![あの「スト3」も攻略できる?強化学習用ライブラリーが登場](https://cdn.technologyreview.jp/wp-content/uploads/sites/2/2018/11/06191752/hogwild3-2-compressor.gif)
あの「スト3」も攻略できる?強化学習用ライブラリーが登場
若いころ、私と同じようにビデオゲームに情熱を注いだ人なら、いまでは人工知能(AI)の力を少し借りながら、昔のゲームを攻略できるかもしれない。
さまざまな古いビデオゲームをプレイするために、強化学習アルゴリズムを訓練する方法を提供する新しいPython(パイソン)ライブラリーが登場した。人気のゲーム・エミュレーターであるMAMEで利用できるライブラリーだ。ライブラリーの添付文書(Readme)には、クラシック・タイトルであるストリートファイター3をマスターするための簡単なプログラムの書き方が記されている。
強化学習は、動物が肯定的なフィードバックに応えて学習する方法からヒントを得ている。汎用人工知能の開発を目指すグーグルの子会社であるディープマインド(DeepMind)は、強化学習を用いてアタリのゲームをプレイするようプログラムを訓練したことで有名だ。強化学習は、囲碁を超人的な能力でプレイできることが証明されたプログラム「アルファ碁(AlphaGo)」の基盤でもあった。囲碁は非常に複雑でマスターするのが難しいゲームであり、アルファ碁の開発は画期的な出来事だったのだ。
ゲームとAIの関わり合いには興味深い歴史がある。AIの進歩を評価するのにゲームを使う発想を世に広めたのはディープマインドだったが、発想自体は昔からあった。たとえば最初期のAIプログラムの1つは、AI研究の先駆者であるアーサー・サミュエルが開発した、チェッカーをプレイするプログラムである。AIとしてはとてつもなく低能だったが、このプログラムには簡単な機械学習が使われていた。
強化学習は膨大な量のデータを必要とする上に、うまく機能させるには困難を伴う。現時点で実用化された例が少ないのはそのためだ。それでも、強化学習が有名なゲームに利用できることは興味深い。いまやビデオゲームへの情熱を、もっとも注目されている仕事の1つであるAIの研究に活かせる可能性も出てきたのだから。
![](https://cdn.technologyreview.jp/wp-content/uploads/sites/2/2016/05/31114639/will_knight-150x150.png)