人工知能vs.プロゲーマーの闘い、人間が制する――その戦術から見えたAIの「弱点」と可能性

 

 ゲームのeスポーツ界で最高峰のプロチームvs.世界最高峰のアルゴリズム--。そんな最高峰同士の試合が、ゲーム「Dota 2」の国際大会で行われた。その初戦、ブラジルのプロチームとの試合は52分の闘いの末に人間の勝利に終わった。その敗北からは、ゲームに最適化されたAIであるボットが現時点で抱える大きな課題と、今後のAIの進化の可能性が見えた。

TEXT BY TOM SIMONITE

TRANSLATION BY ASUKA KAWANABE

WIRED (US)

PHOTO: JEFF VINNICK/GETTY IMAGES

人工知能(AI)の進歩を測る方法のひとつは、対チャンピオン戦におけるアルゴリズムの勝利をみていくことだ。しかも、その対戦種目の難易度はどんどん高くなっている。チェッカーズ、チェス、2016年の囲碁--。そして8月22日には、5つのAIがゲーム「Dota 2」を通じてeスポーツの世界でもマスターの座を奪取する領域を広げようとした。

しかし、彼らは失敗してしまった。対戦相手であるブラジルのプロチーム「paiN」が、人間の名誉を守り抜いたのだ。少なくとも、いまのころは。

人間の圧勝に終わった52分の戦い

人間対マシンの戦いは、Dota 2の世界大会「The International」のサイドイヴェントとして行われた。The Internationalは、eスポーツ史上最高の賞金総額2,500万ドル(約28億円)を誇るトーナメントである。

ゲームで闘うAIのボットを開発したのは、OpenAIである。テスラの最高経営責任者(CEO)であるイーロン・マスクが共同創設した研究所で、人間レヴェルのAIとその安全な利用を研究している。

会場となったヴァンクーヴァーのホッケーアリーナでは、数千人の観客が呪文や炎の稲妻が飛び交う52分の戦いを観戦した。そしてそれは、人間側の圧勝に終わった。

今回の試合からは、最高峰のプロゲーマーの技能が最高のアルゴリズムよりも優れていることが見えた。一方、今月はじめに行われたウォームアップマッチでは、ボットたちがDotaのエキスパートのチームを破っている。そのときエキスパートたちが出したコメントで、AIが次も勝利を収めるのではないかと期待が高まっていたところだった。

AIは攻撃が完璧でも、戦略に欠けていた

OpenAIがDota 2をターゲットとしてるのは、このゲームが(見た目は別として)チェスや囲碁よりも数学的に複雑だからだ。

Dota 2は、チームメンバー5人がそれぞれクモや魔術師、ケンタウロスといったヒーローを選び、相手チームの本拠の破壊を目的に戦うゲームである。そしてこのゲームにおけるボットたちの負け方からは、経験やデータを通じて難しいタスクを学習させる機械学習の限界が浮かび上がってきた。

意思決定を行うソフトウェアにデータを数学的にレンダリングする手法は、音声認識といった一部のタスクでは非常に有効だが、戦略や計画といったタスクでは簡単には効果を発揮しない。

例えば今回の試合で、OpenAIはpaiNよりも多いキル数を記録していた。試合の実況者たちは、完璧なタイミングで繰り出される組織的な攻撃に驚いていたほどだ。人間チームには抵抗不可能にも思える攻撃である。

しかし、戦略面ではボットが遅れをとっており、勝利に必要となるリソース収集と割当てで多くのチャンスを逃していた。

原因は学習方法にあり?

「ボットたちは一瞬一瞬の身の振り方がとても上手だが、マクロレヴェルの意思決定が苦手なようだ」と、マイク・クックはツイートしていた。クックは、英国ファルマス大学とドイツのマックス・プランク・ソフトウェアシステム研究所でAIを研究している。

この精密な戦術と不安定な戦略というコンビネーションは、OpenAIのボットがDota 2のプレイ方法をどう学習したかを反映しているのかもしれない。

OpenAIのボットは、強化学習という手法で一からゲームを学習した。この強化学習は、グーグルの親会社であるアルファベットが掲げる目標のいくつかでも中心的役割を果たしている。

強化学習において、ソフトウェアはトライ&エラーを通じてタスクを学習する。何回も何回もタスクに挑戦し、さまざまなアクションを試して、うまくいったものを使い続けるのだ。

今回のOpenAIのボットは、スピードアップされたDota 2のゲーム数百万試合を通じて対paiN戦に備えた。彼らの対戦相手は、自分のクローンだ。

15分以上先を「計画」できない弱点

そんなボットの学習方法は、人間のアプローチとはだいぶ違う。人間の場合、ゲームの目的や有効な戦略の立て方を学ぶことで(幸運なことに)数百万試合をプレイせずとも初心者からプロゲーマーになることができる。

一方で強化学習を行ったボットは、少なくとも現在は高いレヴェルでゲームに参加できていない。ボットたちは一瞬一瞬の最適なアクションを予想することで動いているのだ。

「ボットたちはゲームに『反応』しています。ゲームの世界を見て、そのときに何をするかを考えるわけです」と、カリフォルニア大学バークレー校のベン・レヒト教授は言う。

OpenAIのDota 2プロジェクトでソフトウェアエンジニアを務めているスーザン・チャンは、対paiN戦でその欠点が現れたと話す。訓練中、ボットは自分のアクションの影響を最大14分先まで考えていた。「単純に、15分以上先のことを『計画する』メカニズムが備わっていないのです」と彼女は言う。「これは間違いなく、試合でボットが見せた長期戦略の欠如につながっています」

ボットに力を与えたグラフィックプロセッサー

だからといって、強化学習がパワフルになりえないというわけではない。paiNと渡り合うゲームを繰り広げたことで、OpenAIのボットはすでに先代のゲームボットよりも高いレヴェルに到達したのだ。

これは、進化したグラフィックプロセッサーを活用したおかげで処理能力が向上したからだとOpenAIは説明する。うまくいく戦術の発見に必要な練習を何百万回も行えるようになったことで、難しい課題にも取り組みやすくなったのだ。また今月はじめ、OpenAIはDota 2に使ったのと同じアプローチを活用して、素晴らしい器用さをもつ5本指のロボットも開発している。

関連記事:このロボットハンドは、強化学習で人間の動きを“発明”した(動画あり)

ちなみにマスクは今年の初頭に、「テスラとの利益相反を避けるため」という理由でOpenAIの幹部職を辞している。

ゲームと現実世界の違い

対paiN戦での完敗は、AIの絶え間ない成長の歴史のなかのささいな出来事かもしれない。OpenAIの共同創設者で最高技術責任者(CTO)を務めるグレッグ・ブロックマンは、「paiN戦でお見せしたのは、AIが人間の能力の限界のすぐそばまで近づいているということです」と彼は言う。

paiN戦の前に『WIRED』US版が行ったインタヴューで、レヒトはOpenAIが人間のプロチームを破ると予想していた(そうでなければ、その後の試合で勝利するだろうとしていた)。しかし、彼はマシンがすぐに多種多様な典型的職業で人間に勝るようになるという意見には反対した。

「ゲーム内の環境というのは、遊んでいて楽しめるようにシンプルかつ多くの制限を伴うようにつくられています」と彼は言う。「これは数百万の反復シミュレーションを必要とするアルゴリズムにとっては好都合です。しかし、ゲームの世界には現実世界の予測不可能性や困難が欠けているのです」

RELATED

人工知能はプロゲーマーを超えるのか--DeepMindが「スタークラフト2」用ボットの開発に本腰