その名称でネット上を騒がせた（？）Google傘下のDeepmindが開発した人工知能『DQN』。多くの方はご存じだと思うが、“DQN（ドキュン）”というのは、日本のネットスラングで“いわゆるヤンキーをはじめとした、知性に欠ける困ったひと”を指す言葉として使われている。
そのあまりに皮肉な偶然のネーミングのインパクトに押されて、そのGoogleの『DQN』自体がどういうモノなのかまでは気にかけなかったひとも多いのではないだろうか。そこで今回、Googleの研究者Dharshan Kumaran氏とDemis Hassabis氏が投稿したブログの文章から、『DQN』の内容を紹介しよう。
■ 説明を受けずにテレビゲームができる
その投稿は、「ゲーム機『アタリ2600』の『ブレイクアウト』（ようするにシンプルな初期の“ブロックくずし”ゲーム）を始めてプレイしたひとも、すぐにその遊び方はわかったはずだ」という一文から始まる。それは、現実世界でボールがどのように跳ね返るかを、普通のひとは知っているからだ、というのがその理由だ。
では、もしそんな知識がなく、映像とコントロールパドルと得点情報だけを与えられたとしたら、ひとはどうするだろうか？ あるいは人工知能ならどうするだろうか？
それをやってのけるのが『DQN』だという。『DQN』とは“deep Q-network”というアルゴリズムの略だ。この『DQN』は、ブロックくずしだけでなく、横スクロールのシューティングゲームやボクシングゲーム、3Dのカーレースゲームなどを、与えられる映像と、可能な操作、そして得点の情報だけからプレイできるようになってしまうというのだ。この研究に関しては科学雑誌『ネイチャー』に発表されている。
『DQN』は、49個のゲームのうち43個で、『DQN』以前の機械用学習メソッドを上まわる結果を出した。それどころか、半数以上のゲームにおいて、人間のプロフェッショナル・プレーヤーの得点の75％以上の得点を獲得した。
なかには、驚くほど高度な作戦を立ててハイスコアを出したゲームもある。