Emulator

Ein Emulator ist ein System, das das Verhalten eines anderen Systems nachahmt — traditionell Hardware-Emulation, im KI-Kontext zunehmend auch die Simulation physikalischer Systeme durch neuronale Netze.

Klassische Emulation: Super-Nintendo-Spiele auf einem modernen PC spielen, Android-Apps auf Windows testen, alte Mainframe-Software auf Cloud-Servern betreiben. Emulatoren übersetzen die Befehle des emulierten Systems in Befehle des Host-Systems — universell, aber typischerweise langsamer als native Ausführung.

Im KI-Kontext: Neural Network Emulators (auch Surrogat-Modelle) ersetzen aufwendige physikalische Simulationen durch trainierte neuronale Netze. Klimamodelle, die auf Supercomputern Wochen brauchen, können durch ein trainiertes Netz in Sekunden approximiert werden. DeepMind's GraphCast prognostiziert globales Wetter schneller und genauer als konventionelle numerische Wettermodelle.

Für RL-Training: Wenn die reale Umgebung zu langsam, teuer oder gefährlich für direktes Training ist, trainiert man einen „World Model"-Emulator: Das Modell lernt die Dynamik der Umgebung und der RL-Agent trainiert in der emulierten Welt. Dreamer (Hafner et al.) und MuZero (DeepMind) verfolgen diesen Ansatz.

Die Genauigkeit des Emulators ist entscheidend: Wenn der Emulator die Realität nicht präzise genug abbildet, lernt der Agent Strategien, die in der realen Welt nicht funktionieren (Sim-to-Real Gap).

Im Gaming: Die KI-Forschung nutzt Game-Emulatoren (OpenAI Retro, Arcade Learning Environment) als standardisierte Testumgebungen für RL-Algorithmen.