DeepMindとUCLがメタ強化学習向けの3Dビデオゲームを開発

DeepMindとUCLが開発した3Dゲームは、メタRLの新しいベンチマーク環境として有用なAlchemyと解析ツールを導入(オープンソース化)することで、メタ強化学習の「べンチマークタスクが不足している」という課題を解決することを目的としている。

DeepMindとUCLがメタ強化学習向けの3Dビデオゲームを開発

人間は、新しいタスクに直面したとき、通常、ほとんど経験を必要とせず、驚くほどのスピードでそれに取り組むことができる。このような効率性と柔軟性は、人工エージェントにも求められている。しかし、最近では、大規模な訓練後に複雑なタスクを実行できる深層強化学習(RL)エージェントの構築に劇的な進歩が見られるが、RLエージェントが新しいタスクを迅速に習得できるようにするには、まだ未解決の問題がある。

有望なアプローチの一つとして、メタ・ラーニング(meta-learning)またはラーニング・トゥ・ラーニング(learning to learn)がある。この考え方は、学習者が多くの経験から再利用可能な知識を得て、その知識が蓄積されていくことで、学習者が新しいタスクに出会うたびに、より迅速に適応することができるようになるというものだ。深層RLの中でメタ学習のための方法を開発することへの関心が急速に高まっている。このような「メタ強化学習」に向けた研究はこれまでにも盛んに行われてきたが、ベンチマークタスクが不足していることが研究の足かせとなっていた。本研究では、メタRLの新しいベンチマーク環境として有用なAlchemyと解析ツールを導入(オープンソース化)することで、この問題を解決することを目的としている。

メタ学習を実現するためには、環境が学習者に単一のタスクを提示するのではなく、高レベルの特徴を持つ一連のタスクを提示する必要がある。このような相互に関連したタスク設定は現実世界では一般的だが(ボードゲームやキッチンのタスク、地下鉄のシステムなどを考えてみてください)、シミュレートされた環境で動作する人工エージェントのために設計するのは難しいことで知られている。理想的には、面白くてアクセスしやすいタスク分布が欲しいと考えている。現実世界のタスクに見られるような豊富な種類の共有構造が含まれているという意味で興味深いものであり、タスク分布全体について完全な知識を持っているという意味でアクセス可能なものであり、優れたメタ学習者が拾い上げるような共有構造とは何かを正確に述べることができる。これまでのメタRLの研究では、一般的に、面白くなくてもアクセス可能なタスク(盗賊タスクのような)、またはアクセスできなくても面白いタスク(アタリゲームのような)の分布に依存してきた。Alchemyはその両方の世界のベストを提供するように設計されている。

Alchemyは、Unityで実装されたシングルプレイヤーのビデオゲームだ。プレイヤーは、色のついた石のセット、色のついた薬を入れた皿のセット、中央の大釜などのオブジェクトが置かれたテーブルを一人称視点で見ることになる。石にはそれぞれポイントがあり、大釜に石を入れるとポイントが溜まる。ポーションに石を入れることで、プレイヤーは石の見た目を変化させることができ、その結果、獲得できるポイント数を増やすことができる。

しかし、Alchemyには非常に重要な要素も含まれている。それは、ポーションがどのように石に影響を与えるかを支配する「化学」が、ゲームをプレイするたびに変化するということだ。熟練したプレイヤーは、現在の化学がどのように機能するかを知るために、ターゲットを絞った一連の実験を行い、その結果を戦略的なアクションシーケンスのガイドとして使用しなければならない。Alchemyの多くのラウンドを経て、それを習得することはまさにメタRLの課題と言えるだろう。

Alchemyは、潜在的な因果関係を構成するという意味で「興味深い」構造を持っており、戦略的な実験とアクションのシーケンスを必要とする。しかし、ゲームレベルは明示的な生成プロセスに基づいて作成されるため、Alchemyの構造は「アクセスしやすい」ものでもある。

研究者らは、2つの強力な深層RLエージェント(IMPALAとV-MPO)を用いてAlchemy環境を評価した。これらのエージェントはシングルタスクのRL環境で印象的な性能を達成しているが、Alchemy環境では大規模なトレーニングを行ってもメタ学習性能が非常に劣っていた。研究チームによると、この結果はメタ学習に関与する構造学習と遅延状態推論の失敗を反映しており、AlchemyをメタRL研究の有用なベンチマークタスクとして検証しているという。

論文「Alchemy: A Structured Task Distribution for Meta-Reinforcement Learning」はarXivに掲載されている。コードやその他のリソースはオープンソース化されており、プロジェクトGitHubで公開されている。この研究はDeepMindとユニバーシティ・カレッジ・ロンドン(UCL)によって行われた。

Read more

米国のEV革命は失速?[英エコノミスト]

米国のEV革命は失速?[英エコノミスト]

米国人は自動車が大好きだ。バッテリーで走らない限りは。ピュー・リサーチ・センターが7月に発表した世論調査によると、電気自動車(EV)の購入を検討する米国人は5分の2以下だった。充電網が絶えず拡大し、選べるEVの車種がますます増えているにもかかわらず、このシェアは前年をわずかに下回っている。 この言葉は、相対的な無策に裏打ちされている。2023年第3四半期には、バッテリー電気自動車(BEV)は全自動車販売台数の8%を占めていた。今年これまでに米国で販売されたEV(ハイブリッド車を除く)は100万台に満たず、自動車大国でない欧州の半分強である(図表参照)。中国のドライバーはその4倍近くを購入している。

By エコノミスト(英国)
労働者の黄金時代:雇用はどう変化しているか[英エコノミスト]

労働者の黄金時代:雇用はどう変化しているか[英エコノミスト]

2010年代半ばは労働者にとって最悪の時代だったという点では、ほぼ誰もが同意している。ロンドン・スクール・オブ・エコノミクスの人類学者であるデイヴィッド・グレーバーは、「ブルシット・ジョブ(どうでもいい仕事)」という言葉を作り、無目的な仕事が蔓延していると主張した。2007年から2009年にかけての世界金融危機からの回復には時間がかかり、豊かな国々で構成されるOECDクラブでは、労働人口の約7%が完全に仕事を失っていた。賃金の伸びは弱く、所得格差はとどまるところを知らない。 状況はどう変わったか。富裕国の世界では今、労働者は黄金時代を迎えている。社会が高齢化するにつれて、労働はより希少になり、より良い報酬が得られるようになっている。政府は大きな支出を行い、経済を活性化させ、賃上げ要求を後押ししている。一方、人工知能(AI)は労働者、特に熟練度の低い労働者の生産性を向上させており、これも賃金上昇につながる可能性がある。例えば、労働力が不足しているところでは、先端技術の利用は賃金を上昇させる可能性が高い。その結果、労働市場の仕組みが一変する。 その理由を理解するために、暗

By エコノミスト(英国)
中国は地球を救うのか、それとも破壊するのか?[英エコノミスト]

中国は地球を救うのか、それとも破壊するのか?[英エコノミスト]

脳腫瘍で余命いくばくもないトゥー・チャンワンは、最後の言葉を残した。その中国の気象学者は、気候が温暖化していることに気づいていた。1961年、彼は共産党の機関紙『人民日報』で、人類の生命を維持するための条件が変化する可能性があると警告した。 しかし彼は、温暖化は太陽活動のサイクルの一部であり、いつかは逆転するだろうと考えていた。トゥーは、化石燃料の燃焼が大気中に炭素を排出し、気候変動を引き起こしているとは考えなかった。彼の論文の数ページ前の『人民日報』のその号には、ニヤリと笑う炭鉱労働者の写真が掲載されていた。中国は欧米に経済的に追いつくため、工業化を急いでいた。 今日、中国は工業大国であり、世界の製造業の4分の1以上を擁する。しかし、その進歩の代償として排出量が増加している。過去30年間、中国はどの国よりも多くの二酸化炭素を大気中に排出してきた(図表1参照)。調査会社のロディウム・グループによれば、中国は毎年世界の温室効果ガスの4分の1以上を排出している。これは、2位の米国の約2倍である(ただし、一人当たりで見ると米国の方がまだひどい)。

By エコノミスト(英国)