ソニーの AI が人間のトップレーサーを破り、人間を 1.5 秒上回った
「何が起こっているの?」 エミリー・ジョーンズは自分が後れをとっていることが信じられませんでした。
エミリー ジョーンズは、複数のチャンピオンシップで優勝したトップ GT ゲーム レーサーです。彼女は、e スポーツ専用ステアリング ホイールを叩き、目の前のスクリーンを見つめました。「ベストを尽くしましたが、まだ無理です」
ゲーム「グランツーリスモ」では、ジョーンズは時速 190 マイルで車を運転します。世界最速の「選手」たちに追いつくために、彼女は時速140マイルと150マイルの速度で運転した。
この「プレイヤー」の正体は、GT ソフィーという人工知能です。 2020 年にソニーの人工知能研究所によってリリースされたこのゲームは、GT ゲームで車を制御する方法を学習するために人工知能技術を使用しています。ソニーは2021年の一連の非公開イベントで、トップGTレーサーとAIを対戦させた。
2021年7月、ジョーンズさんはeスポーツチーム「トランス・タスマン・レーシング」のメンバーとしてソニー主催のイベントに参加しましたが、当時は何が起こるかわかりませんでした。
「誰も私に何も情報をくれませんでした。ただ、練習する必要はないし、ラップタイムのことは気にしなくてもいいと言われたんです」と彼女は思い起こす。 「私の態度も非常に単純です。秘密にしておいてください。これは決して悪いことではありません。」
最終的に、GT ソフィーはジョーンズのベストリザルトを 1.5 秒上回りました。人間のレーサーが GT を破りました。レコード 基本的にはミリ秒単位で測定され、1.5 秒は大きな違いを意味します。
しかし、ソニーは、GT ソフィーを勝者にするためにはスピードだけでは不十分であることをすぐに学びました。単一のトラックで人間のドライバーのパフォーマンスを上回り、3 つの異なるトラックで信じられないほどの結果をもたらし、記録を破りました。
しかし、ソニーが複数の人間ドライバーと対戦させたところ、負けてしまいました。マルチプレイヤー レースにはスピードだけでなく、ある程度の知性も必要です。 GT ソフィーは、あまりにも攻撃的で無謀なためにペナルティを受けることもあれば、必要のないときに屈服して臆病になることもありました。
ソニーはAIを再トレーニングし、2021年10月に第2ラウンドを実施した。今回は、GT Sophy が人間のプレイヤーを簡単に倒しました。どのような変化があったのでしょうか?
まず第一に、ソニーはより大規模なニューラル ネットワークを構築し、プログラムのパフォーマンスはより強力になりました。しかし、本質的な違いは、GT Sophy が「トラック エチケット」を学習したことです。
アメリカのピーター・ウォーマン長官は、「このエチケットは人間のドライバーによって広く守られている。その本質は、攻撃性と譲歩のバランスをとり、刻々と変化する分野で最も適切な行動を動的に選択する能力である」と述べた。
これが、GT Sophy がレース ゲームの人工知能を超える理由でもあります。同氏は、ドライバーのコース上でのやり取りやエチケットは、人とやり取りする際にロボットがとるべきダイナミックで状況を認識した行動の特別な例であると述べた。
いつリスクを冒すべきか、いつ安全策を講じるべきかを知ることは、製造現場、家庭用ロボット、自動運転車のいずれにおいても、人工知能にとって役立ちます。
は次のように述べています。「私たちは、従わなければならない人間の規範にどのように対処するかについての一般原則を学んでいないと思います。しかし、これは良いスタートであり、願わくば、これにより私たちがより深く理解できるようになります。」
GT Sophy は、チェスから StarCraft や DOTA2 に至るまで、人間に勝った数多くの AI システムの 1 つにすぎません。AI は世界最高の人間のプレイヤーに勝ちました。しかし、GT はソニーに新たな挑戦をもたらします。
他のゲーム、特にターンベースのゲームとは異なり、GT ではトップ プレーヤーが物理の限界 (超高速) に近づきながら車両をリアルタイムで制御する必要があります。競争では、他のすべてのプレイヤーが同じことをしています。
仮想レースカーは、カーブの端からわずか数インチのところで時速 160 マイルでズームインします。このような速度では、小さな誤差が衝突につながる可能性があります。
GT ゲームは、現実世界の物理学を詳細にキャプチャして再現することで有名であると報告されており、車の空気力学やトラック上のタイヤの摩擦をシミュレートします。このゲームは、現実世界のレーサーの訓練や採用にも使用されることがあります。
スイスのチューリッヒ大学のロボット工学と知覚グループの責任者である Davide Scaramuzza 氏は、「リアリズムの点で良い仕事をしています。」と述べました。チームは人工知能ドライバーを訓練するために GT ゲームを使用しましたが、人間ではまだテストされていません。
GT ソフィーは人間のプレイヤーとは異なる方法でゲームに参加します。画面上のピクセルを読み取る代わりに、トラック上の自分の位置と周囲の車の位置に関するデータを取得します。また、車両に影響を与える仮想物理的な力に関する情報も受け取ります。
これに応じて、GT Sophy は車を制御して方向転換したり、ブレーキをかけたりします。 GT Sophy とゲームの間のこのやり取りは 1 秒あたり 10 回行われ、その同僚は人間のプレイヤーの反応時間と同様であると主張しました。
ソニーは強化学習を使用して、試行錯誤の方法で GT Sophy をゼロからトレーニングしました。当初、AI は車を道路上に走行させ続けることしかできませんでした。
しかし、10 台の PS4 (それぞれがプログラムの 20 インスタンスを実行) でトレーニングした後、GT Sophy は約 8 時間でアマチュア プレーヤーと同等の GT 内蔵人工知能のレベルまで向上しました。 24 時間以内に、17,700 人の人間プレイヤーの最高成績のリーダーボードのトップ近くになりました。
GT Sophy は 9 日間を費やしてラップタイムを短縮しました。最終的には、人間のどのプレイヤーよりも速かったのです。
ソニーの人工知能は、ゲームで許される限界での運転方法を学習し、人間のプレイヤーの能力を超えたアクションを完成させたと言えます。ジョーンズが最も感銘を受けたのは、タイトなルーティングでコーナーから加速するために早めにブレーキをかけて GT ソフィーが曲がる様子でした。
彼女はこう言いました:「GT ソフィーはラインの処理が奇妙で、私が考えもしなかったことをやります。」たとえば、GT ソフィーはよくタイヤをトラックの端の芝生に飛ばします。 、コーナーに滑り込みます。間違いを犯しやすいため、ほとんどの人はそうしません。まるでクラッシュをコントロールしているようだ。百回チャンスをくれても、成功するのは一度だけかもしれない。 「
GT ソフィーはゲームの物理学をすぐに理解しましたが、より大きな問題は審判でした。プロの競技場では、GT レースは人間の審判によって監督されており、危険な運転に対して減点する権限を持っています。
GT ソフィーは、人間のドライバーよりも速かったにもかかわらず、2021 年 7 月の第 1 ラウンドで敗退した主な理由は、累積ペナルティでした。数か月後の第 2 ラウンドでは、ペナルティポイントを回避する方法を学び、その結果は世界に大きな違いをもたらしました。
彼は GT ソフィーに数年間投資してきました。彼の机の後ろの壁には、ポジションを争う 2 台の車の写真が掛けられています。絵を描きます。「これは、山中を引き継ぐ GT ソフィーです」と彼は言いました.
彼は、2021 年に GT ソフィーとレースする 4 人の日本人プロ シム レーサーのうちの 1 人である、日本のトップ GT ドライバー、山中智章について言及していました。 .
彼は、この写真がどのゲームのものなのか思い出せません。 2021 年 10 月の試合であれば、山中は強力だが公平な相手と対戦するため、おそらく楽しむだろうが、これが 2022 年 7 月の試合であれば、おそらく混乱しているとコンピューターを呪うことになるだろう。山中選手のチームメイトである宮園拓真選手は、2022年7月の出来事を翻訳ソフトを通じて私たちに簡単に説明し、「(GTソフィーの)コーナリングがあまりにもアグレッシブすぎたために、コースからはね飛ばされることが何度かあった。人間のプレイヤーはコースから外れないようにターン中に速度を落とすので、これには腹が立ちました。 「
氏は、競争上の優位性を失わずに公正にプレーできるように人工知能を訓練するのは非常に難しいと述べました。人間の審判は環境に依存する主観的な判定を行うため、それを人工知能が学習できるものに変換することが困難になります。」
ソニーの研究者は、効果的な組み合わせを見つけることを期待して、人工知能が呼び出して調整するためのさまざまな手がかりを人工知能に提供しようとしています。
彼らは、各ペナルティの強度を実験、観察、デバッグし、GT ソフィーの運転方法がどのようになるかを確認しました。変更.
ソニーはまた、GT ソフィーがトレーニングで直面する競争を増やしました。これまでは、主に古いバージョンに対してトレーニングしていました。
2021 年 10 月の再戦の前に、ソニーはトップを招待しますGT ドライバーは毎週、または 2 週間ごとに人工知能のテストを支援し、結果を総合的に調整します。
「これにより、攻撃性と譲歩の間の適切なバランスを見つけるために必要なフィードバックが得られます。」と述べました。
それはうまくいきました。3 か月後、宮園選手が GT ソフィーと対戦したとき、宮園選手のアグレッシブなパフォーマンスは消えていました。しかし、それは単に我慢することではありません。「2 台の車が並んでコーナーに進入するとき、GT ソフィーは十分な残量を残します」人間のドライバーが通過できるスペースが必要です」と彼は言いました。 「 彼は次のように付け加えました。「この種の反応に直面すると、ライダーは別の種類の情熱と楽しみを感じます。これには本当に感動しました。 「 はソニーの取り組みに深く感銘を受けました。彼は次のように言いました。「私たちはロボット技術の進歩を測定するために人間の能力を利用しています。しかし、彼の同僚のエリア・カウフマン氏は、GT ソフィーの学習行動の訓練を主導していたのは依然として人間の研究者だったと指摘する。 「良いトラックエチケットは人間によって教えられる。人工知能だ」と彼は言った。これが自動化された方法で実行できれば非常に興味深いでしょう。 「そのようなマシンは、優れたトラックマナーを備えているだけでなく、より重要なのは、トラックマナーとは何かを理解し、新しい設定に適応するために動作を変更できることです。のチームは現在、GTの開発に取り組んでいます」レース , 現実世界のドローン競技に適用され、人工知能飛行を訓練するためにシミュレートされたデータの代わりに生のビデオ入力を使用. 2022 年 6 月、彼らは 2 人の世界選手権レベルのドローン パイロットをコンピューターとの競争に招待しました。 「私たちのAIのプレーを見た後の彼らの顔がすべてを物語っていました。彼らはショックを受けました。 「彼は、ロボット工学の真の進歩は現実世界にも拡張されなければならないと信じています。 「シミュレーションと現実世界の間には常に不一致が存在します。人工知能の驚異的な進歩について人々が語るとき、それは忘れ去られてしまいます。戦略的な側面ではそうです。しかし、社会への展開という点では、その通りです」と彼は言いました。現実の世界では、私たちはまだ遠いところにいます。」
今のところ、ソニーは依然としてこの技術をゲームでのみ使用することを主張しています。 GT Sophy は GT ゲームの将来のバージョンで使用される予定です。同社のエグゼクティブディレクター、ピーター・ストーン氏は「われわれはこれを製品の一部にしたいと考えている」と語った。 「ソニーはエンターテイメント企業であり、これによってゲームがより楽しくなることを願っています。」 ジョーンズ氏は、人々が GT ソフィーのハンドルを握っているのを見る機会を得れば、シム レーシング コミュニティ全体が多くのことを学べると信じています。 「多くのコースでは、長年使用されてきた運転テクニックの多くに欠陥があることがわかります。実際には、もっと速い方法があります。」
宮園はすでに、人工知能のルーティングを再現しようとしている。これが達成できることが示されているため、隅々まで進みます。 「ベースラインが変われば、全員のスキルが向上します」とジョーンズ氏は言いました。
以上がソニーの AI が人間のトップレーサーを破り、人間を 1.5 秒上回ったの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

8月1日の本サイトのニュースによると、SKハイニックスは本日(8月1日)ブログ投稿を発表し、8月6日から8日まで米国カリフォルニア州サンタクララで開催されるグローバル半導体メモリサミットFMS2024に参加すると発表し、多くの新世代の製品。フューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) の紹介。以前は主に NAND サプライヤー向けのフラッシュ メモリ サミット (FlashMemorySummit) でしたが、人工知能技術への注目の高まりを背景に、今年はフューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) に名前が変更されました。 DRAM およびストレージ ベンダー、さらに多くのプレーヤーを招待します。昨年発売された新製品SKハイニックス
