個人のPC環境でゲームをクリアできるAIはどう作る？ AIと強化学習の基本【強化学習入門 第1回】

▼目次 0:00 生まれたてのAIと、4万回遊んだAI 0:36 そもそもAIって何？ 0:56 ChatGPTとLLM 1:33 小さなLLMを育ててみる 2:04 ニューラルネットワークとパラメータ 2:36 機械学習の3つの種類 3:10 ゲームには正解がない 3:26 ChatGPTと強化学習の違い 3:55 ChatGPTにも強化学習が使われてる 4:24 強化学習のしくみ 4:53 AIには何が見えてる？ 5:11 1回のプレイと点数 5:54 AIはどうやって動きを選ぶ？ 6:37 新しい手を試すか、覚えた手を使うか 7:11 PPOという学び方 7:31 弾よけゲームの作り 7:52 0から育ててみた 8:23 なぜ急に上手くなった？ 9:00 途中のプレイを見比べる 9:43 最後のプレイ 10:45 よけ方を覚えた 11:07 AIに場面を見せて聞いてみた 11:37 点数の付け方を変えてみた 12:29 弾を増やしてみた 12:53 点数の付け方を間違えると… 13:22 強化学習の歴史（1898年〜） 14:06 1950〜1990年代 15:04 2013年〜 15:58 同じやり方でもっと大きなゲームへ 16:54 強化学習の苦手なこと 17:20 よくある疑問 18:48 出てきた言葉のおさらい 19:10 まとめ 最後に出てくる東方風神録をクリアしたAIは、このチャンネルでずっと育てているAIです。 参考 Sutton & Barto「強化学習」（教科書） Thorndike（1898）猫の問題箱の実験 OpenAI「Faulty Reward Functions in the Wild」（2016）ボートレースの例 Schulman ほか（2017）PPO Silver ほか（Nature 2017）AlphaGo Zero Chen ほか（WSDM 2019）YouTubeのおすすめに使われた強化学習 立ち絵：そる様（そる式魔理沙立ち絵）   / remonntteumai   声：AquesTalk BGM：ポケットサウンド - ‪@pocketse‬（白い迷宮・ひだまり）／甘茶の音楽工房（バブル・オーヴⅡ・テクノフォビア・悲しみのテクスチャⅡ・プルキンエ・フェノミナン） ゲーム画面：東方風神録（©上海アリス幻樂団）　東方Projectは上海アリス幻樂団様の作品です。この動画は東方Projectの二次創作です。 文章：青空文庫（夏目漱石「吾輩は猫である」「坊っちゃん」「こころ」） #強化学習 #AI #ChatGPT