SIMAが（少なくとも理論上は）非常に成功しているのは、ソースコードやAPIといったビデオゲーム自体の技術情報を必要としないことです。SIMAはビデオゲームの画像と自然言語のコマンドのみに基づいて動作できます。Google DeepMindによると、SIMAは特定の方向への方向転換、オブジェクトとのインタラクション、ゲームメニューの使用など、600以上の「基本スキル」を実行できます。とはいえ、Google DeepMindは現在も、より複雑なアクションや複数のサブタスクを含むコマンドの開発に取り組んでいます。AIに目の前のはしごを登るように指示するのは簡単ですが、「シェルターを建設するための資源を採掘する」という指示に正確に応答するようにAIを訓練するのは全く別の話です。同社によると、これは大規模な言語モデル全般に見られる限界であり、ボットは単純なコマンドには応答しますが、直感的なアクションを独立して実行するのは困難です。

一方、Google DeepMindは、マルチゲーム学習モデルの成功を誇示し、SIMAが特定のゲームのみで学習したモデルよりも優れた性能を発揮すると主張しています。実際、同社によると、SIMAは、これまで見たことのないゲームでも、そのゲームのみで学習したモデルよりも優れた反応を示すことができるとのことです。

SIMAはまだ一般公開されていませんが、この技術の潜在的な活用例をいくつか想像できます。将来的には、これは優れたアクセシビリティの選択肢になるかもしれません。従来のコントローラーの操作に問題を抱えているプレイヤーにとって、ボットにプレイヤーの操作方法を指示することは、ゲームチェンジャーとなる可能性があります。もちろん、Googleの最終目標はこうした状況を超え、AIがゲームを自律的にプレイできるようにすることにあるようです。レベルアップやお金稼ぎといった反復的なタスクを省くには最適ですが、同時に疑問も生じます。ロボットにプレイを全て任せたいなら、そもそもなぜゲームをプレイするのでしょうか？

これはGoogleによるAIゲームへの2度目の大きな進出です。先月、同社が自然言語コマンドから2Dプラットフォームゲームを生成できるモデルの開発に取り組んでいることが明らかになりました。近い将来、GoogleはGoogle Gamingを展開するかもしれません。AIにどんな種類のゲームをプレイしたいかを伝えるだけで、AIがリアルタイムでゲームを生成し、プレイしてくれます。楽しみですね。

次の記事へスクロールしてください