はじめに この度、強化学習によるテトリスの AI を作成してみました。想像以上にうまくいき、最終的には半永久的にラインを消してくれる AI に成長してくれたので、今回はその記録として AI を作成した過程をここに記していきます！ 今回の AI の概要 今回作成したテトリス AI の概要は以下の通りです。 特定のゲームの状態から可能な行動パターンを全てシミュレーションする 行動後の状態を入力情報として Neural Network に今後の報酬の期待値を推測させる 今後の報酬の期待値が一番高くなる行動を実際の行動として選択して遷移する (貪欲方策) Game Over になるまで 1 ~ 3 を繰り返す Tetris AI を可視化した図 何も知らない頃は『AI ってどうやって動いてるんだ？』と自分は思っていたんですが、動作原理は非常にシンプルです。強化学習とは、この今後の報酬の期待値を推測

人工知能（AI）の進化がもたらす人類滅亡の危機がメディアを騒がせる中、米連邦取引委員会（FTC）は、同分野の企業の安全性におけるレースの審判員になろうとしている。 FTCは先日、ChatGPTの開発元のOpenAIに20ページにおよぶ書簡を送り、AIの「安全性の課題」に関する記録の提出を要請した。彼らが特に関心を示しているのは、個人の評判や個人情報に対するリスクだ。 OpenAIのGPT-4のような大規模言語モデル（LLM）は、「幻覚（ハルシネーション）」と呼ばれるつくり話をでっち上げる傾向がある。FTCは、消費者保護の試みの一環として、OpenAIが個人への「風評被害」につながりかねない幻覚を、軽減または防止するために何をしているかを調査している。 FTCのリナ・カーン委員長は5月にAI分野の競争を公正なものにすると同時に「これらのツールを使用する詐欺師だけでなく、それを提供する企業にも

Impact AlphaDev discovers faster sorting algorithms Published 7 June 2023 Authors Daniel J. Mankowitz and Andrea Michi New algorithms will transform the foundations of computing Digital society is driving increasing demand for computation, and energy use. For the last five decades, we relied on improvements in hardware to keep pace. But as microchips approach their physical limits, it’s critical t

RLHF（Reinforcement Learning from Human Feedback：人間のフィードバックからの強化学習）とは？：AI・機械学習の用語辞典 用語「RLHF」について説明。人間のフィードバックを使ってAIモデルを強化学習する手法を指す。OpenAIのChatGPT／InstructGPTでは、人間の価値基準に沿うように、言語モデルをRLHFでファインチューニング（微調整）している。 連載目次 用語解説 RLHF（Reinforcement Learning from Human Feedback）とは、「人間のフィードバックからの強化学習」という名前の通り、人間の価値基準に沿うように、人間のフィードバックを使ってAI（言語）モデルを強化学習で微調整（ファインチューニング）する手法である。なお強化学習とは、フィードバック（報酬や罰）に基づいて学習する方法のことだ。 R

ゲームAI、メタバース、スマートシティについて解説します。

人工知能（AI）キャラクター開発を手掛けるrinna（りんな、東京・渋谷）はより自然な受け答えができる日本語に特化した対話型の生成AIを公開した。質問に対する回答に点数をつけることで、良い回答の傾向をAIに学ばせた。生成AIにおける同社の存在感を高めるとともに、AIキャラクターの市場拡大につなげる。性能を左右するパラメーター数が36億のAIを改良し、新しい言語モデルを開発した。同社の従来モデル

OpenAIが提供する「ChatGPT」などのチャットAIは要約やコーディング、翻訳などを人間の専門家以上の精度で実行できると報告されています。しかしチャットAIの訓練に必要な人間のフィードバックに基づいた強化学習(RLHF)を実行するエンドツーエンドなパイプラインが存在せず、最先端のチャットAIの訓練を行うことは困難でした。しかしMicrosoftが発表した「DeepSpeed-Chat」では誰でもChatGPTのようなモデルを作成可能です。 DeepSpeed/blogs/deepspeed-chat/japanese at master · microsoft/DeepSpeed · GitHub https://github.com/microsoft/DeepSpeed/tree/master/blogs/deepspeed-chat/japanese これまでChatGPTのよ

Research Discovering novel algorithms with AlphaTensor Published 5 October 2022 Authors Alhussein Fawzi, Matej Balog, Bernardino Romera-Paredes, Demis Hassabis, Pushmeet Kohli First extension of AlphaZero to mathematics unlocks new possibilities for research Algorithms have helped mathematicians perform fundamental operations for thousands of years. The ancient Egyptians created an algorithm to mu

AI が世界の産業に与える影響に関する 2022 年度予測 NVIDIAが2022年度にAI が世界の産業に与える影響に関するレポートを公開した。 ■執筆者: CLIFF EDWARDS氏 不確実な時代にこそ優れたビジネスが発展すると、古くから言われている。大規模な激変の前兆が見える 2022 年、このことが試される年になることは間違いないだろうか。 パンデミックによるサプライチェーンの混乱は、自動車や電子機器から玩具やトイレット ペーパーに至るまで、あらゆるものの生産に影響を及ぼしている。また、食料事情に関しては、労働者の不足、工場の閉鎖、商品価格の高騰により、最 も高度な予測や物流業務ですら計画が破綻したため、世界の食料価格はここ 10 余年で最高水準に跳ね上がった。 昨年、NVIDIA のトップ エキスパート数人に、AI とアクセラレーテッド コンピューティングの世界に 2021 年

人工知能企業の「DeepMind」が、新たに「ルールの知識がゼロでも囲碁・将棋・チェス・Atariの勝ち方を自分で学んでいくことができるAI」を発表しました。「MuZero」と名付けられたAIは、「自分で考えるAI」への大きな一歩だとみられています。 Mastering Atari, Go, chess and shogi by planning with a learned model | Nature https://www.nature.com/articles/s41586-020-03051-4 MuZero: Mastering Go, chess, shogi and Atari without rules | DeepMind https://deepmind.com/blog/article/muzero-mastering-go-chess-shogi-and-atar

Thank you for visiting nature.com. You are using a browser version with limited support for CSS. To obtain the best experience, we recommend you use a more up to date browser (or turn off compatibility mode in Internet Explorer). In the meantime, to ensure continued support, we are displaying the site without styles and JavaScript.

Research MuZero: Mastering Go, chess, shogi and Atari without rules Published 23 December 2020 Authors Julian Schrittwieser, Ioannis Antonoglou, Thomas Hubert, Karen Simonyan, Laurent Sifre, Simon Schmitt, Arthur Guez, Edward Lockhart, Demis Hassabis, Thore Graepel, Timothy Lillicrap, David Silver In 2016, we introduced AlphaGo, the first artificial intelligence (AI) program to defeat humans at th

米Microsoft Researchは2020年8月3日（現地時間）、ゲーム開発における強化学習応用の研究プロジェクト「Project Paidia」を発表した。強化学習によって、人が行うようなゲーム操作をエージェント（AI）に学習させ、「NPC（Non Player Character）」と呼ばれるコンピューターが動かすゲーム内キャラクターの振る舞いを人に近づけることを主に目指す。米MicrosoftはMicrosoft Researchと協力し、機械学習のクラウドサービス「Azure Machine Learning」を通じて強化学習の開発環境などをゲーム開発者に提供済みだが、今回、この基盤を活用する。 Project Paidia は、Microsoft傘下のゲーム開発会社である英Ninja Theoryと実施。同社の対戦ゲーム「Bleeding Edge」において、プレイヤーを支

大手産業用ロボットメーカーの三菱電機が、ロボット向けの強化学習で高い性能を実現する新手法を開発した。 既存の深層強化学習アルゴリズムに、三菱電機が考案したモジュールをアドオン（付加）すると、タスクの性能を最大で1.5倍ほど向上させ、学習効率も大幅に向上できた。 2020年7月に開催された機械学習分野のトップカンファレンス「ICML（International Conference on Machine Learning）2020」で発表した。現時点ではまだシミュレータ上で手法の有効性を確認した段階だが、将来的に自社の産業用ロボットに適用することを視野に入れている（図1）。同社によれば、カメラ画像を直接入力するのではなく状態量のみを入力するタイプの手法としては「世界最高性能を実現できた」という。 三菱電機は産業用ロボット向けに、強化学習の性能を向上できる新アルゴリズムを考案した。将来的に自社

GamesBeat is excited to partner with Lil Snack to have customized games just for our audience! We know as gamers ourselves, this is an exciting way to engage through play with the GamesBeat content you have already come to love. Start playing games here. In a paper published in the journal Science late last year, Google parent company Alphabet’s DeepMind detailed AlphaZero, an AI system that could