7/5 マルレク「AI とマインクラフトの世界 と、昔の話をしよう」情報公開

【 7/5 マルレク「AI とマインクラフトの世界 」の講演ビデオと講演資料のURL です】

丸山です。

7月5日に開催した、マルレク「AI とマインクラフトの世界 」の講演ビデオと講演資料のリンクを公開しました。

今回のセミナーで紹介するDeepMind社のAI、DreamerV3は、役にたつプログラムを教えてくれるわけでも、面白い画像を作ってくれるわけでも、レポートを書いてくれるわけでもありません。DeepMind社のAI DreamerV3は、ひたすら沢山のゲームをするAIです。

DreamerV3は、ゲームのゴールとしては難易度の高い「マインクラフトでのダイアモンド採掘」に成功したとして、コンピュータでゲームに挑戦する分野では注目を集めました。

問題は、様々な分野で急発展するAIの世界で、こうしたゲームの世界でのDeepMind社のDreamerV3の成功が、意味を持っているかということです。なんでDeepMindが、ゲームをするAIを開発するのかと疑問を感じた方は多いと思います。

今回のセミナーは、その問題を取り上げています。実は、このAIはとても画期的なものです。

　・DreamerV3は、「知覚（視覚）」を持ち、「世界」の状況を知ることができます。
　・DreamerV3は、その「知覚」を通じて、内部に「世界」のモデルを持ちます。
　・DreamerV3は、「世界の未来」を「想像」して最適な「行動」を選択します。
　・DreamerV3は、「行動」によって「世界」の状態を変えます。
　・DreamerV3は、様々なゲームの「世界」の様々なタスクを、単一のハイパーパラメターの設定で処理することができます。
　・DreamerV3は、現在主流の生成AIとは異なって、LLMを持ちません。

人工知能（AI）研究における長年の課題の一つは、広範な応用分野にわたる多様なタスクを学習し解決できる汎用アルゴリズムの開発です。

DreamerV3は、この課題に対処することを主要目的としています。確かに具体的には、DreamerV3は、ひたすらゲームをするAIなのですが、単一の固定された設定で沢山のゲームで150以上の多様なタスクにおいて専門的な手法を凌駕する性能を発揮する汎用アルゴリズムの実現を目指したものです。

重要なことは、DeepMindが、「汎用人工知能」に向かう広い展望の中で、DreamerV3の開発を位置付けていることだと思います。

こうした取り組みは、人工知能の研究の歴史の中でも、きちんと位置付けることができると僕は考えています。

セミナーでは、「昔話をしよう」というセクションで、50年前のWinogradの「積み木の世界 – SHRDLU」と30年前のBrooks の「Subsumption  Architecture −− Intelligence without representation」を紹介しています。

もう一つの「昔話」は、「もし、すべてに答えるオウムがいたなら、 私は迷わず、それは思考する存在だと言うだろう…」と言う「ディドロのオウム」の話です。残念ながらこの話題については、公開したセミナーの中では、あまり展開できませんでした。ショートムービーを添付しました。

●  このセミナー「AI とマインクラフトの世界」の音声概要のまとめページはこちらです。

https://www.marulabo.net/docs/dda20250705/

●  今回公開したセミナーのまとめページはこちらです。

https://www.marulabo.net/docs/dreamerv3/


セミナーは4つのパートに分かれています。個別にも全体を通してもアクセスできます。

--------------------------
全体を通して見る
--------------------------

　●  「AI とマインクラフトの世界と、昔の話をしよう 」セミナーの講演ビデオ全体の再生リストのURLです。全体を通して再生することができます。 

https://www.youtube.com/playlist?list=PLQIrJ0f9gMcNtnxOEoCXL5HtWduVMV_pj

　●  講演資料全体を一つのpdfファイルにまとめたものはこちらです。

　　　「AI とマインクラフトの世界と、昔の話をしよう」講演資料

https://drive.google.com/file/d/1LrcmmtaKixo2oTh9gtIXViuhYAS1ZzKE/view?usp=sharing

--------------------------

　パートごとに見る
--------------------------

　●  Part 1  DeepMind DreamerV3とは何か

　　　講演ビデオURL :

https://www.youtube.com/watch?v=4sIqMn2T9u4&list=PLQIrJ0f9gMcNtnxOEoCXL5HtWduVMV_pj

　　　講演資料 pdf :

https://drive.google.com/file/d/1M-43AcOlj5TQ6uydxWKmw9EobgITI3Rc/view?usp=sharing


　●  Part 2　昔の話をしよう

　　　講演ビデオURL :

https://youtu.be/_nxBzvRX0kQ?list=PLQIrJ0f9gMcNtnxOEoCXL5HtWduVMV_pj

　　　講演資料 pdf :

https://drive.google.com/file/d/1M78mvENA3iOzuIsHL7dpoFUSGu5ruYAR/view?usp=sharing


　●  Part 3　DreamerV3でのAI技術の飛躍

　　　講演ビデオURL :

https://youtu.be/O-EyLp7VCZw?list=PLQIrJ0f9gMcNtnxOEoCXL5HtWduVMV_pj

　　　講演資料 pdf :

https://drive.google.com/file/d/1MBvjtkevyMXi5yLvQZ6zTgGG368KxUJh/view?usp=sharing


　●  Part 4　DeepMindの研究動向

　　　講演ビデオURL :

https://youtu.be/PzL8AVsrWfA?list=PLQIrJ0f9gMcNtnxOEoCXL5HtWduVMV_pj

　　　講演資料 pdf :

https://drive.google.com/file/d/1MH3tAwU1YHlLpG0lD8ijx5jb0zaWyWDr/view?usp=sharing

-----------------------------

●  今回のセミナー「AI とマインクラフトの世界」に向けたショートムービーの再生リストはこちらです。

https://www.youtube.com/playlist?list=PLQIrJ0f9gMcNT-iHwnkWJ5379ztVAbatX

---------------------------

ディドローのオウム

https://www.youtube.com/watch?v=XOTkcAShT_g&list=PLQIrJ0f9gMcNT-iHwnkWJ5379ztVAbatX&index=11&t=140s&pp=gAQBiAQB

コメント

コメントを投稿

このブログの人気の投稿

初めにことばありき

旧約の「創世記」の「光よあれ」は、ビッグバンを思わせて、物理学者はちょっと萌えるかもしれないのだが、新約の「ヨハネによる福音書」には、言語学者が喜びそうなフレーズがある。 「初めに言があった。言は神と共にあった。言は神であった。」 僕が知っていたのは、「はじめにことばありき」という訳だったのだが。この口語訳での「言」は、英訳だとこうなっている。 "In the beginning was the Word, and the Word was with God, and the Word was God." 「言」= "Word" である。はじめにあったのは、Wordであって、Language ではない。だから、新しい口語訳では、普段、あまり馴染みない「言」という訳語を使ったのかも。「初めに語があった」では、なんかしまらないんだろうな。（僕は、「はじめにことばありき」というフレーズの方が好きだ。） ちなみに、「ヨハネによる福音書」は、英語では、"Gospel of John" という。「ジョンのゴスペル」である。でも、そう日本語に訳してしまうと、ジョン・レノンがバラードではなく、ゴスペルを歌っているようで、まずいんだろうな。 「ことば」・「言」・"Word" と訳されている、元々の言葉を調べてみると面白い。 キリスト教のオーソドックスな原典であるラテン語訳聖書では、この部分は、こうなる。 "In principio erat Verbum, et Verbum erat apud Deum, et Deus erat Verbum" 「イン・プリンキピオー・エラト・ウェルブム」 英訳 Word のラテン語の原語は、Verbum である。この単語、英語に直訳すれば、Verbである。「初めに、動詞があった。」　言語学の「従属性文法 (Dependency Grammar) 」理論の人たち、喜びそう。 もっとも、英語のVerbは、元々は、動詞というより広く言葉全体をさしてたらしい。そのことは、「ノンバーバル・コミュニケーション (Non-Verbal Communication) 」というのが、動詞を使わないコミュニケーション...
続きを読む

密度行列とは何か？

これまで、量子の状態をベクトルで表現してきました。例えば、量子ビットの状態は、状態ベクトルで表せば、|qubit> = a|0>+b|1> と、二つの状態ベクトルの「重ね合わせ」（ベクトルの和です）で表現されました。 それに対して、密度行列は、量子のシステムの状態を行列で表現したものです。では、どの　ようにしてベクトルで表される量子の状態を、行列で表すのでしょう？ 次のように考えます。ある量子システムで、状態|ψ_i>である確率をp_iとしましょう。この時、確率p_iを成分とする行列を考えます。 |qubit> = a|0>+b|1> の場合なら、|0>である確率p_0は |a|^2で、|1>である確率p_1は |b|^2になりますので、p_0とp_1、すなわち、|a|^2と|b|^2を成分とする行列を考えることにします。 ここでは、ベクトルの外積が行列になることを利用します。それでは、外積で作られる行列のどこにこの成分を割り当てるか考えましょう。うまい方法があります。 外積 |0><0|は、0行0列目の成分だけが1で、残りの成分は全て0の行列です。同様に、外積|1><1|は、1行1列目の成分だけが1で、残りの成分は全て0の行列です。 この時、p_0|0><0| + p_1|1><1|という行列として密度行列を定義します。0行0列目の成分がp_0で、1行1列目の成分がp_1の行列です。 　● 状態ベクトルを使った表示 　　　|qubit> = a|0>+b|1> 　● 密度行列を使った表示 　　　ρ = p_0|0><0| + p_1|1><1| = |a|^2|0><0| + |b|^2|1><1| 状態ベクトルを使った表示に出てくる a, bは複素数ですが、密度行列を使った表示に出てくる p_0, p_1 は、確率ですので 0と1の間に値を持つ実数です。これは、二つの表示スタイルの大きな違いです。 密度行列を作るのに利用した、確率 p_iと状態|ψ_i>のペア { p_i, |ψ_i> }の集まりを、「pureな状態のアンサンブル」といいます。その意味は、この量子システムで、状態|ψ_...
続きを読む

「複雑性理論」は「複雑系」の議論とは別のものです

イメージ
「複雑性理論」を、以前に少し流行したことのある「複雑系」の議論と同じものだろうと誤解されていることに、最近気づきました。当然ありうる誤解なのに、迂闊でした。 確かに、対象が「複雑さ」だと思えば、一部分は重なるところもあるのですが、「複雑性理論」と「複雑系」の議論は、まったく違うものです。 現在の「複雑性理論」の歴史をたどると、二つの起源にたどり着きます。 一つは、20世紀初頭からの数学の基礎付けをめぐる探求です。ヒルベルトの「有限の立場」にはじまり、ゲーデルの「不完全性定理」が衝撃を与え、「チャーチ＝チューリングの提言」で「実効的な」「計算可能性」概念が、いったん定式化されるといった一連の流れです。 もう一つは、20世紀の中盤以降、コンピュータ技術が爆発的に発達する中で生まれた「計算量理論」「計算複雑性理論」です。そこでの最大の気づきは、「実際に」コンピュータで計算できるものを考えると、「多項式」で表現される計算時間と、「指数関数」で表現される計算時間とには、「質的」な違いがあるのではというものでした。（この計算複雑性理論の中心的な問題である「P=NP？問題」は、今に至るも解決されていません。） 二つの流れは、別々のものでした。 前者は、人間の数学的認識の原理的「限界」に関わるもので、後者はコンピュータによる計算の具体的「限界」に関わるものです。 ただ、人工知能をめぐる基本的な問題が、最終的には、人間の知能の機械による実現は可能かということであるなら、両者は結びつきます。なぜなら、人工知能は人間の数学的認識をも実現するものでなければならないし、それはまた、実際のコンピュータ上で実装されなければならないからです。 人間の知能の本質を、「計算」として捉える立場を、「計算主義」と言います。それは、現在のディープラーニング技術が、よって立つ、「コネクショニズム」とは異なる立場です。僕は、人工知能論では、この「計算主義」の立場に立っています。それは、コネクショニズムは、数学的認識に関しては、無力だと考えているからです。 現代の複雑性理論には、第三の起源があります。 理論史的には、それは、ファインマンによる「量子コンピュータ」の提唱にはじまるものです。 ただ、その背景には、とても重大な認識の発展があります。それは、全ての情報過程が...
続きを読む