1: 2015/02/26(木) 10:38:55.23 ID:???.net
掲載日:2015年2月26日
http://www.nikkei.com/article/DGXLZO83685140W5A220C1EA2000/

01


 米グーグルは「ブロック崩し」などの電子ゲームの攻略法を遊びながら自ら編み出し、人間以上の高得点を出せる人工知能(AI)を開発した。やり方を教わらなくても自分で学習するAIに道を開く研究成果で、将来は人間にしかできないと思われていた複雑な仕事をこなせるようになる可能性もある。26日付の英科学誌ネイチャー(電子版)で発表する。

 開発したのは、人間の脳の神経回路をまねた学習機能を持つAI「DQN」。スペースインベーダーやブロック崩しなど懐かしのゲーム49種類をAIに与えた。ゲームの事前知識を教えなくても、人間のように繰り返し遊ぶことでやり方を学び、高得点を取る秘訣を編み出す。

 ブロック崩しを約100回遊ばせた段階では、AIは飛んでくるボールをうまく打ち返せないなど苦戦していたが、400回遊ぶと取りこぼしはほぼなくなった。600回を超えると、端のブロックに攻撃を集中して穴を開け、ブロックの裏側にもボールを送り込んで崩す攻略法を発見し、高得点を出せるようになった。

 ゲームの試験開発に携わるプロの人間とAIが得点を競ったところ、ゲーム49種類のうち29種類で、人間並みかそれ以上の得点を得られたという。ブロック崩しでは人間の13倍の得点を取り、最も上手になった「ピンボール」では25倍に達した。

続きはソースで

<参照>
Deep Q-network: New artificial intelligence can learn how to play vintage video games from scratch - BelfastTelegraph.co.uk
http://www.belfasttelegraph.co.uk/technology/deep-qnetwork-new-artificial-intelligence-can-learn-how-to-play-vintage-video-games-from-scratch-31022741.html

Nature : Human-level control through deep reinforcement learning - YouTube
https://www.youtube.com/watch?v=iqXKQf2BOSE



Human-level control through deep reinforcement learning : Nature : Nature Publishing Group
http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html

<関連>
Playing Atari with Deep Reinforcement Learning
http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf

引用元: 【AI/機械学習】グーグル、自ら学ぶ人工知能「Deep Q-network」開発 ゲーム繰り返し遊んで攻略

【動画】グーグルが人工知能「DQN」開発 ゲームを繰り返し遊んで攻略の続きを読む