モリカトロン株式会社運営「エンターテインメント×AI」の最新情報をお届けするサイトです。

TAG LIST
ディープラーニングCG機械学習CGへの扉安藤幸央GAN月刊エンタメAIニュースニューラルネットワーク強化学習三宅陽一郎音楽OpenAIモリカトロンAIラボインタビュー敵対的生成ネットワーク河合律子QAスクウェア・エニックスNVIDIAシナリオFacebookキャラクターAIルールベースDeepMindデバッグCEDEC2019プロシージャル人工知能学会映画ビヘイビア・ツリーGoogleCEDEC2021CEDEC2020ゲームAISIGGRAPH遺伝的アルゴリズム不完全情報ゲームメタAIナビゲーションAI森川幸人畳み込みニューラルネットワーク自然言語処理深層学習マイクロソフトAIと倫理グーグルStyleGAN自動生成GDC 2021GPT-3GDC 2019マルチエージェントVRボードゲームロボットアートCNNVFXモリカトロンゲームプレイAIファッションHTN階層型タスクネットワークディープフェイクJSAI2020大内孝子TensorFlowMicrosoftイベントレポートテストプレイAIアート水野勇太アニメーションガイスターNPCDALL-ECLIPStyleGAN2NFTtoio吉本幸記JSAI2021スポーツシムピープル汎用人工知能GDC SummerAdobeeスポーツ対話型エージェントeSportsBLUE PROTOCOLシーマン小説UbisoftAlphaZeroカメラ環世界中島秀之懐ゲーから辿るゲームAI技術史研究DARPAドローンシムシティAI美空ひばり手塚治虫Electronic Artsメタデータブロックチェーン通しプレイOpenAI Five本間翔太CM倫理ピクサーイーサリアム作曲中嶋謙互Amadeus CodeMicrosoft AzureデジタルツインアストロノーカキャリアナラティブAmazonサイバーエージェント音声認識ロボティクスPyTorchDQN眞鍋和子バンダイナムコスタジオUnity齊藤陽介マインクラフトお知らせアバターサルでもわかる人工知能VAEUbisoft La ForgeワークショップGenvid Technologies知識表現ウォッチドッグス レギオンIGDAどうぶつしょうぎジェイ・コウガミ音楽ストリーミングマシンラーニングクラウド斎藤由多加リトル・コンピュータ・ピープルコンピューティショナル・フォトグラフィーGPT-2完全情報ゲーム坂本洋典釜屋憲彦ウェイポイントパス検索藤澤仁生物学画像認識DeNA長谷洋平鴫原盛之masumi toyota宮路洋一TextWorldSIGGRAPH ASIAソニーGTC2021CycleGANフェイクニュースエージェントGPUALifeZork人工生命オルタナティヴ・マシンサウンドスケープMCS-AI動的連携モデルASBSマンガぱいどんTEZUKA2020ナビゲーションメッシュ松井俊浩スパーシャルAIマーケティングApex LegendsELIZANinjaコンピュータRPGアップルタウン物語KELDICメロディ言語ゲームTENTUPLAYLEFT 4 DEADMARVEL Future FightAstroタイムラプスEgo4Dバスキアバーチャルヒューマン日経イノベーション・ラボ敵対的強化学習階層型強化学習GOSU Data LabWANNGOSU Voice Assistant竹内将SenpAI.GGMobalytics馬淵浩希Cygames岡島学AWS Sagemaker映像セリア・ホデント形態素解析UXAWS Lambda誤字検出認知科学BERTゲームデザインSentencePieceLUMINOUS ENGINEプラチナエッグLuminous Productionsパターン・ランゲージ竹村也哉ちょまどボエダ・ゴティエビッグデータGOAPAdobe MAX 2021メタバース模倣学習NVIDIA OmniverseOmniverse AvatarFPSNVIDIA Rivaマルコフ決定過程NVIDIA MegatronNVIDIA Merlinスタンフォード大学NVIDIA Metropolisパラメータ設計テニスOmniverse Replicatorバランス調整レコメンドシステムNVIDIA DRIVE Sim協調フィルタリングNVIDIA Isaac Sim人狼知能テキサス大学軍事AlphaDogfight TrialsAI Messenger VoicebotエージェントシミュレーションOpenAI CodexStarCraft IIHyperStyleFuture of Life InstituteRendering with StyleIntelDisneyLAIKADisneyリサーチRotomationGauGANGauGAN2ドラゴンクエストライバルズ画像言語表現モデル不確定ゲームSIGGRAPH ASIA 2021Dota 2モンテカルロ木探索ディズニーリサーチMitsuba2ソーシャルゲームEmbeddingワイツマン科学研究所GTC2020CG衣装NVIDIA MAXINEVRファッション淡路滋ビデオ会議グリムノーツゴティエ・ボエダGautier Boeda階層的クラスタリングaiboJuliusSIETPRGバーチャル・ヒューマン・エージェントtoio SDK for Unityクーガー田中章愛石井敦銭起揚茂谷保伯MinecraftGDMC成沢理恵MITメディアラボ著作権マジック・リープMagic Leap OneMagendaノンファンジブルトークンDDSPサッカー里井大輝KaggleバスケットボールAssassin’s Creed OriginsSea of ThievesGEMS COMPANYmonoAI technology初音ミクOculus転移学習テストBaldur's Gate 3Candy Crush SagaSIGGRAPH ASIA 2020デバッギングBigGANMaterialGANリップシンキングRNNReBeL自動運転車VolvoRival Prakユービーアイソフト北尾まどかHALO将棋メタルギアソリッドVFSMナップサック問題汎用言語モデルSpotifyMITReplica StudioamuseChitrakar巡回セールスマン問題ジョルダン曲線5GMuZeroクラウドゲーミングRival Peak和田洋一リアリティ番組Stadiaジョンソン裕子MILEs対話エンジンインタラクティブ・ストリーミングインタラクティブ・メディアシーマン人工知能研究所Ludoゴブレット・ゴブラーズTransformerSIGGRAPH 2019ArtEmis絵画ARGROVERFAIRAIりんなチート検出オンラインカジノアップルRealFlowiPhoneシミュレーションDeep FluidsMeInGameAIGraphブレイン・コンピュータ・インタフェースBCILearning from Video予期知能ユクスキュルカント哲学ドラゴンクエストエージェントアーキテクチャPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者アルスエレクトロニカ2019StyleCLIPStyleRig逆転オセロニア奥村エルネスト純いただきストリート齋藤精一大森田不可止高橋智隆ロボユニザナック泉幸典仁井谷正充ロボコレ2019ぎゅわんぶらあ自己中心派Azure Machine Learning意思決定モデル脱出ゲームHybrid Reward ArchitectureウロチョロスSuper Phoenix理化学研究所Project Malmo教育Project PaidiaProject LookoutWatch ForBingLEFT ALIVE長谷川誠ジミ・ヘンドリックスBaby Xカート・コバーンロバート・ダウニー・Jr.エイミー・ワインハウスMagentaYouTubeダフト・パンクSFGlenn MarshallThe Age of A.I.Story2HallucinationレコメンデーションJukeboxテンセントSIFTDCGANMOBADANNCE人事ハーバード大学研修デューク大学mynet.aiローグライクゲームNetHack人工音声NeurIPS 2021はこだて未来大学プレイ動画ヒップホップサイレント映画NBA環境音現代アート粒子群最適化法進化差分法群知能下川大樹ウィル・ライト高津芳希大石真史BEiTレベルデザインDETRSporeAIボイスアクターデノイズ南カリフォルニア大学画像処理NVIDIA CanvasSentropyCPUDiscordCALMプログラミングソースコード生成GMAIシチズンデベロッパーTRPGGitHubウィザードリィMCN-AI連携モデルAI Dungeon西川善司並木幸介サムライスピリッツ森寅嘉ゼビウスSIGGRAPH 2021ストリートファイター半導体Topaz Video Enhance AI栗原聡DLSS山野辺一記NetEase大里飛鳥DynamixyzモーションキャプチャーU-Net13フェイズ構造アドベンチャーゲームADVXLandAGI手塚眞DEATH STRANDING不気味の谷Eric JohnsonOculus Questコジマプロダクション生体情報デシマエンジンインディーゲーム写真高橋ミレイ照明Maxim PeterJoshua Romoffハイパースケープ山崎陽斗深層強化学習立木創太バンダイナムコ研究所ミライ小町テスラGameGANELYZAパックマンTesla BotTesla AI Dayソサエティ5.0ELYZA DIGESTSIGGRAPH 2020バズグラフニュースタンテキ東芝DIB-R倉田宜典3D音声合成韻律射影広告韻律転移

無数の可能性から最適な行動を選ぶ。『Zork』プレイAIに見る言語的世界との新たな相互作用

2021.7.27ゲーム

無数の可能性から最適な行動を選ぶ。『Zork』プレイAIに見る言語的世界との新たな相互作用

マイクロソフトの研究開発部門マイクロソフト・リサーチは6月7日、テキストゲーム『Zork』をプレイするAIを論じたブログ記事を発表しました。この記事にもとづいて、以下では新たな強化学習技法を使って同ゲームを攻略した顛末を解説します。

膨大な行動範囲を内包した『Zork』とは

1980年に発表された『Zork』(1980年、インフォコム)とは、ディスプレイに表示されるテキスト文からゲームの状況を読み取ったうえで、プレイヤーが行動をテキスト文で入力するインタラクティブフィクションと呼ばれるジャンルに属するゲームです。このジャンルのゲームにはプレイヤーの行動をテキスト文で入力するというゲームデザインを可能とするために、入力文を理解するためのテキスト解析ルーチンが実装されています。

Zorkには「地下迷宮の宝物を探して生還する」というおおまかなストーリーが設定されており、その地下迷宮には古代寺院や火山といったさまざまな景色が広がっています。プレイヤーが遭遇する多種多様な状況に対して、入力可能な行動は無数に考えられます。そうした行動範囲は、状況説明文を読んで行動を入力する一連のステップごとに98万通りの可能性があるとも言われています。

以上のようなZorkをプレイするAIには「状況説明文の理解」と「理解した状況において可能な行動の列挙」、そして列挙した行動の中から「ゲーム攻略につながる最適行動の選択」という3つの機能の実装が求められます。これらの機能を実装するには、自然言語処理と強化学習というAI研究における代表的な2つのドメインに立脚することが求められます。

報酬が不明確でも探索するには

ZorkプレイAIに必要な3つの機能のうち、最も実装が難しいのは「ゲーム攻略につながる最適行動の選択」です。チェスをプレイするような従来の強化学習AIにおいてはゲームの目標達成につながる報酬を明示的に定義することが容易だったので、ゲームプレイを繰り返すことで最適行動を絞り込めました。

対してZorkでは「地下迷宮の宝物を探して生還する」という大まかな長期的目標がありますが、個々の状況説明文のなかから長期的目標達成につながる手がかりを判別するのは困難です。目標達成につながる手がかりが不明瞭なため、報酬が何であるかも不明確です。それゆえ、Zork攻略には報酬にもとづいた強化学習は効果的ではありません。

Microsoftの研究チームが従来の強化学習の代わりに採用した技法が、逆動力学デコーディング(inverse dynamics decoding)です。この技法は、ゲームプレイAIが自身の行動を予測した際の精度を向上させるように学習するというものです。行動の予測は、時間的に前後した状況の推移にもとづいて行われます。例えば、「木の根元に立っている」と「木の枝に座っている」という状況の推移が観察された場合、「木に登る」という行動が予測されます。逆動力学デコーディングを使えば、報酬にもとづかずに行動を絞り込めます。この技法に関しては、スーパーマリオブラザーズやゲームプレイAI用に開発されたDOOMである『VIZDOOM』の攻略に使われた先行研究があります(以下の参考論文を参照)。

【参考論文】Curiosity-driven Exploration by Self-supervised Prediction(自己学習による好奇心ドリブンな探索)

逆動力学デコーディングを使うと、初めて遭遇する未知な状況下でも継続して行動できるようになります。今回開発したZorkプレイAIのプレイログを確認すると、「曲がりくねった小さな通路が同じように並ぶ迷路を進むと、コインを手に入れた」といった未知な状況の探索が長期的目標の達成につながった形跡がありました。こうした未知な状況の探索は、報酬にもとづいた強化学習では回避されていたかも知れません。

ゲーマーから学ぶ

マイクロソフトの研究チームは、逆動力学デコーディングのほかに新たな自然言語処理の技法も使いました。その技法とは、CALM(Contextual-Action Language Modelの略称)と呼ばれるものです。この技法は、2019年に発表された自然な英文を生成することでAI業界を驚愕させた言語AIであるGPT-2を、テキストゲーム攻略用にファインチューニングするというものです。

GPT-2をファインチューニングするには、さまざまなテキストゲームのプレイログが必要になります。幸いなことにテキストゲーム愛好家が管理しているデータベース「ClubFloyd」があるので、このデータベースから590のゲームに関する426のプレイログを採取して学習データを作成しました。

ZorkプレイAIには、最終的に逆動力学デコーディングとCALMの両方が実装されました。ゲームプレイにおいては、CALMが状況説明文を前提条件として可能な行動のリストを生成して、逆動力学デコーディングによって行動リストから最適な行動を絞り込むという役割分担が行われました。

以上のようなアーキテクチャで構築されたZorkプレイAIに対して、Zorkを含めた28のテキストゲームをプレイした平均ゲームスコアを測定したところ、従来の最先端テキストゲームプレイAIと比べて69%のスコア向上が認められました。もっとも、テスト対象となったテキストゲームのプレイのなかには従来のスコアを超えられなかったものがあるので、テキストゲームプレイAIにはまだ進化の余地が十分にあると言えます。

ZorkをはじめとしたテキストゲームをプレイするAIには、言語的に構築された世界との相互作用を通してタスクを解決することが求められます。それゆえ、テキストゲームプレイAIの研究を進めれば、AIの「言語を介して世界を理解する」能力を進化させることにつながるのではないでしょうか。

Writer:吉本幸記

RELATED ARTICLE関連記事

【CEDEC2020】オンラインゲーム『BLUE PROTOCOL』で敵AIにパーティを組ませる方法

2020.10.19ゲーム

【CEDEC2020】オンラインゲーム『BLUE PROTOCOL』で敵AIにパ...

【GDC 2021】NPCの高度なインタラクションを可能とした『ウォッチドッグス レギオン』のグループビヘイビア

2021.8.17ゲーム

【GDC 2021】NPCの高度なインタラクションを可能とした『ウォッチドッグス...

TRPGのゲームマスターを演じるゲームAIの探求

2020.3.30ゲーム

TRPGのゲームマスターを演じるゲームAIの探求

RANKING注目の記事はこちら