Enviar pesquisa
Carregar
人工知能は人狼の夢を見るか-日本デジタルゲーム学会年次大会2013@函館
•
Transferir como PPTX, PDF
•
18 gostaram
•
7,102 visualizações
Fujio Toriumi
Seguir
日本デジタルゲーム学会年次大会2013@はこだて未来大学 で発表した発表資料です. 一部紹介できなかったスライドも入れています.
Leia menos
Leia mais
Diversão e humor
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 31
Baixar agora
Recomendados
PRML輪読#1
PRML輪読#1
matsuolab
Go 製リアルタイムサーバーの Kubernetes での運用について
Go 製リアルタイムサーバーの Kubernetes での運用について
KairiOkumura
Docker超入門
Docker超入門
VirtualTech Japan Inc.
ネットワーク ゲームにおけるTCPとUDPの使い分け
ネットワーク ゲームにおけるTCPとUDPの使い分け
モノビット エンジン
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
Ayako_Hasegawa
AIWolfPy v0.4.9
AIWolfPy v0.4.9
Harada Kei
機械学習基礎(2)(パラメータ推定)
機械学習基礎(2)(パラメータ推定)
mikan ehime
Recomendados
PRML輪読#1
PRML輪読#1
matsuolab
Go 製リアルタイムサーバーの Kubernetes での運用について
Go 製リアルタイムサーバーの Kubernetes での運用について
KairiOkumura
Docker超入門
Docker超入門
VirtualTech Japan Inc.
ネットワーク ゲームにおけるTCPとUDPの使い分け
ネットワーク ゲームにおけるTCPとUDPの使い分け
モノビット エンジン
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
Ayako_Hasegawa
AIWolfPy v0.4.9
AIWolfPy v0.4.9
Harada Kei
機械学習基礎(2)(パラメータ推定)
機械学習基礎(2)(パラメータ推定)
mikan ehime
[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数
Deep Learning JP
MySQL・PostgreSQLだけで作る高速あいまい全文検索システム
MySQL・PostgreSQLだけで作る高速あいまい全文検索システム
Kouhei Sutou
人工知能のための哲学塾 第三夜「デカルトと機械論」 資料 (全五夜+第零夜)
人工知能のための哲学塾 第三夜「デカルトと機械論」 資料 (全五夜+第零夜)
Youichiro Miyake
Where狙いのキー、order by狙いのキー
Where狙いのキー、order by狙いのキー
yoku0825
lsh
lsh
Shunsuke Aihara
実践多クラス分類 Kaggle Ottoから学んだこと
実践多クラス分類 Kaggle Ottoから学んだこと
nishio
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -
Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -
Project Samurai
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
Kentaro Matsui
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティング
takutori
実践で学ぶネットワーク分析
実践で学ぶネットワーク分析
Mitsunori Sato
究極のゲーム用通信プロトコル “WebRTC”
究極のゲーム用通信プロトコル “WebRTC”
Ryosuke Otsuya
200,000 Req/sec をさばく広告入札システムを支えるパフォーマンスチューニング術 #jjug_ccc #ccc_g6
200,000 Req/sec をさばく広告入札システムを支えるパフォーマンスチューニング術 #jjug_ccc #ccc_g6
Hironobu Isoda
行列計算アルゴリズム
行列計算アルゴリズム
Takuo Tachibana
ストリーム処理を支えるキューイングシステムの選び方
ストリーム処理を支えるキューイングシステムの選び方
Yoshiyasu SAEKI
Apache Avro vs Protocol Buffers
Apache Avro vs Protocol Buffers
Seiya Mizuno
paizaのオンラインジャッジを支えるDockerとその周辺
paizaのオンラインジャッジを支えるDockerとその周辺
paiza
ゲームエンジニアのためのデータベース設計
ゲームエンジニアのためのデータベース設計
sairoutine
Map Reduce 〜入門編:仕組みの理解とアルゴリズムデザイン〜
Map Reduce 〜入門編:仕組みの理解とアルゴリズムデザイン〜
Takahiro Inoue
アンサンブル学習
アンサンブル学習
Hidekazu Tanaka
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
Fujio Toriumi
人狼知能セミナー資料20160507
人狼知能セミナー資料20160507
Fujio Toriumi
Mais conteúdo relacionado
Mais procurados
[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数
Deep Learning JP
MySQL・PostgreSQLだけで作る高速あいまい全文検索システム
MySQL・PostgreSQLだけで作る高速あいまい全文検索システム
Kouhei Sutou
人工知能のための哲学塾 第三夜「デカルトと機械論」 資料 (全五夜+第零夜)
人工知能のための哲学塾 第三夜「デカルトと機械論」 資料 (全五夜+第零夜)
Youichiro Miyake
Where狙いのキー、order by狙いのキー
Where狙いのキー、order by狙いのキー
yoku0825
lsh
lsh
Shunsuke Aihara
実践多クラス分類 Kaggle Ottoから学んだこと
実践多クラス分類 Kaggle Ottoから学んだこと
nishio
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -
Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -
Project Samurai
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
Kentaro Matsui
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティング
takutori
実践で学ぶネットワーク分析
実践で学ぶネットワーク分析
Mitsunori Sato
究極のゲーム用通信プロトコル “WebRTC”
究極のゲーム用通信プロトコル “WebRTC”
Ryosuke Otsuya
200,000 Req/sec をさばく広告入札システムを支えるパフォーマンスチューニング術 #jjug_ccc #ccc_g6
200,000 Req/sec をさばく広告入札システムを支えるパフォーマンスチューニング術 #jjug_ccc #ccc_g6
Hironobu Isoda
行列計算アルゴリズム
行列計算アルゴリズム
Takuo Tachibana
ストリーム処理を支えるキューイングシステムの選び方
ストリーム処理を支えるキューイングシステムの選び方
Yoshiyasu SAEKI
Apache Avro vs Protocol Buffers
Apache Avro vs Protocol Buffers
Seiya Mizuno
paizaのオンラインジャッジを支えるDockerとその周辺
paizaのオンラインジャッジを支えるDockerとその周辺
paiza
ゲームエンジニアのためのデータベース設計
ゲームエンジニアのためのデータベース設計
sairoutine
Map Reduce 〜入門編:仕組みの理解とアルゴリズムデザイン〜
Map Reduce 〜入門編:仕組みの理解とアルゴリズムデザイン〜
Takahiro Inoue
アンサンブル学習
アンサンブル学習
Hidekazu Tanaka
Mais procurados
(20)
[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数
MySQL・PostgreSQLだけで作る高速あいまい全文検索システム
MySQL・PostgreSQLだけで作る高速あいまい全文検索システム
人工知能のための哲学塾 第三夜「デカルトと機械論」 資料 (全五夜+第零夜)
人工知能のための哲学塾 第三夜「デカルトと機械論」 資料 (全五夜+第零夜)
Where狙いのキー、order by狙いのキー
Where狙いのキー、order by狙いのキー
lsh
lsh
実践多クラス分類 Kaggle Ottoから学んだこと
実践多クラス分類 Kaggle Ottoから学んだこと
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -
Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティング
実践で学ぶネットワーク分析
実践で学ぶネットワーク分析
究極のゲーム用通信プロトコル “WebRTC”
究極のゲーム用通信プロトコル “WebRTC”
200,000 Req/sec をさばく広告入札システムを支えるパフォーマンスチューニング術 #jjug_ccc #ccc_g6
200,000 Req/sec をさばく広告入札システムを支えるパフォーマンスチューニング術 #jjug_ccc #ccc_g6
行列計算アルゴリズム
行列計算アルゴリズム
ストリーム処理を支えるキューイングシステムの選び方
ストリーム処理を支えるキューイングシステムの選び方
Apache Avro vs Protocol Buffers
Apache Avro vs Protocol Buffers
paizaのオンラインジャッジを支えるDockerとその周辺
paizaのオンラインジャッジを支えるDockerとその周辺
ゲームエンジニアのためのデータベース設計
ゲームエンジニアのためのデータベース設計
Map Reduce 〜入門編:仕組みの理解とアルゴリズムデザイン〜
Map Reduce 〜入門編:仕組みの理解とアルゴリズムデザイン〜
アンサンブル学習
アンサンブル学習
Destaque
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
Fujio Toriumi
人狼知能セミナー資料20160507
人狼知能セミナー資料20160507
Fujio Toriumi
人狼知能プロジェクト・プロトコル解説
人狼知能プロジェクト・プロトコル解説
Hirotaka Osawa
The bursty dynamics of the twitter information network
The bursty dynamics of the twitter information network
Shohei Usui
人狼知能セミナー資料20160427
人狼知能セミナー資料20160427
Fujio Toriumi
Multiplex_Network_usui
Multiplex_Network_usui
Shohei Usui
Decision generalisation from game logs in no limit
Decision generalisation from game logs in no limit
kengo009
Yet Another ShortShort AI
Yet Another ShortShort AI
Fujio Toriumi
'Multilayer Networks' Section3
'Multilayer Networks' Section3
Motoka Fukui
AI Wolf Contest -Development of Game AI using Collective Intelligence-
AI Wolf Contest -Development of Game AI using Collective Intelligence-
Fujio Toriumi
人狼知能コンテストとは何か
人狼知能コンテストとは何か
Fujio Toriumi
ネットコミュニケーションにおけるリスク分析
ネットコミュニケーションにおけるリスク分析
Fujio Toriumi
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
Fujio Toriumi
SNS とゲーム理論~人はなぜ投稿するのか?~
SNS とゲーム理論~人はなぜ投稿するのか?~
Fujio Toriumi
人狼知能プログラミング演習資料2015
人狼知能プログラミング演習資料2015
Kosuke Shinoda
金融情報における時系列分析
金融情報における時系列分析
Fujio Toriumi
「人工知能」の表紙に関するTweetの分析・続報
「人工知能」の表紙に関するTweetの分析・続報
Fujio Toriumi
Destaque
(17)
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
人狼知能セミナー資料20160507
人狼知能セミナー資料20160507
人狼知能プロジェクト・プロトコル解説
人狼知能プロジェクト・プロトコル解説
The bursty dynamics of the twitter information network
The bursty dynamics of the twitter information network
人狼知能セミナー資料20160427
人狼知能セミナー資料20160427
Multiplex_Network_usui
Multiplex_Network_usui
Decision generalisation from game logs in no limit
Decision generalisation from game logs in no limit
Yet Another ShortShort AI
Yet Another ShortShort AI
'Multilayer Networks' Section3
'Multilayer Networks' Section3
AI Wolf Contest -Development of Game AI using Collective Intelligence-
AI Wolf Contest -Development of Game AI using Collective Intelligence-
人狼知能コンテストとは何か
人狼知能コンテストとは何か
ネットコミュニケーションにおけるリスク分析
ネットコミュニケーションにおけるリスク分析
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
SNS とゲーム理論~人はなぜ投稿するのか?~
SNS とゲーム理論~人はなぜ投稿するのか?~
人狼知能プログラミング演習資料2015
人狼知能プログラミング演習資料2015
金融情報における時系列分析
金融情報における時系列分析
「人工知能」の表紙に関するTweetの分析・続報
「人工知能」の表紙に関するTweetの分析・続報
人工知能は人狼の夢を見るか-日本デジタルゲーム学会年次大会2013@函館
1.
デジタルゲーム学会@函館 2014/03/09 人工知能は人狼の夢を見るか? ~人狼知能プロジェクト~ 鳥海不二夫,梶原健吾,稲葉通将 大澤博隆,片上大輔 篠田孝祐,西野順二
2.
恐ろしい夜がやってきました • この村には,人間の姿に化けられる人喰い人 狼が潜んでいる • 人狼は人間と同じ姿をしており,昼間には区 別がつかず,夜になると村人たちを一人ずつ 襲っていく •
村人たちは疑心暗鬼になりながら,話し合い によって人狼と思われる人物を1人ずつ処刑 していくことにした・・・ 「汝は人狼なりや」カバーストーリー
3.
コンピュータvs人間の歴史 • 1997年チェス – ディープブルーがチェスチャンピオンに勝利 •
2013年将棋 – コンピュータがプロ棋士に勝利 • 2050年サッカー – ロボットによるチームが ワールドカップ優勝チームに勝利(予定)
4.
完全ゲームvs不完全ゲーム • 完全情報ゲーム – お互いの情報が完全に与えられているゲーム –
将棋,囲碁,チェスなど – すでにコンピュータが人間を上回るものが多い • 不完全情報ゲーム – ゲーム情報が完全には与えられていないゲーム – 推論の対象が多岐にわたる – 定型的な研究の場は少ない
5.
人狼知能プロジェクト • 「人間と自然なコミュニケーションを取りながら 人狼をプレイできるエージェントの構築」 – より高度な知能の創出 –
より高度なコミュニケーションの実現 新しいエージェントの 標準問題として
6.
人狼とは(1/3) • 村人に隠れた人狼を見つけ出す • 人間13人vs人狼3匹 •
勝利条件 – 村人陣営:人狼を全員処刑する – 人狼陣営:村人陣営の数を人狼以下にする • 与えられる情報 – 村人には自分の役のみ(誰が人狼であるかは不 明) – 人狼陣営には誰が人狼の情報 6
7.
人狼とは(2/3) • 誰が人狼かを一定時間の対話で推測 • 各ターンごとに以下の行動が可能 –
全体:人狼と疑わしいプレイヤー1人を追放 – 人狼:毎晩一人村人を襲撃(ゲームから脱落) • 村人:会話をヒントに人狼を追放 • 人狼:追放されないように村人 のフリをする
8.
人狼とは(3/3) • プレイヤー役職(能力) – 村人:能力無し –
占い師:毎ターン一人のプレイヤーが人狼かどうか 知ることが出来る – 霊媒師:前回追放したプレイヤーが人狼かどうか知 ることが出来る – 狩人:毎ターン一人を人狼の襲撃から守る – 人狼:毎ターン誰かを襲撃できる – 狂人:能力は無いが,人狼陣営に所属 • 能力を駆使して所属する陣営を勝利させる 8
9.
対面人狼・オンライン人狼 カード型人狼:パーティゲーム • 一試合十数分程度 オンライン型人狼:言語ゲーム – 短い会話で嘘がつけるか –
熟慮した発言が可能 • 顔が見える環境での競争 – 相手の性格や反応を見る • 狼同士の会話はジェスチャ • 一試合数日間 • キャラクターによる匿名化 – 性別や見た目の影響排除 • 狼同士の会話を平衡で行う – コミュニケーションミスの排除
10.
不完全情報ゲームとしての人狼 • 人狼のゲーム性 – 場に与えられた情報の非対称性 •
人狼は村人より多くの情報を持つ – 説得・協調 • 相手に情報を与えて信頼を得る – 思考の多段階の予測 • 自分がこう思っていると相手が思っているだろう • コンピュータと人の対戦自体にまだ壁が存在 – 思考だけでは無い様々な課題
11.
人狼ゲームの特徴 1. 客観視点での情報不確定性 – 完全情報ゲームとの違い
12.
人狼ゲームの特徴 2. 推理:他者の意図のモデル化 – 文脈からの真偽の判断 –
重み付けは各プレイヤーが行う
13.
人狼ゲームの特徴 3. 説得:他者から見た 自己のモデル化
14.
人狼知能実現のための課題 • エージェントの対話プロトコル設計 • 推論と思考 –
モデル化した行動(自分は占い師と名乗る,誰々は人狼 だと思うと指摘する,など)の思考 – 他人の行動の理解 – 戦略の構築(強化学習,データ分析) • 自然言語処理 – プロトコル上の行動の自然言語化,自然言語の理解 • ヒューマン・エージェント・インタラクション(HAI) – エージェントインターフェースの実装 – 映像や音声による表現 • エージェント同士を競わせるプラットフォームの開発
15.
人狼知能実現のための課題 • エージェントの対話プロトコル設計 • 推論と思考 –
モデル化した行動(自分は占い師と名乗る,誰々は人狼 だと思うと指摘する,など)の思考 – 他人の行動の理解 – 戦略の構築(強化学習,データ分析) • 自然言語処理 – プロトコル上の行動の自然言語化,自然言語の理解 • ヒューマン・エージェント・インタラクション(HAI) – エージェントインターフェースの実装 – 映像や音声による表現 • エージェント同士を競わせるプラットフォームの開発
16.
人狼プロトコルの開発 • 自然言語は扱いが難しい • 人狼で行われる会話を モデル化した言語設計 –
プログラムに扱える 範囲で、かつ記述可能 な範囲をなるべく広げる
17.
人狼プロトコルの例 • 「Matsubaraさんは人狼でしょう」 – declare
90% (Matsubara wolf) : Matsubaraが人狼で あると90%確信 • 「その意見には反対だな」 – agree 0% (speech 10) :10番目の会話に同意しない • 「Matsubaraさんは処刑しましょう.人間とは思え ないですし」 – Request any 90% (execute Matsubara) because declare 20% (Matsubara humanside) 18
18.
人狼対戦サーバ • 人狼知能をエージェントとして互いに対戦可 能なサーバ • 将来的には人間との対戦も実現 翻訳 モジュール 人狼サーバ 人狼 プロトコル 人狼プロ トコル 人狼 プロトコル 自然言語 感情表現 モジュール 表情
19.
人狼サーバにおけるゲームの流れ ゲーム開始 • 会話 • 会話 •
投票 • 能力者の行動決定 ゲーム終了 • 吊り、襲撃処理 • 占、霊へ情報提供 • 勝敗処理
20.
人狼サーバにおける会話の流れ 1日の始まり 話し合い開 始 人狼の話し合い 共鳴者の会話 話し合いに参加するエージェ ントの並び替え(ランダム) エージェントによる発話 全員の話し合い 人狼エージェントによる 発話 人狼の 話し合い まだ喋 る 会話終了 YES NO 話し合い終 了
21.
人工知能は人狼を夢を見るか • 人工知能エージェントによる人狼の対戦 – 人工知能は人狼をプレイ可能か –
人工知能は人狼を学習可能か • 提案プロトコル・サーバを用いて確認 – 村人陣営,人狼陣営双方のエージェントを作成 – お互いを対戦させ,学習を行う – 最終的に得られた戦略を評価
22.
シンプルな人狼のモデル化 • 人狼のシンプル化 – 発話:特に必要な発話のみ •
役職のカミングアウト • 能力によって得られた情報の共有 • 疑っている対象の報告 – 疑い度:プレイヤーの状態から人狼らしさを推測 • Q学習を用いて戦略を学習 ? ! Q 23
23.
学習内容 • 襲撃,処刑等の対象選択方法 • 発話内容 •
人狼側が嘘をついて装う役職 • プレイヤーの疑い度 24
24.
結果(1/3) • 学習の有無による人間側の勝率の変化 人狼・学習無 人狼・学習有 人間・学習無 38.6% 22.3% 人間・学習有 52.9% 36.4% 戦略の学習によって 勝率の向上が得られた 25
25.
結果(2/3) • 人狼側の戦略ごとの人間側の勝率の変化 • 実データと比較して高い相関(0.766) →人間に近い戦略の学習に成功 26
26.
結果(3/3) • 上級者が用いる手法の発見 – 生き残り人数が5人の時、襲撃における最適戦略 ↓ “誰も襲わない” 高度な戦略の学習が可能であることを発見 27
27.
結論 • 人工知能の標準問題としての人狼 – 不完全情報ゲーム • • • • 人狼知能プロジェクトの提案 人狼プロトコルの開発 人狼対戦サーバの開発 シンプルなゲームにおける学習のテスト –
人間同士による対戦に近い戦略を学習可能 – 上級者の用いる戦略も発見可能
28.
今後の方針 • 2014年度中に大会の実施 – 学習用のデータを準備 •
人狼BBSでプレーされた4778ゲームのデータ • 参加者には配布可能 – プロトコル,サーバの公開 – シンプルなプロトコルによる大会を実施 • 優秀なエージェントのゲームへの実装 – ゲーム会社と交渉中 参加者募集中
29.
人狼知能実現のための課題 • エージェントの対話プロトコル設計 • 推論と思考 –
モデル化した行動(自分は占い師と名乗る,誰々は人狼 だと思うと指摘する,など)の思考 – 他人の行動の理解 – 戦略の構築(強化学習,データ分析) • 自然言語処理 – プロトコル上の行動の自然言語化,自然言語の理解 • ヒューマン・エージェント・インタラクション(HAI) – エージェントインターフェースの実装 – 映像や音声による表現 • エージェント同士を競わせるプラットフォームの開発
30.
詳細情報はこちら http://aiwolf.org/
31.
今後のスケジュール(予定) • 2014年3月 – プロトコル公開 •
2014年夏~秋 – プレテスト大会の実施 • 2015年3月 – 第一回大会実施 • 2015年夏 – 第一回国際大会の実施
Baixar agora