動物と同じように、ビデオゲーム AI も愚かなほど賢い

私たちは現実空間と仮想空間は別世界であると考えがちですが、2007 年の壮大なデッドスペース映画「ドラッグ テンタクル」で、発達地獄のエイリアンの付属品であるタコの腕を見ずにはいられないのはなぜでしょうか?表面的な異星人の奇妙さを超えて、私が興味を惹かれるのは、賢いアニメーションと神経の驚異の共通点です。タコの腕は無限に柔軟であるため、独特の課題に直面しています。アームに無限の自由度がある場合、アームを移動して X、Y、Z 座標と特定の方向を設定するにはどうすればよいでしょうか?タコの腕は、プレイヤーが部屋のどこにいても、アニメーションの最初の再生中に自由に移動できる場合でも、プレイヤーを掴みに行くという仮想いとこの仕事にどのように取り組むのでしょうか?

あなたは単純化します。元 Dead Space 開発者であり、現在は Sledgehammer Games のシニア コア エンジニアである Michael Davies が、おそらくデジタル ソリューションについて私に説明してくれました。ドラッグ触手には、アニメーション スケルトン (アニメーション/コードでさまざまな形状に曲げることができるように、それをねじったり歪めたりするためのボーン) が装備されています。トリガー ボックスは、アイザックを掴む必要があるレベルの幅全体に配置され、その中心にアニメーションを表示するように特別に設計された事前に用意されたアニメーションが付いています。最後に、アニメーションをプレイヤーに合わせて調整するために、最後の数個の触手ボーンに対して逆運動学計算が実行され、触手ハサミ ボーンが Isaac の足首の骨に取り付けられ、同時にアニメーションが自然に見えるようにブレンドされます。

逆に、タコはその柔軟な腕の無限の自由度を 3 つに制限します。アームの方向に 2 度 (x および y)、予測可能なアームの解き方に 1 度 (速度)。信じられないことに、タコは、取り出しを簡素化するために、その「手首」（物体側）と中央脳から同時に神経活動を伝播させ、それらが交わる場所、つまりまさにその場所に「肘」を形成することで、無限の手足を人間のような仮想関節に変えます。それは行動のためである必要があります。

では、「エキサイティングな」類似点とは何でしょうか?タコの腕は、あらかじめ用意されたアニメーションと同じような自然な動作を行っています。つまり、自由度の崩壊を体に委託して、対応できない中枢脳に依存する必要がないようにしています。同様に、ドラッグ触手はアニメーション化されたスケルトンにもたれかかって人間の腕のように自由度を崩壊させますが、タコのようなあらかじめ用意されたアニメーションもあり、プレイヤーを直接追跡し、最後の瞬間にそのアニメーションをブレンドするだけで、「ボディ」にアウトソーシングされます。アニメーションの「動作」とスクリプトの「動作」です。

そして、それはこれらの付属物のいとこだけではありません。仮想世界をエンコードする必要があることと、自然をエンコードして現実世界をナビゲートする必要があることは、どちらも基本的には単純化に関するものです。

GoogleのディープマインドAI「AlphaGo」に勝利した唯一の囲碁チャンピオンが最近引退し、AIは単純に「負けられない」存在だと宣言した。しかし、研究者らによると、最も強力なニューラル ネットワークであっても、共有できる知能はせいぜいミツバチ程度だそうです。これらの発言をどうやって解きほぐすのでしょうか？ AI の潜在的な危険性について最も懐疑的な人がいるとすれば、それはビデオ ゲームをプレイする人々であると私は賭けざるを得ません。私たちは趣味の AI クラッシャーです。 AI で神の真の姿を創造するためだけに人類がこの地球に置かれたという記事は、私たちにそうでないと納得させるものはありません。結局のところ、私たちが銃を持ったアリの仮想的なものにまさしく甘やかされているときに、ゲーマーがこれらのニューラルネットワークの巧妙な存在の前で震えることをどのように期待できるのでしょうか?

しかし、今、あるいはいつであっても、AI の将来性に水を差すのは無謀であるように思えます。 2011 年にはディープ ラーニングの画期的な進歩が見られ、翻訳と視覚/音声認識が人間の能力を超えて進歩しました。このような進歩は、今のところ、ガールフレンドに対して、私が楽しい一日を過ごしているかどうかに応じて「いいえ」または「いいえ」を親切に提供するAIが生成した自動返信に過ぎないかもしれませんが、研究への応用は可能です。は無限です。彼らは物理法則を再発見し、シェイクスピアが何を書いたのか、何を書かなかったのかを明らかにし、人がいつ死ぬかを予測することができます。機械学習のサブセットとして、深層学習ニューラル ネットワークは、新しいデータについて学習した内容を正確に一般化できるほどエラーが減少するまで、データ セットでトレーニングできます。私たち自身のニューロンに大まかに似た「ノード」の層を備えたこれらのアルゴリズムは、基本的には「インテリジェント」ツールではないにしても、強力です。彼らは、意味論的な理解の代わりに、信じられないほどのレベルのパターン マッチングを採用しています (ただし、この分野では逆の取り組みが行われていないわけではありません)。そもそもそれらをAIと呼ぶこと自体に議論の余地がある。

しかし、ゲームの世界では、2015 年に囲碁 (チェスのより数学的な代替手段) の戦場で人類の覇権をめぐる戦いが劇的な展開を見せ、技術的にはディープマインドの強化学習プログラム AlphaGo に敗北したことが決定的に見えました。無思慮だが「創造性」が開花する。そして、Deepmind の AlphaStar が、プレイヤーの 99.8 パーセントを骨抜きにすることができる Starcraft II グランドマスターになったとき、まさに塩が塗り込まれました – 私がこの特集を書いていたときも同様でした。 AI に関する記事は決して最新のものではありません。繰り返しになりますが、これは必ずしも、それが生み出す誇大宣伝ほど印象的なものではありません。むしろ、AI を潜在的に危険なものにしているのは、AI の盲目的な熟練度です。個別のタスクで自分より優れたり、武器システムやソーシャルメディア、検索アルゴリズムのフィルターバブルを通じて効果的にあなたを傷つけたりするために、意識的である必要はなく、特に知的である必要さえありません。原子の進歩と同様に、あなたの人生を改善したり台無しにしたりする科学の可能性に決して賭けないでください。

AI の議論に関して私が最も気になるのは、一部の欠席者だと思います。私たちは他のすべての企業をこの地球上から駆逐するために最善を尽くしていますが、AI が存在する部屋にまだ一人でいるわけではありません。 AI は、あたかも私たち自身の外側にある同等の人々に出会う唯一のチャンスであるかのようによく言われますが、進化論は、動物界全体が実際には 1 つの大きな家系図であることを示しています。動物の中に私たちのすべてが詰まっています。より高度な認知の構成要素は、私たちの周りの生きた展示物の中に保存されています。人間の中で突然、何ものもなく現実化したものは何もありません。では、低レベルのビデオゲーム AI についてはどうでしょうか?そのアプローチにはメリットがないのでしょうか？

知性の定義は、定義を行うのは私たちであるという固有の偏見に悩まされています。 Facebook 人工知能担当副社長のジェローム・ペセンティ氏が、汎用人工知能 (AGI) に向けた DeepMind と OpenAI の取り組みについて、人間の知能は「それほど優れたものではないため、AGI のエンドポイントを人間の知能であると考えるのは「不誠実」である」と述べています。一般的な。’私たちは差別化要素としてそれを重視していますが、多くの点で、私たちが却下する人々に打ち負かされる可能性があります。知能が情報処理と、大量の情報をいかに迅速に処理できるかによって定義されるのであれば、ねぐらを支配するのはハトです。学習速度？人間の乳児は、ハチ、ハト、ネズミ、ウサギに襲われます。乳児とミツバチの間で生態学的に中立なテストをどのように正確に行うのでしょうか?ほとんどの場合、それはできません – おそらくビジュアルテストの場合を除いて。

しかし、圧倒的なポイントは、人類のユニークな特性を知的であると定義して、残りの動物界を粉々にすることはできないということです。生き残ったすべての動作は、アルファ アルゴリズムのように目的を効果的に達成する場合、ある程度は事実上インテリジェントである必要があります。大衆文化における線形進化の描写が虚偽であるのと同様に (*政治家の名前をここに挿入* を除けば、私たちは地球上で皆平等に進化しています)、知性についてもそれは多くの場合真実です。したがって、インテリジェンスは、達成される自然/仮想エージェントの目的の複雑さの大まかな近似にすぎませんが、行動や身体における進化的な解決策もインテリジェントです。新しいスキルを習得するためにどの程度の事前情報が必要かという基準で知能を定義したとしても、私たちの身体や行動はどの程度考慮されるのでしょうか？私たちは皆、人間の認知能力を高めることがどのようなものかを信じられないほどよく知っていますが、それが地球上の他のほとんどの動物にとって何を意味するのかを私たちは完全に知っているでしょうか?小さな頭脳は、目的を達成するために別の手段を見つけなければならないことがよくあります。多くの場合、代わりに動物の環境や体に頼って解決策を求めます。サソリやクモの足によって形成される完全な円を思い浮かべてください。空間的な振動の検出は、振動がどの脚に最初に到達するかという問題に単純化されます。複雑な計算は必要ありません。

諜報調査の鍵となるのは、アプローチがトップダウンではなくボトムアップであることです。これは動物研究にも当てはまります。イルカの人間レベルの言語能力や計算能力、あるいはミツバチの道具の使用能力を追求して、ほとんど何も証明されない代わりに、イルカが生活の中で実際にどのようにコミュニケーションしたり数えたりしているのかを分析する実験を行うことができます。私たちは、彼らのツールセットにとって新しいスキル習得の妥当なテストがどのようなものであるかを解明することができます。私たちは動物の認知に注目し、そのような能力の進化的ルーツを生態学的に有効な方法で見つけようとすることができます。

それはAIにも当てはまります。トップダウンで課せられたルールを受け入れず、私たち自身のニューロンに似たネットワークを使って自律的に学習する深層学習アルゴリズムや強化学習アルゴリズムの開発には、本質的に私たちの脳がどのように機能するかを解明するための大きな潜在的な洞察が秘められています。私たちが現在目にしている唯一の問題は、AI が Google から収集したデータ、さらには科学データのギャップが、事実上社会全体のトップダウン規定であり、常に AI を少数派や女性に対して偏らせているということです。これは、「リファレンスマン」が社会をさらに悩ませる可能性があるもう一つの方法にすぎません。そして、生態学的に有効な環境に位置し、その体に生物学的なインスピレーションを得るというだけで、動物の行動、ひいては私たち自身の行動がどのように、そしてなぜ機能するのかを実際に明らかにすることができる、生物からインスピレーションを得たロボットが登場しました。

ビデオゲーム AI に参入してください。これは興味深いものです。最新の AI 研究の成果を発揮しないことにより、AI は率直に言って魅力的な場所に残されています。 YouTube チャンネル、AI、ゲームなどの優れたリソースがあれば、多くのゲーマーにとっても魅力的であることは明らかです。私たちの周りで話題の展示品と同様に、開発者は、小脳動物の知能を解決するために進化が採用したのとほぼ同じ戦略を活用することがよくあります。ただし、ビデオ ゲーム AI エージェントを最もよく説明するために私が借用するこの用語は、1984 年にヴァレンティーノ ブライテンバーグが『乗り物、合成心理学の実験』で作り出したものです。ブライテンベルグ マシンは単純な思考実験の乗り物、たとえば自動車です。 、おそらく車輪を駆動する光に反応する単純な反応センサーを備えています。ホイールとセンサー間の接続の複雑さがわずかに増加するだけで、複雑な環境といくつかの刺激が存在し、車両はあら​​ゆる意味で知的で思考する存在として現れるでしょう。その行動は動機があり、目標指向であり、動的であり、変化に適応します。しかし、その根底には、記憶や推論における処理や認知プロセスはなく、何もありません。これは、少なくとも部分的には、生来の行動だけで動く小さな脳の昆虫がどのようなものであるかを説明しています。十分な追加の接続があれば、それは意識を頂点に置いた人類を描写することさえできるでしょうか?さらに、ハイダーとジンメルは、単純な幾何学的形状の悲劇のアニメーションを被験者に見せた1944年の実験で、社会的存在としての私たちの自然な傾向が、私たちの能力を共有していないものに主体性、社会的行動、意図を不合理に投影することであることを実証しました。ゲーム用 AI の問題は、私たちのソーシャル インテリジェンスだけですでに半分解決されています。ブライテンベルグの車両をエミュレートする AI システムと、私たちの過度に感情的な脳が組み合わさって、抗しがたい幻想を生み出します。

私がゲームで好きになったのは、エンジンで動作するシミュレーションとして、多くの場合、ボトムアップで生物にインスピレーションを得た方法で科学的問題を解決することを強いられることです。どのような複雑さが与えられても、ビデオ ゲーム AI は、仮想環境に配置された本体やアニメーションを持つという点だけで、AlphaGo/Star やその同類よりも大きな利点があります。 「状況性」とは、私たちがエージェントとして、環境と身体という文脈の中でのみ存在しているという事実を指します。したがって、身体と環境の相互作用、つまり脳と身体と環境の相互作用なしには、自然な複雑な行動は決して現れません。他の同種（同じ種）のエージェントがいる環境に置かれることは、霊長類や鳥類の脳の進化と知能の両方を促進する複雑な社会的行動を必要としました（社会的知能仮説）。実際、アニル・セスは、意識そのものは知性よりもむしろ自立して生き残った身体の結果であると主張しています。携帯電話がいつか意識を獲得するだろうという大衆文化の懸念からは程遠く、複雑ではあるが形のない孤独で繁栄する AI が、そのようにして私たちの苦しみを分かち合うことができるとは想像しにくいです。

ゲームの AI システムの進歩の欠如について否定的になるのは簡単ですが、内部告発ツアーでは、理論と実装の間に驚くほど長い遅れが見られる一方で、いくつかの重要な進歩もあります。有限ステート マシン (FSM) システムは、パックマンからより複雑なハーフライフ 1 に至るまで、あらゆるものに一般的に実装されるずっと前の 1955 年の研究に基づいて初めて誕生しました。 目標指向の行動計画 ( GOAP) は、FEAR の FSM ゲーム AI にエージェント プランニングを導入することに成功しました。それでも、基礎となる研究では、その起源は 70 年代にあると考えられています。最近では、Wolfenstein New Order と DOOM 2016 の強化された階層型有限ステート マシン (HFSM)、Halo 2 と 3 の AI 動作ツリー、および Killzone 3 とホライゾンゼロドーン。 Arkham ゲームに FSM が使用され、Deus Ex Human Revolution に GOAP が使用されるなど、昔ながらのものがまだ残っていることがわかります。すべてに適合する万能の方法はありません。特定のシステムへの大量移行がないことは驚くべきことのように思えますが、ゲームの要件のニッチに合わせてゲームごとに AI システムを選択および変更できることは、このメディアの最大の強みの 1 つです。

最新の HTN プランナーを使用していない場合でも、すべてのゲームは、そのデザインに適した独創的な新しいソリューションを生み出す新たな機会となる可能性があります。 DOOM 2016 と、あらゆる欠点を伴う時代遅れに見える HFSM の使用法だけでなく、RAGE の AI カバー システムの独創的な反転もご覧ください。遮蔽物を探すのではなく、遮蔽物近くの空いている位置を探し、プレイヤーへの視認性を最大化し、戦闘の流れを強化します。それは確かに伝統的な知性ではありません。通常の生存へのプレッシャーはひっくり返され、死の願望を持つエージェントが生み出されました。これは計算の進歩ではなく、ゲームのニッチに合わせて単純なルールから生まれた賢い動作にすぎません。ビデオゲーム AI は、このように目的に完全に適合しているという点で、私たちの動物やアルゴリズムの友人とはまったく異なりますか?知的バカ？

ゲームは人間のプレイヤーが通常行うような立場でニューラル ネットワークで解決すべき次の問題として位置づけられていますが、進歩の鋭い堅牢な仮想エージェントを作成する意欲はまだありません。問題は、私たちがそれを望むかどうかです。過去をただ引用して、2011 年の深層学習の進歩が 2040 年には主流になるかもしれないと示唆したくなりがちですが、私たちが考えているのは、ゲームが今日の目的主導のデザインから、とんでもなくリソースを消費し、完全にリソースを消費するものに完全に変換されることです。予測不可能な。現在、ゲーム デザイナーがインテリジェント デザインに相当するものを使用してエージェントを作成し、エージェントの動作を特定のゲーム タイトルのニッチに合わせて刻み込むのであれば、おそらく深層学習アルゴリズムは、誘導された進化に近いものになるでしょう。多くの点で、デザイナーの手と芸術性が失われています。それはゲームの改善にもつながるのでしょうか？

おそらく。 OpenAI の深層学習言語モデルを使用してあらゆる入力に応答する、最近の AI Dungeon 2 テキスト アドベンチャー ゲームを考えてみましょう。完璧ではありませんが、最も柔軟性の低いことで悪名高いゲーム ジャンルが限りなく柔軟になることには、何か喜ばしいことがあります。また、深層学習によって生成されたアニメーションや環境、さらにはゲーム全体にも無限の可能性があります。オンラインの有害性は過去のものになる可能性があります。行動に関して言えば、彼らはおそらく私たちの死を願う悪魔が利用するような知的で愚かな解決策を生み出すことはないだろうが、深層学習技術が独自のレーンに保管されていたとしたらどうなるでしょうか?実験的な反応型対話のような深層学習の恩恵を受ける可能性のある個別の AI システムがあれば、今日のビデオ ゲーム AI の創造性を他の場所で保存できる可能性があります。そうしないと、ゲームを機能させるためには、ゲームが完全なパラダイム シフトを経験し、エージェントとともに進化する必要があるかもしれません。それが資源を持つ人々だけの保護区ではないことも確認できますか?

単純な乗り物であろうとなかろうと、私たち人間とゲーム AI の基本的な仕組みには、美しく謙虚な類似点がいくつかあります。生態心理学の先駆者であるアメリカの心理学者、J.J.ギブソンは、私たちの脳には驚くべき世界処理装置とは程遠く、世界から直接情報を抽出することで自然環境の周波数に同調し共鳴するニューロンである「マッチドフィルター」が組み込まれていると主張しました。基本的に、Apple 製品と同じように (私たちが自然の産物であることを考えると)、私たちは環境に簡単に差し込める独自のポートをすべて備えています。既知の宇宙で最も複雑なオブジェクトを所有しているかどうかに関係なく、現実の内部モデル全体を生成するための処理能力の余裕がありません。しかし、私たちは動的に与えられることで、自分が進化した部分を認識することができます。これらには、ほんの数例を挙げると、テクスチャ、ジオメトリ、顔の認識と読み取り、動き、生物学的動き (自然に見える動き)、民族物理学 (自然の法則についての生来の概念) のフィルタリングが含まれます。すべての動物には独自のものがあります。しかし、私たちは感覚フィルターの専門家ですが、知覚は逆方向（脳が外側へ）の矢印の結果でもあることを指摘する価値があります。以下の目の錯覚では、脳が物体からの影を予測するため、A が B よりも暗く認識されます。指でそれらを接続すると、まったく同じ色合いであることがわかります。現実をフィルターする最も簡単な方法は、期待を投影すること、つまり幻覚を作ることよりも簡単な方法があるでしょうか？

したがって、2005 年の FEAR に登場した兵士の目標やオブジェクト指向の生活は、私たちの生活とは千マイルも離れたところに見えたかもしれませんが、それらも環境と選択的に共鳴するように設計者によって構築されています。私にとって非常に喜ばしいことに、FEARs エージェントは短いながらも頻繁な計画を立てており、実行予定のアクションは平均 3 つ未満です。パックマンのゴーストの行動計画は 1 つだけです。これは、HTN での潜在的な 30 のアクションと比較されます。これらの一連のタスクの階層により、エージェントがより高速で、より多様で、より適応できることは理解していますが、超反応的な恐怖には純粋性があります。小さな意味では、それは私たちの不完全な反応的な脳とより調和していると感じますが、どちらの場合もさまざまな種類のメモリ制限があるためです。目と心の仮説は、私たちが視覚的に固視するものと処理するものの間には、それほどの遅れがないことを示唆しています。必要なときに情報を取得し、メモリの使用を最小限に抑えます。歩いているときは、前方を見つめて、必要な推力に必要なモーター情報を接地した足に伝えます。 VR テストでも、「ジャストインタイム」の計算を実証できます。色やサイズを分類して物体をベルトコンベア上に移動させるとき、対象者はすでにベルトに移動してそこに注目していると、物体の劇的なサイズと色の変化が完全に見逃されるため、変化盲目に悩まされます。動物、AI、人間 – 私たちは皆、反応性のエージェントです。

FEAR兵士の悲しい存在を考えてみましょう。彼は、経路探索ナビゲーションメッシュ ノード、「スマートオブジェクト」、およびプレーヤー以外の世界のすべてに対して盲目で、アルゴリズム的に動くアニメーションにすぎません。しかし、それでは、私たちは誰について話すべきでしょうか?世界のあらゆるものとの生態学的共鳴から外れたところで、私たちがどれほど視覚的にも認知的にも盲目であるかを考えると驚くべきことです。単純な FSM アプローチとは異なり、彼は柔軟なブライテンベルグの乗り物であり、そのセンサーは、設定された移行を行わずに、センサーが彼の行動を動的に切り替えます。興味深いことに、彼が感知しているのは光や熱、さらには仲間のチームメイトではなく、非常に抽象的でヒューリスティックな「脅威のレベル」です。これは、彼がカバーに移動したり、狙われたときにロールを回避したり、撃たれたときにブラインド射撃したりするときに、私たちに何らかの自己保存のような錯覚を与えます。実際のところ、目の奥には何もなく、センサーだけが車輪、つまりこの場合は柔軟な動作を動かしているのです。より自然な刺激を感知する AI へのそれほど簡単ではない切り替えや、記憶力と推論能力の代わりとなるディープ ラーニングの追加を想像することもできますが、これらの命題間の複雑さのギャップを考えると驚くべきことですが、それでもなお、どのように前者の解決策が効果的です。これは、まったく同じ AI システムが常に世界中の 20 匹ほどのネズミによって共有されており、プレイ中に誤ってバックグラウンドで永続的にオンのままになり、プレイ中にリソースを食いつぶしているということを単に自分自身に書き込むだけです。兵士たちは実際には、彼らが踏み越えるネズミと同じくらい複雑ではありません。

経路探索を効率的に処理するアルゴリズムは、複雑さが少ないだけで、アリのツールキットと似ています。一連の座標について、A* アルゴリズムは、最低コストのパス状態を連鎖することで形成されたパスと、最低のヒューリスティック値 (たとえば、次のパスの距離など) に基づいて長期的に考慮したパスとの差を分割することによって、ゴールへのパスを最適化します。パスの状態はゴールからのものです)。生物が「神」から直接座標を渡されることができないことを考えると、彼らもまた、対処するには単純かつ堅牢で経験則に基づいたヒューリスティックな解決策に頼らなければなりません。アリは、内蔵の歩数計と内蔵のコンパスを使用し、太陽を合図として採餌後に巣に戻る直接経路をたどります（経路統合）と同時に、自分が理解できる世界の単純な見方（形状に基づく）を継続的に学習します。慣れ親しんだルートを再び歩くときは、同じことを繰り返す傾向があります。巣から遠ざかるほど不確実性が高まるため、経路探索アルゴリズムと同様に、ヒューリスティックな値を使用して手法に最適な重み付けを行っていると考えられています。これにより、脳の小さな動物では実際の「確実性の計算」が不要になります。しかし、アリが生涯通して慣れ親しんだルートであっても、アリが餌を持って巣に入るときに拾い上げ、餌を与えずに巣から出る場所に移動させたとしたら、アリはこうなるだろう。 『Aliens: Colonial Marines』のエイリアンのように凍りつきます。それ以外の場合は堅牢であるにもかかわらず、なぜでしょうか? FEAR 兵士のように目標志向である一方で、彼らは目標への取り組み方においてより厳格に区分されています。マップ全体で旗をキャプチャするゲームで、旗を持ったボットをテレポートしたとしても、盲目的な違いは少しも生じません。この場合、驚くべきことに、アリは初期のゲーム AI とほぼ同じ種類の柔軟性のなさを持ち、行動間の移行が FSM のように柔軟性に欠けます。食べ物を持っている間は、往路の記憶にアクセスすることができないのです。ゲーム AI のシンプルな柔軟性により、やるべきことははるかに少なくなり、よりインテリジェントに見えます。人間の空間細胞の恩恵により、私たちはナビゲーションにそれほど行き詰まる可能性は低いですが、条件付きの促された記憶の経験は立ち往生したアリとそれほど似ていません。

おそらく、ほとんどのゲームにおける個人の主体性の最大のスポイラーは、必要なコーディネーター/ディレクター/オーバーロード AI システムの存在です。これらは、理想的にはすべてが個別に事後対応的に管理できるにもかかわらず、舞台裏でエージェント全体に秘密をささやきあっています。それはビデオゲーム AI の幻想的な劇場パフォーマンスの性質です。 FEARでこれまでで最も印象的なトリックは、お互いに完全に盲目であるにも関わらず、ある行動（例えば側面攻撃）に従事している兵士が、「分隊コーディネーター」に対話を他の兵士に伝えさせ、最初にそのことを行うよう提案する方法である。アクションはすでにコミットされています。コーディネーターは個々のエージェントの頭を越えて、シンプルだが効果的なコミュニケーションの錯覚に利用します。 Horizo​​n Zero Dawn には、群れ内の機械動物の分布を管理する「集合体」があります。多くのエージェントを、よく設計されているが緩やかな集合体として管理することは、理にかなっています。興味深いのは、これらのシステムがエージェントの感覚の代わりにどのように機能するかです。 Alien Isolation のディレクターは、完全に地上に駐在するエージェントの代わりに、プレイヤーの位置を含む情報を Alien AI にドリップ フィードする方法で特に思い浮かびます。これは、予期される動作への準拠を強化するために全能システムから信号を受信するブライテンベルグ車両のようなものです。このような状況では、その行動は環境からではなくエーテルから現れています。深層学習は、こうした「神」の訪問にどのようにアプローチできるのでしょうか?ただし、集団での間接的なコミュニケーションが現実から完全に切り離されているわけではありません。ミツバチの採集者は、貯蔵ミツバチが花粉を降ろすまでどれくらいの時間待つ必要があるかによって巣の状態を評価します。それはまったくの非効率です。彼らはそれを自分たちで保管することもできます。意識的な決定が下されることなく、集団組織のダイナミクスにおける自分たちの外側の力が、彼らが独自の発見によって情報を伝達することを可能にしています。この行動は賢いので、ミツバチがそうする必要はありません。

行動は知的です。それが小さな脳によって生み出されるか、大きな脳によって生み出されるかは、多くの点で重要ではありません。ビデオ ゲーム AI の次のステップを決定するのは、制御の問題かもしれません。 Quake 3 Arena には、ゲーマーがニューラル ネットワーク ベースのボット AI を離れて 4 年間戦い続けた後、停戦に戻ったという興味深いストーリーがあります。いくつかの理由で魅力的です。 1つ目は、それは完全に誤りです。 2 つ目は、人々は現状の AI との接触から、それが真実である可能性があると十分に信じていたことです。 3 つ目は、ボトムアップ AI が提供することを容易に想像できる、興味深いものの完全に不利なゲーム結果です。なぜそれが欲しいのですか？しかし、私はこの主張を熱心に主張できますが、多くの点で、今日のビデオ ゲーム AI はニューラル ネットワークに劣ったり、現実に忠実でなかったりするわけではありません。それらは自然と知性の本質的な真実を体現しています。自然は単純化する解決策に向かう傾向があるということ。小さな脳、あるいは実際には脳のない乗り物は、共鳴する環境で相互作用する身体の位置から知的行動が現れるのを見ることができる。

おそらく、本当の未来は見せかけのものなのかもしれない。 The Last of Us 2 は、車両の外殻にエージェント間で認識される名前と個性を与えることで、知性の幻想をさらに高める精巧なシステムを採用しています。虫眼鏡で事実上燃やすのをやめるかどうかは関係なく、私たちの好きな娯楽のためにそれを聞いてみましょう。彼らは知的には愚かですが、限りなく本物なのかもしれません。