AIが人間のパイロットを破ったシミュレートドッグファイト

最近、AI制御の戦闘機と人間のパイロットが対戦するバーチャルドッグファイトが行われ、AIが人間の相手に勝利した。こうしたAIが人間を上回る例は、非常に複雑なタスクでも増えてきている。

DefenseOneの報道によると、このバーチャルドッグファイトは、US軍によって、自律エージェントがドッグファイトで航空機を破る能力を実証するという、AlphaDogFight challengeというプロジェクトの一環として行われた。Defense Advanced Research Project Agency（DARPA）は、各防衛請負業者が開発した8つのAIチームを選出し、バーチャルドッグファイトで対戦させた。トーナメントの勝者は、Heron Systemsが開発したAIで、後に人間のパイロットと対戦した。パイロットはVRヘッドセットを着用し、フライトシミュレーターに座っていた。AIは5回の対戦すべてに勝利したと伝えられている。

Heron Systemsが開発したAIは、ディープ強化学習システムであった。ディープ強化学習とは、AIエージェントが環境で試行錯誤を繰り返し、学習するプロセスである。Lockheed MartinのAIは、競争で2位となり、も同じくディープ強化学習システムを使用していた。Lockheed Martinのエンジニアやディレクターは、空中戦で優れたアルゴリズムを開発することは、単に飛行や特定の方向や高度を維持するアルゴリズムを設計することとは異なる課題であると説明した。AIアルゴリズムは、特定の行動に対する罰則を理解するだけでなく、すべての罰則が等しく重み付けされていないことも理解する必要がある。特定の行動には、他の行動よりも非常に重篤な結果がある。Heron Systemsは、モデルを4億回以上のシミュレーションでトレーニングし、モデルが約12年の経験を積んだと述べた。しかし、AIはコンバットトライアルでの経験から学ぶことは許可されなかった。もしモデルがトライアルでの経験から学ぶことができていたら、結果は異なっていたかもしれない。もし試合が長く続いたら、結果も異なっていたかもしれない。人間のパイロットは、AIの戦術に適応することができ、ゲームの終わり頃には、AIと対戦する時間を大幅に伸ばすことができた。しかし、パイロットが適応するまでに時間がかかりすぎてしまった。

これは、AIが人間に勝利したシミュレートドッグファイトの2回目の例である。2016年には、AIシステムが戦闘機のインストラクターを破った。最近のDARPAシミュレーションは、複数のAIを対戦させて最も優れたAIを選出することで、2016年の試験よりも信頼性が高かった。

DARPAのStrategic Technology Officeのディレクター、Timothy Graysonは、この試験の目的は、人間と機械がどのように相互作用するかを理解し、より優れた人間と機械のチームを構築することであると述べた。Graysonは次のように述べた。

「私が今日見ているものは、人間と機械の共生の始まりであると思います。人間がコックピットに座って、AIアルゴリズムによって飛行されているということを、1つの兵器システムとして考える必要があります。人間は、人間が最も得意なこと、たとえば戦略的な思考に集中し、AIは、AIが最も得意なこと、たとえば空中戦を担当するということです」