マリオをある意味スーパープレイな遺伝的アルゴリズムとニューラルネットワーク学習のみで全自動クリアしてしまう「MarI/O」

進化的アルゴリズムの1つである遺伝的アルゴリズムと人工神経回路網(ニューラルネットワーク)を用いて、人間が解法を教えることなく、機械学習のみで「スーパーマリオワールド」のドーナツ平野1をクリアすることに挑んだプログラムが「MarI/O」です。

プログラムを作ったのはセス・ブリングさんで、ソースコードはPastebinで公開されています。

NEATEvolve.lua - Pastebin.com
http://pastebin.com/ZZmSNaHX

Watch this learning AI smash Super Mario World with ease
http://thenextweb.com/insider/2015/06/14/watch-this-learning-neural-network-annihilate-super-mario-world-with-ease/

実際に、「MarI/O」がスーパーマリオワールドをクリアしているところ、そしてその仕組みを解説しているのが以下のムービーです。

MarI/O - Machine Learning for Video Games - YouTube

ムービーの冒頭1分弱は、まるで普通にスーパーマリオワールドを早解きしているだけのように見えます。

しかし、プレイヤーは人間ではなく、「MarI/O」というプログラムです。

クリア時の残りタイムは354、つまり46秒でのクリア。

スタート地点まで戻って、マリオの「頭の中」をのぞいてみると、こんな構造になっています。この四角形とそれらを結ぶカラフルな線が「ニューラルネットワーク」で、人間の脳機能の働きを表現したもの。

画面上部左側は、この世界を模式的に表現しています。赤い棒がマリオ、白い四角が固定オブジェクト、黒い四角が移動オブジェクト(敵)で、浮かんでいるコインなどは無視されています。

右側にあるのはニューラルネットワークが使用する入力ボタン。

中央には、それらを結ぶラインが形成されています。今回はこの「頭脳」で24時間考えてたどり着ける最適解を目指します。

上部の表記が「Gen 0」とありますが、これは第0世代。まだまだトレーニング段階。

マリオにはダッシュやジャンプなどいくつかの動きがありますが、ニューラルネットワークはまずは「右に走り続ける」を選択しました。うまくキノコを拾ってスーパーマリオになっても敵にぶつかって元通りに縮んでしまい……

敵の攻撃をよけることなく、やられてしまいました。これで「右に走り続けるだけではダメ」ということが学習できました。

何度も何度もいろいろな進み方を試行していきます。画面上部の「Fitness」と書かれた欄の数字は、ステージをどこまで進んだかを示しています。

世代を重ねるごとにどんどんと経験が蓄積されていって「どうすればやられることなく、少しでも前へ進めるか」がわかってくるので、ライン数はぐんぐん伸びていきます。

たとえば第16世代、1020まで進みました。

これは第20世代、1268まで進んだところで穴に落ちてしまいました。

こうした手法は「Neuro Evolution of Argumenting Toplogies(NEAT)」と呼ばれています。

世代を重ねれば重ねるほど最適解を発見できるわけなので、6月15日に開催された「任天堂ワールド・チャンピオンシップ2015」決勝戦のとんでもないステージでも、山ほど世代を重ねていけば、人間では考えられないようなプレイでクリアしてくれるはずです。