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
CGCGへの扉安藤幸央生成AI機械学習月刊エンタメAIニュース河合律子ディープラーニング吉本幸記OpenAIGAN音楽NVIDIAChatGPTGoogle強化学習三宅陽一郎森川幸人グーグルStable Diffusionニューラルネットワーク大規模言語モデルLLMシナリオDeepMind人工知能学会モリカトロンマイクロソフトQAAIと倫理GPT-3自然言語処理Facebook大内孝子倫理映画著作権ルールベースアートゲームプレイAIキャラクターAIスクウェア・エニックス敵対的生成ネットワークSIGGRAPHモリカトロンAIラボインタビューNPC画像生成NFTMinecraftロボットDALL-E2音楽生成AIプロシージャルMidjourneyデバッグファッションStyleGAN自動生成ディープフェイク遺伝的アルゴリズム画像生成AIゲームAIVFXAdobeテストプレイメタAIアニメーションテキスト画像生成深層学習CEDEC2019MicrosoftデジタルツインメタバースVR小説ボードゲームDALL-ECLIPtoioビヘイビア・ツリーマンガCEDEC2021CEDEC2020作曲不完全情報ゲームロボティクスナビゲーションAIマインクラフト畳み込みニューラルネットワークスポーツエージェントGDC 2021GPT-4手塚治虫マルチモーダル汎用人工知能JSAI2022バーチャルヒューマンNVIDIA OmniverseGDC 2019動画生成AIマルチエージェントCEDEC2022MetaAIアート3DCGStability AIメタデジタルヒューマン懐ゲーから辿るゲームAI技術史教育ジェネレーティブAIはこだて未来大学プロンプトRed Ram栗原聡CNNNeRFDALL-E 3BERTMicrosoft AzureUnityOmniverseJSAI2023ELSI鴫原盛之HTN階層型タスクネットワークソニー東京大学JSAI2020GTC20233DマーケティングTensorFlowインタビューブロックチェーンCMイベントレポートアストロノーカ模倣学習対話型エージェントAmazonトレーディングカードメディアアートDQN高橋力斗合成音声水野勇太アバターブラック・ジャックUbisoftGenvid TechnologiesガイスターStyleGAN2電気通信大学稲葉通将ARアップルGTC2022GPT-3.5SoraSIGGRAPH ASIANetflixJSAI2021Bard研究シムピープル世界モデルMCS-AI動的連携モデルマーダーミステリーモーションキャプチャーアドベンチャーゲームTEZUKA2020CEDEC2023AGIテキスト生成インディーゲームElectronic Arts音声合成広告JSAI2024メタデータGDC Summerイーロン・マスクStable Diffusion XL森山和道キャリアeスポーツスタンフォード大学アーケードゲームテニスサイバーエージェント音声認識類家利直eSportsBLUE PROTOCOLシーマンaiboSIE大澤博隆SFプロトタイピングモリカトロン開発者インタビュー宮本茂則チャットボットGeminiワークショップEpic GamesAIロボ「迷キュー」に挑戦AWS徳井直生村井源クラウド斎藤由多加AlphaZeroTransformerGPT-2rinnaAIりんなカメラ環世界中島秀之PaLMGitHub Copilot哲学ベリサーブPlayable!ハリウッド理化学研究所Gen-1SFテキスト画像生成AI松尾豊AIQVE ONEデータマイニング現代アートDARPAドローンシムシティゲームエンジンImagenZorkバイアスASBSぱいどんAI美空ひばり手塚眞バンダイナムコ研究所スパーシャルAIELYZANEDOFSM-DNNMindAgentLEFT 4 DEAD通しプレイ論文OpenAI Five本間翔太馬淵浩希CygamesAudio2Faceピクサープラチナエッグイーサリアム効果音ボエダ・ゴティエビッグデータ中嶋謙互Amadeus Codeデータ分析MILENVIDIA ACEナラティブNVIDIA RivaOmniverse ReplicatorWCCFレコメンドシステムNVIDIA DRIVE SimWORLD CLUB Champion FootballNVIDIA Isaac Simセガ柏田知大軍事田邊雅彦Google I/Oトレカ慶應義塾大学Max CooperGPTDisneyFireflyPyTorch京都芸術大学ChatGPT4モンテカルロ木探索眞鍋和子バンダイナムコスタジオヒストリアAI Frog Interactive新清士田中章愛銭起揚齊藤陽介コナミデジタルエンタテインメント成沢理恵お知らせMagic Leap OneTencentサッカーバスケットボールTikTokSuno AItext-to-imageサルでもわかる人工知能text-to-3DVAEDreamFusionTEZUKA2023リップシンキングRNNUbisoft La Forge自動運転車知識表現ウォッチドッグス レギオンVTuberIGDA立教大学秋期GTC2022市場分析フォートナイトKLabどうぶつしょうぎRobloxジェイ・コウガミ音楽ストリーミングMIT野々下裕子Adobe MAXマシンラーニング5GMuZeroRival Peakがんばれ森川君2号pixivオムロン サイニックエックスGPTs対話エンジンポケモン3Dスキャン橋本敦史リトル・コンピュータ・ピープルCodexシーマン人工知能研究所コンピューティショナル・フォトグラフィーPreferred Networksゴブレット・ゴブラーズ絵画Open AI3D Gaussian SplattingMicrosoft DesignerイラストシミュレーションSoul Machines柿沼太一完全情報ゲームバーチャルキャラクター坂本洋典宮本道人釜屋憲彦ウェイポイントLLaMAパス検索Hugging Face対談藤澤仁生物学GTC 2022xAIApple Vision Pro画像認識SiemensストライキStyleCLIPDeNAVoyager長谷洋平GDC 2024クラウドコンピューティングmasumi toyotaIBM宮路洋一OpenSeaGDC 2022SNSTextWorldEarth-2AppleBingMagentaソフトバンクYouTube音声生成AIELYZA PencilScenarioSIGGRAPH2023AIピカソGTC2021AI素材.comCycleGANテンセントAndreessen HorowitzQA Tech Night松木晋祐NetHack下田純也桑野範久キャラクターモーションControlNet音源分離NBAフェイクニュースユニバーサルミュージックRPG法律Web3SIGGRAPH 2022レベルデザインDreamerV3AIボイスアクターUnreal Engine南カリフォルニア大学NVIDIA CanvasGPUALife人工生命オルタナティヴ・マシンサム・アルトマンサウンドスケープLaMDATRPGマジック:ザ・ギャザリングAI Dungeon介護ゲーム背景アパレル不気味の谷ナビゲーションメッシュデザイン写真高橋ミレイ深層強化学習松原仁松井俊浩武田英明フルコトELYZA DIGESTWWDCWWDC 2024建築西成活裕ハイブリッドアーキテクチャAI野々村真Apex LegendsELIZA群衆マネジメントライブポートレイトNinjaコンピュータRPGライブビジネスWonder StudioAdobe Max 2023GPT-4-turboアップルタウン物語新型コロナ土木佐藤恵助KELDIC周済涛BIMBing Chat大道麻由メロディ言語清田陽司インフラBing Image Creator物語構造分析ゲームTENTUPLAYサイバネティックス慶応義塾大学MARVEL Future FightAstro人工知能史Amazon BedrockAssistant with Bard渡邉謙吾タイムラプスEgo4DAI哲学マップThe Arcadeここ掘れ!プッカバスキア星新一X.AISearch Generative Experienceくまうた日経イノベーション・ラボStyleGAN-XLX Corp.Dynalang濱田直希敵対的強化学習StyleGAN3TwitterVLE-CE大柳裕⼠階層型強化学習GOSU Data LabGANimatorXホールディングス加納基晴WANNGOSU Voice AssistantVoLux-GANMagiAI Actソニー・インタラクティブエンタテインメント竹内将SenpAI.GGProjected GANEU研究開発事例MobalyticsSelf-Distilled StyleGANSDXLArs Electronica赤羽進亮ニューラルレンダリングRTFKTAI規制遊戯王岡島学AWS SagemakerPLATONIKE欧州委員会UDI(Universal Duel Interface)映像セリア・ホデント形態素解析frame.ioClone X欧州議会第一工科大学UXAWS LambdaFoodly村上隆欧州理事会佐竹空良誤字検出MusicLM小林篤史認知科学中川友紀子Digital MarkAudioLM九州大学ゲームデザインSentencePieceアールティSnapchatMusicCaps荻野宏実LUMINOUS ENGINEクリエイターコミュニティAudioCraft伊藤黎Luminous ProductionsBlenderBot 3バーチャルペットビヘイビアブランチパターン・ランゲージ竹村也哉Meta AINVIDIA NeMo ServiceMubertWPPちょまどマーク・ザッカーバーグヴァネッサ・ローザMubert RenderGOAPWACULVanessa A RosaGen-2Adobe MAX 2021陶芸Runway AI Film Festival自動翻訳Play.htPreViz音声AIAIライティングLiDARCharacter-LLMOmniverse AvatarAIのべりすとPolycam復旦大学FPSQuillBotdeforumChat-Haruhi-Suzumiyaマルコフ決定過程NVIDIA MegatronCopysmith涼宮ハルヒNVIDIA MerlinJasperハーベストEmu VideoNVIDIA MetropolisForGamesNianticパラメータ設計ゲームマーケットペリドットバランス調整岡野翔太Dream Track協調フィルタリング郡山喜彦Music AI Tools人狼知能テキサス大学ジェフリー・ヒントンLyriaGoogle I/O 2023Yahoo!知恵袋AlphaDogfight TrialsAI Messenger VoicebotインタラクティブプロンプトAIエージェントシミュレーションOpenAI Codex武蔵野美術大学StarCraft IIHyperStyleBingAI石渡正人Future of Life InstituteRendering with Style手塚プロダクションIntel林海象LAIKADisneyリサーチヴィトゲンシュタインPhotoshop古川善規RotomationGauGAN論理哲学論考Lightroom大規模再構成モデルGauGAN2CanvaLRMドラゴンクエストライバルズ画像言語表現モデルObjaverse不確定ゲームSIGGRAPH ASIA 2021PromptBaseBOOTHMVImgNetDota 2ディズニーリサーチpixivFANBOXOne-2-3-45Mitsuba2バンダイナムコネクサス虎の穴3DガウシアンスプラッティングソーシャルゲームEmbeddingワイツマン科学研究所ユーザーレビューFantiaワンショット3D生成技術GTC2020CG衣装mimicとらのあなNVIDIA MAXINEVRファッションBaidu集英社FGDC淡路滋ビデオ会議ArtflowERNIE-ViLG少年ジャンプ+Future Game Development ConferenceグリムノーツEponym古文書ComicCopilot佐々木瞬ゴティエ・ボエダ音声クローニング凸版印刷コミコパGautier Boeda階層的クラスタリングGopherAI-OCRゲームマスター画像判定Inowrld AIJulius鑑定ラベル付けMODAniqueTPRGOxia PalusGhostwriter中村太一バーチャル・ヒューマン・エージェントtoio SDK for UnityArt RecognitionSkyrimエグゼリオクーガー実況パワフルサッカースカイリムCopilot石井敦NHC 2021桃太郎電鉄RPGツクールMZComfyUI茂谷保伯池田利夫桃鉄ChatGPT_APIMZserial experiments lainGDMC新刊案内パワサカダンジョンズ&ドラゴンズAI lainマーベル・シネマティック・ユニバースOracle RPGPCGMITメディアラボMCU岩倉宏介深津貴之PCGRLアベンジャーズPPOxVASynthDungeons&Dragonsマジック・リープDigital DomainMachine Learning Project CanvasLaser-NVビートルズMagendaMasquerade2.0国立情報学研究所ザ・ビートルズ: Get Back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石川冬樹MERFDemucsスパコンAlibaba音楽編集ソフト里井大輝KaggleスーパーコンピュータVQRFAdobe Audition山田暉松岡 聡nvdiffreciZotopeAssassin’s Creed OriginsAI会話ジェネレーターTSUBAME 1.0NeRFMeshingRX10Sea of ThievesTSUBAME 2.0LERFMoisesGEMS COMPANYmonoAI technologyLSTMABCIマスタリングモリカトロンAIソリューション富岳レベルファイブ初音ミクOculusコード生成AISociety 5.0リアム・ギャラガー転移学習テストAlphaCode夏の電脳甲子園グライムスKaKa CreationBaldur's Gate 3Codeforces座談会BoomyVOICEVOXCandy Crush Saga自己増強型AIジョン・レジェンドGenie AISIGGRAPH ASIA 2020COLMAPザ・ウィークエンドSIGGRAPH Asia 2023ADOPNVIDIA GET3DドレイクC·ASEデバッギングBigGANGANverse3DFLAREMaterialGANダンスグランツーリスモSPORTAI絵師エッジワークスMagicAnimateReBeLグランツーリスモ・ソフィーUGC日本音楽作家団体協議会Animate AnyoneGTソフィーPGCFCAインテリジェントコンピュータ研究所VolvoFIAグランツーリスモチャンピオンシップVoiceboxアリババNovelAIさくらインターネットDreaMovingRival PrakDGX A100NovelAI DiffusionVISCUITぷよぷよScratchユービーアイソフトWebcam VTuberモーションデータスクラッチ星新一賞大阪公立大学ビスケット北尾まどかHALOポーズ推定TCGプログラミング教育将棋メタルギアソリッドVメッシュ生成FSMメルセデス・ベンツQRコードVALL-EMagic Leap囲碁Deepdub.aiナップサック問題Live NationEpyllionデンソーAUDIOGEN汎用言語モデルWeb3.0マシュー・ボールデンソーウェーブEvoke MusicAIOpsムーアの法則原昌宏AutoFoleySpotifyスマートコントラクト日本機械学会Colourlab.AiReplica Studioロボティクス・メカトロニクス講演会ディズニーamuseChitrakarQosmoAdobe MAX 2022トヨタ自動車Largo.ai巡回セールスマン問題かんばん方式Cinelyticジョルダン曲線メディアAdobe ResearchTaskade政治Galacticaプロット生成Pika.artクラウドゲーミングAI Filmmaking Assistant和田洋一リアリティ番組映像解析FastGANStadiaジョンソン裕子セキュリティ4コママンガAI ScreenwriterMILEsNightCafe東芝デジタルソリューションズ芥川賞インタラクティブ・ストリーミングLuis RuizSATLYS 映像解析AI文学インタラクティブ・メディア恋愛PFN 3D ScanElevenLabsタップル東京工業大学HeyGenAbema TVLudo博報堂After EffectsNECラップPFN 4D Scan絵本木村屋SIGGRAPH 2019ArtEmisZ世代DreamUp出版GPT StoreAIラッパーシステムDeviantArtAmmaar Reshi生成AIチェッカーWaifu DiffusionStoriesユーザーローカルGROVERプラスリンクス ~キミと繋がる想い~元素法典StoryBird九段理江FAIRSTCNovel AIVersed東京都同情塔チート検出Style Transfer ConversationProlificDreamerオンラインカジノRCPUnity Sentis4Dオブジェクト生成モデルRealFlowRinna Character PlatformUnity MuseAlign Your GaussiansiPhoneCALACaleb WardAYGDeep Fluids宮田龍MAV3DMeInGameAmelia清河幸子ファーウェイAIGraphブレイン・コンピュータ・インタフェース西中美和4D Gaussian SplattingBCIGateboxアフォーダンス安野貴博4D-GSLearning from VideoANIMAKPaLM-SayCan斧田小夜Glaze予期知能逢妻ヒカリWebGlazeセコムLLaMA 2NightShadeユクスキュルバーチャル警備システムCode as PoliciesSpawningカント損保ジャパンCaPHave I Been Trained?CM3leonFortnite上原利之Stable DoodleUnreal Editor For Fortnite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コリジョンチェックT2I-AdapterXRPAIROCTOPATH TRAVELER西木康智VolumetricsOCTOPATH TRAVELER 大陸の覇者山口情報芸術センター[YCAM]AIワールドジェネレーターアルスエレクトロニカ2019品質保証YCAM日本マネジメント総合研究所Rosebud AI GamemakerStyleRigAutodeskアンラーニング・ランゲージLayer逆転オセロニアBentley Systemsカイル・マクドナルドLily Hughes-RobinsonCharisma.aiワールドシミュレーターローレン・リー・マッカーシーColossal Cave Adventure奥村エルネスト純いただきストリートH100鎖国[Walled Garden]​​プロジェクトAdventureGPT調査齋藤精一大森田不可止COBOLSIGGRAPH ASIA 2022リリー・ヒューズ=ロビンソンMeta Quest高橋智隆DGX H100VToonifyBabyAGIIPロボユニザナックDGX SuperPODControlVAEGPT-3.5 Turbo泉幸典仁井谷正充変分オートエンコーダーカーリング強いAIロボコレ2019Instant NeRFフォトグラメトリウィンブルドン弱いAIartonomous回帰型ニューラルネットワークbitGANsDeepJoin戦術分析ぎゅわんぶらあ自己中心派Azure Machine LearningAzure OpenAI Serviceパフォーマンス測定Lumiere意思決定モデル脱出ゲームDeepLIoTUNetHybrid Reward Architectureコミュニティ管理DeepL WriteProFitXImageFXウロチョロスSuper PhoenixWatsonxMusicFXProject MalmoオンラインゲームAthleticaTextFX気候変動コーチングProject Paidiaシンギュラリティ北見工業大学KeyframerProject Lookoutマックス・プランク気象研究所レイ・カーツワイル北見カーリングホールWatch Forビョルン・スティーブンスヴァーナー・ヴィンジ画像解析Gemini 1.5気象モデルRunway ResearchじりつくんAI StudioLEFT ALIVE気象シミュレーションMake-A-VideoNTT SportictVertex AI長谷川誠ジミ・ヘンドリックス環境問題PhenakiAIカメラChat with RTXBaby Xカート・コバーンエコロジーDreamixSTADIUM TUBESlackロバート・ダウニー・Jr.エイミー・ワインハウスSDGsText-to-ImageモデルPixelllot S3Slack AIPokémon Battle Scopeダフト・パンクメモリスタAIスマートコーチポケットモンスターGlenn MarshallkanaeruThe Age of A.I.Story2Hallucination音声変換Latitude占いレコメンデーションJukeboxDreambooth行動ロジック生成AIVeap Japanヤン・ルカンConvaiEAPneoAIPerfusionNTTドコモSIFT福井千春DreamIconニューラル物理学EmemeDCGAN医療mign毛髪GenieMOBADANNCEメンタルケアstudiffuse荒牧英治汎用AIエージェント人事ハーバード大学Edgar Handy中ザワヒデキAIファッションウィーク研修デューク大学大屋雄裕インフルエンサー中川裕志Grok-1mynet.aiローグライクゲームAdreeseen HorowitzMixture-of-Experts東京理科大学NVIDIA Avatar Cloud EngineMoE人工音声NeurIPS 2021産業技術総合研究所Replica StudiosClaude 3リザバーコンピューティングSmart NPCsClaude 3 Haikuプレイ動画ヒップホップ対話型AIモデルRoblox StudioClaude 3 SonnetソニーマーケティングPromethean AIClaude 3 Opusサイレント映画もじぱnote森永乳業環境音暗号通貨note AIアシスタントMusiioC2PAFUZZLEKetchupEndelゲーミフィケーションAlterationAI NewsTomo Kihara粒子群最適化法Art SelfiePlayfool進化差分法オープンワールドArt TransferSonar遊び群知能下川大樹AIFAPet PortraitsSonar+D​​tsukurunウィル・ライト高津芳希P2EBlob Opera地方創生大石真史クリムトDolby Atmos吉田直樹BEiTStyleGAN-NADASonar Music Festival素材DETRライゾマティクスSIMASporeクリティックネットワーク真鍋大度OpenAI JapanデノイズUnity for Industryアクターネットワーク花井裕也Voice Engine画像処理DMLabRitchie HawtinCommand R+SentropyGLIDEControl SuiteErica SynthOracle Cloud InfrastructureCPUDiscordAvatarCLIPAtari 100kUfuk Barış MutluGoogle WorkspaceSynthetic DataAtari 200MJapanese InstructBLIP AlphaUdioCALMYann LeCun日本新聞協会立命館大学プログラミング鈴木雅大AIいらすとや京都精華大学ソースコード生成コンセプトアートAI PicassoTacticAIGMAIシチズンデベロッパーSonanticColie WertzEmposyNPMPGitHubCohereリドリー・スコットAIタレントFOOHウィザードリィMCN-AI連携モデル絵コンテAIタレントエージェンシーGPT-4oUrzas.aiストーリーボードmodi.aiProject Astra大阪大学BitSummitGoogle I/O 2024西川善司並木幸介KikiBlenderBitSummit Let’s Go!!Gemma 2サムライスピリッツ森寅嘉Zoetic AIVeoゼビウスSIGGRAPH 2021ペット感情認識ストリートファイター半導体Digital Dream LabsPaLM APIデジタルレプリカ音声加工Topaz Video Enhance AICozmoMakerSuiteGOT7マルタ大学DLSSタカラトミーSkebsynthesia田中達大山野辺一記NetEaseLOVOTDreambooth-Stable-DiffusionHumanRFInworld AI大里飛鳥DynamixyzMOFLINActors-HQMove AIRomiGoogle EarthSAG-AFTRAICRA2024U-NetミクシィGEPPETTO AIWGAIEEE13フェイズ構造ユニロボットStable Diffusion web UIチャーリー・ブルッカー大規模基盤モデルADVユニボPoint-EToroboXLandGato岡野原大輔東京ロボティクスAI model自己教師あり学習インピーダンス制御DEATH STRANDINGAI ModelsIn-Context Learning(ICL)深層予測学習Eric Johnson汎用強化学習AIZMO.AILoRA日立製作所MOBBY’Sファインチューニング早稲田大学Oculus Questコジマプロダクションロンドン芸術大学モビーディックグランツーリスモ尾形哲也生体情報デシマエンジンGoogle Brainダイビング量子コンピュータAIRECSound Controlアウトドアqubit汎用ロボットSYNTH SUPERAIスキャニングIBM Quantum System 2オムロンサイニックエックス照明Maxim PeterKarl Sims自動採寸北野宏明ViLaInJoshua RomoffArtnome3DLOOKダリオ・ヒルPDDLハイパースケープICONATESizerジェン・スン・フアンニューサウスウェールズ大学山崎陽斗ワコールHuggingFaceClaude Sammut立木創太スニーカーStable Audioオックスフォード大学浜中雅俊UNSTREET宗教Lars Kunzeミライ小町Newelse仏教杉浦孔明テスラ福井健策CheckGoodsコカ・コーラ田向権GameGAN二次流通食品VASA-1パックマンTesla Bot中古市場Coca‑Cola Y3000 Zero SugarVoxCeleb2Tesla AI DayWikipediaDupe KillerCopilot Copyright CommitmentAniTalkerソサエティ5.0Sphere偽ブランドテラバース上海大学SIGGRAPH 2020バズグラフXaver 1000配信京都大学Apple Intelligenceニュースタンテキ養蜂立福寛東芝Beewiseソニー・ピクチャーズ アニメーション音声解析DIB-R倉田宜典フィンテック感情分析Luma投資Fosters+Partners周 済涛Dream Machine韻律射影MILIZEZaha Hadid ArchitectsステートマシンNTT韻律転移三菱UFJ信託銀行ディープニューラルネットワークPerplexity

世界内でタスクを遂行する「自己改善型マルチモーダルエージェント」の原初形態としてのDyanlangの紹介

2023.10.25ゲーム

世界内でタスクを遂行する「自己改善型マルチモーダルエージェント」の原初形態としてのDyanlangの紹介

代表的な大規模言語モデルであるGPT-4やBardは文章生成のみならず画像認識能力が実装されることで、テキスト情報と視覚情報を関連付けて所与の情報処理タスクを遂行できるようになりました。こうしたなか2023年7月末にカリフォルニア大学バークレー校の研究チームは、テキスト情報と視覚情報の新たな関連性を活用するAIモデルを発表しました。本稿ではこのAIモデルを紹介することで、テキストと視覚情報を統合して世界内でタスクを遂行する「自己改善型マルチモーダルエージェント」の可能性を明らかにします。

DremerV3を拡張

カリフォルニア大学バークレー校の研究チームが発表した論文「言語で世界をモデル化することを学習する(Learning to Model the World with Language)」は、テキスト情報によって視覚的世界の変化を予測できるAIモデル「Dynalang」を提案しています。このモデルは、例えば「玄関ドアを開けて右側に見えるドアから部屋に入って、その部屋にあるゴミ箱にゴミを捨てる」という言葉による指示を実行できるロボットに実装されるAIを想定して研究されています。言葉による指示を実行するには、指示で説明された通りに視覚的世界が変化することを予測したうえで、変化した世界のなかで適切に行動する能力が求められます。

言語による視覚的世界の予測を実現するために、研究チームはDeepMindらが発表したDreamerV3を拡張することにしました。このAIは、視覚的世界の変化を予測する世界モデルを実装することで、学習データなしでMinecraftのダイヤモンド採取に成功しました。こうした世界変化の予測能力を視覚情報だけではなく、テキスト情報を活用できるように進化させて誕生したのがDynalangなのです。

参考記事:学習データなしでMinecraftのダイヤモンド採取に成功。世界モデルを採用したDreamerV3の意義

Dynalangの開発にあたっては、(ゲームのような)学習空間における任意の時点に関するテキストと画像を統合した情報を入力として、入力時点に後続する学習空間情報を出力するように訓練しました(下のグラフの「(a) World Model Learning」参照)。同モデルをアーキテクチャ的観点から言えば、ある時間点に後続する状態を出力するリカレントニューラルネットワーク(Recurrent Neural Network、略称「RNN」)となります。

Dynalangは世界の変化を予測するだけではなく、変化する世界のなかで目標を達成できるようにも訓練されています。具体的には世界の変化を予測しながら、予測された世界において目標を達成する最適な行動を学習しました(上のグラフ「(b) Learning to Act by Latent Imagination」参照)。こうした学習には、DreamerV3に実装されている報酬を予測する「クリティック(批評者)ネットワーク」と報酬を最大化する行動を学習する「アクター(行動者)ネットワーク」が流用されました。このようにDynalangは、マルチモーダルな強化学習モデルという側面も認められます

4つのテストゲームで好成績

研究チームはDynalangの性能を実証するために、テキスト情報にもとづいた世界予測が重要となる4つのテストゲームを実施しました。なお、このテストでは既存マルチモーダル強化学習モデルであるIMPALAとR2D2を比較対象モデルとして選びました。

1つ目のゲーム「HomeGrid」は、グリッド(格子)座標上に描画された部屋のなかで「ゴミを拾ってゴミ箱に捨てる」のようなテキストによる指示を遂行するというものです。ゲームプレイ時には、指示の達成に役立つヒントがテキスト情報として与えられます。このヒントを生かすには、部屋の視覚的状態とヒントを統合する能力が求められます。このゲームでは、以下のグラフにようにDynalangがもっとも好成績をあげました。なお、グラフ中の「Task Only」はヒントなしのプレイを意味し、「With Future」はゴミの在り処に関するヒント、「With Correstions」はゴミから離れた場合に警告を発するヒント、「With Dynamics」はゴミ箱の開け方に関するヒントがある場合のプレイ成績を表しています。

2つ目のゲーム「Messenger」は、ゲームフィールド内にあるゲームアニュアルを取得して内容を理解したうえで、ゲームをクリアするというものです。マニュアルには避けるべき敵キャラクターやゴールの位置等が書かれています。このゲームを使ったテストでは、同ゲームのために訓練されたモデルであるEMMAも比較対象としました。テストの結果、それぞれのモデルが試行錯誤を経てゲームスコアを高めていくなか、Dynalangが最高成績を収めました。とくにもっとも難易度の高いフィールドでは、Dynalangだけがスコアを高めていきました。

3つ目は、3D表現されたバーチャルな屋内を言葉による指示にしたがって目的地まで移動する「VLE-CE(Vision-and-Language Navigation in Continuous Environments)」のテストを実施しました。このテストでは、Dynalangだけが試行錯誤を経て成功率を高められました。

4つ目は、「○○(○○には花瓶などの任意のオブジェクト名が入る)の色は何ですか」という質問に答えるためにAIエージェントがゲームフィールド内を探索する「LangRoom」でした。前述の3つのゲームは言葉を活用した世界の予測能力を問うものでしたが、LangRoomはゲーム世界を参照したうえでの文章生成能力を測定するものです。このテストによって、Dynalangはゲームプレイを通じて言わば拡張された文章生成能力を向上させられることがわかりました。

テキストのみから学習する「座学」も可能

研究チームは、Dynalangがテキストのみから学習可能などうかもテストしました。具体的には、前述のMessengerゲームで活用される大量のゲームマニュアルのみを学習しました(実際のMessengerでは、大量のマニュアルのうち1つがゲームプレイ時に設定される)。その結果、マニュアルを事前学習したDynalangは事前学習なしのそれに比べて高いスコアを達成するようになりました。

以上のテストによって実証されたゲームプレイを伴わない言わば「座学」による事前学習の有効性は、Dynalangに対して特定のゲームに限定されない汎用的な事前学習を実行できることを示唆しています。つまり、さまざまなゲームプレイに関するテキストや動画を学習すればするほど、あらゆるゲームのプレイがより上達する可能性が高いのです。

4つのテストゲームと事前学習によってその性能が実証されたDynalangの特徴をまとめると、言語にもとづいた世界予測と世界にもとづいた文章生成によってタスクを遂行するモデルだと言えます。そして、こうしたマルチモーダルな能力は、テキストあるいは動画を用いた学習によって向上させられるのです。ちなみに研究チームは、同モデルを「世界の人間と対話する自己改善型マルチモーダルエージェント」への道を拓くもの、と表現しています。

Dynalangは、画像認識と自然言語処理の最新統合形態であるGPT-4をはじめとする大規模言語モデルとは異なった系統の進化を遂げる可能性があります。というのも、前者は世界内でのタスク遂行を目標としているのに対して、後者はデジタル情報処理の高度化を目指しているように見なせるからです。こうした比較により、Dynalangは人間と生活するロボットに実装するAIとして進化するのではないか、とも考えられます。

現在AI研究開発の注目は大規模言語モデルに集まっていますが、Dynalangのようにそれらのモデルとは異なった進化を遂げるかも知れないマルチモーダルモデルの動向にも注意を向けるべきではないでしょうか。

Writer:吉本幸記

RELATED ARTICLE関連記事

実施はAI、評価は人間。AIと人間の分業が進む海外ゲームQA事情

2020.11.27ゲーム

実施はAI、評価は人間。AIと人間の分業が進む海外ゲームQA事情

【JSAI2022】RPGにおける物語自動生成とさまざまな物語の構造解明

2022.7.28ゲーム

【JSAI2022】RPGにおける物語自動生成とさまざまな物語の構造解明

ディープフェイクの発展と検出のいたちごっこ:月刊エンタメAIニュース vol.29

2022.5.20ゲーム

ディープフェイクの発展と検出のいたちごっこ:月刊エンタメAIニュース vol.2...

RANKING注目の記事はこちら