2017年11月9日　秋葉原における英語教育におけるシンポジウムにて、人工知能と教育の可能性について。

1. 『人工知能が啓く教育の可能性』
三宅陽一郎 @miyayou
（日本デジタルゲーム学会理事）
2017.11.9 秋葉原UDX
https://www.facebook.com/youichiro.miyake
http://www.slideshare.net/youichiromiyake
y.m.4160@gmail.com
https://www.digital-knowledge.co.jp/archives/13954/

2. My Works (2004-2017)
AI for Game Titles
Books

3. 人工知能の歴史
１９５６年 １９８６年 ２０1６年
人工知能
発祥
日本人工知能学会
発足
現在

4. 自然知能と人工知能
人間
＝自然知能
機械
＝人工知能

5. 人間と人工知能が協調して仕事をする時代に
人間
＝自然知能
機械
＝人工知能

6. 人工知能を、理解する
人工知能に、人間を理解させる。

7. 人工知能の歴史

8. 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

9. この３００年の技術の動向
社会
機械レイヤー
情報処理レイヤー
人工知能レイヤー

10. 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

11. 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

12. 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
（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）
IBM ワトソン
Gooogle検索
など
AlphaGo
など

13. 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

14. ニューラルネットを理解しよう 数学的原理
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？

15. 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

16. 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

17. 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

18. 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

19. 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。

20. 4 第三次ＡＩブーム（2010年代）
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）
データベース
新しい学習法＝
ディープラーニング
データベース
検索エンジン
キーワード 検索結果
検索
人
次の章で
説明
します

21. 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

22. 「人工知能＝ディープラーニング」ではない
人工知能
ニューラルネット
ディープラーニング

23. 人工知能は二種類ある。
直観型＝コネクショニズム
論理型＝記号主義

24. 人工知能のさまざまな応用

25. 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

26. 人
人工
知能
「人」の代わりに人工知能

27. 人
人工
知能
「人」の間に人工知能
人

28. 人
人工
知能
「人」の間に人工知能
人
いつ空いている？ えーと…

29. 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？

30. 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

31. 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。

32. 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
要件クライ
アントさん
IBM
ワトソン
オペレーター
バックアップ

33. 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

34. 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

35. IBM ワトソン
IBMワトソンは、
社内の暗黙知を吸収し蓄積する。

36. 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

37. • 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）

38. 学習する人工知能 から学ぶこと
ユーザー
データ
AI

39. 人工知能は
電気、ガス、インターネットのように
社会インフラとなる。

40. 知能と「フレーム」

41. 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。
フレーム問題

42. フレームとは？
フレーム＝問題設定＝「題材と操作とゴール」を与える
（例）題材＝積み木
操作＝積み木を載せる、積み木を下す、ことができる
ゴール＝初状態から目的の状態を作り出す
(Simple case)
Initial
State
GOALTask１
Carry A to Ground
Task2
Carry B to Ground
Task3
Carry C on B
A
B
C
B
C
AA
B
C A BC A
C
B
Task3
Carry A on C

43. 人間の知能の形/人工知能の形
人間（生物）の知能＝総合的知能
＝一つの知能がいろんなことをできる＝フレームを創造・変化できる
お料理できる
将棋が打てる
目的地へ行ける
何でもできる可能性を
持つ総合知性
車が運転できる 言葉を話すことができる

44. 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。

45. 人間の知能の形/人工知能の知能の形
お料理ロボット
＝お料理しかできない
AlphaGO
＝囲碁しか打てない
ナビ
＝目的地へのルート
お掃除ロボット
＝お掃除しかできない
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
人工知能＝専門的知能
一つのことしかできない。一つのことがとても得意。

46. 人工知能は自分で問題（フレーム）を
作れない。
与えられた問題の中で、人間より賢くなる。
これからの時代に必要な能力
＝問題を作る能力
＝人工知能を使役する能力

47. サービスと人工知能

48. 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
• その時、人工知能はアプリケーションではなく、
社会インフラとなる。新しく大きな市場。

49. 情報空間の拡大
～人工知能の舞台が広がる
http://www.s-hoshino.com
ビックデータ
インフラ
としてのAI

50. 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。

51. • 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？

52. • 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。

53. • 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

54. • 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

55. • 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
＝ 単独の人工知能ではなく

56. 単独の人工知能
人間とペアを
組む人工知能
社会
インフラ
パーソナル・
サービス
人間の心
人と人の間
/モバイル
システム
/ビックデータ
二つの人工知能

57. 人工知能は二種類ある。
社会インフラとなる人工知能。
個人をアシストする人工知能。
二つともこれからのビジネス。

58. ゲームAI

59. 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。
http://dear-croa.d.dooo.jp/download/illust.html

60. 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。
http://dear-croa.d.dooo.jp/download/illust.html
http://piposozai.blog76.fc2.com/

61. 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
http://dear-croa.d.dooo.jp/download/illust.html
http://piposozai.blog76.fc2.com/

62. 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。

63. このＡＩはどう組むか？
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。
http://dear-croa.d.dooo.jp/download/illust.html
http://piposozai.blog76.fc2.com/

64. このＡＩはどう組むか？
地形データ
（Way Points）
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。（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
http://piposozai.blog76.fc2.com/

65. 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
http://piposozai.blog76.fc2.com/
人工知能 ＝ 知識 × 思考

66. ゲームの人工知能は、
誰もが接したこののある
わかりやすい人工知能
＝教育に使ってみよう

67. 人工知能
＝ 知識 ｘ 思考

69. ゲームの教育への応用（シリアスゲーム）
• 東京大学 藤本徹先生
https://www.facebook.com/LudixLab
• 日本大学 古市研究室
http://www.su.cit.nihon-u.ac.jp/lab/furuichi/
• 日本デジタルゲーム学会
• マインクラフト

70. ゲームの教育への応用（シリアスゲーム）
• 東京大学 藤本徹先生
https://www.facebook.com/LudixLab
• 日本大学 古市研究室
http://www.su.cit.nihon-u.ac.jp/lab/furuichi/
• 日本デジタルゲーム学会
• マインクラフト

71. メタAI

72. 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。
http://dear-croa.d.dooo.jp/download/illust.html

73. 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。

74. （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 －

75. 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

76. 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

77. 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

78. 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。

79. 人がコンテンツにより添う （これまで）
コンテンツ
（教育）
人
（知能）
適応する

80. コンテンツが人により添う （これから）
コンテンツ
（人工知能）
人
（知能）
適応する

81. コンテンツが人により添う （これから）
教育
（人工知能）
人
（知能）
適応する

82. 同じコンテンツをたくさんの人に与える
（これまで）
それぞれの人にコンテンツを合わせる
（人工知能）

83. 人間らしいAIを作る

84. The Sims シリーズのＡＩの作り方
人をダイナミクス（力学系、動的な数値の仕組み ）として動かす。
世界を動かす PeerAI(=キャラクターＡＩ) を構築。
Sub
Peer
Meta
Meta
Peer
Sub
[原則] 周囲の対象に対する、あらゆる可能な行動から、
ムード（幸せ） 係数を最大化する行動を選択する。
Sims (not under direct player control) choose what to do by selecting, from all of the
possible behaviors in all of the objects, the behavior that maximizes their current happiness.
Will Wright, AI: A Design Perspective (AIIDE 2005)
http://www.aaai.org/Papers/AIIDE/2005/AIIDE05-041.ppt
Kenneth Forbus, Will Wright, “Some notes on programming objects in The Sims – Example”
http://www.qrg.cs.northwestern.edu/papers/Files/Programming_Objects_in_The_Sims.pdf

85. オブジェクトに仕込むデータ構造
Data (Class, Sate)
Graphics (sprites, z-
buffers)Animations (skeletal)
Sound Effects
Code (Edith)
-Main (object thread)
-External 1
-External 2
-External 3
パラメーター
グラフィックス
アニメーション
サウンド
メインスレッド
いろいろなインタラクションの仕方
Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern大学、講義資料) ※IEで見てください。
http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm
Kenneth Forbus, Will Wright, “Some notes on programming objects in The Sims – Example”
http://www.qrg.cs.northwestern.edu/papers/Files/Programming_Objects_in_The_Sims.pdf

86. The Sims における「モチーフ・エンジン」
Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern University)
http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm
Data
- Needs
- Personality
- Skills
- Relationships Sloppy - Neat
Shy - Outgoing
Serious - Playful
Lazy - Active
Mean - Nice
Physical
- Hunger
- Comfort
- Hygiene
- Bladder
Mental
- Energy
- Fun
- Social
- Room
Motive Engine
Cooking
Mechanical
Logic
Body
Etc.
AIの人格モデル

87. 最適（＝最大効用）な行動を選択する
Hunger +20
Comfort -12
Hygiene -30
Bladder -75
Energy +80
Fun +40
Social +10
Room - 60
Mood +18
Toilet
- Urinate (+40 Bladder)
- Clean (+30 Room)
- Unclog (+40 Room)
Mood +26
Bathtub
- Take Bath (+40 Hygiene)
(+30 Comfort)
- Clean (+20 Room)
Mood +20
[原則] 周囲の対象に対する、あらゆる可能な行動から、
総合的な効用 （＝Mood） を最大化する行動を選択する。

88. ムードの計算方法と各パラメーターのウェイトグラフ
Mood = W_Hunger(X_Hunger) * X_Hunger + W_Engergy(X_Energy) * X_Energy + …
-100 0 100 -100 0 100
-100 0 100 -100 0 100
-100 0 100 -100 0 100
-100 0 100 -100 0 100
W_Hunger W_Energy
W_Comfort W_Fun
W_Hygiene
W_Social
W_Bladder W_Room

89. 効用(Utility)の計算の仕方
W_Hunger
X_Hunger
W_Hunger(-80)
-80 60
W_Hunger(60)

90. 効用(Utility)の計算の仕方
W_Hunger
X_Hunger
W_Hunger(-80)
-80 60
W_Hunger(60)
Hunger degree at -80 ＝ W_Hunger(-80)*(-80)
Hunger degree at 60 ＝ W_Hunger(60)*(60)
Δ ＝ W_Hunger(60)*(60) - W_Hunger(-80)*(-80)
Utility for hunger

91. 限界効用逓減の法則
X_Hunger
W_Hunger(-80)
-80 60
W_Hunger(60)
Δ（-80 → 60）＝W_Hunger(60)*(60) - W_Hunger(-80)*(-80)
Δ (60→90） ＝W_Hunger(90)*(90) - W_Hunger(60)*(60)
90
W_Hunger(90)
Δ（-80 → 60） is much larger than Δ(60→90）
ある程度満たされたものを満たすより、
満たされないものをある程度満たす方が大きな満足をもたらす
Utility for hunger
ビールは一杯目が一番おいしい

92. 人工知能を知る（作る）
＝人間を知ること

94. 人間にとって人工知能とは

95. 西欧的知能感
神
人間
人工
知能
垂直的知能感
人間に似ていれば
似ているほど良い。
＝ Human-like AI

96. 東洋的知能感
神
人間
人工
知能
鹿
ゾウリ
ムシ
初音
ミク
AIBO たま
ごっち
水平的知能感
すべてに神が宿る
（「八百万の神」世界観）

97. 一つの体験
経験２
さまざまな現実
人間は一つの体験をさまざまな経験に変形しながら学習していく
メタファー
知能とメタファー

98. 一つの知的機能
経験２
さまざまな現実
人工知能はたくさんの体験から一つの知的機能を学習する
知能とメタファー
抽出

99. 会話ってなんだろう？
http://gahag.net/001633-animal-set/

100. 言語とは世界の分割である

101. シロアリ
をつまむ
観察され
た構造
行動の
構造
行動の
対象物
シ
ロ
アリ
階層0
シロアリ
を棒で釣る
階層1
シ
ロ
アリ
棒
ヤシの種を台
石に載せてハ
ンマーで叩く
階層2
ヤ
シ
の
種
台
石
ハ
ン
マ
｜
台石の下に別の台石
をかませてその上に
ヤシの種をのせてハ
ンマーで叩く
階層3
ヤ
シ
の
種
台
石
ハ
ン
マ
｜
台
石
松沢哲郎「チンパンジーの心」(岩波書店、2000) より
言語構造＝世界の理解の仕方

102. ペットボトルノート
ノートパソコン
机
左にある
右にある
奥にある奥にある
上にある上にある
イス
下にある
足が四本ある
平板がある
背もたれがある
木でできている
シンボルと世界

103. けものをのけものにしない
日本語で難易度の高い例文（考えてみよう）

104. けものをのけものにしない
日本語で難易度の高い例文（考えてみよう）
コンピュータが内容を理解するためには、意味ある文章にするためには、
AIで良く使われる形態素解析という行為が必要です。
人間で言うと品詞分解です。

105. 生起コスト
「けものをのけものにしない」の形態素解析の例
け もの
を
の け も の
に
け も の
の け も の
し な いけ の
に し
し
ない
もの
28
名詞：毛
44
名詞：物
48
名詞：獣
57
助詞：を
8
名詞：獣
57
の け も の
助詞：の
27
名詞：のけもの 77
動詞：のけ
17
名詞：物
37
名詞：野
27
名詞：毛
31
名詞：藻
67
助詞：の
8
助詞：に
7
名詞：竹刀
97
名詞：西
22
動詞：する変形
11
助動詞：ない
5
10
10
51
71
11
11
27 27 20
35
15
9
32
17
17
17
32 45
23
13
5
17
連接コスト
品詞
推定

106. 人工知能は現実が苦手

107. 「なぜ人工知能は人と
会話ができるのか？」
https://miyayou.com/

108. 人工知能を考えるお薦め本：未来の二つの顔

109. 『人工』知能と知能を考えるための61冊を読む
http://www.bnn.co.jp/wp-bnn/wp-content/uploads/2016/09/AI_BOOK_LIST_re2.pdf

110. 人工知能学会「私のブックマーク」
https://www.ai-gakkai.or.jp/resource/my-bookmark/

112. 自然知能と人工知能
人間
＝自然知能
機械
＝人工知能
人間が人工知能を理解する。
人工知能が人間を理解する。