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
CG機械学習ディープラーニングCGへの扉安藤幸央GAN月刊エンタメAIニュース河合律子ニューラルネットワークOpenAINVIDIA強化学習三宅陽一郎音楽FacebookQAスクウェア・エニックス森川幸人モリカトロンAIラボインタビュー敵対的生成ネットワークDeepMindルールベースキャラクターAIシナリオGPT-3自然言語処理NFTGoogleグーグル自動生成映画デバッグCEDEC2019吉本幸記StyleGANプロシージャル人工知能学会遺伝的アルゴリズムメタAI深層学習マイクロソフトアートビヘイビア・ツリーCEDEC2021大内孝子CEDEC2020ゲームAISIGGRAPH不完全情報ゲームゲームプレイAIVRナビゲーションAI畳み込みニューラルネットワークDALL-ECLIPロボットAIと倫理ディープフェイクGDC 2021VFXメタバースGDC 2019マルチエージェントボードゲームNPCCNNデジタルツインモリカトロンUnityAIアートファッションHTN階層型タスクネットワークDALL-E2JSAI2020TensorFlowMicrosoftイベントレポートテストプレイ水野勇太小説アニメーションガイスターStyleGAN2懐ゲーから辿るゲームAI技術史toioソニーJSAI2021スポーツ研究シムピープル汎用人工知能GDC Summerバーチャルヒューマンブロックチェーン倫理BERTAdobeアストロノーカNVIDIA Omniverseeスポーツ対話型エージェントAmazoneSportsBLUE PROTOCOLシーマンUbisoft画像生成テキスト画像生成AlphaZeroTransformerGPT-2カメラ環世界中島秀之鴫原盛之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LEFT 4 DEADインタビュー通しプレイOpenAI Five本間翔太CMピクサープラチナエッグイーサリアム作曲ビッグデータ中嶋謙互Amadeus CodeMicrosoft AzureキャリアナラティブOmniverse ReplicatorレコメンドシステムNVIDIA DRIVE SimNVIDIA Isaac Sim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aibo合成音声Minecraft齊藤陽介マインクラフトお知らせチャットボットアバターサルでもわかる人工知能VAEOmniverseUbisoft La Forge自動運転車ワークショップGenvid Technologiesメタ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Epic Gamesジェイ・コウガミ音楽ストリーミング徳井直生マシンラーニングクラウド対話エンジン斎藤由多加リトル・コンピュータ・ピープルコンピューティショナル・フォトグラフィーゴブレット・ゴブラーズ絵画AIりんなシミュレーション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対談藤澤仁生物学GTC 2022画像認識GTC2022StyleCLIPDeNA長谷洋平masumi toyota宮路洋一OpenSeaGDC 2022教育TextWorldSIGGRAPH ASIAGTC2021CycleGANNetHackフェイクニュースエージェントAIボイスアクターNVIDIA CanvasImagenGPUALifeZork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マンガモーションキャプチャーぱいどんTEZUKA2020ナビゲーションメッシュ松井俊浩バンダイナムコ研究所スパーシャルAIELYZAELYZA DIGEST3D音声合成マーケティング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TENTUPLAYMARVEL Future FightAstroタイムラプスEgo4Dバスキア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誤字検出認知科学ゲームデザインSentencePieceLUMINOUS ENGINELuminous 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GOAPAdobe MAX 2021模倣学習Omniverse 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バランス調整協調フィルタリング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ArtflowグリムノーツEponymゴティエ・ボエダ音声クローニングGautier Boeda階層的クラスタリングGopherJuliusSIE鑑定TPRGOxia Palusバーチャル・ヒューマン・エージェントtoio SDK for UnityArt Recognitionクーガー田中章愛Meta石井敦銭起揚NHC 2021茂谷保伯池田利夫GDMC新刊案内マーベル・シネマティック・ユニバース成沢理恵MITメディアラボMCU著作権アベンジャーズマジック・リープDigital DomainMagic Leap OneMagendaMasquerade2.0ノンファンジブルトークンDDSPフェイシャルキャプチャーサッカーモリカトロン開発者インタビュー里井大輝Kaggle宮本茂則バスケットボール山田暉Assassin’s Creed OriginsAI会話ジェネレーターSea of ThievesGEMS COMPANYmonoAI technologyLSTMモリカトロンAIソリューション初音ミクOculusコード生成AI転移学習テストAlphaCodeBaldur's Gate 3CodeforcesCandy Crush Saga自己増強型AISIGGRAPH ASIA 2020COLMAPADOPデバッギングBigGANGANverse3DMaterialGANリップシンキングRNNグランツーリスモSPORTReBeLグランツーリスモ・ソフィーGTソフィーVolvoFIAグランツーリスモチャンピオンシップRival PrakDGX A100VTuberユービーアイソフトWebcam VTuber星新一賞北尾まどかHALO市場分析将棋メタルギアソリッドVフォートナイトFSMRobloxナップサック問題Live Nation汎用言語モデルWeb3.0AIOpsSpotifyMITスマートコントラクトReplica StudioAWSamuseChitrakarQosmo巡回セールスマン問題ジョルダン曲線メディア5GMuZero政治クラウドゲーミングRival Peakがんばれ森川君2号和田洋一リアリティ番組Stadiaジョンソン裕子MILEsNightCafeインタラクティブ・ストリーミングLuis Ruizインタラクティブ・メディアポケモンCodexシーマン人工知能研究所東京工業大学Ludo博報堂ラップSIGGRAPH 2019ArtEmisZ世代AIラッパーシステムARrinnaGROVERプラスリンクス ~キミと繋がる想い~FAIRSTCチート検出Style Transfer ConversationオンラインカジノRCPアップルRealFlowRinna Character PlatformiPhoneデジタルヒューマンDeep FluidsSoul MachinesMeInGameAmeliaAIGraphブレイン・コンピュータ・インタフェースバーチャルキャラクターBCIGateboxLearning from VideoANIMAK予期知能逢妻ヒカリセコムユクスキュルバーチャル警備システムカント損保ジャパン哲学上原利之ドラゴンクエストエージェントアーキテクチャアッパーグラウンドPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者Siemensアルスエレクトロニカ2019品質保証StyleRigAutodesk逆転オセロニアBentley Systemsワールドシミュレーター奥村エルネスト純いただきストリートH100齋藤精一大森田不可止COBOL高橋智隆DGX H100ロボユニザナックDGX SuperPOD泉幸典仁井谷正充クラウドコンピューティングロボコレ2019Instant NeRFartonomousbitGANs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コミュニティ管理ウロチョロスSuper PhoenixSNS理化学研究所Project Malmoオンラインゲーム気候変動Project PaidiaEarth-2Project Lookoutマックス・プランク気象研究所Watch Forビョルン・スティーブンスBing気象モデルLEFT ALIVE気象シミュレーション長谷川誠ジミ・ヘンドリックス環境問題Baby Xカート・コバーンエコロジーロバート・ダウニー・Jr.エイミー・ワインハウスSDGsMagentaYouTubeダフト・パンクメモリスタSFGlenn MarshallELYZA PencilThe Age of A.I.Story2Hallucination音声変換レコメンデーションJukebox松尾豊Veap JapanEAPテンセントSIFT福井千春DCGAN医療MOBADANNCEメンタルケア人事ハーバード大学Edgar Handy研修デューク大学Netflixデータマイニングmynet.aiローグライクゲーム東京大学東京理科大学人工音声NeurIPS 2021産業技術総合研究所はこだて未来大学リザバーコンピューティングプレイ動画ヒップホップキャラクターモーションソニーマーケティングサイレント映画もじぱNBA環境音暗号通貨現代アートFUZZLEAlteration粒子群最適化法RPG進化差分法オープンワールド群知能下川大樹AIFAウィル・ライト高津芳希P2E大石真史SIGGRAPH 2022BEiTStyleGAN-NADAレベルデザインDETRゲームエンジンSporeUnreal Engineデノイズ南カリフォルニア大学Unity for Industry画像処理SentropyGLIDECPUDiscordAvatarCLIPSynthetic DataCALMバイアスプログラミングサム・アルトマンソースコード生成LaMDAGMAIシチズンデベロッパーSonanticTRPGGitHubCohereウィザードリィMCN-AI連携モデルマジック:ザ・ギャザリングAI DungeonUrzas.ai介護西川善司並木幸介Kikiサムライスピリッツ森寅嘉Zoetic AIゼビウスSIGGRAPH 2021ペットストリートファイター半導体Digital Dream LabsTopaz Video Enhance AICozmo栗原聡DLSSタカラトミー山野辺一記NetEaseLOVOT大里飛鳥DynamixyzMOFLINRomiU-Netミクシィ13フェイズ構造アドベンチャーゲームユニロボットADVユニボXLandGatoAGIテキスト生成手塚眞DEATH STRANDINGマルチモーダル不気味の谷Eric Johnson汎用強化学習AIOculus 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ミライ小町テスラGameGANパックマンTesla BotTesla AI Dayソサエティ5.0SIGGRAPH 2020バズグラフニュースタンテキ東芝DIB-R倉田宜典韻律射影広告韻律転移

DeepMind開発汎用ゲーム学習環境「XLand」はAGI実現につながるか?

2021.8.27ゲーム

DeepMind開発汎用ゲーム学習環境「XLand」はAGI実現につながるか?

AlphaZeroなどの強力なゲームプレイAIを開発したことで有名なGoogle傘下のAI研究機関DeepMindは7月27日、ゲームプレイAI研究に関するブログ記事を発表しました。以下では、この記事が示す「汎用ゲームプレイAI」開発の現状とその反響を紹介します。

より汎用的な学習環境を求めて

DeepMindは、これまでレトロゲームを攻略する「Agent57」やルールを知らなくてもゲームを攻略できる「MuZero」といった革新的なゲームプレイAIを発表してきました。これらのゲームプレイAIに共通する仕様として、攻略するゲームごとに学習しなければならないという制限事項があります。この制限事項により、ブロック崩しゲームを攻略するために学習した成果は、横スクロールアクションゲームの攻略に流用できないのです。

今までのゲームプレイAI研究の成果をふまえて、DeepMindはゲームプレイの学習に関して汎用性を実現すべきという目標を設定しました。「汎用的な学習」とは、特定の学習によってあらゆるゲームを攻略できた時の学習方法と内容を意味します。こうした汎用的な学習は、自然言語処理においては半ば実現しています。OpenAIが開発した大規模言語AIのGPT-3は、膨大な英文を事前学習した結果、追加の学習なしで多くの言語タスクを遂行できるようになりました。この事前学習は、汎用的な学習に近いものと見なせます。

DeepMindはゲームプレイAIにおける汎用的な学習を実現するために、XLandと命名した3Dゲームプレイ環境を開発しました。この環境の特徴は、以下のようにまとめられます(以下の動画も参照)。

  1. 広大な3Dゲームプレイ空間内には、かくれんぼや特定のオブジェクトを自陣に運ぶキャプチャー・ザ・フラッグなどの多種多様なゲームがプレイできるフィールドがある
  2. 各ゲームフィールドの地形は、ローグライクゲームのようにランダムに変化する
  3. 地形が変化するので、特定のゲームプレイ環境に最適化するような強化学習では報酬を最大化できない

以上のようなXLandで多種多様なゲームを学習すれば、さまざまな3Dゲームでハイスコアを記録できる汎用的なゲームプレイAIが実現できると考えられます。

道具の使用を確認

DeepMindはXLandを使って5世代にわたってゲームプレイAIを訓練しました。第5世代では、4,000のゲームフィールドで70万回プレイしました。こうした学習過程において、ゲームプレイAIは事前にプログラミングされていないにも関わらず、道具を使用しました。具体的には、高台にあるオブジェクトに触ると報酬が得られるゲームにおいて、高台に登るためにゲームフィールドに点在するオブジェクトを使ってスロープを作ったのです。こうしたプレイから、XLandで学習したゲームプレイAIには未知の状況に適応する能力があることがわかります。

XLandで学習したゲームプレイAIは、最終的には多種多様なゲームのプレイにおいてゲームスコアを向上させました。さらには、未知の複雑な地形におけるゲームプレイであっても30分程度の集中的訓練だけでハイスコアを記録しました。こうした短期間の訓練は、GPT-3におけるファインチューニングに相当すると考えられます。GPT-3に特定の言語タスクに関する小規模な訓練を追加すると、その言語タスクの遂行能力が向上することが知られています。

XLandで学習済みのゲームプレイAIの内部設定を分析すると、興味深いことがわかりました。分析した結果、ゲームプレイAIには人間で言う身体感覚や時間感覚に相当するものがあったのです。XLandによる学習を通して、ゲームプレイAIはあらゆるゲームプレイにおいて共通して存在する「自分の身体」と「時間の経過」を抽出したと言えるでしょう。この結果は、AIが人間の意識活動に相当するものを獲得するプロセスを解明する手がかりになるかも知れません。

AGI実現への確かな一歩か、それとも…

テック系メディアTechTalksは8月2日、XLandを紹介する記事を公開しました。その記事ではXLandを発表する以前の2021年5月、DeepMindは「報酬で充分(Reward is Enough)」と題された論文を発表していたことに言及しています。この論文では、言語活動や社会的知能などのような人間の多種多様な知的活動のほとんどは、報酬を最大化する活動と解釈できると主張したうえで、汎用人工知能(Artificial General Intelligence、AGI)は報酬を最大化するAI学習技法である強化学習で実現できる、という大胆な仮説が論じられています。この主張が仮説であるのは、現時点ではAGIが実現していないので客観的に立証できないからです。

AIスタートアップPathmindのCEOであるChris Nicholson氏は、XLandをめぐる研究成果は以上の「強化学習によるAGI実現仮説」を立証するための確かな一歩であると考えています。というのも、XLandの研究によって示されたゲームプレイに関する汎用的な学習の可能性は、学習過程自体を新たな学習に応用できる人間の汎用的な学習能力に通じるものがあるからです。

XLandの成果に関しては、批判的な意見もあります。南カリフォルニア大学のコンピュータサイエンス学科所属のSathyanaraya Raghavachary准教授は、XLandで学習したゲームプレイAIが身体感覚や時間感覚に相当するものを獲得したという成果を疑問視しています。人間がもつ身体感覚や時間感覚は未解明なことが多い脳の統合機能が関係しており、人間の脳のような構造を持たないゲームプレイAIがそのような感覚を獲得したとは断定できない、と同教授はコメントしてます。

Raghavachary准教授は、もしXLandを学習済みのゲームプレイAIが身体感覚や時間感覚を獲得していれば、もっと少ない学習量であらゆるゲームでハイスコアを記録していただろう、とも述べています。そして、XLandの成果は従来の個別のゲームプレイに最適化されたゲームプレイAIと「大して変わらないもの(more of the same)」と評しています。

XLandの成果から汎用ゲームプレイAIが実現したと主張するのは、確かに時期尚早です。しかしながら、「強化学習によるAGI実現仮説」を標榜するDeepMindは、今後も汎用ゲームプレイAIに関する研究を発表することでしょう。そして、こうしたDeepMindの研究成果は、特定のゲームにおけるハイスコア達成のような視野の狭い観点ではなく、その成果は人間の汎用的学習能力の工学的実現にどの程度寄与しているのか、という広い視野から考察するべきでしょう。

Writer:吉本幸記

RELATED ARTICLE関連記事

eSports世界チャンピオンを下したOpenAI FiveはゲームAIに何をもたらすか?

2019.4.17ゲーム

eSports世界チャンピオンを下したOpenAI FiveはゲームAIに何をも...

【JSAI2021】JRPG特有のお遣いクエストを自動生成できるAI技術への第一歩

2021.6.21ゲーム

【JSAI2021】JRPG特有のお遣いクエストを自動生成できるAI技術への第一...

【GDC Summer】AI分析ツールを活用したプレイヤーのペルソナ特定とゲーム離脱防止策

2020.8.17ゲーム

【GDC Summer】AI分析ツールを活用したプレイヤーのペルソナ特定とゲーム...

RANKING注目の記事はこちら