不当な優位性：AIが人間のように遊ぶことを期待しないでください

DeepCindの最近のStarCraft IIで世界クラスのプレイヤーを倒すことができる人工知能の開発におけるエクスプロイトは、多くの騒動を引き起こしました。 DeepMindはこれを大きなブレークスルーと呼びましたが、他の人はそれが不正行為、不公平、超人的だと主張しました。

しかし、議論全体が示しているのは、おそらくAIの機能を議論および評価するコンテキストを変更し、そのゲームプレイを自分のゲームプレイと比較するのをやめる必要があるということです。

DeepMindのStarCraftプレイボットであるAlphaStarは、ディープラーニングを使用します。ディープラーニングは、プログラマーが非常に多くの例を与えることでAIモデルの動作を開発するAIの一般的な分野です。 AlphaStarは、Blizzardがリリースした人間のゲームデータの大規模なデータベースで最初にトレーニングを行い、StarCraftのルールを学び、習得するために何百万ものゲームをプレイしました。 その後、人間と対戦し、DeepMindのアマチュアプレイヤーを一掃してから、世界チャンピオンと対戦しました。

AlphaStarが世界最高のプレイヤーであるTLOとMaNaを破ったとき、人工知能業界がマイルストーンを通過したと信じる理由がありました。 ブログの投稿で、DeepMindはAlphaStarを「いつか世界で最も重要で根本的な科学的問題のいくつかに対する新しい解決策を解くのに役立つインテリジェントシステムを作成するというミッションの前進です」と呼びました。

しかし、それから批判が来ました。

不当な優位性

批評家は、AlphaStarが人間に対して不公平な敵となるいくつかの特徴を持っていると主張しています。

まず、AlphaStarは非常に高速です。 DeepMindのエンジニアは、AlphaStarに障害があるため、人間が達成できないほどのアクションを実行できないようにしています。 しかし、人間のプレイヤーは多くのスパムクリックや、背後に価値や思考のない衝動的なアクションを実行します。

たとえば、プレイヤーがユニットを特定の場所に移動したり敵を攻撃したりする場合、同じ場所または目的地に向かって弾道を繰り返しクリックすることがよくあります。 実際には、ユニットは最新のコマンドのみを実行し、以前のコマンドを無視します。 対照的に、AlphaStarのすべての動きは正確です。

批評家は、このミスマッチにより、AlphaStarがゲームを超人的な方法でマイクロ管理できると主張しています。 たとえば、多くのユニットが関与する大規模な戦闘では、AlphaStarは各ユニットに個別のコマンドを、人間の敵には不可能な速度と精度で与えることができます。 AlphaStarのパフォーマンスの分析で、ArsTechnicaのTimothy B. Leeは、AlphaStarの速度と精度が不当な優位性をもたらすいくつかのシナリオを説明しました。

他のアナリストは、AlphaStarが人間のプレイヤーよりも多くの情報を受け取ると指摘しています。 MaNaとTLOを倒したバージョンのボットは、モニターのような人間のプレイヤーのような戦場スペースを見るのではなく、マップ全体にアクセスできました。 しかし、まだ「霧の霧」によって制限されていました。つまり、アクティブなユニットがなかったエリアから情報を抽出できませんでした。

さらに、AlphaStarの限界を批判する人もいました。StarCraftの3つのレースの1つであり、ゲームの多くのマップの1つでしかプロトスとしてプレイできませんでした。 新しいレースとマップを考えると、AlphaStarはおそらくアマチュアの人間の対戦相手に対して負けるでしょう。なぜならAIの観点からは、まったく異なるゲームをプレイするようなものだからです。

フェアプレイとは

DeepMindはまだ技術的な詳細を公開していませんが、AlphaStarは人間のように生のピクセルを処理する代わりに、API（アプリケーションプログラミングインターフェイス）を介して生のゲームデータにアクセスできたのではないかと疑っています。

ありがとう！ しかし、それは専門家に勝った特定のソフトウェアがピクセルを使用したか、事前に解析されたAPiのものを使用したかどうかは言いません。

-ゲイリー・マーカス（@GaryMarcus）2019年1月31日

ArsのティモシーB.リーは、「競技場を平準化する究極の方法は、AlphaStarに人間のプレイヤーとまったく同じユーザーインターフェイスを使用させることです」と結論付けています。 つまり、コンピューターモニターを見つめている人間のプレイヤーのように、AIはゲームのグラフィックスにのみアクセスし、API呼び出しを介してゲームと対話するのではなく、キーストローク、マウスクリック、およびスクロールをシミュレートする必要があります。

AIが人間の脳と感覚を正確に複製することを期待する場合、これは公平なポイントです。 しかし、AIの最先端であるディープラーニングとニューラルネットワークには、人間の最も基本的な機能の一部を再現できない明確な制限があります。

ディープラーニングはナローAIです。つまり、画像のラベル付けや音声認識などの特定のタスクの実行には非常に優れていますが、タスクの一般化や知識を他のドメインに転送することは非常に困難です。 問題の領域を広げれば広げるほど、AIの機能は制限され、トレーニングが必要になります。 そのため、AlphaStarはWarcraft 3やCompany of Heroesなどの別のRTSゲームをプレイできません。

また、AlphaStarがプロトスを1レベルでマスターするには200年分のゲームが必要でした。 StarCraftの他の2つのレースであるTerranまたはZergのプレイを習得するには、おそらく同じくらい時間がかかるでしょう。 対照的に、人間のプレイヤーは、1つのゲームから得た知識を新しいゲームにすばやく移植できます。

人間の認知能力に匹敵する一般的なAIから（少なくとも）何十年も離れています。 一部の科学者は、人間の脳を再現することに決して成功しないと信じています。

しかし、ナローAIは、大量の情報を非常に高速で処理するのに非常に優れています。 これが、AlphaStarがStarCraftのマップ全体を同時に処理できる理由です。 StarCraftのデザイナーは、ゲームを修正してゲームマップの全景をプレイヤーに提供することもできましたが、それはおそらくプレイヤーを助けるのではなく混乱させるでしょう。 人間にもゲームの生データへのアクセス権を与えることができますが、それも役に立たないでしょう。

人間はデータの処理に時間がかかりますが、完全な情報がなくても計画と意思決定を可能にする常識と抽象的思考能力を持っています。 そのため、彼らはマップの限られたビューを持ち、戦場の一部に集中することを好みます。 同時に、彼らはゲームの他の部分で何が起こっているのかという感覚を持ち、一般的なゲーム計画を立てることができます。

AlphaStarは不正行為ですか？

AIと人間の脳の違いを考えると、批評家は彼らの評価において正しかったと言ってもいいでしょう。DeepMindは、AlphaStarを単一のマップと単一のレースに限定することにより、競争を強化しました。 しかし、AlphaStarに関する議論は、非常に重要な結論に導くことができます。

まず、ゲームの主なポイントは、AIが人間のようにクリックしてスクロールできるかどうかを確認することではありません。 代わりに、不完全な情報を提供し、リアルタイムの意思決定を必要とするゲームでAIがどのように機能するかに注目する必要があります。 この点で、AlphaStarはかなり良い仕事をしました。

• AIアシスタントを信頼するものは何ですか？ 顔はどうですか？ AIアシスタントを信頼するものは何ですか？ 顔はどうですか？
• AI業界の倫理的な年AI業界の倫理的な年
• このAIは一般に公開するには強力すぎますこのAIは一般に公開するには強力すぎます

第二に、StarCraftはAIの戦略と計画の機能をテストするのに最適な場所ではないかもしれません。 あるアナリストが指摘したように、「StarCraft IIは機械的な完璧さによって破られる可能性のあるゲームです。」 これは、AIがその超人的なスピードと外科的精度で貧弱な戦略スキルを補うことができることを意味します。

最後に、AIと人間の知性は非常に異なるため、2つの間に平等な競争条件を作成することはおそらく不可能でしょう。 ルールの最小の変更は、一方の側または他方の側を優先して、競争を不公平にする程度にゲームを急速に傾けます。

人工的な人間の制限で速度を落とすのではなく、AIを最大限に引き出してテストできる環境と設定を探す必要があります。 人間とAIは、競合する代わりに協力することで何を達成できますか？