WEBVTT 00:00.180 --> 00:04.930 こんにちは､ この最初のモジュールの自動運転車の楽しいチュートリアルへようこそ｡ 00:04.950 --> 00:06.160 壮大なものになりそうです｡ 00:06.180 --> 00:11.600 環境に対する眼力を､ 4つのレベルでテストするのです｡ 00:11.610 --> 00:13.290 つまり､ ゲームをするのです｡ 00:13.290 --> 00:18.150 ゲームの難易度は全レベルで､ AIはこの4つのレベルをクリアする必要があります｡ 00:18.160 --> 00:20.460 では､ この4つのレベルはどうなるのでしょうか？ 00:20.460 --> 00:29.100 まずレベル1ですが､ 空港に到着して､ 空港とダウンタウンを何往復かすることになります｡ 00:29.100 --> 00:34.470 だから､ 車が往復するのを見たら､ すぐにレベル1を通り越してレベル2になるんです｡ 00:34.470 --> 00:40.920 レベル2は､ この往復を続けながら､ 自分たちで描いた特定の道路を走るというものです｡ 00:40.920 --> 00:48.960 でも､ レベル2だから簡単な道になるし､ もちろんその道を走り続けることでクルマは自走することになる｡ 00:48.960 --> 00:53.190 つまり､ 空港からダウンタウンへ､ そしてその反対側へ行く道路になるのです｡ 00:53.190 --> 00:56.970 そして､ 車はその道路に留まることで､ この往復をしなければならなくなるわけです｡ 00:57.000 --> 01:00.810 そうなれば､ レベル2､ そしてレベル3と合格していくことになります｡ 01:00.810 --> 01:08.640 レベル3では､ 地図上に障害物を描き､ 車がその障害物を避けながらゴールにたどり着けるかどうかを確認します｡ 01:08.640 --> 01:09.540 だから心配ない｡ 01:09.540 --> 01:16.650 難易度の高い障害物を描き､ それを回避しながら空港や市街地までたどり着けるかどうか｡ 01:16.830 --> 01:25.170 そしていよいよレベル4､ 車にとって最も難しい､ ダウンタウンにたどり着くまでの非常に困難な道を描くことになるのです｡ 01:25.170 --> 01:28.020 だから､ よくわからないけど､ どこかのジグザグみたいな道になるんでしょうね｡ 01:28.020 --> 01:31.560 私は優秀な建築家ではありませんが､ 挑戦的な道を作ってみようと思っています｡ 01:31.650 --> 01:35.220 だから､ せめて1級は合格してほしい｡ 01:35.220 --> 01:36.150 それは素晴らしいことです｡ 01:36.150 --> 01:39.120 そして､ レベル2､ 3も合格できるようにしましょう｡ 01:39.120 --> 01:41.880 そして､ レベル4に合格すれば､ それは素晴らしいことです｡ 01:41.880 --> 01:43.080 では､ こうしてみましょう｡ 01:43.080 --> 01:44.400 挑戦してみよう｡ 01:44.400 --> 01:49.290 まあ､ 実際には自動運転車が挑戦することになるのですが､ 私たちはそのブレインですから､ 01:49.290 --> 01:51.630 それでもうまくいくことを期待しましょう｡ 01:51.900 --> 01:52.410 わかりました｡ 01:52.410 --> 01:57.060 では､ まず最初に地図について簡単に説明します｡ 01:57.060 --> 01:58.950 それが地図なんですね｡ 01:58.950 --> 02:00.870 そして､ まずは地図を見ます｡ 02:00.870 --> 02:03.930 AIを使わない自動運転車を見てみる｡ 02:03.960 --> 02:09.240 つまり､ このモジュールの冒頭で見たような､ ランダムなアクションを起こす車ということになります｡ 02:09.330 --> 02:10.830 では､ それをどう見ればいいのか｡ 02:10.830 --> 02:19.380 さて､ AIを停止させ､ AIを起動させるには､ 単純に温度を0にすればいいわけです｡ 02:19.380 --> 02:24.090 ここでいうパラメータとは気温のことで､ 今は7に等しいことを思い出してください｡ 02:24.090 --> 02:25.560 だから低温なんですね｡ 02:25.560 --> 02:27.270 それを後から増やしていくのです｡ 02:27.270 --> 02:35.970 しかし､ 車に脳を持たせたくない､ つまりAIを起動させたくないのであれば､ 単純に温度をゼロにするtイコールゼロにすればいいのです｡ 02:35.970 --> 02:36.810 こちらも同じです｡ 02:36.810 --> 02:39.600 もちろん､ それはコード上の本当の温度です｡ 02:39.600 --> 02:40.380 そうそう､ そうなんです｡ 02:40.380 --> 02:45.390 そして､ 保存することを忘れてはいけません｡ そうしないと､ 変更が反映されないからです｡ 02:45.630 --> 02:47.400 なるほど､ 今はAIがないんですね｡ 02:47.430 --> 02:49.020 AIが起動する｡ 02:49.020 --> 02:55.260 では､ この地図を見て､ どんなものかを簡単に思い出してみましょう｡ 02:55.260 --> 03:00.030 そこで､ すべてを選択してエンターキーを押します｡ 03:00.960 --> 03:01.470 わかりました｡ 03:01.470 --> 03:03.630 そして､ 私たちの地図と車がある｡ 03:03.630 --> 03:10.020 ご覧のように､ 車は左へ行ったり､ 直進したり､ 右へ行ったりと､ まったくランダムに行動しています｡ 03:10.020 --> 03:17.430 したがって､ 地図の左上で思い出したが､ 空港に到達していないのである｡ 03:17.430 --> 03:18.210 まあ､ そうなんですけどね｡ 03:18.210 --> 03:19.620 でも､ それは全くのランダムです｡ 03:20.130 --> 03:28.110 今は空港にいて､ もうひとつの目標であるマップ右下のダウンタウンには到達していませんよね｡ 03:28.200 --> 03:29.670 だから､ 私たちはここと同じだったんです｡ 03:29.670 --> 03:33.900 しかし､ その行動が全くランダムであることは､ 今はっきりとわかります｡ 03:33.900 --> 03:39.240 どこにも行かないし､ 人工知能も間違いなくない｡ 03:39.240 --> 03:40.170 でも､ 心配は無用です｡ 03:40.170 --> 03:41.880 今すぐ起動させます｡ 03:42.090 --> 03:44.400 マップを閉じます 03:45.100 --> 03:49.450 そして､ カーネルを再起動します､ カーネルを再起動します｡ 03:49.480 --> 03:51.460 ここでこのツールボタンをクリックしてから､ です｡ 03:51.460 --> 03:54.550 はい､ それではいよいよ本番です｡ 03:54.590 --> 04:01.360 いよいよ私たちが作ったこの脳を車に搭載し､ AIを起動させます｡ 04:01.480 --> 04:03.920 どうなるのか､ 超楽しみです｡ 04:03.940 --> 04:08.920 これからAIを起動させるのですが､ そのためには温度を上げる必要があります｡ 04:09.280 --> 04:17.220 ですから､ 温度を変えるには､ このゼロをまあ､ さっきと同じように7に置き換えればいいんです｡ 04:17.230 --> 04:19.450 そこで､ ここでは7つを指定することにしよう｡ 04:19.480 --> 04:20.050 わかりました｡ 04:20.050 --> 04:21.430 貯金を忘れないようにしよう｡ 04:21.430 --> 04:23.380 そして､ 今度は地図に戻りましょう｡ 04:23.380 --> 04:27.460 そして､ カーネルを再起動したので､ もう一度これを実行すればよいのです｡ 04:27.640 --> 04:30.670 だから実行しよう､ そうすればいいんだ｡ 04:30.670 --> 04:33.490 車があるのに､ 何をやっているんだ？ 04:33.580 --> 04:36.550 まあ､ 自分の道を探そうとしているのでしょう｡ 04:36.550 --> 04:39.700 探索し､ 何をしなければならないかを理解しているのです｡ 04:39.700 --> 04:41.920 そして､ そろそろ空港に到着です｡ 04:41.920 --> 04:43.090 そして､ そこに行く｡ 04:43.090 --> 04:44.560 第一目標達成 04:44.560 --> 04:45.400 素晴らしい｡ 04:45.430 --> 04:47.920 そして､ 次の目標はダウンタウンに到達することです｡ 04:47.920 --> 04:50.500 そして､ それはちょうどダウンタウンに到達したところでした｡ 04:50.500 --> 04:54.070 そして今､ それは空港に戻る空港を探そうとしています｡ 04:54.070 --> 04:55.660 そして､ またまた出ました｡ 04:55.660 --> 04:56.380 素晴らしい｡ 04:56.380 --> 04:57.310 だからうまくいくんです｡ 04:57.310 --> 05:01.150 実は時間がかからなかったんです､ 探索するにも､ 失敗から学ぶにも｡ 05:01.150 --> 05:04.270 ここでの間違いは､ ゴールから遠ざかることですよね｡ 05:04.300 --> 05:08.680 そこで､ 車に少しマイナスの報酬を与えて罰するのです｡ 05:08.890 --> 05:10.240 それは-0です｡ 2. 05:10.240 --> 05:12.430 だから､ その失敗から学んだのだ｡ 05:12.430 --> 05:18.850 そして､ その失敗から学ぶことで､ ゴールに近づくというプラスの報酬を得ることに成功したのです｡ 05:19.060 --> 05:21.760 そして今､ ようやく自分たちが何をしなければならないかを理解した｡ 05:21.760 --> 05:27.740 確かに空港に到着して､ ダウンタウンに到着して､ この往復ですからね｡ 05:28.230 --> 05:29.620 だから､ 完璧なんです｡ 05:29.740 --> 05:35.800 自動運転車もありますが､ どうしても昆虫に見えてしまうんです｡ 05:35.980 --> 05:40.480 クルマが自信なさげなんですよね､ 動きが｡ 05:40.480 --> 05:42.520 右往左往しているような感じです｡ 05:42.520 --> 05:44.500 車の動きには見えませんね｡ 05:44.500 --> 05:45.940 どちらかというと､ バグに近い印象です｡ 05:46.210 --> 05:47.710 だから､ それを解決するんです｡ 05:47.710 --> 05:52.570 そして､ ご想像の通り､ それを解決する方法は温度を上げることです｡ 05:52.570 --> 06:00.430 なぜなら､ 温度はソフトマック機能のパラメータで､ アクションがより確実に返されるように増やすことができることを覚えているからです｡ 06:00.610 --> 06:05.200 そうすると､ 温度を上げれば､ まあ､ AIがどのアクションをすべきか確信を持つようになるので､ 06:05.200 --> 06:09.610 より確かなクルマを手に入れることができるかもしれないというのは､ 理にかなっていますね｡ 06:10.000 --> 06:15.070 そしてそれは､ より高い確率でアクションが再生されるからであることを忘れてはならない｡ 06:15.100 --> 06:20.740 この温度を上げることの唯一の問題は､ 温度を上げることによって､ 他の行動が低確率になるので､ 06:20.740 --> 06:26.020 AIが他の行動を探索することが少なくなることを覚えていることです｡ 06:26.140 --> 06:33.820 でも､ 今は問題ないようです｡ 都心の空港でも問題なく目的地に到着しているようです｡ 06:33.820 --> 06:36.910 だから､ 温度を上げようと思えば全然上げられるんです｡ 06:36.910 --> 06:40.930 今までは昆虫のように見えていたものが､ 車のように見える｡ 06:41.140 --> 06:42.400 では､ こうしてみましょう｡ 06:42.400 --> 06:44.800 これにて終了とさせていただきます｡ 06:45.370 --> 06:46.180 これでよしとしよう｡ 06:46.180 --> 06:48.280 再度カーネルを再起動する｡ 06:49.300 --> 06:49.750 そして､ プレス｡ 06:49.750 --> 06:50.350 はい｡ 06:50.530 --> 06:52.690 そして､ 今度は温度を上げる｡ 06:52.990 --> 06:53.950 では､ こうしてみましょう｡ 06:53.950 --> 06:56.290 自分のファイルに戻る 06:56.290 --> 06:59.980 そして､ このtイコール7を100で置き換えてください｡ 07:01.200 --> 07:02.090 これでよしとしよう｡ 07:02.100 --> 07:03.240 そして､ 保存するのです｡ 07:03.450 --> 07:06.270 そして今､ 自動運転車が誕生した｡ 07:06.270 --> 07:07.590 自分自身に確信を持って｡ 07:07.590 --> 07:11.850 だから､ より良い結果が得られるかもしれないし､ よりクルマらしいものができるかもしれない｡ 07:11.880 --> 07:15.630 では､ 地図をクリックして､ もう一度実行してみましょう｡ 07:16.480 --> 07:17.270 わかりました｡ 07:17.290 --> 07:18.830 何があったんですか？ 07:18.930 --> 07:21.190 オッ､ なんかやけくそになった｡ 07:21.220 --> 07:25.850 なぜかはわかりませんが､ とにかく今は､ よりクルマに近いものができています｡ 07:25.870 --> 07:28.090 よりまっすぐに進んでいるのがわかると思います｡ 07:28.120 --> 07:30.960 左右に素早く動くわけではありません｡ 07:30.970 --> 07:35.620 それは､ その都度､ クルマが進むべき方向性をより確実に把握できるようになったからです｡ 07:35.860 --> 07:40.600 空港に行き､ ダウンタウンに行くという最適な方向性を取りたいのです｡ 07:40.750 --> 07:44.260 ですから､ 明らかにレベル1に合格していると言えます｡ 07:44.290 --> 07:47.770 この車は空港とダウンタウンを往復しているのです｡ 07:47.770 --> 07:49.330 だから､ それを保存しておくのです｡ 07:49.630 --> 07:52.370 それは......脳を救う方法を教えてあげることです｡ 07:52.390 --> 07:54.760 あとは､ この保存ボタンをクリックするだけです｡ 07:54.880 --> 07:56.770 そして､ もし私たちが 07:58.340 --> 07:59.450 ここで起こることを見てください｡ 07:59.450 --> 08:02.300 さて､ 冒頭の報酬のカーブがあります｡ 08:02.300 --> 08:04.570 その中で､ いくつかの失敗を観察することができます｡ 08:04.580 --> 08:06.920 そこで､ 報酬がマイナスになるわけです｡ 08:06.920 --> 08:16.610 しかし､ その後､ 失敗から学び､ 少しずつ報酬が増え､ 一定の正の報酬である0に到達した｡ 08:16.610 --> 08:16.610 1. 08:16.610 --> 08:21.410 でも､ それは私たちが設定した最大限の報酬であり､ 探索に終始したからこその結果です｡ 08:21.650 --> 08:23.420 それが探索の段階です｡ 08:23.420 --> 08:25.910 そして､ 何をしなければならないかがわかったのです｡ 08:25.910 --> 08:32.000 そこで､ 空港とダウンタウンを間違えなく往復していたのです｡ 08:32.390 --> 08:33.350 そうそう､ そうなんです｡ 08:33.350 --> 08:34.400 レベル1をクリアした｡ 08:34.400 --> 08:35.600 おめでとうございます｡ 08:35.630 --> 08:38.000 では､ もっと挑戦してみましょう｡ 08:38.000 --> 08:39.860 次のレベルに持っていこう｡ 08:39.860 --> 08:46.970 レベル2は､ 自分で描いた特定の道路を往復することを想定して､ 合格を目指そう｡ 08:46.970 --> 08:49.010 では､ 次のチュートリアルでそれを確認してみましょう｡ 08:49.010 --> 08:50.840 そしてそれまで､ iを楽しんでください｡