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

5,305 views

Published on

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.

Published in: Entertainment & Humor
1 Comment
17 Likes
Statistics
Notes
  • ご興味がある方は
    http://www.aiwolf.org/
    まで!
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
No Downloads
Views
Total views
5,305
On SlideShare
0
From Embeds
0
Number of Embeds
546
Actions
Shares
0
Downloads
34
Comments
1
Likes
17
Embeds 0
No embeds

No notes for slide

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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 30. 詳細情報はこちら http://aiwolf.org/
  31. 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

×