Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Semelhante a デジタルゲームと人工知能
Semelhante a デジタルゲームと人工知能 (20)
Mais de Youichiro Miyake
Mais de Youichiro Miyake (20)
Último
Último (6)
デジタルゲームと人工知能
- 1. 三宅 陽一郎 @miyayou 2021.6.29 @東京大学 経済学部 「デジタルゲームと人工知能」 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com miyayou.com
- 3. My Works (2004-2020) AI for Game Titles Books
- 4. 近著
- 7. 人工知能とは
- 10. 機械（マシン）
- 11. 機械（マシン） ソフトウェア
- 17. この３００年の技術の動向 時間 規模 産業革命 情報革命 ネット革命 知能革命 機械化・自動化（オートメーション化） 電子情報化 オンライン化 知能化 第二次産業革命 電動化 1750 1860 1960 1990 Now… 現代は「知能化」の時代に 入りつつある。 第一次AIブーム 第二次AIブーム 第三次AIブーム
- 19. この３００年の技術の動向 時間 規模 産業革命 情報革命 ネット革命 知能革命 機械化・自動化（オートメーション化） 電子情報化 オンライン化 知能化 第二次産業革命 電動化 1750 1860 1960 1990 Now… 第一次ＡＩブーム ＝ ＡＩ分野の立ち上がりのブーム（専門家の中）。研究の黎明期。 第二次ブーム ＝ パーソナルコンピューターの普及。ニューラルネットの改善。 社会にコンピューターが広がって行くとき雰囲気。 第三次ブーム ＝ ビックデータの上に学習する人工知能 第一次AIブーム 第二次AIブーム 第三次AIブーム
- 20. 人工知能がブームになるとき 時間 規模 情報革命 ネット革命 知能革命 電子情報化 オンライン化 知能化 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010
- 22. 神経素子（ニューロン）とは？ 入力 入力 入力 出力 入力 この中にはイオン（電解,Na+,K+） 溶液が入っていて、入力によって電圧が 高まると出力する仕組みになっています。 100mVぐらい ニューラルネットワーク内シグナル伝達スピード 100(m/sec) … 案外遅い http://www.brain.riken.go.jp/jp/aware/neurons.html
- 25. 人工知能がブームになるとき 時間 規模 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010 シンボルによる人工知能は 堅実に進化する
- 26. 人工知能がブームになるとき 時間 規模 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010 ニューラルネットによる人工知能は、 浮き沈みが激しい。
- 27. 人工知能がブームになるとき 時間 規模 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010 ニューラルネットによる人工知能は、浮き沈みが激しい。 ＝ しかし、人工知能がブームになる時は、 必ず改良されたニューラルネットワークが現れる。
- 29. この３００年の技術の動向 時間 規模 産業革命 情報革命 ネット革命 知能革命 機械化・自動化（オートメーション化） 電子情報化 オンライン化 知能化 第二次産業革命 電動化 1750 1860 1960 1990 Now… 現代は「知能化」の時代に 入りつつある。
- 30. 2 第１次AIブーム 時間 規模 情報革命 ネット革命 知能革命 電子情報化 オンライン化 知能化 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010
- 31. 2 第一次ＡＩブーム（1960年代） • コンピューターは大型のものしかない。 • 人工知能という分野自体が誕生したばかり。 • ニューラルネットという新しい分野のブーム。 １９世紀後半 人間の脳は ニューロンという もので出来てい るらしい ２０世紀前半 ニューロンの 電気的性質が 解明される （ホジキン博士、 ハクスレー博士） 1950年代に ニューラルネット 発明 1963年に ホジキン＝ハク スレー方程式が ノーベル賞
- 34. 2 第一次ＡＩブーム（1960年代） 身長 体重 年齢 健康 要運動 注意 学習データから ここの重みを 変化させます 健康 要運動 注意 新しいデータ ニューラルネット ＝ データを分類する人工知能
- 35. 2 第一次ＡＩブーム（1960年代） もし A ならば B もし B ならば C よって、 もし A ならば C シンボルによる人工知能 （記号主義） ニューラルネットによる人工知能 （コネクショニズム） 推論ベース ニューラルネット 誕生
- 36. 3 第二次ＡＩブーム（1980年代） • パソコンが普及して行く。 • ルールを集めて知能を作ろう。 • 逆伝播法によるニューラルネットのブーム。 パソコンが 世の中で 普及して行く 知識主義 ＝ たくさんの知識 を人工知能に 与えて推論 すれば知能が できる インターネット もなく、知識 が足りない。 推論も専門的 な機能のみ。
- 37. 3 第二次ＡＩブーム（1980年代） IF （A） then B IF （C） then D IF （E） then F IF （G） then H IF （ I ） then J シンボルによる人工知能 （記号主義） ニューラルネットによる人工知能 （コネクショニズム） ルールベース 新しい学習法＝ 逆伝搬法
- 38. 3 第二次ＡＩブーム（1980年代） 1 0 0 このように学習させたい
- 39. 3 第二次ＡＩブーム（1980年代） 0 1 0 このように学習させたい
- 40. 3 第二次ＡＩブーム（1980年代） 0 0 1 このように学習させたい
- 41. 3 第二次ＡＩブーム（1980年代） 0 0 0 【逆伝播法】 ここが１になるように、 結合の強さを、 さかのぼって変えて行く。
- 42. 4 第三次ＡＩブーム（2010年代） • インターネットが普及して行く。 • インターネットで蓄積されたデータを学習させて 知能を作ろう。 • 改善されたニューラルネットのブーム。 インターネット が世の中で 普及して行く データ 学習主義 ＝ たくさんのデー タを人工知能 に学習させる 現在、進行中
- 44. インターネットによる 膨大なデータ 4 第三次ＡＩブーム（2010年代） 時間 規模 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010 ルールベース 逆伝播法 データベース ディープ ラーニング 推論ベース ニューラル ネット誕生 小型・中型 コンピュータの普及 大型コンピュータ 専門家のみのブーム
- 48. 外側： 宇宙 ＝ 見えない法則がある 内側： 人間 ＝ 見えない法則がある 知能にも法則がある ＝ 人工知能
- 53. 人工知能のための哲学塾 未来社会篇 （2018-2019年） 第0夜 概観 第一夜 人と人工知能はわかりあえるか？ 第二夜 人工知能はどのような社会を築くのか？ 第三夜 人工知能は文化を形成するか？ 第四夜 人と人工知能は愛し合えるか？ 第五夜 人工知能にとって幸福とは何か？ 第0夜 概観 第一夜 荘子と人工知能の解体 第二夜 井筒俊彦と内面の人工知能 第三夜 仏教と人工知能 第四夜 龍樹とインド哲学と人工知能 第五夜 禅と人工知能 第0夜 概観 第一夜 フッサールの現象学 第二夜 ユクスキュルと環世界 第三夜 デカルトと機械論 第四夜 デリダ、差延、感覚 第五夜 メルロ=ポンティと知覚論 人間の内面を頼りに 人工知能の内面へ深く迫る（作る）ことが目標 人間の社会を頼りに 人工知能の社会へ深く迫る（作る）ことが目標 http://www.bnn.co.jp/books/8210/ http://www.bnn.co.jp/books/9172/ https://miyayou.com/2017/11/11/philosophyeast/ http://www.bnn.co.jp/books/10544/
- 54. 西洋の見る夢 東洋の見る夢 人工知能の誕生 組み合わせ構造・水平的 存在的混沌・垂直的 機械論・分解的 存在論・生成的 問題特化型 身体の上に立脚 情報的・世界の再構築 身体的・世界と溶けあう 存在の理解 存在共生 機能連携 都市管理 自然となる 言葉を外す 言葉で作る 人工生命 エージェント 人間拡張 場の人工知能 機能理解 探求の方向 作り方 立脚点 世界とのかかわり方 相互理解 人とのあり方 環境としての人工知能 言語 未来 存在の形 人工知性 人工知能 第１０章 第０章 自律型知能
- 57. 要素を集めて積み重ね、構築的に 人工知能を作る ＝ 西欧的人工知能 人工知能 混沌の海から人工知能を見つけ掘り出す ＝ 東洋的人工知能 積み重 ねる 積み重 ねる 人工知能 混沌の海 掘り 出す 掘り 出す 足し算による人工知能の作り方 （組み上げて調和を得る） 引き算による人工知能の作り方 （混沌から引き算する） デカルト的構築 ベルクソン的引き算
- 58. 引き算による人工知能
- 60. デカルト/フッサール • 我、思う、ゆえに、我あり、 デカルト • 我、 、そして、世界が定立している フッサール 気に入る 気に入らない 喜ぶ 悲しい 欲求する 逃避する 希望する 恐怖する 決断する 行為する ….
- 61. デカルトからフッサールへ • 懐疑 • 自己へと還元 • 思惟による世界 • エポケー • 超越的主観性へ還元 • 自然的態度による生活 的世界 「デカルトのコギト」 （17世紀） 「フッサールの還元」 （20世紀）
- 72. 自己と他者は共創して作られる
- 74. 人工知能とは
- 82. 身体 身体 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人間 人工知能 外部からの 情報 物理的干渉 他者の構成プロセス 情報的実在性
- 83. 身体 身体 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人間 人工知能 外部からの 情報 物理的干渉 他者の構成プロセス 無意識的実在性
- 84. 身体 身体 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人間 人工知能 外部からの 情報 物理的干渉 他者の構成プロセス 身体的実在性
- 85. 身体 身体 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人間 人工知能 外部からの 情報 物理的干渉 他者の構成プロセス 環境的実在性
- 91. 知能の起源
- 92. 原始の海＋光＋熱＋稲妻 http://www.yunphoto.net/jp/photobase/yp2863.html Photo by (c)Tomo.Yun http://www.yunphoto.net
- 96. テセウスのパラドックス 物質的構成 ＝ 循環する 物質によらず不変なもの 構造 情報
- 106. 環世界 （哲学塾 第二回） 効果器 受容器（刺激→興奮（記号）） 客体 活動神経網 知覚神経網 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 （みすず書房） 知覚世界 活動世界 知覚微表担体 対象化された機構 活動担体 内的世界 興奮（記号） 興奮 興奮 運動形態 ＝特定の筋肉を動かす 中枢神経網 対世界
- 111. ３Ｄゲームの中のＡＩ Halo （ＨＡＬＯ、バンジー、2001年） デバッグ画面 The Illusion of Intelligence - Bungie.net Downloads http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt
- 112. Early in the learning process … … after 15 minutes of learning Reward for decrease in Wulong Goth’s health
- 113. Early in the learning process … … after 15 minutes of learning Punishment for decrease in either player’s health
- 115. Two Agent Cooperation by DeepMind Deep Mind: Capture the Flag: the emergence of complex cooperative agents https://deepmind.com/blog/article/capture-the-flag-science
- 116. Deep Mind: Capture the flag Deep Mind: Capture the Flag: the emergence of complex cooperative agents https://deepmind.com/blog/article/capture-the-flag-science
- 117. Deep Q-Learning • https://becominghuman.ai/lets-build-an-atari-ai-part-1-dqn- df57e8ff3b26 Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf 画面を入力 操作はあらかじめ教える スコアによる強化学習 https://becominghuman.ai/lets-build-an-atari-ai-part-1-dqn-df57e8ff3b26
- 118. • Pπ ロールアウトポリシー（ロールアウトで討つ手を決める。 Pπ（a|s） sという状態でaを討つ確率） • Pσ Supervised Learning Network プロの討つ手からその 手を討つ確率を決める。Pσ（a|s）sという状態でaを討つ確 率。 • Pρ 強化学習ネットワーク。Pρ（学習済み）に初期化。 • Vθ(s’) 局面の状態 S’ を見たときに、勝敗の確率を予測 する関数。つまり、勝つか、負けるかを返します。 Mastering the game of Go with deep neural networks and tree search http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html https://deepmind.com/research/alphago/
- 120. 人工知能 人間 仏教と人工知能 • 仏教 ＝ 煩悩から解脱する • 人工知能 ＝ むしろ煩悩を与えたい（執着） 煩悩 煩悩 解脱 執着 人工知能＝どのようにして煩悩を与えることができるか？ 人工知能 （人工知性） 禅
- 124. F-formation (Kendon, 1984) • 人と人が向い合うときに、形成する立ち位置。 Paul Marshall,Yvonne Rogers,Nadia Pantidi Using F-formations to analyse spatial patterns of interaction in physical environments http://mcs.open.ac.uk/pervasive/pdfs/MarshallCSCW2011.pdf
- 125. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル
- 126. 第三章③ ナビゲーションAI
- 127. ネットワーク上のグラフ検索法 ダイクストラ法 M F L B A Ｓ O P D C G S V H Q X K N J R T W E I U Z Y Ｇ 5 4 6 3 7 2 3 B C 3 G D E 3 2 2 4 L 3 3 5 5 J F 出発点（S）を中心に、最も短い経路 を形成して行く。Gにたどり着いたら終。 各ノードの評価距離＝出発点からの経路
- 128. ネットワーク上のグラフ検索法 A*法 M F L B A Ｓ O P D C G S V H Q X K N J R T W E I U Z Y Ｇ 5 4 6 3 7 2 3 B C 3 3 2 2 4 3 5 5 出発点（Ｓ）を中心に、 そのノードまでの 最も短い経路を 形成して行く。 Gにたどり着いたら終了。 ゴール地点がわかっている場合、現在のノードとゴール との推定距離（ヒューリスティック距離）を想定して、 トータル距離を取り、それが最少のノードを探索して行く 各ノードの評価距離＝出発点からの経路＋ヒューリスティック距離 ヒューリスティック距離 (普通ユークリッド距離を取る) 3+14.2 3+13.8 G H 3 5+10.5 6+8.4
- 129. パス検索とは 現在の地点から指定したポイントへの経路を、 リアルタイムで計算して導く技術。 RTS - Pathfinding A* https://www.youtube.com/watch?v=95aHGzzNCY8
- 130. Counter Strike: Path Following (デモ) The Official Counter-Strike Bot http://aigamedev.com/insider/presentation/official-counter-strike-bot/
- 131. 人間とフレームとＡＩ
- 132. 時間（イメージ） 空間（論理） 殆どの人工知能は与えられたフレーム（問題設定）の 外に出ることはできない。 人間は柔軟にフレーム（問題設定）を創造し 変化させることができる。 人間と人工知能の違い
- 138. デジタル世界のエコシステム（AI, IA, A） 自律型人工知能 （汎用型人工知能） ＝自分で感じて、判断して、自分で行動する エージェント（小型人工知能） ＝自分で感じて、判断して、自分で行動する（ただし単機能） 機能特化型人工知能（専門型人工知能） ＝ある問題のために作られた人工知能 知的アプリケーション（IA） ＝知的機能を実現したアプリケーション アプリケーション（A） ほぼ同義 自律性 全体 埋め込み 性
- 139. デジタル世界のエコシステム（AI, IA, A） 自律型人工知能 （汎用型人工知能） ＝自分で感じて、判断して、自分で行動する エージェント（小型人工知能） ＝自分で感じて、判断して、自分で行動する（ただし単機能） 機能特化型人工知能（専門型人工知能） ＝ある問題のために作られた人工知能 知的アプリケーション（IA） ＝知的機能を実現したアプリケーション アプリケーション（A） ほぼ同義 自律性 全体 埋め込み 性 人間
- 140. デジタル世界のエコシステム（AI, IA, A） 人間 知的アプリケーション（IA） IA IA アプリケーション（A） アプリケーション（A） アプリケーション（A） 自律型人工知能 自律型人工知能 IA エージェント エージェント エージェント
- 142. 社会 人工 知能 人工 知能 人工 知能 人工 知能 人工 知能 場 人工知能が用意した立場に人がエントリーする 人 場 人工知能が用意した立場にエージェントがエントリーする エー ジェン ト
- 143. 人 エー ジェン ト エー ジェン ト エー ジェン ト エー ジェン ト エー ジェン ト エー ジェン ト エー ジェン ト エー ジェン ト エー ジェン ト エー ジェン ト 社会 人
- 145. 人工知能の発展の方向
- 156. Enhancing Game Experiences with Character AI Andrew Moran, Jordan Carlton(Magic Leap, Magic Leap/Weta Workshop) https://gdcvault.com/play/1025829/Magic-Leap-Enhancing-Game-Experiences
- 157. Enhancing Game Experiences with Character AI Andrew Moran, Jordan Carlton(Magic Leap, Magic Leap/Weta Workshop) https://gdcvault.com/play/1025829/Magic-Leap-Enhancing-Game-Experiences
- 158. Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research https://arxiv.org/abs/1911.05063
- 159. Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research https://arxiv.org/abs/1911.05063
- 160. ゲームエンジン
- 164. ゲームエンジンの時代 • ゲームエンジンは古くからある（80年代、ナムコのタスクシステム） • ゲームの規模が小さいうちは効果が大きくない • 90年代（ほとんどない。ソースコードレベル） • 00年代（黎明期） • ゲームエンジン群雄割拠時代（2010-2020） • 市販のエンジンに加えて、それぞれのゲーム会社でゲームエンジンが作られた • 現代では、ゲームエンジンなしで大型ゲームは作れない • ゲームエンジン＝ゲームの質に直結、ゲーム開発の技術を集積する場所 • Unreal Engine（Epic)とUnity3Dが生き残った • Unreal Engine アメリカ 巨漢大砲主義の思想 • Unity 3D デンマーク（北欧）Do it yourself の思想
- 165. ジョブ・コントローラー（ナムコ、ゼビウスなど） 三宅 陽一郎 「タスクシステムの起源について」 2016年 年次大会 予稿集
- 166. 大型ゲームエンジン一覧（他にもたくさん） タイトル ゲームエンジン名 会社 Far Cry 3,4 DUNIA ENGINE 2 Ubisoft Montreal THE DIVISION snow drop engine Ubisoft (massive) Assassin’s creed: syndicate AnvilNext 2.0 game engine Ubisoft Montreal For Honor AnvilNext 2.0 game engine Ubisoft Montreal Rise of Tomb Raider Foundation engine Crystal Dynamics The Witcher 3 RED ENGINE CD PROJEKT Dragon Age : Inquisition frostbite engine EA DICE ゲームエンジン名 会社 汎用型 Unity3D Unity Technologies （デンマーク） 汎用型 UNREAL ENGINE 4 Epic Games （米） 汎用型 CryEngine CryTech （独） 汎用型 Lumberyard Amazon 汎用型 Stingray Autodesk
- 174. ビックデータ ｘ ディープラーニング から シミュレーション ｘ ディープラーニング へ
- 176. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル
- 179. 人工知能全域 機械学習 ディープ ラーニング 統計 学習 コネクショニズム シンボリズム デジタルゲームAI 機械学習の導入には土台となるシミュレーション （物理、仕組み）が必要 シミュレーション技術
- 180. 技術の変わり目 ビックデータ ｘ ディープラーニング シミュレーション ｘ ディープラーニング データが貯まるところでディープラーニングを行い特徴抽出を行う シミュレーションでデータを貯めてディープラーニングを行う
- 184. Microsoft 「AirSim」による強化学習の研究 シミュレーション 現実 機械学習 （ディープ ラーニン グ） https://microsoft.github.io/AirSim/
- 186. シミュレー ション これからの人工知能のフレームワーク 現実 機械学習 （ディープ ラーニン グ） この２つの技術の結びつきが、現実においても、仮想 空間においても、これからの協力な技術コアとなる。
- 189. リアル ⇔ デジタル
- 193. 人工知能と人に住み良い街とは何か？ 機能性 ＝ 便利 （AIだけのルート） デザイン性 ＝ 機械が溶け合っている 自然性 ＝ 自然と溶け合っている 情報性 ＝ 情報化された世界
- 196. AIアバター 北海道産 です
- 198. Enhancing Game Experiences with Character AI Andrew Moran, Jordan Carlton(Magic Leap, Magic Leap/Weta Workshop) https://gdcvault.com/play/1025829/Magic-Leap-Enhancing-Game-Experiences
- 199. Enhancing Game Experiences with Character AI Andrew Moran, Jordan Carlton(Magic Leap, Magic Leap/Weta Workshop) https://gdcvault.com/play/1025829/Magic-Leap-Enhancing-Game-Experiences
- 200. Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research https://arxiv.org/abs/1911.05063
- 201. Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research https://arxiv.org/abs/1911.05063
- 205. 人工知能の先
- 207. 技術の進歩 時間軸 ※横軸の数字はおおよそのものです 非技術的世界 機械化 コンピュータ化 電動化 人工知能(AI)化 人間拡張化 （Human Augmentation） インターネット化 1760 1950 1870 1980 2010 2035
- 211. 人工知能が導入される場所 ① 人間 ② 人工知能 ③ 社会 ① 拡張人間 ② 自律的人工知能 ③ 自律社会
- 212. 拡張人間 （Augmented Human） 自律側AI （Autonomous AI） 人工知能進化の方向 （西洋的） 発 展 進 化 相互に学習する 相互に学習する 人工知能進化の方向 （東洋的） 発 展 進 化 還 元 相互に連携する 相互に連携する 深 化 深 化 還 元 図10.14
- 216. Paul van Grinsven; Player Traversal Mechanics in the Vast World of Horizon Zero Dawn (GDC2017) https://www.guerrilla-games.com/read/player-traversal-mechanics-in-the-vast-world-of-horizon-zero-dawn
- 217. インタラクションの 報酬 人工知能アシスト プレイヤー プレイヤー 人工知能アシストを使った プレイをさせる 拡張するごとに行動させてその結果を フィードバックすることで、徐々に身体を拡張する
- 218. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル
- 219. メタＡＩ
- 221. メタＡＩの歴史 1980 1990 メタＡＩというのは、ゲームそのものに埋め込まれたＡＩ。 1980 1990 2000 古典的メタAI 現代のメタＡＩ キャラクターＡＩ技術の発展
- 223. （例）「ゼビウス」（ナムコ、1983） 敵出現テーブル巻き戻し 敵0 敵１ 敵2 敵3 敵4 敵5 『あと面白い機能なんですけれど、 ゼビウスには非常に簡単なAIが組み込まれています。 「プレイヤーがどれくらいの腕か」というのを判断して、 出てくる敵が強くなるんです。 強いと思った相手には強い敵が出てきて、 弱いと思った相手には弱い敵が出てきます。 そういっ たプログラムが組み込まれています。 ゲームの難易度というのは「初心者には難しくて、上級者 には簡単だ」ということが、 ひとつの難易度で(調整を)やっていくと起きてしまうので、 その辺を何 とか改善したいな、ということでそういったことを始めてみたのですけれど、 お陰で割合にあまり上 手くない人でも比較的長くプレイできる、 うまい人でも最後のほうに行くまで結構ドラマチックに楽 しめる、 そういった感じになっています。』 － 遠藤雅伸（出演）、1987、「糸井重里の電視遊戯大展覧会」『遠藤雅伸ゼビウスセミナー』フジテレビ －
- 225. メタＡＩ Left 4 Dead の事例 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 今回は Left 4 Dead の事例を見てみる。
- 226. メタAI(=AI Director)によるユーザーのリラックス度に応じた敵出現度 ユーザーの緊張度 実際の敵出現数 計算によって 求められた 理想的な敵出現数 Build Up …プレイヤーの緊張度が目標値を超えるまで 敵を出現させ続ける。 Sustain Peak … 緊張度のピークを3-5秒維持するために、 敵の数を維持する。 Peak Fade … 敵の数を最小限へ減少していく。 Relax … プレイヤーたちが安全な領域へ行くまで、30-45秒間、 敵の出現を最小限に維持する。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html より具体的なアルゴリズム
- 227. 安全な領域までの道のり(Flow Distance) メタＡＩはプレイヤー群の経路を トレースし予測する。 - どこへ来るか - どこが背面になるか - どこに向かうか Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 228. プレイヤーからの可視領域 可視領域（プレイヤーから見えている 部屋）では、敵のスパウニング（発生） はできない。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 229. 敵出現領域 背後 前方 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 前方と背後のプレイヤー群から見えてない部屋に、 モンスターを発生させる。
- 230. Procedural Generation in WarFrame • Warframe ではダンジョンが自動生成される。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 231. Black Combination in WarFrame • ブロックを組み合わる • 完全に零からの生成 ではない。 このような生成のことを Semi-procedural と言う。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 233. WarFrame における自動生成マップの 自動解析によるナビゲーションデータ作成 抽出した骨格に沿って 自動的にナビゲーション・データを作成します。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 234. スタートポイント、出口、目的地の 自動生成 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 235. ヒートマップ（影響マップ）を用いて ゲーム中にプレイヤーの周囲を自動解析 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed ヒートマップ（影響マップ）とは、対象（ここではプレイヤー）を中心に、位置に温度（影響度）を 与える方法です。距離に応じて減衰します。また時間が経つと、周囲に熱が拡散します。
- 236. Tactical Map の例 (影響マップ) （例）敵と自分の勢力をリアルタイムに計算する。 4 6 8 8 8 8 6 4 2 0 -1 -2 -4 -4 -4 -2 4 6 8 8 8 8 4 2 1 0 -2 -4 -4 -2 4 6 8 8 8 6 3 1 0 -2 -4 -4 -4 -2 4 6 8 8 8 6 6 4 1 0 -2 -4 -4 -2 2 4 6 8 6 6 4 4 0 -1 -2 -4 -4 -4 -2 1 2 4 6 6 4 2 2 -4 -5 -3 -3 -4 -4 -2 -1 3 3 3 3 4 2 2 0 -4 -5 -5 -8 -8 -6 -4 -2 3 3 2 2 2 0 -2 -4 -8 -10 -10 -8 -4 -2 3 3 3 2 2 1 0 -4 -8 -10 -10 -8 -8 -4 -2 2 2 2 2 1 1 0 -3 -8 -10 -10 -8 -8 -4 -2 1 1 1 1 0 0 -2 -4 -8 -8 -8 -8 -8 -8 -8 -8 0 0 0 0 0 -1 -1 -2 -5 -6 -6 -6 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -4 -4 -4 -6 -8 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1
- 237. ヒートマップ（影響マップ）を用いて ゲーム中にプレイヤーの周囲を自動解析 「ヒートが増加する＝プレイヤーが近づく点」 「ヒートが減少する＝プレイヤーが遠ざかる点」 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 238. アクティブ・エリアセット（Active Are Set） Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed アクティブ・エリアセットは、プレイヤーの周囲の領域で、 リアルタイムにメタAIがゲームを調整する領域
- 239. メタAIがアクティブ・エリアセット内で ゲームを調整する 「ヒートが増加する＝プレイヤーが近づく点」なので、モンスターを生成する。 「ヒートが減少する＝プレイヤーが遠ざかる点」なので、モンスターを停止する。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 240. メタAI （AI Director,）による 動的ペース調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 241. メタＡＩ（自動適応ペーシング） メタAI （AI Director,）による 動的ペース調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 242. メタAIによる出会うモンスターの数の大域調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed プレイヤーのスタート地点から出口までの道のりで、 コンスタントにモンスターと出会うようにする。
- 243. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/
- 244. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/
- 245. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/
- 246. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/
- 249. スマートシティ
- 250. スマートシティ構想 • もともとは、ガス、電気など、エネルギーを、 知的に融通するシステムのことを指していた。 スマートグリッド構想 • 現在は、情報を加えて、街全体が、インテリ ジェンスを持つ構想のことを言う。 • スマートシティ構想
- 251. • やがて街全体を制御する人工知能が出現する。 http://www.s-hoshino.com • その時、人工知能は社会インフラとなる。新し く大きな市場。 スマートシティ構想 • 街全体を人工知能があらゆるカメラ、センサーを通して監視する。 • ドローン、ロボット、デジタルビジョンを通して街に力を行使する。 • 街全体の中枢の知能を作る。
- 252. スマートシティ＝都市自体が持つ知能 • 自律型AI 『ドラえもん』 • 人間拡張 『009』 • スマートシティ 『アップルシード』のオリュンポス
- 254. 人工知能は人間には見えないものを見て、人間に はできないことをする • 人の流れ • 犯罪の早期発見 • 事故現場の発見 • 店内の人の流れ • その人が注目した商品の共通項 • 紛れ込んだ犯罪者の場所特定 ・・・そしてこれらの予測。
- 258. Law （社会法律）と Law （自然法則） • 台湾のＩＴ推進大臣、オードリー・タン氏は、イスラエルの歴史 学者ユヴァル・ノア・ハラリ氏との対談の中で「コードはLaw で す。Law といっても、法律ではなく、法則のようなものです」と 述べています。自然な「法則」と言うところに、はっきりとした 東洋的な捉え方が表れています。西欧の立場ではあれば、社会は 人工物でありますから社会的な法律、と言ったことでしょう。数 年前までは、これはネット社会に限定された議論でした。しかし、 デジタルとリアルが重なる現代においては、いまや現実の社会全 体に対する議論になりつつあります。 （本書、P.139）
- 259. シドミード • 人工知能学会 2019年3月号の表紙 • アーティクル 表紙解説 シド・ミード「SILVER COACH」─クライアントは未来です • https://www.jstage.jst.go.jp/article/jjsai/34/2/ 34_273/_article/-char/ja/
- 260. 都市全体を監視・制御するAI 交通全般を制御するAI 各エリアを監視・制御するAI 各ビルを監視・制御するAI 道路を監視・制御す るAI 各広場を監視・制御す るAI 人の流れを監 視・制御するAI 抑止・委任 報告 抑止・委任 報告 抑止・委任 報告 都市 監視 制御 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御
- 261. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタAI エージェントを動的に配置 レベル状況を監視 エージェントに指示 ゲームの流れを作る Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル
- 264. メタＡＩ Left 4 Dead の事例 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 今回は Left 4 Dead の事例を見てみる。
- 265. メタAI(=AI Director)によるユーザーのリラックス度に応じた敵出現度 ユーザーの緊張度 実際の敵出現数 計算によって 求められた 理想的な敵出現数 Build Up …プレイヤーの緊張度が目標値を超えるまで 敵を出現させ続ける。 Sustain Peak … 緊張度のピークを3-5秒維持するために、 敵の数を維持する。 Peak Fade … 敵の数を最小限へ減少していく。 Relax … プレイヤーたちが安全な領域へ行くまで、30-45秒間、 敵の出現を最小限に維持する。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html より具体的なアルゴリズム
- 266. ヒートマップ（影響マップ）を用いて ゲーム中にプレイヤーの周囲を自動解析 「ヒートが増加する＝プレイヤーが近づく点」 「ヒートが減少する＝プレイヤーが遠ざかる点」 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 268. ユーザー体験を作る ユーザー Navigation AI が作る世界 メタAI が作る世界 エージェントAI が作る世界 「ナビゲーションAI」「メタAI」「エージェントAI」の多層的な仕組みでユーザー経験を作る。
- 270. 都市全体を監視・制御するAI 交通全般を制御するAI 各エリアを監視・制御するAI 各ビルを監視・制御するAI 道路を監視・制御す るAI 各広場を監視・制御す るAI 人の流れを監 視・制御するAI 抑止・委任 報告 抑止・委任 報告 抑止・委任 報告 都市 監視 制御 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御 スマートシティへの応用 キャラクターAI ス パ ｜ シ ャ ル A I メタAI
- 282. 都市全体を監視・制御するAI 交通全般を制御するAI 各エリアを監視・制御するAI 各ビルを監視・制御するAI 道路を監視・制御す るAI 各広場を監視・制御す るAI 人の流れを監 視・制御するAI 抑止・委任 報告 抑止・委任 報告 抑止・委任 報告 都市 監視 制御 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御
- 283. 都市全体を監視・制御するAI（メタAI） 交通全般を制御するAI 各エリアを監視・制御するAI 各ビルを監視・制御するAI 道路を監視・制御す るAI 各広場を監視・制御す るAI 人の流れを監 視・制御するAI 抑止・委任 報告 抑止・委任 報告 抑止・委任 報告 都市 監視 制御 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御 キャラクターAI ナ ビ ゲ ｜ シ ョ ン Ａ Ｉ
- 284. 人工知能の社会
- 288. 都市全体を監視・制御するAI 交通全般を制御するAI 各エリアを監視・制御するAI 各ビルを監視・制御するAI 道路を監視・制御す るAI 各広場を監視・制御す るAI 人の流れを監視・制御 するAI 抑止・委任 報告 抑止・委任 報告 抑止・委任 報告 都市 監視 制御 監視 制御 人 ドローン ロボット デジタル アバター 抑止・委任 報告
- 290. 都市全体を監視・制御するAI 交通全般を制御するAI 各エリアを監視・制御するAI 各ビルを監視・制御するAI 道路を監視・制御す るAI 各広場を監視・制御す るAI 人の流れを監 視・制御するAI 抑止・委任 報告 抑止・委任 報告 抑止・委任 報告 都市 監視 制御 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御
- 291. 都市全体を監視・制御するAI 交通全般を制御するAI 各エリアを監視・制御するAI 各ビルを監視・制御するAI 道路を監視・制御す るAI 各広場を監視・制御す るAI 人の流れを監 視・制御するAI 抑止・委任 報告 抑止・委任 報告 抑止・委任 報告 都市 監視 制御 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御 スマートシティへの応用 キャラクターAI ス パ ｜ シ ャ ル A I メタAI