Google DeepMind、ゲームを実験場にして現実世界へ

ピクセル処理から3D空間の理解へ

Google DeepMindはXで、ビデオゲームをAI研究の実験場として利用してきた15年間を短く振り返った。同社によれば、単純なAtariのアーケードゲームの攻略から、戦略ゲームStarCraft IIでグランドマスターレベルに到達するまで、ゲームが最大級のブレークスルーを促してきた。

直近の例として挙げられたSIMAプロジェクトは、エージェントをさらに先へ進めた。エージェントはゲームのロジックに反応するだけでなく、人間に近い形で行動できるほど3D環境を理解することを学んだ。

ゲームは研究開発の安全なサンドボックスだった

AI研究所にとって、ゲームは理想的な訓練場だった。明確に定義されたルール、即時のフィードバック、現実の時間よりはるかに短い時間で数千時間分のプレイをシミュレーションできる環境を提供する。

AlphaGoとAlphaStarは、閉じたシステムでAIが人間の熟練者に勝てることを示した。一方、SIMAプロジェクトはさらに大きな野心をうかがわせる。ゲーム世界の一般的な3D空間を移動できるエージェントは、単にハイスコアを更新するものより、ロボティクスや現実世界での応用に近い。

ゲームがAI研究の主役だった時代の終わり

DeepMindが成功を振り返ったのは、業界の関心がゲームシミュレーションから、現実のテキスト、コード、物理世界を扱う方向へ移っている時期だ。ゲームのベンチマークは今もアーキテクチャの優れた試験になるが、市場にとって有意義な指標ではなくなりつつある。

問われているのは、AIが別のゲームでプレイヤーに勝てるかではなく、シミュレーションで得た技能を法人向けソフトウェアや自動運転車へどこまで移せるかだ。

次の節目は抽象化能力

DeepMindは、SIMAプロジェクトの成果をゲーム環境の外でも証明する必要がある。応用可能性を示す真の証拠は新たな大会での優勝ではなく、ゲームで学習したアーキテクチャが、事前に定められたルールも明確な勝利条件もないタスクへ素早く適応できるかどうかだ。

Lilithの判定

DeepMindがゲームのトロフィーを並べている間、企業が気にするのは一つだけだ。StarCraftをプレイできるエージェントが、Excelへの入力で立ち往生せずに済むのか。