自動運転AI、デモなしで「自分で練習」して強くなる

『自己対戦』って、AI同士が戦うってことなの？自動運転の練習にそれが効くのはなぜ？

自動運転の「自己対戦」は、AI同士が競い合うというより、同じAIが異なる役割を演じ分ける学習ですね。たとえば、自分のAIが運転手になったり、周囲の車になったりを交互にやる。その中で「この動きをされたら、こう対応しないと衝突する」「この状況では、こういう判断が報酬につながる」という法則を、自分で発見していく仕組みです。 人間のデモ動画に頼ると「正解はこれ」という一本道の教え方になりますが、自己対戦だと、相手の予測不能な動きに何度も直面する。その都度、試行錯誤の中で生き残る戦略を磨く。つまり、教科書的な「安全な運転」ではなく、現実の複雑さの中で本当に機能する判断が体得できる、ということかもしれません。将棋のAlphaGoもこの手法で人間を超えました。自動運転も同じく、相手を持つことで初めて深く強くなるのは、興味深い。

このシミュレーターで育った自動運転が市場に出てきたら、今乗ってる車のドライバーアシスト機能とどう違う乗り心地になるの？

いまのドライバーアシスト機能は、「こういう状況では減速する」という人間が決めたルール集で動いてます。だから信号待ちの渋滞から発進する、歩道に飛び出す子どもを避けるといった個別ケースには強いけれど、組み合わせが複雑になると対応できないことが多い。 TerraZero で育った自動運転なら、数百万回の実地図での試行錯誤を経てるから、「ここでは減速」という固い判断ではなく、「今の状況では、この速度とこのハンドル角の組み合わせが最適」という流動的な判断ができそう。つまり乗り心地の違いは、機械的にカクカク動く乗用車から、人間のドライバーみたいに自然な加減速や車線変更に変わることかもしれません。 ただし、その「人間らしさ」が本当に安全なのかは、実テストで合格したとしても、実際の路上では予測不能な事態が必ず起きる。いまのドライバーアシストの「ぎこちなさ」は、実は安全の証でもあったのかもしれません。

今までの自動運転開発って、『人間の運転動画をたくさん見せて学ばせる』やり方が主流だったってこと？それがなぜ限界だったの？

人間の運転動画を見せる学習法は、確かに主流だったんですよね。理由は単純で「実際の運転がどういうものか、最初はそれを見せるのが一番分かりやすい」という発想です。でも這い出せない壁が二つあった。 一つは、動画に映った運転シーンの数には限界があること。雨の日、夜間、信号の変わるタイミング、他車の予期しない動きなど、現実の交通状況は無限に近い。数百時間の動画を集めても、AI が見たことない状況は必ず出てくる。それが実テストで失敗につながってました。 もう一つ、ここが根本的なんですが、人間のお手本を「完全に真似する」ことは、実は運転学習には向かない側面があるんです。人間は無意識に、状況に応じて微妙に判断を変える。その「揺らぎ」まで学習してしまうと、AIはむしろ融通が利かなくなる。自己対戦で「この状況で、より安全な選択肢を自分で見つけさせる」ほうが、結果として強くなるというわけです。つまり、人間の運転は参考にはなっても、AIを鍛えるには不完全な教科書だったということのようです。

『速さ』『多様性』『自律性』がそろうと強くなるってのは、自動運転に限った話じゃなくて、ほかのAI学習にも通じる原則ってことなの？

通じるかもしれません、ただ自動運転ほど『三つの揃い方』が重要になる領域は多くないという感じです。 自動運転は、環境がめちゃくちゃ複雑で、毎回違う条件で判断を迫られるというタスク。信号が変わる、歩行者が急に出てくる、天気が変わる。だから速く、多様に、自分で学べることが直結して「実世界の強さ」になるわけです。 でも例えば画像判断AI、囲碁AI、言語AIなんかを見ると、優先順位が違う。囲碁なら『自己対戦』の自律性が爆発的に強い学習になったけど、『多様性』はそこまで関わらない。言語モデルなら膨大なテキストの『多様性』が核で、『速さ』よりは『パラメータの質』が効いている。 自動運転が珍しいのは、現実世界という『そっくり再現しにくい環境』で『常に予測不能』だからこそ、三つが全部必要になってるところなんですよね。言い換えると、訓練環境と実環境のズレが大きいタスクほど、この三つの重要性が高まる傾向にあると言えそうです。

この技術で自動運転AIが急速に賢くなると、逆に人間のドライバーにしかできないことって何が残るんだろう？

AI が毎秒130万ステップで学習できるようになると、純粋な「技能」の領域では人間が敵わなくなるのはもう必然的ですよね。 けれど逆に、人間のドライバーにしかできないことって、むしろ「ルール外の判断」なんだと思います。記事では「教えてもいないのに通用する汎用性」と書かれていますが、これは基本ルールをマスターしたということ。でも実際の運転では、ルールが明確でない状況が毎日起きる。歩行者の急な飛び出し、事故の瀬戸際での判断、悪天候での予測不能な状況。こういった「正解が複数ある」「その場の空気を読む」という人間的な判断が必要な瞬間が、まだまだ残っているはずです。 もっと言えば、自動運転が「安全で効率的」になればなるほど、むしろ人間が運転する意味は「遊び」や「楽しさ」の領域に縮小していくのかもしれません。愛車を自分で操る充実感、景色を眺めながらドライブする時間。そういった『合理性では測れない価値』が、人間ドライバーの最後の砦になるのかもしれないと言えそうです。