Le ディープラーニング、または深層学習は、ニューラルネットワークに基づく機械学習の手法です。他の事前に決められた指示に従う人工知能の形態とは異なり、ディープラーニングを使用するシステムは自律的に学習することができます。これにより、彼らは環境やさまざまな状況に応じて適応し、行動を作成することができます。ビデオゲームの世界では、数十年前からすでに人工知能の形態が存在していました。しかし、今日最も印象的な例は、ディープラーニングに基づくAIであり、これらの知能がどのようにして自ら学び、進化できるかを理解するための大きな前進を示しています。
ピーター・ウィッデンの経験：ポケモン赤での50,000時間の学習
ディープラーニングの機能をよりよく理解し、人工知能の行動を研究するために、コンテンツクリエイターのピーター・ウィッデンは、名作ゲーム「ポケモン赤」を使った実験を行いました。彼はこのゲームでAIを50,000時間訓練し、未知の世界でどのようにうまくやるかを観察しました。ウィッデンが作成したAIは、周囲を探索し、ポケモンを捕まえ、行動に応じてゲームを進め始めました。彼女は最初のジムリーダー、ブロックを倒すこともできましたが、それは彼女の最後の利用可能な攻撃が岩タイプのポケモンに対して効果的な「バブル」であったためです。しかし、この人工知能の冒険はすぐに難しくなりました：彼女は暗い洞窟で行き詰まり、道が似ている迷路のような場所です。そのため、AIはアズリアの街にある第二のジムに到達できませんでした。
ポケモン赤における人工知能の強みと弱み
AIが間違っていることを指摘するのは容易ですが、その特性を強調することも重要です。たとえば、ゲームのランダム性の秘密を解くのに苦労する人間のプレイヤーとは異なり、AIは捕獲のチャンスを最適化するためのトリックを特定しました。ウィッデンは、彼のAIがゲームの最初の村、ブルー・パレットを出発する際に常に奇妙なルートを辿っていることを発見しました。実際、この道は次のポケモンを1つのモンスターボールで捕まえることを保証しており、貴重なリソースを節約していました。このピーター・ウィッデンによる実験は、ディープラーニングに基づく人工知能に明確な目標を伝えることがどれほど難しいかを示しています。これらの目標が明確に定義されている場合でも、です。また、彼らの限界を浮き彫りにします：様々な状況に適応し学ぶことができる一方で、複雑な問題を解決するために人間の創意工夫に対抗する能力はまだありません。
ディープラーニングの理解向上へ
ピーター・ウィッデンのポケモン赤における実験は、ディープラーニングの機能と、今日の人工知能が直面している課題を理解するための興味深い例を提供します。彼らはビデオゲームにおける初期のAIの例から間違いなく多くの道を歩んできましたが、これらのシステムが本当に人間の思考や創造性に匹敵するまでには、まだ多くのステップが残っています。ディープラーニングに基づくAIの学習と適応能力をよりよく理解するために、さまざまな文脈と分野で同様の実験が行われるべきです。したがって、これらの人工知能を継続的に改善し、もしかしたらいつの日か、ディープラーニングの現在の限界を超えることができるシステムを作成するために、研究とテストを続けることが重要です。
