AI は、チェス、囲碁、ポーカー、および勝つために複数の戦略が必要なその他のゲームで人間のプレイヤーに勝つことができます。 Student of Games (SoG) と呼ばれるこの人工知能は、Google DeepMind によって作成されました。同社は、これは超人的なパフォーマンスであらゆるタスクを実行できる汎用人工知能への一歩であると述べています。関連する論文が最近 Science Advances に掲載されました。
Martin Schmid 氏は、かつて DeepMind で人工知能の研究に取り組んでいたが、現在は Equilibrium Technology という新興企業で働いている。同氏は、SoGモデルは2つのプロジェクトに遡ることができると述べた。その 1 つが、カナダのアルバータ大学のシュミット氏らのチームによって開発された人工知能、DeepStack です。これは、ポーカー ゲームで人間のプロ プレイヤーに勝利した初めての人工知能です。もう 1 つは、DeepMind の AlphaZero で、チェスや囲碁などのゲームで人間の最高のプレイヤーに勝利します。
これら 2 つのモデルの違いは、不完全知識ゲームに焦点を当てていることです。プレーヤーは、ポーカー ゲームのハンドなど、他のプレーヤーのステータスを知りません。もう 1 つはチェスのような完全知識ゲームに焦点を当てており、両方のプレーヤーがいつでもすべての駒の位置を確認できます。この 2 つは根本的に異なるアプローチを必要とします。 DeepMind は、両方のタイプのゲームを促進できるモデルを構築することを目的として DeepStack チーム全体を雇用し、SoG が誕生しました。
シュミット氏は、SoG はゲームを学び、練習を通じて改善する方法の「青写真」として始まったと述べた。この初心者モデルは、さまざまなゲームで自由にプレイし、自分自身の別のバージョンと対戦する方法を学習し、新しい戦略を学び、徐々に能力が向上します。 DeepMind の以前の AlphaZero は完全知識ゲームに適応できましたが、SoG は完全知識ゲームと不完全知識ゲームの両方に適応し、より一般的になります。
研究者らは、チェス、囲碁、ポーカー、およびスコットランド ヤードと呼ばれるボード ゲームで SoG をテストしました。彼らはまた、Leduc ポーカーとスコットランド ヤードのカスタマイズされたバージョンで SoG をテストし、それがいくつかの既存の AI モデルと人間のプレーヤーに勝つことができることを発見しました。他のゲームのプレイ方法も学習できるはずだとシュミット氏は語った。 「ただ投げるだけで本当にうまくなるゲームはたくさんあります。」
この幅広い機能では、DeepMind のより特殊なアルゴリズムと比較するとパフォーマンスがわずかに低下しますが、SoG は学習したほとんどのゲームで最高の人間プレイヤーを簡単に破ります。シュミット氏は、SoG はゲームを改善するために自分自身と対戦することを学んだだけでなく、たとえ不完全な知識ゲームをプレイしていたとしても、ゲームの現状から何が可能かを探ることも学んだ、と語った。
「ポーカーのようなゲームをプレイしているとき、相手がどのようなカードを持っているかが分からないと、次の最適な手を見つける方法を見つけるのは困難です」とシュミット氏は語った。 「つまり、AlphaZero からのアイデアがいくつかあり、DeepStack からのアイデアもあり、この巨大なアイデアの組み合わせが形成されています。これが Student of the Game です。」
この研究には関与していない英国エディンバラ大学のマイケル・ロヴァツォス氏は、研究結果は素晴らしいものだが、ゲームは現実世界ではなく、すべてのルールや行動が明確に定義されている環境であるため、人工知能が一般知能とみなせるようになるにはまだ長い道のりがあると述べた。
「ここで強調すべき重要なことは、これは管理された自己完結型の人工環境であり、すべての意味とすべての行動の結果が非常に明確であるということです」とロヴァツォス氏は述べた。 「この問題はおもちゃの問題です。なぜなら、それは非常に複雑かもしれませんが、現実ではないからです。」
関連論文情報：https://doi.org/10.1126/sciadv.adg3256