不確定要素を含むゲームでも人間に並ぶ

システムは複雑ですが、一定の条件下では、すでに人間に匹敵するAIが完成しつつあります。伊藤助教は「人間が思いつかないような戦略をAIに提案させ、AIを使って学習した選手が将来オリンピックで活躍するようになる」と想定し、カーリングの学習支援システムの開発に取り組んでいます。
さらに、別の複雑な要素を含むゲームとして、うそや駆け引きといった高度な心理戦が繰り広げられる「人狼ゲーム」を対象にした研究も進めています。人狼AIはまだ人間の能力には及びませんが、これが完成した暁には、人間の高度な交渉術や、逆に人間が陥りやすい思考の研究につながると考えています。

生体データの取得には、視線の動きをとらえるアイカメラのほか、発汗・脈拍計測器や筋電計測装置、加速度センサ、脳の血流量を測る光トポグラフィ装置などを用いています。最近は、少林寺拳法など動きを伴うスポーツ時の生体情報を計測して可視化する研究にも乗り出しています。これは、「熟達化」を促すためには、自身の身体の生体データをフィードバックすることが有効であるという知見を利用した研究です。

ゲームAIは、ルールが明確で勝敗のあるゲームを対象にすることで、より賢いAIの開発に貢献してきました。一方で、ゲームAIがこのようにAI研究のベンチマークになっているにもかかわらず、日本ではいまだにゲームを軽視する風潮があり、ゲームAIの研究がもたらす効果にあまり目が向けられていません。AIの効果的な導入を模索する企業は、ゲームが開く未来にそろそろ気付くべきときに来ています。
囲碁AIの研究は、もともと日本が世界の中でも進んでいましたが、いつの間にか、グーグルが巨大資本と膨大なマシンパワーで「アルファ碁」という優れた成果をもたらしました。こうしたビックデータを用いた知的システムが、まだ見ぬ新たな技術に大化けすることは想像に難くないでしょう。

ゲームはAIの能力を測る最適な実証の場であり、その応用の可能性は計り知れません。伊藤助教は「ゲームAIで培った知見は人間の知を拡張する可能性を秘めており、我々もその架け橋になるような研究がしたい」と考えています。