FTW(AI알고리즘)과 사람의 에이밍 확률에 따른 기본 봇 3명과 붙었을 때 승률을 그린 그래프임

인간은 수준에 따라 약 0.45 ~ 0.55 정도의 정확도를 보여주고 있고,

에이밍 수준에 따라 0.8 좀 안되는 수준 ~ 0.9 언저리 정도에서 승률이 형성되고 있음을 알 수 있다.

근데 FTW(알고리즘)을 보면? 띠용? 

흔히 겜하면서 '이게 사람새끼냐?' 가 정치질로 나오는데

그 '사람새끼' 수준이 안되는 0.4정도의 정확도에서도 인간 승률 상위권에 해당하는 승률을 가져가고 있는걸 확인할 수 있음

즉 저 피실험자 그룹이 전체 인간을 대표한다고 보면 

브5 미만급 에임을 가지고도 골드~플레구간 정도 승률은 달성할 수 있는것임ㅋㅋㅋ

b)반속에 관해

똑똑한 개드리퍼라면 위 문장을 보고 의심부터 들었을거임 왜냐? 반속얘기는 안꺼냈으니깐

하지만 딥마인드가 반속에 대한 실험도 역시 했음ㅋㅋㅋㅋㅋ

이번엔 적을 만난 상황에서 p 확률로 총을 쏘지 않는 식으로 반응속도를 늦췄는데, 다음 그래프를 보자

제일 오른쪽 보라색 그래프가 인간, 나머지가 총을 안쏠 확률에 따른 FTW의 반속(파란색 박스플롯)과 승률(빨간점)

당연하게도 반속이 압도적인걸 볼 수 있음 

개입이 없는 상황에서 FTW는 평균 200ms를 기록했는데 인간의 경우 평균 600ms 근방

p값이 0.9 정도가 되야 인간 승률이랑 비슷해지는데 그래봤자 평균 반속 400ms이 되버림

근데 개인적으로는 딥마인드가 왜 이렇게 반응속도를 설계했는지 잘 모르겠음. 

p값을 0.5정도에서 유지시키면서 지연시간을 몇 ms정도 넣는것이 좀 더 자연스럽지 않았을까?

실제로 위 그래프를 보면 p값이 늘어나면서 자연스럽게 박스플랏의 박스 역시 커지는걸 알 수 있는데, 나는 이게 자연스러운 비교인지 잘 모르겠다.

혹시 그런 방식으로 비교하니 인간 승률에 비해 너무 낮아져서? 그건 내가 해당 알고리즘에 접근할 수 없으니 알 수 없는 노릇

c) 개선의 가능성에 관해

근데 왜 뜬금없이 개선 가능성에 관해 언급했을까 하는 의문을 품는 개드리퍼들도 있을 것 같다.

그건 이 알고리즘이 최선의 에임/반속을 가정하고 최적화가 진행된 구조기 때문이라고 논문에서 밝히고 있음

 Note that in both (c) and (d), the agents were not retrained with these p values and so obtained values are only a lower-bound of the potential performance of agents – this relies on the agents generalising outside of the physical environment they were trained in.

c랑 d는 각각 정확도와 반속 그래프임.

어쨋든 스포츠계에서도 부상/노화에 따라 플레이 스타일이 바뀌는 경우가 빈번한데, 그럼 이전 스타일 말고 다른 플레이스타일을 찾을때 승률이 올라간다는거임

160km/h 볼로 타자를 압박하던 투수는 자기 장기인 구속에만 신경써도 탈삼진 오지게 올릴수 있겠지?

근데 140밖에 못던지게 됐을 때, 예전처럼 존 가운데로 윽박지르던 볼로는 배팅기계밖에 더되겠음? 

당연히 존 구석으로 찌를 수 있는 제구력이나 다른 구종을 장착하거나 하겠지

근데 지금 딥마인드가 알고리즘 에이밍/반속을 너프하면서 새로 플레이스타일을 학습시킨게 아니라 기존 스타일대로 시행했음

즉 위 그래프에 비유하자면 구속은 5km/h씩 떨어트리면서 계속 스트라이크 존 한가운데 던져준거임

그래서 에임/반속을 인간 수준에 맞춘때 해당 알고리즘이 최적인지 보장할 수는 없고, 다만 최소한 이정도는 보장이 된다는 뜻

따라서 위 결과보다 개선될 가능성이 있다는 것임ㅇㅇ

3. 알파고는 최고의 파트너

이 부분은 데이터가 논문에 수록되어 있는 것은 아니고 다만 블로그와 논문에 언급된 내용임

이 실험에서 딥마인드는 다양한 구성원들로 구성된 다양한 팀들을 매칭해 승률을 비교했음

{[인간, FTW과 변형 알고리즘들] 중 택2}(= "다양한 팀")

{"다양한 팀", 퀘이크 3 기본 봇 3명, 4명, 5명 중 택1}

그 결과 FTW 2개로 구성된 팀이 승률이 가장 높았다는게 이전까 내용이었는데, 그거 외에 한 가지 흥미로운 사실이 블로그에 소개되어 있음

In fact, in a survey@ among participants they were rated more collaborative than human participants.

(금지어때문에 @이걸 넣었어야 했음ㅅㅂ 승희야 이게 필터냐?)

참가자들은 실험 후 설문조사에서 다른 인간 참가자들 보다 FTW가 더 협력적인 모습을 보였다고 응답했다.

논문에서 역시 비슷한 문장을 찾을 수 있는데

인간과 같은 한번도 보지 못한 팀원과도 훌륭하게 협력할 수 있었다고 함

???

결론)

알파고님께서 닝겐을 발라먹을 수 있었던 것은 에이밍과 반속도 있지만 그것이 전부는 아니다!

+++

개인적으로 이 논문이 재미있었던 것은 최적 해답을 찾아내는 것의 범위가 개인 agent를 넘어서서 agent간의 협력까지 증명하는 사례를 보여줬다는 것

일반적인 지능은 지능 -> 협력 -> 사회화 -> 자아의 순으로 발달한다고 어디서 들은 기억이 있는데(이 부분은 내 전공이 아니라 아님말고ㅎ)

현재 협력까지 온 인공지능이 앞으로 사회화 및 자아 단계까지 발전 할 수 있을지? 그럼 이 알고리즘을 어떻게 취급해야 하는지?

그 이후의 발전방향에는 어떤 것이 있을지? 인간과 AI의 관계는 어떻게 될 지?  그럼 우리의 자아에 관한 답도 찾을 수 있을지?

같은 답도 없고 끝도 없는 질문들이 떠올랐는데 거기까진 잘 모르겠고...ㅎ

========================================================================================================

쓰다보니 길어졌네

마무리를 어떻게하지

알파고님 충성충성충성^^7