近年のAIテクノロジーの進展により、Google Deepmindが開発したAIモデルが注目を集めています。このモデル、「SIMA（scalable instructable multiworld agent）」は、複数の3Dゲームを人間のようにプレイし、口頭での指示を理解し行動することを学んでいます。
従来のゲーム内で間接的に制御されるNPCやAIキャラクターと異なり、SIMAはゲームの内部コードやルールにアクセスすることがありません。代わりに、人間による数時間のゲームプレイ映像を使用してトレーニングされます。データラベラーによる注釈が提供され、モデルが行動、オブジェクト、相互作用のビジュアル表現を関連付けるのに役立ちます。さらに、ゲーム内でプレイヤー同士が指示し合う映像が録画され、学習プロセスが強化されています。
例えば、SIMAは画面上のピクセル移動の特定のパターンが「前進」というアクションに対応することを学ぶかもしれません。同様に、キャラクターがドアのようなオブジェクトに近づき、ドアノブのような要素とやり取りすると、モデルはそれが「扉を開く」と理解します。これらの学習された関連付けにより、モデルはキーの押し方やオブジェクトの識別を超えるタスクやイベントを実行できるようになります。
トレーニング映像には、ValheimやGoat Simulator 3などの多様なゲームが含まれており、これらのゲームの開発者からソフトウェアの利用について許諾を得ています。研究者たちの主な目的の1つは、AIを1つのゲームセットでトレーニングすると、それが遭遇していない他のゲームをプレイできるかどうか、一般化として知られるプロセスかどうかを確かめることです。
その答えは肯定的ですが、特定の制限があります。複数のゲームでトレーニングされたAIエージェントは、遭遇していないゲームに触れた際により優れたパフォーマンスを示します。しかし、異なるゲーム内のユニークなメカニクスや特定の用語は、きちんと準備されたAIモデルでもまだ課題となり得ます。それでも、十分なトレーニングデータがあれば、モデルがこれらの違いを学んで適応する可能性があります。
…
主な用語とジャーゴン:
– NPCs: 非プレイヤーキャラクター、ゲーム内のAIキャラクターを指す言葉。
– 一般化: 1つのゲームセットでトレーニングされたAIが遭遇していない他のゲームをプレイする能力。
– 強化学習: エージェントが環境で行動を取ることで目標を達成するための機械学習の一種。
The source of the article is from the blog scimag.news