[논문 리뷰] PFML-based Semantic BCI Agent for Game of Go Learning and Prediction

Chang-Shing Lee, Mei‐Hui Wang외 9명|arXiv (Cornell University)|2019. 01. 10.

Artificial Intelligence in Games참고 문헌 16인용 수 4

한 줄 요약

이 논문은 인간의 뇌파 데이터를 기반으로 한 PFML 기반 의미론적 BCI 에이전트를 제안하며, PSO 최적화된 퍼지 논리로 OGD 클라우드 플랫폼에서 생성된 기계적 가로 예측과 통합하여 고에서 인간-AI 공동 학습을 향상시킨다. 이 시스템은 인간형 로봇을 통해 실시간으로 수수료 예측을 제공함으로써 하이브리드 인간-기계 협업을 통해 학습 성능을 향상시킨다.

ABSTRACT

This paper presents a semantic brain computer interface (BCI) agent with particle swarm optimization (PSO) based on a Fuzzy Markup Language (FML) for Go learning and prediction applications. Additionally, we also establish an Open Go Darkforest (OGD) cloud platform with Facebook AI research (FAIR) open source Darkforest and ELF OpenGo AI bots. The Japanese robot Palro will simultaneously predict the move advantage in the board game Go to the Go players for reference or learning. The proposed semantic BCI agent operates efficiently by the human-based BCI data from their brain waves and machine-based game data from the prediction of the OGD cloud platform for optimizing the parameters between humans and machines. Experimental results show that the proposed human and smart machine co-learning mechanism performs favorably. We hope to provide students with a better online learning environment, combining different kinds of handheld devices, robots, or computer equipment, to achieve a desired and intellectual learning goal in the future.

연구 동기 및 목표

• 고 플레이 중 인간의 뇌파 신호를 의미적으로 해석하고 실시간으로 수수료 예측을 수행하는 의미론적 BCI 에이전트를 개발하는 것.
• 인간의 인지 데이터를 OGD 클라우드 플랫폼 기반의 AI 봇(Darkforest 및 ELF OpenGo)에서 생성된 예측과 통합하는 것.
• 입자 군집 최적화(PSO)를 사용하여 Fuzzy Markup Language(FML) 기반 프레임워크에서 인간-기계 상호작용을 최적화하는 것.
• 인간형 로봇(Palro)이 플레이어에게 실시간으로 수수료 피드백을 제공하여 학습 및 의사결정 지원을 가능하게 하는 것.
• 다중모드 기기와 AI 협업을 통해 온라인 교육을 향상시키는 공동 학습 환경을 구축하는 것.

제안 방법

• 시스템은 고 플레이 중 인간의 뇌파 패턴의 의미적 해석을 모델링하기 위해 퍼지 마크업 언어(FML)를 사용한다.
• 입자 군집 최적화(PSO)는 인간의 의도와 기계 예측 간 최적의 일치를 위해 퍼지 추론 시스템의 파라미터를 조정하는 데 사용된다.
• EEG 신호에서 유도된 인간 BCI 데이터는 FAIR의 Darkforest 및 ELF OpenGo AI 봇을 호스팅하는 클라우드 기반 OGD 플랫폼에서 생성된 기계 예측과 융합된다.
• 통합된 의미론적 BCI 에이전트는 두 데이터 스트림을 처리하여 실시간으로 수수료 예측 점수를 계산한다.
• 인간형 로봇(Palro)은 플레이어가 게임 중에 실시간으로 수수료 예측을 피드백으로 제공한다.
• OGD 플랫폼은 인간 플레이어와 AI 시스템 간의 확장성 있고 실시간 추론 및 데이터 공유를 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 인간의 뇌파 신호를 실시간으로 의미적으로 해석하고 AI가 생성한 수수료 예측과 융합할 수 있는가?
• RQ2 PSO 최적화된 퍼지 논리가 고에서 인간의 인지 패턴과 기계 예측 간의 일치도를 얼마나 향상시키는가?
• RQ3 의미론적 BCI 에이전트는 고와 같은 복잡한 전략 게임에서 인간의 학습과 의사결정을 향상시킬 수 있는가?
• RQ4 로봇과 클라우드 기반 AI를 포함한 다중모드 환경에서 인간과 AI 봇 간의 공동 학습 메커니즘은 얼마나 효과적인가?
• RQ5 인간형 로봇으로부터의 실시간 피드백은 플레이어의 성과와 학습 결과에 어떤 영향을 미치는가?

주요 결과

• 제안된 인간-기계 공동 학습 메커니즘은 고 수수료 예측 및 학습 향상 측면에서 유리한 성능을 보였다.
• EEG 기반 BCI 데이터와 OGD 플랫폼에서의 AI 예측 통합은 실시간으로 맥락 인식 가능한 수수료 예측 추정을 가능하게 했다.
• PSO 최적화된 퍼지 논리 시스템은 인간의 뇌파 신호와 게임 결과 간의 의미적 매핑을 효과적으로 校정하였다.
• 인간형 로봇 Palro는 실질적인 수수료 피드백을 성공적으로 제공하여 플레이어의 학습과 의사결정 지원에 기여하였다.
• OGD 클라우드 플랫폼은 최신 기술 기반 AI 봇(Darkforest 및 ELF OpenGo)를 사용하여 확장성 있고 저지연 추론을 가능하게 하였다.
• 이 시스템은 휴대형 기기, 로봇, AI를 융합한 다중모드 상호작용 학습 환경을 지원하여 복잡한 분야에서의 온라인 교육을 발전시켰다.