前回、５月７日から９日に東京国際フォーラムで行われた Unite 2018 Tokyo の個別セッションの「Unity for ディープ・ラーニング：ツールキット『ML-Agents』のご紹介 」の前半を紹介しました。
これは Unity Technologies で Head of Global Evangelism Content を務める Mike Geig が行ったセッションとなります。
（「Unity for ディープ・ラーニング：ツールキット『ML-Agents』のご紹介 」 Part 1）
前回、このセッションの前半として、Unity の Machine Learning の基本的考え方、Imitation Learning のデモで使われたカーレースの細かい設定法や機械学習自体のデモのパートを紹介しました。
（セッション映像の切抜）
今回はこのセッションの後半部分の紹介となります。
これは Unity Technologies で Head of Global Evangelism Content を務める Mike Geig が行ったセッションとなります。
（「Unity for ディープ・ラーニング：ツールキット『ML-Agents』のご紹介 」 Part 1）
前回、このセッションの前半として、Unity の Machine Learning の基本的考え方、Imitation Learning のデモで使われたカーレースの細かい設定法や機械学習自体のデモのパートを紹介しました。
（セッション映像の切抜）今回はこのセッションの後半部分の紹介となります。
Imitation Learning を使ったカーレースデモの設定法が終わると、次に他の例がいくつか紹介されました。
これらも他の場所で見たことのある例ですね。
【Twelve Agents, One Brain, Independent Rewards】
（セッション映像の切抜）
手である Agents が12こあり、１つで学習するより12倍経験がつめて早く学習ができる例。
20秒くらいでうまくバランスできるようになるとのこと。
（セッション映像の切抜）
【Twelve Agents, One Brain, Independent Rewards】
（セッション映像の切抜）手である Agents が12こあり、１つで学習するより12倍経験がつめて早く学習ができる例。
20秒くらいでうまくバランスできるようになるとのこと。
（セッション映像の切抜）【Two Agents, One Brain, Cooperative Rewards】
（セッション映像の切抜）
報酬がリンクしているため、協調するかたちで学習されていく例。
（セッション映像の切抜）
（セッション映像の切抜）報酬がリンクしているため、協調するかたちで学習されていく例。
（セッション映像の切抜）【Four Agents, Multi-Brain, Competitive Rewards】
（セッション映像の切抜）
マルチブレインの例となります。学習の方法としては、まずストライカーだけを学習させたそうです。
そして、キーパーを個別に学習。最後に、それら学習結果を統合して、ストライカーとキーパーを組み合わせた形での学習を実行したとのこと。
面白いことに、学習が進むにつれて、コードなどで指示はしてないが、ストライカーはゴールを決めやすい敵ゴール前あたりに陣取り始め、キーパーは自分のゴール前でストライカーからのゴールをブロックしやすい場所に動き始めるとのこと。
（セッション映像の切抜）
【Curriculum Learning】
（セッション映像の切抜）マルチブレインの例となります。学習の方法としては、まずストライカーだけを学習させたそうです。
そして、キーパーを個別に学習。最後に、それら学習結果を統合して、ストライカーとキーパーを組み合わせた形での学習を実行したとのこと。
面白いことに、学習が進むにつれて、コードなどで指示はしてないが、ストライカーはゴールを決めやすい敵ゴール前あたりに陣取り始め、キーパーは自分のゴール前でストライカーからのゴールをブロックしやすい場所に動き始めるとのこと。
（セッション映像の切抜）【Curriculum Learning】
そして、その後、他の学習法を紹介。Curriculum Learning と言うものです。これは、強化学習の１つのタイプとなります。
複雑すぎるタスクがあった場合、たまたま良いことが起きれば学習できるかもしれないが、複雑で大きなタスクだと たまたまと言うのは発生するのは難しい。
そうすると、いっこうに学習が進まない可能性があります。
それを解決する方法として、Curriculum Learning は簡単で小さなタスクから学習を始めていき、複雑で大きなタスクへ進めていく方法となります。
（セッション映像の切抜）
複雑すぎるタスクがあった場合、たまたま良いことが起きれば学習できるかもしれないが、複雑で大きなタスクだと たまたまと言うのは発生するのは難しい。
そうすると、いっこうに学習が進まない可能性があります。
それを解決する方法として、Curriculum Learning は簡単で小さなタスクから学習を始めていき、複雑で大きなタスクへ進めていく方法となります。
（セッション映像の切抜）以下はリリース済みの ML-Agents の機能一覧となります。半年くらいでこれくらい出してしまっており、すごいハイペースで開発を進めているようです。
Unity の AI への意気込みが感じられますね。
（セッション映像の切抜）
ちなみに、このセッションでは 0.3が最近リリースされたと言っていますが、この記事を執筆時点で、既に 0.4がリリースされております。
ほんとに速いですね。
現在、Unity の Machine Learning に関するトップには Danny Lange がいます。
彼は以前は Uber で Machine Learning のトップを務め、その前は Amazon、その前は Microsoftと、各社で Machine Learning のトップとして活躍してきた Machine Learning 界の大物です。
（彼のGDCでのMachine Learningに関するセッションの紹介。）
彼を引き込んだことでも、Unity が AI、Machine Learning に対して力を入れていることが分かります。
（もちろん、Cinematic な映像、VR,AR、Performance 改善なんかの方が重点を置いているかと思いますが。）
Unity の AI への意気込みが感じられますね。
（セッション映像の切抜）ちなみに、このセッションでは 0.3が最近リリースされたと言っていますが、この記事を執筆時点で、既に 0.4がリリースされております。
ほんとに速いですね。
現在、Unity の Machine Learning に関するトップには Danny Lange がいます。
彼は以前は Uber で Machine Learning のトップを務め、その前は Amazon、その前は Microsoftと、各社で Machine Learning のトップとして活躍してきた Machine Learning 界の大物です。
（彼のGDCでのMachine Learningに関するセッションの紹介。）
彼を引き込んだことでも、Unity が AI、Machine Learning に対して力を入れていることが分かります。
（もちろん、Cinematic な映像、VR,AR、Performance 改善なんかの方が重点を置いているかと思いますが。）
こんな形で、この AIのセッション、とても有意義なセッションでした。
私の Unityに関して、今一番の関心は AIだからと言うのもあるかもしれませんが、彼のセッションはほんとに引き込まれてしまいました。（彼がエバンジェリストの親玉で、プレゼン自体がとても分かりやすかったせいでもあるかな。）
私の Unityに関して、今一番の関心は AIだからと言うのもあるかもしれませんが、彼のセッションはほんとに引き込まれてしまいました。（彼がエバンジェリストの親玉で、プレゼン自体がとても分かりやすかったせいでもあるかな。）
ところで、冒頭にも書きましたが、彼はAIの専門家と言うわけでなく、Unityのエバンジェリストなので、他のテーマでもセッションを行っています。
それが、「アーティストがUnityでサクッといいビジュアルを作るテクニック講座」と言うことで、まったく別の内容も話しています。
（以下がそのセッションの動画です。）
それが、「アーティストがUnityでサクッといいビジュアルを作るテクニック講座」と言うことで、まったく別の内容も話しています。
（以下がそのセッションの動画です。）
Sponsored Link
E-Mail: 