Download as PDF, PPTX
![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.
http://www.valvesoftware.com/publications.html](https://image.slidesharecdn.com/ymiyakemittechmologyreviewmeetup20161130-161203103200/85/slide-110-320.jpg)
![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](https://image.slidesharecdn.com/ymiyakemittechmologyreviewmeetup20161130-161203103200/85/slide-181-320.jpg)
![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](https://image.slidesharecdn.com/ymiyakemittechmologyreviewmeetup20161130-161203103200/85/slide-182-320.jpg)
Uploaded byYouichiro Miyake
「エンターテインメント、人工知能、ゲームマスター」
「エンターテインメント、人工知能、ゲームマスター」 MIT Technology Review 「2時間でわかる人工知能の現在と未来」Emerging Technology Meetup #1 の講演資料です。 http://peatix.com/event/216256
More Related Content
「エンターテインメント、人工知能、ゲームマスター」
- 1. 「エンターテインメント、人工知能、 ゲームマスター」 三宅 陽一郎 「2時間でわかる人工知能の現在と未来」 Emerging TechnologyMeetup #1 MIT Technology Review 2016.11.30 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com
- 2.
- 3. Works (2006-2016) AI forGame Titles Books
- 4. WIRED A.I. • WIREDA.I.+ Wired City • １２月１日発売 • 「人工知能＋街 特集」
- 5. 「IT、都市、ヘルスケア、あらゆる領域で 人工知能と人間が共創する未来」 • WIRED 「INNOVATIONINSIGTS」 http://wired.jp/innovationinsights/post/analytics-cloud/w/cocreation_with_ai
- 6. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 7. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 8.
- 9.
- 10.
- 11.
- 12.
- 13.
- 14.
- 17.
- 18.
- 19. 環境 キャラクター の知能 環境とキャラクター キャラクター の知能入力 出力 http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html 入力を見つける 出力を決める キツツキの環世界 Ｐｈｏｔｏｍｍｏhttp://free-photos.gatag.net/2015/03/20/140000.html
- 20.
- 21.
- 22.
- 23.
- 24.
- 25.
- 26. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 27.
- 28.
- 29. ダートマス会議（1956年） • ジョン・マッカーシーのいたダートマス大学で、人工知能を テーマとして初めて開催された会議。 • ArtificialIntelligence という名称もはじめてここで用いられた。 http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
- 30.
- 31.
- 32.
- 33.
- 34.
- 35.
- 36.
- 37.
- 38.
- 39.
- 40.
- 41.
- 42.
- 43.
- 44.
- 45.
- 46.
- 47. 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。
- 48. 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
- 49.
- 50.
- 51.
- 52.
- 53.
- 54.
- 55. 人間の知能の形/人工知能の知能の形 AlphaGO ＝囲碁しか打てない ＝人間より強い ナビ ＝目的地へのルート ＝ とても正確 お掃除ロボット ＝お掃除しかできない ＝ 24時間掃除 IBMワトソン ＝記号の統計情報しかない ＝何百万行のテキストの関係を記憶 お料理ロボット ＝お料理しかできない ＝何万と言うレシピ 人工知能＝専門的知能 一つのことしかできない。
- 56.
- 57.
- 58.
- 59.
- 60.
- 61.
- 62.
- 63.
- 64.
- 65.
- 66.
- 67.
- 68.
- 69.
- 70.
- 71.
- 72.
- 73.
- 74.
- 75.
- 76.
- 77.
- 78.
- 79.
- 80.
- 81.
- 82.
- 83.
- 84.
- 85.
- 86.
- 87.
- 88.
- 89.
- 90.
- 91.
- 92.
- 93.
- 94.
- 95.
- 96.
- 97. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 98.
- 99. FC SFC SS,PS PS2,GC,Xbox Xbox360, PS3, Wii DC （次世代）Hardware 時間軸20051999 ゲームの進化と人工知能 複雑な世界の 複雑なＡＩ ゲームも世界も、ＡＩの身体と内面もますます複雑になる。 単純な世界の シンプルなＡＩ （スペースインベーダー、タイトー、1978年） （アサシンクリード、ゲームロフト、2007年）
- 100.
- 101.
- 102. レベル Luminous AI Navigation メタAI LuminousAI Graph 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 http://piposozai.blog76.fc2.com/ http://dear-croa.d.dooo.jp/download/illust.html
- 103. レベル ナビゲーション AI メタAI キャラクター AI エージェントを動的に配置 レベル状況を監視 キャラクターに指示 ゲームの流れを作る 自律的な判断 仲間同士の協調 時にチームＡＩとなる メタAI, キャラクターAIの為に レベルの認識のためのデータを準備 オブジェクト表現を管理 ナビゲーション・データの管理 パス検索 /位置解析 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 http://piposozai.blog76.fc2.com/
- 104.
- 105. 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 19902000 古典的メタAI 現代のメタＡＩ キャラクターＡＩ技術の発展
- 106.
- 107. （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。』
- 108.
- 109. メタＡＩ Left 4Dead 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。
- 110. 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. http://www.valvesoftware.com/publications.html
- 111. 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
- 112. 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。 Michael Booth, "TheAI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 113. メタAIが作用を行う領域 Michael Booth, "TheAI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 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。
- 114. メタAIが作用を行う領域 (AAS=Active Area Set) MichaelBooth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 115. メタAIが作用を行う領域 (AAS=Active Area Set) MichaelBooth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 116. 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
- 117. 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, "TheAI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 118. 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。
- 119.
- 120. Precision Medicine • 「精密医療」「個別化医療」 ＝個々人に合わせた医療サービス http://techon.nikkeibp.co.jp/atcl/news/16/101004476
- 121. これからのゲーム • それぞれのユーザーに応じた － ストーリー －地形 － 敵の強さ ゲームマスター
- 122. これからのゲーム • それぞれのユーザーに応じた － ストーリー －地形 － 敵の強さ 人間と協調するゲームマスター
- 123.
- 124.
- 125. 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 54 6 3 7 23 BC 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。 各ノードの評価距離＝出発点からの経路
- 126. 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 54 6 3 7 23 BC 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
- 127.
- 128. 戦略位置検出システム • ゲーム内の地形を、 • ゲーム内でリアルタイムで把握して、 •自分の能力に合わせて、 • 最も適した位置を発見する システム
- 129. 戦略位置検出システムの歴史 • Tactical PositionPicking Killzone (2005, Guerrilla)で実装される。 • TPS (Tactical Point System) CRYENGINE (2010, CRYTEK)でツール化・システム化 • EQS(Environment Query System) UNREAL ENGINE 4 （2014, Epic games）でツール化・システム化 • PQS (Point Query System) SQUARE ENIX のFFXVの開発で2014年に開発。
- 130.
- 131. PQS (Point QuerySystem) 弓兵（AI）が次の目的地を発見したい。 (i) ゲーム現状
- 132. PQS (Point QuerySystem) 弓兵（AI）が次の目的地を発見したい。 (i) ゲーム現状 (ii) AIを中心に点をグリッド状に 生成し配置。（Generation）
- 133. PQS (Point QuerySystem) 弓兵（AI）が次の目的地を発見したい。 (i) ゲーム現状 (ii) AIを中心に点をグリッド状に 生成し配置。（Generation） (iii) 足場の悪い点を除く（Filtering） (iv) 敵の近くのポイント、弓が届かな いポイントを除く 。(Filtering) (v) 味方の近くを除く （Filtering）
- 134. PQS (Point QuerySystem) 弓兵（AI）が次の目的地を発見したい。 (i) ゲーム現状 (ii) AIを中心に点をグリッド状に 生成し配置。（Generation） (iii) 足場の悪い点を除く（Filtering） (iv) 敵の近くのポイント、弓が届かな いポイントを除く 。(Filtering) (v) 味方の近くを除く （Filtering） (vi) 最も高い位置にあるポイントを選 択する。 このようにして、自分の最適な戦術位 置を自分自身で発見する。
- 135.
- 136.
- 137.
- 138.
- 139.
- 140.
- 141.
- 142.
- 143.
- 144.
- 145.
- 146.
- 147.
- 148.
- 149.
- 150.
- 151.
- 152.
- 153.
- 154.
- 155.
- 156.
- 157.
- 158.
- 159.
- 160.
- 161.
- 162.
- 163. 意思決定モデル ゴール（目標）ベースAI ルール（規則）ベースAI ビヘイビア（振る舞い）ベースAI 意思決定というものは非常に高度で複雑なプロセスです。 でも、ゲームで用いるいくつかの簡易モデルが存在します。 シミュレーションベース AI ユーティリティ（効用）ベース AI Rule-basedAI State-based AI Behavior-based AI Goal-based AI Utility-based AI 「○○-based AI」とは、○○をAIを構築する基本単位として採用したＡＩということ。 タスク（仕事）ベース AI Task-based AI 意思決定 Simulation-based AI ステート（状態）ベースAI
- 164.
- 165.
- 166.
- 167.
- 168.
- 169.
- 170. 強化学習 （例）格闘ゲームTaoFeng におけるキャラクター学習 Ralf Herbrich,Thore Graepel, Joaquin Quiñonero Candela Applied Games Group,Microsoft Research Cambridge "Forza, Halo, Xbox Live The Magic of Research in Microsoft Products" http://research.microsoft.com/en-us/projects/drivatar/ukstudentday.pptx Microsoft Research Playing Machines: Machine Learning Applications in Computer Games http://research.microsoft.com/en-us/projects/mlgames2008/ Video Games and Artificial Intelligence http://research.microsoft.com/en-us/projects/ijcaiigames/
- 171. 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 19601990 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
- 172.
- 173.
- 174.
- 175.
- 176.
- 177. アーロンのアルゴリズム • 知識ベースの人工知能 (左) 学んだ知識から描く （右）架空のものを学んだものから描く 19851983
- 178.
- 179.
- 180.
- 181. 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
- 182. 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
- 183.
- 184.
- 185.
- 186.
- 187.
- 188.
- 189. 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。
- 190.
- 191. 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
- 192.
- 193. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 194.
- 195.
- 196.
- 197.
- 198.
- 199.
- 200.
- 201.
- 202.
- 203. 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
- 204.
- 205.
- 206.
- 207.
- 208. 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
- 209. 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。
- 210. 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
- 211. IBM Watson in東京大学医学部 • 論文を学習させる。 • 論文を積み上げると富士山ぐらいになりそうな勢 い。＝人間では無理。 • 症状を入れると、論文のリストが出て来る。 症状患者さん IBM ワトソン お医者 さん バックアップ
- 212. IBM Watson in保険会社 • 保険会社の判例を学習させる。 • 一人前になるのに数年かかる。 • かつてはベテランが教えていた。 • タブレットからIBMワトソンがアドバイス 事故 内容 クライアン トさん IBM ワトソン 新人 バックアップ
- 213.
- 214.
- 215.
- 216. 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
- 217.
- 218.
- 219.
- 220.
- 221.
- 222.
- 223.
- 224. 学習過程解析 Volodymyr Mnih, KorayKavukcuoglu, 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
- 225. • 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。
- 227. 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 SuccessfulFailure） http://blog.livedoor.jp/lunarmodule7/archives/1121781.html
- 228. Nvidia「自動運転」 • 専用のグラフィックボードを 開発 • 市場へ向けて投入 •高速道路用など用途別。 http://www.nvidia.co.jp/object/drive-px-jp.html
- 229.
- 230. • 人間には扱えないような大きなデータから、 • 人間では気づかない特徴を学習している。 学習する人工知能から学ぶこと • さらに人間の解釈を通過することなく、 • 直接サービスやアクションを展開する （当然アマゾンの開発者は我々に何を推薦しているか知 らない）
- 231.
- 232. 社会と人工知能 • 人工知能は、オートメーションの新しい姿。 • 人間に近い領域までオートメーションする。 •だから人間には脅威を感じる。 • 人工知能は「社会インフラ」となる。
- 233. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 234.
- 235.
- 236.
- 237.
- 238.
- 239. 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。
- 240.
- 241.
- 242.
- 243.
- 244.
- 245.
- 246.
- 247.
- 248.
- 249.
- 250. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第七章 人工知能と倫理 第八章 まとめ
- 251. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章ゲームと人工知能 第四章 社会と人工知能 第五章 スマート・リアリティ 第六章 人工知能と倫理 第七章 まとめ
- 252.
- 253. 職業は人工知能でなくなるか？ • 自分の職業の内容を細かくリストアップしてみましょう。 • その中の何割かが人工知能で置き換わるか、考える か、専門家に聞いてみよう。 •全くなくなるのではなく、部分的に置き換わる。 • つまり発想を逆にして、人工知能といかに共存する か、その共存の仕方を模索する時代に来た。
- 254. • 朝起きる。 • 電車に乗る。 •メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか？
- 255. • 朝起きる。 • 電車に乗る。 •メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか？ 自分の仕事に何割かが人工知能に置き換わる。
- 256. • 朝起きる。 • 電車に乗る。 •メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか？ 自分の仕事に何割かが人工知能に置き換わる。 ＝これからは人間と人工知能が協調する時代
- 257. • 朝起きる。 • 電車に乗る。 •メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか？ 自分の仕事に何割かが人工知能に置き換わる。 ＝これからは人間と人工知能が協調する時代 ＝人工知能とペアを組んで強いチームが勝つ
- 258. • 朝起きる。 • 電車に乗る。 •メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか？ 自分の仕事に何割かが人工知能に置き換わる。 ＝これからは人間と人工知能が協調する時代 ＝人工知能とペアを組んで強いチームが勝つ ＝ 人間とペアを組むことを前提に人工知能を開発 するべき
- 259.
- 260.
- 261. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章ゲームと人工知能 第四章 社会と人工知能 第五章 スマート・リアリティ 第六章 サービスと人工知能 第七章 人工知能と倫理 第八章 まとめ
- 262.
- 263.