alsoals een briljante maar onhandige filosoof een team van efficiënte assistenten geven (de modulaire componenten), zodat hij eindelijk een marathon kan rennen zonder te struikelen.