世界におけるデジタルゲームの人工知能の導入の現状について

「世界におけるデジタルゲームの
人工知能の導入の現状について」
三宅陽一郎 @miyayou
国際ゲーム開発者協会ゲームAI専門部会代表
日本デジタルゲーム学会理事
芸術科学会理事
オンラインゲーム協会
http://www.japanonlinegame.org/
2016.12.16
https://www.facebook.com/youichiro.miyake
http://www.slideshare.net/youichiromiyake
y.m.4160@gmail.com

アジェンダ
• 人工知能の社会における導入の現状
• デジタルゲームにおける人工知能の歴史（１９７８～２０１６）
• モバイルゲームにおける人工知能
• データ解析・学習によるオンラインゲームのサポート
• 研究機関とゲーム産業における人工知能研究の現状
• 今後人工知能が拡大しそうなゲーム関連業務について

コンテンツ
• 第零章人工知能概観
• 第一章デジタルゲームAIの歴史
• 第二章ゲームの人工知能の全体像
• 第三章自律型AI
• 第四章ナビゲーションAI
• 第五章位置解析システム
• 第六章メタAI
• 第七章プロシージャルとは？
• 第八章現代のメタＡＩ
• 第九章モバイルゲームにおける人工知能
• 第十章データ解析・学習によるオンラインゲームの
サポート

参考文献（解説論文）
三宅陽一郎
「ディジタルゲームにおける人工知能技術の応用の現在」
（人工知能学会誌 2015年 Vol.30 No.1）
http://id.nii.ac.jp/1004/00000517/
https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=556&item_no=1&page_id=13&block_id=8

参考文献
• Georgios Yannakakis さん、Julian Togelius さんの以下の論
文と自分の解説論文。
• A Panorama of Artificial and Computational Intelligence in
Games (2014)
• http://julian.togelius.com/Yannakakis2014Panorama.pdf
• この論文は、ゲームAIの Method, Process, Algorithm に分
類する。そして、ゲームＡＩの分野と、ゲームＡＩ技術が、ど
のような関係にあるかを、約４０個のパターンに分類して、
一つ一つ事例と参考文献を上げて解説して行く。

Works (2006-2012)
AI for Game Titles
Books

WIRED A.I.
• WIRED A.I.+ Wired City
• １２月１日発売
• 「人工知能＋街特集」
なぜぼくらには人工知能が必要なのか──『WIRED』Vol.20「人工知能＋未来都市」
2大特集・特別保存版刊行に寄せてhttp://wired.jp/2015/12/01/vol20-editors-letter-ai/

経歴
京都大学（数学）大阪大学（原子核実験物理）東京大学
（エネルギー工学/人工知能）
高エネルギー加速器研究所（半年ぐらい。修士論文）
http://www.facebook.com/youichiro.miyake

社内AIセミナー（2005-2015）
2005-2011 毎週開催＞２００回（１時間講義＋議論）
2011-2015
毎週開催＞１５０回（１時間講義＋Workshop）

コンテンツ
• 第零章人工知能概観
• 第一章デジタルゲームAIの歴史
• 第二章ゲームの人工知能の全体像
• 第三章自律型AI
• 第四章ナビゲーションAI
• 第五章位置解析システム
• 第六章メタAI
• 第七章プロシージャルとは？
• 第八章現代のメタＡＩ
• 第九章キャラクターＡＩ
• 第十章学習の話
• 第十一章学習・進化におけるプロシージャル的アプローチ
• 第十二章ディープラーニング
• 第十三章社会性を持つAI （ソーシャルAI）
• 第十四章人工知能の基本 - 知識表現 -

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。

エンジニアリングとしての人工知能の
二つのアプローチ
人工知能を作る
(キャラクターAI、ロボット…)
既にあるものを知能化する
(家電、電車、ポスター、なんでも…)

知能化
• 工場 → （知能化） → オートスケジューリング
• 配送 → （知能化） → 自動分配・自動配送
• 車 → （知能化） → 自動走行・ＩＴＳ
• 家電 → （知能化） → コミュニケーション家電（ルンバなど）
• インターネット → （知能化） → Web.4.0 (GoogleのDeep Learning など)
• TV → （知能化） → キーワード・趣向による自動録画
• 注文サービス → （知能化） → 自動受付・自動サービス
社会の隅々にまで、知的機能がインプリメント（実装）される。

知能化
• 車 → （知能化） → 自動走行・ＩＴＳ
• 家電 → （知能化） → コミュニケーション家電（ルンバなど）
• インターネット → （知能化） → Web.4.0 (GoogleのDeep Learning など)
• TV → （知能化） → キーワード・趣向による自動録画
• 注文サービス → （知能化） → 自動受付・自動サービス
知能化

知能化
知能化現実世界
（～1995）
現実世界
2.0
（2015～）

人間はどのように人工知能を
発展させて来たか？
記号
自然
言語
概念
人間
AI
より人間に近い情報の形を
理解できるように進化させて来た。
意味
言葉
記号処理
自然言語処理
セマンティック解析（意味解析）
オントロジー
情報情報処理

情報の海
（ネットワーク）
ネット空間の人工知能
人間
とてもしんどい… おいつかない。。。

情報の海
（ネットワーク）
人工
知能
人工
知能
人工
知能
解析・抽出
提出・提案命令・指示
ネット空間の人工知能
人間
人工知能が情報の海と人間の間のインターフェースとして出現する

）
人工
知能
人はどのように人工知能を使っているか？
ネットに散乱する情報を、人間がより理解しやすい形に
咀嚼して、持って来る（例）要約。意味による検索。
人間
記号の海
言葉の海
意味の海
概念の海
情報の海
ネット空間

記号
自然
言語
概念
人間
AI
より人間に近い情報の形を
理解できるように進化させて来た。
意味
言葉
情報
画像
自然
言語
言葉
概念
意味
Deep Learning
（ディープラーニング）

記号
自然
言語
概念
人間
AI
意味
言葉
情報
画像
自然
言語
言葉
イメー
ジ
意味
映像
自然
言語
言葉
想像
意味

）
人工
知能
人はどのように人工知能を使っているか？
情報の海を母体として、人工知能が育っている。
＝情報の海を母体として人工知能が生まれる
人間
記号の海
言葉の海
意味の海
概念の海
情報の海

デジタル世界
現実世界
（～1995）
パソコン
インター
ネット
人工
知能
クラウド
人工知能による新しい空間
新しい
現実空間の
誕生

デジタル世界
現実世界
（～1995）
パソコン
インター
ネット
人工
知能
クラウド
人工知能による新しい空間
新しい
現実空間の
誕生
キーワードは「実世界指向」
ソフトウェアは身体を持って現実に出る。
それは現実世界を変貌させて行く。
「現実世界 2.0」

飽和したネット空間のサービス競争（飽和）
IT技術による新しい現実空間のサービス（新規）
ネット空間
現実空間
クラウド/人工知能
ビックデータ
進出・
浸食
ロボット
実空間
センシング
ドローン
IoT
現在起こっていること～ネット空間から現実空間への回帰

ネット空間
現実空間
インターネット
進出・
浸食
ロボット
実空間
センシング
ドローン
IoT
現在起こっていること～ネット空間から現実空間への回帰
ゲーム空間
人工知能
https://www.ingress.com

情報空間の拡大
～人工知能の舞台が広がる
• 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

情報空間の拡大
～人工知能の舞台が広がる
• やがて街全体を制御する人工知能が出現する。
• やがて家全体を制御する人工知能が出現する。
http://www.s-hoshino.com

ネット空間
現実空間
進出・
浸食
ロボット
実空間
センシング
ドローン
IoT
ネット空間から現実空間へ、現実世界からネット空間へ
ゲーム空間
人工知能
現実世界の人工知能
デジタル世界の人工知能
新しい
現実空間の
誕生
@2010-2015 SQUARE ENIX CO., LTD. All Rights Reserved.

ネット空間
現実空間
進出・
浸食
ロボット
実空間
センシング
ドローン
IoT
現実世界とデジタル世界をまたぐゲーム空間
ゲーム空間
人工知能
未開拓
成熟
巨大な
内部デジタル
空間
巨大な外部
空間
現実とデジタル空間
にまたがる
人工知能

ネット空間
現実空間
進出・
浸食
ロボット
実空間
センシング
ドローン
IoT
現実世界とデジタル世界をまたぐゲーム空間
ゲーム空間
人工知能
未開拓
成熟
巨大な内部空間
巨大な外部空間
新しい
人工知能の
誕生
我々は、
デジタル空間＝現実空間にまたがる
巨大な人工知能を作り出そうとしている。

新しい現実/デジタル融合空間とは
（１）現実空間と情報空間がリアルタイムに同期
している。ネット空間と情報空間がオーバーレイ
されている。
（２）現実空間に出たロボットやデバイスたちが、
クラウドを足場として、協力な情報基盤に支えら
れている。

新しい現実/デジタル融合空間とは
（３）人工知能がネット空間と現実空間を自由に
行き来することができる。
現実世界とデジタル世界の双方にまたがる
人工知能が出現する。
（４）クラウドはAIによって現実世界とデジタル世
界の間の中継基地のような役割を果たす。

新しい人工知能
• 現実空間の検索
その時、主流になるのは、「検索エンジン」ではなく、「超検索エンジン」。
オーバーレイされたデジタル空間を通して、現実世界から検索できるエ
ンジン。
検索を超えて情報の虚偽を人工知能が判定するようになる。
（新宿に飛行船が出現→カメラでいないことを確認→真偽が判定）
• ロボットを通して、現実空間へのサービス
が可能になる。
人は現実に対して人工知能を通してアクションを行うことができる。
＝実はそれは人間の脳を地球レベルに拡大していることになる。

データの海が人工知能を育てる
• Amazon（協調フィルタリング）
• IBMワトソン
• IBM Watson in みずほ銀行
• AlphaGO
• ソニー「デジタルアナウンサー」
• Nvidia「自動運転」
• 医療用診断データベース

人
人工
知能
「人」の間に人工知能
人

人
人工
知能
「人」の間に人工知能。たとえば予定を自動調整してくれる。
人
いつ空いている？えーと…
予定表予定表
来週の月曜日の
夜どうですか？

Ａｍａｚｏｎ「協調フィルタリング」
ユーザデータ群
（たとえば販売サイト）
A B C ?
評価 5 1 4
A,B,C という映画を購入した人に、
次にどの映画を推薦するべきか？
A B C M
評価 4 2 5 5
同じ購入履歴で、同じような評価をしている
人が高く評価している映画を探して来る。
推薦

IBM ワトソン
ネット上のあらゆるWiki
百科事典データベース
など
りんご赤い 90%
甘い 70%
青森 55%
フランス 40%
果物 32%
…
しぶい 7%
IBMワトソンは、文章の中の語の相関を学習する。
その学習データを用いて、インプットされた語と、
相関の強い言葉をリストアップする。

IBM Watson in みずほ銀行
• オペレーターが顧客の要望を復唱する。
• 言葉に変換
• 自動的に関連するマニュアルを表示する
https://www.change-makers.jp/business/10573

ソニー「デジタルアナウンサー」
• ニュース原稿を流し込む
• エージェント（ＡＩ）が身振り
をまじえて読み上げる。
ソニー、CGキャラがニュースを自動で読み上げる“デジタルアナウンサー”--渋谷で実験
http://japan.cnet.com/news/service/35087113/

AlphaGO
膨大な棋譜のデータ
（人間では多過ぎて
読めない）
この棋譜を
そっくり打てる
ように学習する
自己対戦して
棋譜を貯める
この棋譜を
そっくり打てる
ように学習する
AlphaGO

Deep Q-Learning
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

二つの人工知能
IF (s_collison==true)
register_all(s_star);
assign_edge();
assign_vertex();
mix_all();
シンボルによる人工知能
（シンボリズム））
ニューラルネットによる人工知能
（コネクショニズム）
IBM ワトソン
など
AlphaGo
など
http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html

ニューラルネットを理解しよう① 基本思想
コネクショ二ズム（結合主義）
知性とは脳の活動によって産まれるのだ。
知性とは脳は１００億以上の
ニューロン（神経素子）の結合である。
だったら、ニューロン（のモデル）を用いた
回路（ニューラルネットワーク）によって
知能を作ることが可能ではないか！
（since 1943）
http://www.sanko-junyaku.co.jp/product/bio/catalog/nhc_animal/rat-neuronal-3striatum.html
ニューラルネットだけで知性の機能を
全て再現してみよう！

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

ニューラルネットを理解しよう② 数学的原理
http://www.pri.kyoto-u.ac.jp/brain/brain/11/index-11.html
医学的知識
http://www.biwako.shiga-u.ac.jp/sensei/mnaka/ut/sozai/ai.html
モデル化
数学的モデル
ニューロン
人工ニューロン
入出力関係のグラフ入出力関係の関数（シグモイド関数）
ニューラルネットワーク
（ニューロンをつなげたもの）
道具はこれで全て。これで何ができるだろう？

深階層ニューラルネットワーク
http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html
ニューラルネットワーク＝信号（波形）処理だけで知能を作る。

学習過程解析
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

• 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。

あから２０１０
激指 YSS
合議
Bonanza
GPS
将棋
あから2010合議サーバログを可視化してみた（A Successful Failure）
http://blog.livedoor.jp/lunarmodule7/archives/1121781.html

海外タイトル情報源（GDC Vault 一部有料）

第一章デジタルゲームAIの歴史

GDC / AI Summit
(Game Developer’s
Conference)
AIIDE
(AI and Interactive
Digital Entertainment )
IEEE CIG
(IEEE Computational
Intelligence and Games )
Game AI Conference AI Game Dev.COM
AI Game Programmers Guild
http://www.aiide.org
IEEE CIS
(IEEE Computational
Intelligence Society )
http://www.ieee-cis.org/http://www.ieee-cig.org/
主催コミュニティカンファレンス
http://www.gdconf.com/
http://gameaiconf.com/ http://aigamedev.com/
http://www.gameai.com
AAAI

- 2009 年より開催
- GDC 世界最大のゲームAIカンファレンス
（２万人）
- ５日の最初の２日間にAIチュートリアル
= AI Summit
- AI ゲームプログラマーズギルドが主催
- ２日間に渡って産学の講演者が各トピックを議
論
- これに出ると前の年のゲームAIの傾向が分かる。
- 資料はすべて GDC Vault か
AIGameDev.Com で公開
GDC AI Summit (2009～)
(Game Developer’s Conference)
http://www.gdcvault.com/

GDC
世界最大のゲームカンファレンス

GDC
２万人の来場者（エキスポ＝展示ブース来場者を含む）

Artificial Intelligence in Computer Games
Speaker: Neil Kirby (Member of Technical Staff, Bell Laboratories),
Steve Rabin (Senior Software Engineer, Nintendo of America)
(AI ラウンドテーブル全３日)
１日目トピックごとの議論（定員オーバーで欠席）
２日目 ①FPS ② Sports & Strategy (出席)
３日目ビギナー向け Quick Q&A （出席）
全音声データ＆写真 http://www.intrinsicalgorithm.com/GDC

• ゲームAI業界の中心人物が集まるギルド。研究者も多数在籍
• 母体となった IGDA AI-SIG は弱体化（いまいちアクティブに活動できなかった）。
• 主催 Steve Rabin (AI Game Programming Wisdom)
• 中心はメイリングリスト（英語）/情報交換 / 毎日５～６通は必ず届く。
• 各種イベント開催(AI Summit)の準備MLを兼ねる
• 入会資格は一つのタイトルでAIを担当（実はこの縛りはないので申込むとOK）
• 入っておくとゲームAIの動きが見えてとっても便利（発言もしよう）
• 産業界でのコネクション、力を持つ野心的なギルドでもある。
AI Game Programmers Guild (2008～)

GDCの歴史（なんとなく）
1987 1995 2000
ゲーム
開発者も集まって
何かする？
クリス・クロフォードの自宅で20人ぐらい。
少しづつ規模を
大きくしたけれど、
かなりアットフォーム。
（適当な発表も
OK！）

GDCの歴史（なんとなく）
2000 2006 2010
少しづつ本格化
かなり本格化
（１万人を超える）
どうしようもなく
本格化
（２万人を超える）
http://www.4gamer.net/games/149/G014956/20120306019/
UBMという Gamasutra （世界で一番有名なゲームサイト）を持つ
ゲーム関連のイベント・キャリア企業が主催

GDC/AIの歴史（なんとなく）
2000 2006 2010
発表を通して、
ゲームAIの知識が
蓄積される。
（年に２～３個の良い発表）
いろいろな
企業がAIに力を入れ始める
（米が中心）
ラウンドテーブル、
AI Programmers Dinner、
など、なんとなくコミュニティが
形成される。
競って発表する
ゲームの大型化と
ソーシャル化により
やや迷走

Game AI 知識の集積
2000 2006 2010
知識の集積
AI Game Programming Wisdom
20. Precomputed Pathfinding for Large and Detailed Worlds on MMO Servers (Fabien Gravot, Takanori Yokoyama, Youichiro Miyake)

Game AI 知識の集積
2000 2006 2010
知識の集積
AI Game Programming Wisdom

- ゲームAIの実例紹介・技術紹介
- 開発インタビュー
- 論文紹介
- カンファレンス資料 (GDC AI Tutorial, Paris
Game AI Conference ) が掲載
-非常に重要な情報源
-登録が必要（無料）
-有料会員記事と無料会員記事がある。
-Alex Champandard が主催
（研究者からゲーム産業へ。
産業と学術を繋ぐ人物）
AI Game Dev.COM

- ゲームAI業界の産業カンファレンス
- パリ・ウィーンなど欧州で開催。
- 主催は、 AIGameDev.Com
- 資料は AIGameDev.Com で公開
- 学生も多い。やはり欧州などが中心
- GDC と並んで、AI Programmers Guild も深く
関わっているが、学術との交流も志向。
Game AI Conference
Artificial Intelligence for Creative Applications http://nucl.ai/

デジタルゲームAIの歴史
2000 2006 2010
蓄積される。
いろいろな
（米が中心）
形成される。
知識が集積する
ゲームエンジンの中に
取り込まれつつある

Game AI コミュニティの歴史
2000 2006 2010
この分野をきちんと
組織化しよう。
（IGDA AI SIG
ゲームAI標準委員会）
-産業、ミドルウェア、学術の
コミュニティ
AI Game Programmers Guild の
発足（もっと産業で影響力を）
（IGDAは公正な機関）
http://www.igda.org/artificial-intelligence
2015
ゲーム開発の変化・
産業の変化により、やや停滞

2000 2006 2010
蓄積される。
いろいろな
（米が中心）
形成される。
知識が集積する
人が集まる

2000 2006 2010
蓄積される。
いろいろな
（米が中心）
形成される。
2015
専門家しつつ、
次のステップへ向けて、
知識が蓄積される。
ゲーム産業外にAIの
盛り上がりの影響を受ける。
（学習、プロシージャル）

GDCのゲームAI全体の傾向
2008年：大型ゲームAI & プロシージャル
2009年：キャラクターAI(アニメーション＆パスファインディング) & メタAI
Spore, Halo3, Assassin’s Creed…
Morpheme 2.0, Warhammer Online(Kynapse), Halo Wars, Left 4 Dead
http://www.digrajapan.org/modules/mydownloads/images/study/20090411.pdf
http://igda.sakura.ne.jp/sblo_files/ai-igdajp/AI/IDGA_GDC08_Miyake_public.pdf
2010年：大型ゲームAIの完成 & キャラクター制御の高度化
Uncharted 2, Sprinter Cell:Conviction, Killzone2, The Sims 3, Bioshock 2, FIFA
http://igda.sakura.ne.jp/sblo_files/ai-igdajp/GDC2010/YMiyake_GDC_Report_2010_4_3.pdf
2011年：ゲームAIの大型から小型化 & 大型AI技術の固定化
有名AI開発者の独立(Halo3, The Sims 3, Killzone 2…)Darkspore,
The Sims: Medieval, StarCraft 2, Havok AI, Kynapse, Insomiac PathEnine
2013年： AI技術のデフォルト化＆ゲームエンジンへの導入
Behavior Tree, パス検索、位置解析、プロシージャル
Unity, UE, CryEngine
2015年：よりパワフルなAI技術の導入（学習を中心に）
潤沢な計算リソースを用いたゲームそのもののリフトアップ

2009 2010 2011 2013
ゲームサイズ
大型ゲームAI技術の発展・開発
ツールの成熟
中・小型ゲームへスピンオフ
(独自実装)
2015

2009 2010 2011 2013
ゲームサイズ
大型ゲームAI技術の発展・開発
ツールの成熟
中・小型ゲームへスピンオフ
エンジンへの導入
2015
ゲームエンジンに組み込まれたAI
他のコンポーネントと融合

2000 2006 2010
蓄積される。
いろいろな
（米が中心）
形成される。
黎明期
とりあえず
どんな知識
を使ってもよ
り高いAIを
目指そう。
発展期
ゲームへ
どんどん組
み込もう。事
例の蓄積。
大規模
拡大路線
の完成期
大型有名タイ
トルで意識的
に活用。
分散期
さまざまな
スケールの
ゲームへの
ダイバージェ
ンス
停滞期
ゲームエンジ
ンへの取り込
み・新しい技
術開発

ゲームＡＩ全体の歴史

チェス
将棋
囲碁
デジタル
ゲームAI
19951960
ロボカップサッカー
（ロボカップ）
2010
人狼
カーリング
1980 2000 20502020
プロに勝つ（こともある）プロに勝つ（目標）
？
？
？
産学で本格的に研究が始まる
スポーツなどデータマイニングからのAI
1950
ゲームの人工知能の歴史

将棋アクションゲーム
ゲーム既にある。
（AIはゲームの外にある。
将棋の中にAIは含まれない）
開発当初はゲームがない
（ゲームと一緒にAIを作る
＝AIはゲームの一部）
ステージ（空間）盤の目・離散的三次元地形・連続
時間ターン連続時間（リアルタイム）
登場人物駒キャラクター/モンスター
AI 将棋の差し手としてのAI キャラクターのブレイン/
ゲーム全体の操作するAI（メタAI）
ゲーム表現ゲームツリー？
状況離散的変化連続的変化
目的勝利楽しませる。ステージを成立させる。
ゲームのつながり厳密にすべての手がつながって
いない（ツリー検索が有効）
一定時間、一定区間で区切れる。ラ
ンダムな要素も。（１～５秒間の判断）
何を作るか？賢いAI, 面白いAI ユーザーの主観的体験（UX） AIその
ものが目的ではない。
将棋AIとアクションゲームAIの違い

一手先
分岐
三手先
二手先
ゲーム状態（＝盤面）
探索
将棋・チェスなどのAI

AI（キャラクター）
AIの認識領域
プレイヤー
計画経路
弾
アクションゲームのAI

ＡＩの分化
ゲームシステム
メタＡＩ
キャラクターＡＩナビゲーションＡＩ

ＡＩの分化
メタＡＩ
メタＡＩ，キャラクターＡＩ、ナビゲーションＡＩは、独立しながらも互いに
協調して機能を発揮します。

ＡＩの分化
メタＡＩ
このように異なるＡＩが互いに協調して機能を発揮するＡＩシステムを
分散人工知能と言います。

参考文献（解説論文）
三宅陽一郎
「ディジタルゲームにおける人工知能技術の応用の現在」
（人工知能学会誌 2015年 Vol.30 No.1）
https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=
repository_view_main_item_detail&item_id=559&item_no=1&page_i
d=13&block_id=8
https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=556&item_no=1&page_id=13&block_id=8

三宅陽一郎「はじめてのゲームAI」
（技術評論社 WEB+DB PRESS、2012年、Vol.68）
参考文献
http://gihyo.jp/magazine/wdpress/archive/2012/vol68

第二章ゲームの人工知能の
全体像

自然知能と人工知能
人間
＝自然知能
機械
＝人工知能

機械（マシン）
ソフトウェア

ソフトウェア
知能
http://www.1999.co.jp/blog/1210192

ソフトウェア
知能
身体
機能
知能
http://www.1999.co.jp/blog/1210192
http://ja.wallpapersma.com/wallpaper/_-
%E3%83%AA%E3%82%B9%E3%80%81%E5%A3%81%E7%B4%99%E3%80%81%E3%83%AF%E3%82%A4%E3%83%89%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B3%E3%81%AE%E3%80%81%E3%
83%9E%E3%83%83%E3%82%AF%E3%80%81%E3%83%9A%E3%83%83.html

身体性とインテリジェンス
Gray’s anatomy
脳の中心の部位は身体とつながっている。
生理機能を司っている。
それを囲うように、辺縁体、大脳がある。
http://square.umin.ac.jp/neuroinf/brain/005.html
http://www.amazon.co.jp/Grays-Anatomy-Anatomical-Clinical-Practice/dp/0443066841

意識/無意識の知性
身体の制御に
つながる
感覚を統合する
知性全体人の意識的な部分
意識自身には機能がない
環境
身体
意識
無意識
意識的な知性
無意識的な知性
表象意識に浮かび
上がるイメージ

人間の精神
意識
前意識
無意識
知能
言語による
精神の構造化
外部からの
情報
言語化のプロセス
シニフィアン
/シニフィエ
言語回路
（＝解釈）

人間の精神
意識
前意識
無意識
外部からの
情報
生態学的人工知能
※生態＝環境・身体との
結びつきを考える
伝統的な人工知能
身体知

人間の精神
意識
前意識
無意識
外部からの
情報
知能
解釈
顕
在
化
運動
統合
意
志
意識の境界面
知覚の境界面
２つの見えている世界（知覚世界、作用世界）
知覚世界作用世界

機械の精神＝人工知能
意識
前意識
無意識
知能
言語による
精神の構造化
外部からの
情報
言語化のプロセス
シンボル/010100000
言語回路
（＝プログラム）

人間の精神、機械の精神
意識
前意識
識
外部からの
情報
意識
前意識
無意識
外部からの
情報
言語・非言語境界面
知覚の境界面

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
電子情報化
オンライン化
知能化
電動化
1750 1860 1960 1990 Now…

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
電子情報化
オンライン化
知能化
電動化
1750 1860 1960 1990 Now…
現代は「知能化」の時代に
入りつつある。

知能化
• 車 → （知能化）→ 自動走行・ＩＴＳ
• 家電 → （知能化） → コミュニケーション家電（ルンバとか）
• インターネット →（知能化）→ Web.4.0 (GoogleのDeep Learning など)
• TV → （知能化） → キーワード・趣向による自動録画・自動設定など。
• 注文サービス →（知能化）→自動受付・自動サービス
この中には皆さんが大学で研究されている分野も
多くあるはず。

ゲーム全体の知能化
ゲーム・ソフトウェア
知能化された
ゲームも知能化の時代を迎えようとしている。
では「ゲームの知能化」とはどういうことだろうか？
それを見ていこう。

言葉の整理：知能と知性
• 知能＝知的能力のこと。
• 知性＝知能を持つ生命のこと。
英語では、どちらも、 “Intelligence” になってしまう。
• 人工知能＝機械による知的能力のこと。
• 人工知性＝知能を持つ自律した機械のこと。
英語では、どちらも、 “Artificial Intelligence” になってしまう。
ここでは、後者の知性の意味で”AI”という言葉を使っていく。

ゲームとはなにか
• インタラクティブなデジタル空間。
• もちろん自由に何を作ってもいいが、時代を
経て次第に構造化されてきた。
• ＡＩもその中で、いくつかの分類されている。

現代ゲームにおけるＡＩの構造
• ゲームの中で人工知能が果たす役割というのが明確になってき
た。
• 主に現代では３つのＡＩの役割がある。（これから増えて行くかも
しれない）
ゲームそのものをコントロールする人工知能。
キャラクターのブレイン（脳）として機能する人工知能。
パス検索を始め地形・状況など空間的な情報を抽出する人工知能。
メタＡＩ
キャラクターＡＩ
ナビゲーションＡＩ

人工知能の２つの軸
• 人工知能を考えるときは、その知能が何なのか、を探求するより、
どんな問題を解こうとしているか、を考えるとわかりやすい。
空間の
スケール
時間の
スケール
局所・
短時間
大局・
時間
なし
大局・
長時間
メタＡＩ

それぞれのＡＩの役割
メタＡＩ
ゲーム局面全体の変化を継続的に監視して、動的に、
ゲームバランス、ゲームプレイの緊張感、ゲームの面白さをコントロールする。
キャラクターの立場から、自分の周囲の状況を局所的に認識し、
自分の行動を自分の身体に応じて一定時間の中でデザインする。
ゲームステージ全体についての、空間的特長、現在の状況を解析する。
役割を持つＡＩのことを「エージェント」と言う。上記３つはすべて
「エージェント」だが、特にゲームでは「キャラクターＡＩ」のことを
「エージェント」と言う。

レベル
ナビゲーション
AI
メタAI
キャラクター
AI
Support
敵キャラクタ－
プレイヤー
頭脳として機能
情報獲得
コントロール
古典的
ゲーム構造
（ＡＩと
が混沌）
分化
ゲームの人工知能は分化し（＝分散人工知能）
相互に協調しながら一つのＡＩシステムを構成する
http://dear-croa.d.dooo.jp/download/illust.html
http://piposozai.blog76.fc2.com/

３つのＡＩの連携の例
フィールド
ナビゲーション
AI
メタAI
エージェントAI
状況を監視し、キーとなる役割を
適切なタイミングでエージェントに
指示する。
自律的な判断。
仲間同士の協調
地形を解析する
目的に応じた点を見つけ出す
目的地までのパスを計算する
Support
エージェントが自律的に戦闘・協調しつつ、ナビゲーションAIが
戦術的ポイントを教え、メタAIは、全体の戦闘の流れを作る。

このＡＩはどう作るか？
プレイヤー
キャラクター
岩地面
池
例として、次のようなキャラクターのＡＩをどう作るか考えてみよう。

このＡＩはどう組むか？
こういったＡＩをゲーム産
業では「Scripted AI」と言
います。こういったＡＩは
ゲームデザイナーがスク
リプト言語で書く場合多
いため。
プレイヤーキャラクター
岩地面
池
Ａ B
、
（例）
プレイヤーがＡにいれば
Ｂをうろうろする。
プレイヤーがＢにいれば
近づいて攻撃する。
http://septieme-ciel.air-nifty.com/nikubanare/2007/08/post_3c38.html

スクリプト
Scripted AI から自律型ＡＩへの変化
ゲームデザイナーの頭の中ゲームデザイナーの頭の中
知識思考
Scripted AI 自律型 AI (Autonomous AI)

スクリプト
Scripted AI から自律型ＡＩへの変化
ゲームデザイナーの頭の中ゲームデザイナーの頭の中
知識思考
Scripted AI 自律型 AI (Autonomous AI)
操り人形（Scripted AI）から、キャラクターが自分で考えて行動する
自律型ＡＩ（Autonomous AI）になるためには、
ゲームデザイナーが頭の中で持っている知識と思考をＡＩに埋め込
む必要がある。

プレイヤー
キャラクター
岩地面
池
地形データ
（Way Points）
、
ステップ１：
ＡＩにゲームステージの
地形を認識させたい
＝地形のデータを与える。
ＡＩは地形データによって、自分とプレイヤーの位置関係を知る
ことができる。

地形データ
（Way Points）
ことができる。（ネットワークグラフの問題に帰着）
http://dear-croa.d.dooo.jp/download/illust.htmlhttp://dear-croa.d.dooo.jp/download/illust.html

プレイヤー
キャラクター
岩地面
池
、
ステップ２：
地形データをもとに考え
る思考を与える。
地形データを用いた
思考
地形データ
（Way Points）

ことができる。（ネットワークグラフの問題に帰着）
地形データ
（Way Points）
思考
最短経路を計算

地形データ
（Way Points）
ここの点グループはお互いが見えている。
思考
ネットワークグラフに可視判定の情報を埋め込む。

地形データ
（Way Points）
ここの点グループはお互いが見えない。
思考
ネットワークグラフに可視判定の情報を埋め込む。

地形データ
（Way Points）
思考
プレイヤーからキャラクターが見えていない。

地形データ
（Way Points）
思考
プレイヤーから見つけて貰うために
プレイヤーからキャラクターが見えるように動く。

プレイヤーからキャラクターが見えない位置に動く。
地形データ
（Way Points）
思考

地形データ
（Way Points）
攻撃する
意思決定思考
思考

地形データ
（Way Points）
攻撃するか？隠れるか？牽制するか？を選ぶ思考。
＝意思決定思考
意思決定思考
思考

プレイヤー
キャラクター
岩地面
池
地形データ
（Way
Points）
、
これで、キャラクター
を知能化することが
できた。
地形デー
タを用いた
思考
意思決定
思考

ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
ロジック
オブジェク
トを用いた
ロジック

ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
ロジック
オブジェク
トを用いた
ロジック
ここでキャラクターに知能を与えたプロセスを振り返ってみる。
ステップ１：知識を与えた。
ステップ２：知識の上で操作する思考を与えた。
ステップ３：自分の意志を決定する思考を与えた。

知識思考
ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
思考
意思決定
の思考
知識を（データ）表現する。（知識）知識に基づいて思考する。（ＡＩ思考）
AI自身に「知識」と「知識の上の思考」を与えることが
知能を作る基本。

思考知識
ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
思考
オブジェク
トデータ
意思決定
の思考
自分の
身体データ
身体運動
の
ロジック
知識を（データ）表現する。（知識）知識に基づいて思考する。（ＡＩ思考）
「知識」と「その上の思考」をどんどん増やして行くことでＡＩは成長する。

知能
思考知識
ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
思考
オブジェク
トデータ
意思決定
の思考
自分の
身体データ
身体運動
の
ロジック
知能＝知識 × 思考

知能
思考知識
ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
思考
オブジェク
トデータ
意思決定
の思考
自分の
身体データ
身体運動
の
ロジック
これでキャラクター自身が知能を持つことができた。
キャラクターの持つ知能をキャラクターＡＩと言う。

知能
思考知識
ＡＩを作る
人間
地形データ
（Way
Points）
地形デー
タを用いた
思考
オブジェク
トデータ
意思決定
の思考
自分の
身体データ
身体運動
の
ロジック
この例ではナビゲーションＡＩとキャラクターＡＩが連携
していた。

第四章ナビゲーションAI

ナビゲーション・データ
フリー素材屋Hoshino http://www.s-hoshino.com/

ナビゲーション・データ
ウェイポイント・グラフ
（点を要素とするネットワークグラフ）
ナビゲーションメッシュ・
グラフ
（三角形（凸角形）を要素とする
ネットワークグラフ）
歩くこと
ができる。
フリー素材屋Hoshino http://www.s-hoshino.com/

パス検索
＝ゲーム内で任意の２点間の経路をゲーム進行中に計算する技術
RTS – Pathfinding A*
https://www.youtube.com/watch?v=95aHGzzNCY8

ネットワーク上のグラフ検索法
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
54
6 3
7 23
B C
3
G
D E
3
2 24
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了。
各ノードの評価距離＝出発点からの経路
ダイクストラ法

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
54
6 3
7 23
B C
3
G
D E
3
2 24
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了。
各ノードの評価距離＝出発点からの経路

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
54
6 3
7 23
B C
3
3
2 24 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

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
54
6 3
7 23
B C
3
3
2 24 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

Counter Strike (2000)におけるナビメッシュ
The Official Counter-Strike Bot
http://aigamedev.com/insider/presentation/official-counter-strike-bot/

Counter Strike: Path Following (デモ)
The Official Counter-Strike Bot
http://aigamedev.com/insider/presentation/official-counter-strike-bot/

Dragon Age : Way Point
Dragon Age pathfinding program put to the test
https://www.youtube.com/watch?v=l7YQ5_Nbifo

第五章位置解析システム

TPS （Tactical Point System）
• 戦術位置検索システム
• 目的に応じたポイントをその場で探し出す。
• CryEngine で発想され、2011年ぐらいから実
装されている。
• Unreal Engine 4では、EQS（Environment
Query System）で同じ機能がある。
• UE4上で、BehaviorTree や、BluePrintから呼び
出して使える。

沼
高台
湖
野原
敵
味方
AI（現在位置）
このような状況でAIは次にどこに行くべきか？
を自分で考えさせたい。

沼
高台
湖
野原
敵
味方
動的にポイントを生成します
生成フェーズ

沼
高台
湖
野原
敵
味方
フィルター１：そもそも足場の悪い点を除外します。
フィルタリング
フェーズ

沼
高台
湖
野原
敵
味方
フィルター２：敵に近くのポイントも除外します
フェーズ

沼
高台
湖
野原
敵
味方
フィルター３：味方に近くのポイントも除外します
フェーズ

沼
高台
湖
野原
敵
味方
フィルター４：残ったポイントの中で一番高い場所を選択します。
評価
フェーズ

TPS （Tactical Point System）
ゲーム中（ランタイム）に、グリッドか円形にポイントを生成。
条件を設定して要らないポイントをふるい落とす
条件を設定して要らないポイントをふるい落とす
残ったポイントを評価する
一点だけが残る

（例）クエリー（Query）システム
＝問い合わせシステム
敵
目的
地
味
方味
方
味
方
Query(最短パス)
Query(安全パス)
Query(味方合流パス)
Query(武器の届く、高台ポイント)

ポイントを動的に配置して評価する
Matthew Jack, Mika Vehkala
Spaces in the Sandbox: Tactical Awareness in Open World Games (GDC2013)
http://www.gdcvault.com/play/1018038/Spaces-in-the-Sandbox-Tactical

ポイントを動的に配置して評価する

ゴールデンパスとは、現在のプレイヤーの位置から、
プレイヤーが向かうであろう目的地へ、パス検索したパスのこと
を言う。つまり、ユーザーの予測経路である。

ゴールデンパス

ゴールデンパスとＴＰＳ
ゴールデンパスに沿って TPS を働かす。
つまり、ゴールデンパスに沿ってポイントを生成して、
選別する。

EQS (E)
EQS (Environment Query System) in UE4

EQS (Environment Query System)
in UE4

EQS (Environment Query System)
in UE4
https://docs.unrealengine.com/latest/JPN/Engine/AI/EnvironmentQuerySystem/UserGuide/index.html

３つのＡＩの連携の例
フィールド
地形解析・認識
AI
メタAI
エージェントAI
状況を監視し、キーとなる役割を
適切なタイミングでエージェントに
指示する。
自律的な判断。
仲間同士の協調
地形を解析する
目的に応じた点を見つけ出す
目的地までのパスを計算する
Support

ゲーム全体の知能化
知能化された
かつてゲームでは人工知能は独立した部分ではなく、
ゲームシステムの中に含まれていた。

ＡＩの分化
メタＡＩ
３つのＡＩシステムは序々に分化して独立して行った。
では、今度はナビゲーションＡＩについてさらに詳しく見てみよう。

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

メタＡＩの歴史
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
その歴史は古く、1980年代にまでさかのぼる。
その時代と現代のメタＡＩは、異なる点も多いので、
古典的メタＡＩ、現代のメタＡＩと名づけて区別することにしよう。

（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－

現代のメタAI
より積極的にゲームに干渉する。
メタAI
敵配位敵スパウニングストーリー
レベル
動的生成
ユーザー

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。

適応型動的ペーシング
[基本的発想]
(1) ユーザーがリラックスしている時に、ユーザーの
緊張度が一定の敷居を超えるまで敵をぶつけ
続ける。
(2) ユーザーの緊張度が一定の緊張度を超えると
敵を引き上げる。
(3) リラックスすると敵を出現し始める（(１)へ）。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and
Interactive Digital Entertainment Conference at Stanford.

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.
より具体的なアルゴリズム

メタＡＩがゲームを認識する方法
キャラクター用に作成された
ナビゲーションメッシュを
メタＡＩがゲームの
状況を認識するために使用する。

メタAIが作用を行う領域
メタＡＩが作用（敵の生成・
消滅）を行う領域を、
AAS（= Active Area Set）と
言う。

メタAIが作用を行う領域
(AAS=Active Area Set)

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

AAS に対して行うこと。
メタＡＩはプレイヤー群の移動に伴い、
その周囲（ＡＡＳ）に敵の群れを
生成・消滅させたりする。

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。

敵出現領域
背後前方
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。

モンスター・アイテム出現頻度
敵の種類、アイテムの種類ごとに出現頻度が違うが、頻度に応じて発生させる。
高頻度
低頻度
Wandereｒs (高頻度)
Mobs(中頻度)
Special Infected (中頻度)
Bosses (低頻度)
Weapon Caches (低頻度)
Scavenge Items (中頻度)

ボス出現アルゴリズム
(1) Ｎ体を予想される逃走経路上に配置
(2) ３つの出現イベントパターン
（何もいない、を含む）
（例） Tank, Witch, 何もいない
(3) 同じパターンのくり返しは禁止
(例) Witch, 何もいない、Witch はＯＫ。
Witch, Witch はだめ。
何もいない
Tank Witch Witch Tank Witch Tank

具体的なアルゴリズム
(1) 各エリアに、出現数 N を決定する
(2) 出現数Nは予想される逃走経路の長さと
要求される密度によって計算される。
(3) あるエリアがAAS の中に入るとクリー
チャーがN体生成される。
(4) そのエリアがAAS の外に出ると生成が中
止され、クリーチャーは消滅される。
(5) Ｎはそのエリアがプレイヤーから見えてい
る場合、或いは、プレイヤーがリラックス
モードの場合には、強制的に０になる。

まとめ
メタＡＩは、ゲームの流れを動的に作るＡＩで、キャラクターＡＩ、イベントなどに
は命令だけを出す。これは明確に、メタＡＩと他のモジュールが独立した関
係にあるから可能なこと。

まとめ
メタAIを入れ替えるだけで、ゲームコンテンツが入れ替えることができる。
メタAIという軽い部分だけを配信することで、コンテンツを入れ替えること
が可能になる。

参考文献
(1) Michael Booth, "Replayable Cooperative Game Design: Left
4 Dead," Game Developer's Conference, March 2009.
(2) Michael Booth, "The AI Systems of Left 4 Dead," Artificial
Intelligence and Interactive Digital Entertainment Conference
at Stanford.
(3) 三宅陽一郎, “メタAI”,「デジタルゲームの技術」
P.186-190, ソフトバンククリエイティブ

第七章プロシージャルとは？

プロシージャル技術
ゲームAI技術
AI技術
プロシージャル
技術
コンテンツ自動生成技術
（PCG, Procedural Contents Generation ）

Rogue (1980)のレベル生成法
Rect[0] Rect[0] Rect[1]
Rect[0]
Rect[1]
Rect[2] Rect[3]
http://racanhack.sourceforge.jp/rhdoc/intromaze.html

Rogue (1980)のダンジョン生成法
Rect[0] Rect[0] Rect[1]
Rect[0]
Rect[1]
Rect[2] Rect[3]
このようにアセット（ゲームのデータ）をツールなどを通して製作するのではなく、
プログラムで作ることを「プロシージャル・コンテンツ・ジェネレーション」（PCG）と言う。
http://racanhack.sourceforge.jp/rhdoc/intromaze.html

ブラウン運動
ロバート・ブラウン博士によって、１８２７年に発見された現象。
微粒が媒質（液体）の中で行う不規則な運動。
アインシュタイン博士によって、熱運動する媒質の不規則な
衝突によって引き起こされると説明された。
http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95

ブラウン運動から地形生成
ロバート・ブラウン博士によって、１８２７年に発見された現象。
微粒が媒質（液体）の中で行う不規則な運動。
アインシュタイン博士によって、熱運動する媒質の不規則な
衝突によって引き起こされると説明された。
宮田一乗「プロシージャル技術の動向」（CEDEC 2008）

https://www.youtube.com/watch?v=m4JDNzwFZFI

http://www.kenmusgrave.com

ゲームのデータ作成
• マニュアル＝手作業（操作）で作る。
• プロシージャル（自動生成）
＝計算によって創る
プロシージャル比率＝
データ総生産量
自動生成したデータ生産量

ゲームの規模とプロシージャルの比率
1985年
ゲームの規模
プロシージャル比率
中型
作りこみ
ゲーム
小型
作りこみ
ゲーム
中型
自動生成
ゲーム
小型
自動生成
ゲーム
メモリも少ないので、
ゲーム起動時に計算で
データを作りたい

Elite (1980, BBC) 宇宙を自動生成
https://en.wikipedia.org/wiki/Elite_(video_game)

1995年
ゲームの規模
プロシージャルの比率
大型
作りこみ
ゲーム
中型
作りこみ
ゲーム
小型
作りこみ
ゲーム
中型
自動生成
ゲーム
これからはグラフィックの時代だ。
ツールも充実。どんどん、作りこみ
で作って行こう。

トルネコの大冒険（チュンソフト、1993）
• ダンジョンを自動生成する。

2015年
ゲームの規模
プロシージャルの比率
最近のAAA
ゲーム
少し前の
AAAゲーム
技術系
インディー
ゲーム
ソーシャル
ゲーム
計算パワーも、容量もふんだんにある。
一つの大きな世界（オープンワールド）を
計算とデータで作り上げよう。

NO MAN’S SKY (Hello Games, 2016)
http://www.no-mans-sky.com/
宇宙、星系、太陽系、惑星を自動生成する。

ゲームの規模
プロシージャル比率

• 固定データ＝どんどん更新不可能になる。
• プロシージャル＝計算により可変。
プロシージャルはゲームを柔らかくする。
リアルタイムに可変なコンテンツを作る。

http://www.desura.com/engines/dunia
FarCry3 におけるプロシージャル技術

FarCry2 におけるプロシージャル技術
50km四方のマップを作る
オブジェクト（草木）＆アニメーションデータを自動生成

FarCry2 (Dunia Engine ) デモ
草原自動生成時間システム
樹木自動生成動的天候システム
動的天候システム
http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm

第八章現代のメタＡＩ

現代のメタAI
より積極的にゲームに干渉する。
メタAI
敵配位敵スパウニングストーリー
レベル
動的生成
ユーザー
プロシージャル
技術

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

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。

WarFrame における自動生成マップの
自動解析による自動骨格抽出
• 自動生成するだけでなく、自動生成したダンジョンを、自動解
析します。ここでは、トポロジー（形状）検出を行います。

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。

スタートポイント、出口、目的地の
自動生成

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。

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

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」

アクティブ・エリアセット（Active Are Set）
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

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。

メタAI （AI Director,）による
動的ペース調整

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

メタAIによる出会うモンスターの数の
大域調整
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。

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/

FarCry 4 の事例
Future Work

FarCry 4 の事例Future Work

これからのゲームの作り方
オープンワールド
プロシージャル（自動生成）
適応型的AI
（自動AI配置、自動ミッション生成）

これからのゲームの作り方
オープンワールド
プロシージャル（自動生成）
適応型的AI
（自動AI配置、自動ミッション生成）
これからのゲームは、
広大なで多様なフィールドを持ちつつ、
稠密なゲームプレイを提供できるような
サービスとなる。
（低コストで）

第九章
モバイルゲームにおける人工知能

260
FINAL FANTASY Record Keeper の
バトル難易度調整を
機械学習で支援する
AIによるゲームアプリ運用の課題解決へのアプローチ
友部博教、半田豊和（株式会社ディー・エヌ・エー）
https://cedil.cesa.or.jp/cedil_sessions/view/1511

261
『ベヨネッタ2』におけるゲーム品質を上げる為の自動化～オートプレイと継続的
なパフォーマンス計測～
森田和則（プラチナゲームズ株式会社）
https://cedil.cesa.or.jp/cedil_sessions/view/1454

第十章
データ解析・学習による
オンラインゲームのサポート

井澤正志株式会社gloops（グループス）
データマイニングによって変わった「大熱狂!!プロ野球カード」のKey Performance Indicatorの事例研究
http://cedec.cesa.or.jp/2012/program/BM/C12_P0156.html

A Brief History of Matchmaking in Heroes of the Storm
Alex Zook, Blizzard Entertainment
https://archives.nucl.ai/recording/a-brief-history-of-matchmaking-in-heroes-of-the-storm/

Tom Mathews Making "Big Data" Work for 'Halo': A Case Study
http://ai-wiki/wiki/images/d/d8/AI_Seminar_177th.pdf

Gameplay Data Analysis: Asking the Right Questions
Ian Thomas (Epic Games) http://www.gdcvault.com/play/1015482/Gameplay-Data-Analysis-Asking-the

世界におけるデジタルゲームの人工知能の導入の現状について

世界におけるデジタルゲームの人工知能の導入の現状について

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Destaque

Destaque (10)

Semelhante a 世界におけるデジタルゲームの人工知能の導入の現状について

Semelhante a 世界におけるデジタルゲームの人工知能の導入の現状について (20)

Mais de Youichiro Miyake

Mais de Youichiro Miyake (20)

Último

Último (9)