Download as PDF, PPTX
![[小型]アンドロイド型（人型)～動物型
人間が出来ないことをするＡＩ＝人間の側で役に立つＡＩ
アトム
（鉄腕アトム、1952年-）
エイトマン
（エイトマン、1963年）
ドラえもん
(ドラえもん、1973年-)
アナイラザー
(宇宙戦艦ヤマト、1974年-)
ハロ
（ガンダム、1979年）
ゴンスケ
（21エモン、1981年）
ブラックマジック M-66
(M66、1987年)
エイトロン
（ＤＴエイトロン、1998年）
人型！
猫型！
蜘蛛型？！](https://image.slidesharecdn.com/ymiyakeokayamaaihighschool08public-171112024139/85/slide-7-320.jpg)
![[大型]アンドロイド型（人型)～動物型
巨大な体で物語の中心になる
鉄人２８号
（鉄人２８号、1963年-）
ジャイアントロボ
(ジャイアントロボ、1994年-
(実写 1967年))
トランスフォーマー
(トランスフォーマー、1985年-)
タチコマ
(攻殻機動隊、1995年-)
ゾイド
（ゾイド、1999年-）
金属生命体](https://image.slidesharecdn.com/ymiyakeokayamaaihighschool08public-171112024139/85/slide-8-320.jpg)
![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/ymiyakeokayamaaihighschool08public-171112024139/85/slide-85-320.jpg)
![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](https://image.slidesharecdn.com/ymiyakeokayamaaihighschool08public-171112024139/85/slide-131-320.jpg)
![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。](https://image.slidesharecdn.com/ymiyakeokayamaaihighschool08public-171112024139/85/slide-133-320.jpg)
![アフォーダンスとユーティリティ
並木 幸介
[CEDEC]ぽかぽかアイルー村における、アフォーダンス指向のAI事例。AIに多様な振
る舞いをさせる手法 http://cedil.cesa.or.jp/session/detail/697](https://image.slidesharecdn.com/ymiyakeokayamaaihighschool08public-171112024139/85/slide-139-320.jpg)
![アフォーダンスとユーティリティ
並木 幸介
[CEDEC]ぽかぽかアイルー村における、アフォーダンス指向のAI事例。AIに多様な振
る舞いをさせる手法 http://cedil.cesa.or.jp/session/detail/697](https://image.slidesharecdn.com/ymiyakeokayamaaihighschool08public-171112024139/85/slide-140-320.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/ymiyakeokayamaaihighschool08public-171112024139/85/slide-164-320.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/ymiyakeokayamaaihighschool08public-171112024139/85/slide-165-320.jpg)
More Related Content
![SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜](https://cdn.slidesharecdn.com/ss_thumbnails/ts2ssii2022r4-220607054405-1c6b5fc2-thumbnail.jpg?width=640&height=640&fit=bounds)
高校生向け「ゲームの人工知能の作り方」
- 1.
- 2.
- 3.
- 4. Works (2006-2016) AI forGame Titles Books
- 6.
- 7.
- 8.
- 9. 船全体を統制する自律型ＡＩ autonomous AI 人間をサポートするＡＩ、人間を包むＡＩ 銀河鉄道９９９機関部 （銀河鉄道９９９、1978年-） パトレイバーHOS （パトレイバー、1988年） アスラーダ、サイバーシステム （サイバーフォーミュラ・、1991年） オモイカネ （宇宙戦艦ナデシコ、1996年） キャナル （ロストユニバース、1998年） AI ダーナ （フルメタル・パニック、2002年） 雪風 （戦闘妖精雪風、2002年） レオパルドコロニーを操作する （宇宙をかける少女、2009年） ヴェーダ 人類の運命を操作 （ガンダム００、2007年） マリ （星に願いを、2009年）
- 10. 純粋な意思決定機関ＡＩ マギ・システム （エヴァンゲリオン、1995年-） エキスパートシステム 複数のＡＩによる投票システム 169台のコンピューターを並列化した 東京大学のクラスターマシン あから2010 （情報処理学会、2010年-） 複数の将棋ＡＩによる投票システム ＝合議制ＡＩ 女流棋士との対決（2010.10.11） AIの勝利 プロ棋士vsコンピューター -「あから2010」の威力を目撃してきた http://journal.mycom.co.jp/articles/2010/10/12/akara/index.html
- 11.
- 12.
- 13.
- 14. 参考文献 ©2017 SQUARE ENIXCO., LTD. All Rights Reserved. 三宅陽一郎 「大規模ゲームにおける人工知能 ─ファイナルファンタジーXV の実例をもとに─」 (17ページ) （人工知能学会誌、2017 2号）
- 15. 三宅の目標 • キャラクターに意識を持たせたい ＝ 自意識を持たせたい ＝世界を「経験」させたい。
- 16. • ThinkIT https://thinkit.co.jp/author/10026 •AI最前線の現場から【スクウェア・エニックス】
- 17. 目次 • 第一章 人工知能とは？ •第二章 なぜ今、人工知能技術が注目されているか • 第三章 ゲームAIと人工生命 • 第四章 ゲームのための３つの人工知能 • 第五章 事例 • 第六章 意思決定アルゴリズム • 第七章 街の人工知能の作り方 • 第八章 集合の進化 • 第九章 人工知能と創造性
- 18.
- 19.
- 20.
- 21.
- 22.
- 23.
- 24. 目次 • 第一章 人工知能とは？ •第二章 なぜ今、人工知能技術が注目されているか • 第三章 ゲームAIと人工生命 • 第四章 ゲームのための３つの人工知能 • 第五章 事例 • 第六章 意思決定アルゴリズム • 第七章 街の人工知能の作り方 • 第八章 集合の進化 • 第九章 人工知能と創造性
- 25.
- 26. 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
- 27.
- 28. 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
- 29.
- 30.
- 31. 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
- 32. 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
- 33. 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
- 34. 3 第二次ＡＩブーム（1980年代） 0 00 【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。
- 35.
- 36. 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 19902000 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
- 37. 目次 • 第一章 人工知能とは？ •第二章 なぜ今、人工知能技術が注目されているか • 第三章 ゲームAIと人工生命 • 第四章 ゲームのための３つの人工知能 • 第五章 事例 • 第六章 意思決定アルゴリズム • 第七章 街の人工知能の作り方 • 第八章 集合の進化 • 第九章 人工知能と創造性
- 38.
- 39. 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）
- 40.
- 41.
- 42.
- 43.
- 44.
- 45.
- 46.
- 47.
- 48.
- 49. エージェント・アーキテクチャ WORLD INTELLIGENCE センサー エフェクター 認識 Knowledge Making 意志決定 Decision Making 運動 Motion Making 記憶体 Memory 情報体としての知能のカタチ 「情報の循環＝インフォメーション・フロー」は物質の循環の情報版。 これによって知性は自己を情報的に自己組織化できる。やはり知性も散逸構造である。
- 50. ３Ｄゲームの中のＡＩ Halo （ＨＡＬＯ、バンジー、2001年） デバッグ画面 The Illusionof Intelligence - Bungie.net Downloads http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt
- 51. 目次 • 第一章 人工知能とは？ •第二章 なぜ今、人工知能技術が注目されているか • 第三章 ゲームAIと人工生命 • 第四章 ゲームのための３つの人工知能 • 第五章 事例 • 第六章 意思決定アルゴリズム • 第七章 街の人工知能の作り方 • 第八章 集合の進化 • 第九章 人工知能と創造性
- 52.
- 53. 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 エージェントに指示 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 現代ゲームAIの仕組み http://dear-croa.d.dooo.jp/download/illust.html http://www.anne-box.com/
- 54.
- 55.
- 56.
- 57.
- 58.
- 59.
- 60. サブサンプション・アーキテクチャ（ロドニー・ブルックス） INPUT OUTPUT 時間 情報抽象度 反射的に行動 少し場合ごとに対応 抽象的に思考 理論的に考える 言語化のプロセス = 自意識の構築化 SubsumputionArchitecture 運動の実現のプロセス = 身体運動の生成
- 61.
- 62.
- 63. 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/
- 64. F.E.A.R.のプランニング シンボルによる連鎖プランニング ターゲットＡが 死んでいる ターゲットＡが 死んでいる 攻撃 武器が装填 されている 武器が装填 されている 装填する 武器を 持っている 武器を 持っている 武器を拾う 条件なし プラナー プランニング Jeff Orkins, ThreeStates and a Plan: The AI of FEAR http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf
- 65. 計画を立てるＡＩ/計画を変更するＡＩ Jeff Orkins, ThreeStates and a Plan: The AI of FEAR http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf
- 66. CORE Layer は、PhysicalLaryer 、Mission Layer のうちで、 どの認識を生成するかを決定するコマンドを投げる。 CERA-CRANIUM認識モデル Arrabales, R. Ledezma, A. and Sanchis, A. "Towards the Generation of Visual Qualia in Artificial Cognitive Architectures". (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf
- 67.
- 68.
- 69. 2K Bot Prize FPSを用いたチューリングテスト http://aigamedev.com/open/article/conscious-bot/Movie: AIと人間のプレイヤーが混在しながら戦う。 人間と一番間違われたAIが優勝。
- 70.
- 71.
- 72. 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 エージェントに指示 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 現代ゲームAIの仕組み http://dear-croa.d.dooo.jp/download/illust.html http://www.anne-box.com/
- 73. ©2017 SQUARE ENIXCO., LTD. All Rights Reserved. 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 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。 各ノードの評価距離＝出発点からの経路
- 74. ©2017 SQUARE ENIXCO., LTD. All Rights Reserved. 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 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
- 75. 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 - PathfindingA* https://www.youtube.com/watch?v=95aHGzzNCY8
- 76. Counter Strike: PathFollowing (デモ) The Official Counter-Strike Bot http://aigamedev.com/insider/presentation/official-counter-strike-bot/
- 77. Dragon Age Dragon Agepathfinding program put to the test https://www.youtube.com/watch?v=l7YQ5_Nbifo
- 78. 3次元パス検索 ARMORED CORE Vのパス検索 岡村信幸 http://cedil.cesa.or.jp/cedil_sessions/view/593 http://cedil.cesa.or.jp/cedil_sessions/view/591 http://www.4gamer.net/games/100/G010022/20110906085/ https://game.watch.impress.co.jp/docs/news/475938.html
- 79. 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 エージェントに指示 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 現代ゲームAIの仕組み http://dear-croa.d.dooo.jp/download/illust.html http://www.anne-box.com/
- 80. 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
- 81.
- 82. （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 －
- 83.
- 84. 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。
- 85. 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
- 86. 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
- 87. 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
- 88. 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。
- 89. 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
- 90. 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
- 91. 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
- 92. 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
- 93. 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。
- 94.
- 95. 目次 • 第一章 人工知能とは？ •第二章 なぜ今、人工知能技術が注目されているか • 第三章 ゲームAIと人工生命 • 第四章 ゲームのための３つの人工知能 • 第五章 事例 • 第六章 意思決定アルゴリズム • 第七章 街の人工知能の作り方 • 第八章 集合の進化 • 第九章 人工知能と創造性
- 96.
- 97.
- 98. メタＡＩ 戦闘中メタAIが仲間に与える指示としては、 • プレイヤーや仲間のピンチを助けよ • プレイヤーが敵に拘束されているから助けよ •プレイヤーが逃げているから追従せよ • 作戦が発動したのでそれに合わせた行動をせよ • など。このような指令によって、戦闘を引き締めて、戦 闘全体に緩急を与える。
- 99.
- 100. 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
- 101.
- 102.
- 103.
- 104.
- 105.
- 106.
- 107.
- 108.
- 109.
- 110.
- 111.
- 112.
- 113. 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
- 114.
- 115.
- 116.
- 117.
- 118. 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 エージェントに指示 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 現代ゲームAIの仕組み http://dear-croa.d.dooo.jp/download/illust.html http://www.anne-box.com/
- 119. ナビゲーションAI ©2017 SQUARE ENIXCO., LTD. All Rights Reserved.
- 120. 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
- 121. 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
- 122. 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 - PathfindingA* https://www.youtube.com/watch?v=95aHGzzNCY8
- 123. Counter Strike: Path Following(デモ) The Official Counter-Strike Bot http://aigamedev.com/insider/presentation/official-counter-strike-bot/
- 124. 目次 • 第一章 人工知能とは？ •第二章 なぜ今、人工知能技術が注目されているか • 第三章 ゲームAIと人工生命 • 第四章 ゲームのための３つの人工知能 • 第五章 事例 • 第六章 意思決定アルゴリズム • 第七章 街の人工知能の作り方 • 第八章 集合の進化 • 第九章 人工知能と創造性
- 125.
- 126. 意思決定モデル ©2017 SQUARE ENIXCO., LTD. All Rights Reserved. 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-based AI 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
- 127. 一つのゴールはより小さなゴールから組み立てられる ⓒ2016 SQUARE ENIXCO., LTD. All Rights Reserved. Goal Goal Goal Goal
- 128. ゴールはより小さなゴールから組み立てられる ⓒ2016 SQUARE ENIXCO., LTD. All Rights Reserved. Goal Goal Goal Goal Goal Goal Goal Goal Goal
- 129. 意思決定モデル ©2017 SQUARE ENIXCO., LTD. All Rights Reserved. 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-based AI 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
- 130.
- 131. 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
- 132. The Sims における「モチーフ・エンジン」 KenForbus, “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
- 133. 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。
- 134. 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
- 135.
- 136. 効用(Utility)の計算の仕方 W_Hunger X_Hunger W_Hunger(-80) -80 60 W_Hunger(60) Hunger degreeat -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
- 137. 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
- 138. The Sims 3では、多くのムードや欲求が準備される。 行動 対象 GDC09 資料 http://www.gdcvault.com/play/1452/(307)-Breaking-the-Cookie-Cutter
- 139.
- 140.
- 141.
- 142. 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
- 143. 目次 • 第一章 人工知能とは？ •第二章 なぜ今、人工知能技術が注目されているか • 第三章 ゲームAIと人工生命 • 第四章 ゲームのための３つの人工知能 • 第五章 事例 • 第六章 意思決定アルゴリズム • 第七章 街の人工知能の作り方 • 第八章 集合の進化 • 第九章 人工知能と創造性
- 144. 第七章 街の人工知能の作り方 ©2017 SQUAREENIX CO., LTD. All Rights Reserved.
- 145. 古典的なスマートオブジェクト • スマートオブジェクト: 情報を発する • インタラクションに必要なデー タを持つ: –アニメーション – AI ステートマシン – サウンド – など Hunger: -10 Provides: Food
- 146. 目次 • 第一章 人工知能とは？ •第二章 なぜ今、人工知能技術が注目されているか • 第三章 ゲームAIと人工生命 • 第四章 ゲームのための３つの人工知能 • 第五章 事例 第六章 意思決定アルゴリズム • 第七章 街の人工知能の作り方 • 第八章 集合の進化 • 第九章 人工知能と創造性
- 147.
- 148.
- 149.
- 150. 遺伝的アルゴリズムの仕組み 遺伝子 遺伝子 次世代 親① 親② 母集団から優秀な親を ２体ピックアップ 遺伝子を掛け合わせる 次世代の子供を産み出す (selection) (crossover)(production) 現世代 このサイクルをくり返すことで世代を進めて望ましい集団を産み出す 遺伝子 遺伝子
- 151. （例）① GA Racer 遺伝的アルゴリズムによって、遠くまで到達できるレーサーを作成する。 最初はここまでしか たどり着けないけど… だんだんと遠くまで、 たどりつけるようにする。 MatBuckland, "Building Better Genetic Algorithm", 11.4., AI Game Programming Wisdom 2 （CD-ROMにソースコードと実行ファイルがあります） 最初の世代 新世代（１００～世代後）
- 152. （例）②アステロイド 最初、船（△）は隕石（○）に ぶつかってばかり．．． 最初の世代 Brian Schwab, “Geneticalgorithm”, Chapter.20., AI Game Engine Programming, Charles River Media (2004) （CD-ROMにソースコードと実行ファイルがあります） 新世代（４世代後） 次第に隕石を避けることが できるようになる。
- 153. （例）③ムーンランディング（月着陸） ３世代 ２０世代 ３５世代 落下法則（物理法則）のもとで降下ポイントから台座に垂直に着陸する操作を見出す 最初は全く見当違い。だんだんと近付いて来る。 Mat Buckland, Andre Lamothe, “Moon Landings Made Easy ”, chapter.6., AI techniques for game programming, Premier Press (2002) （CD-ROMにソースコードと実行ファイルがあります） 着陸地点 降下開始ポイント 降下開始ポイント 降下開始ポイント
- 154.
- 155. ニューラルネットワークの構造が進化させる 「NEAT」の技術 Mat Buckland, Chapter11, AI techniques for game programming, Premier Press, 2002 (実行ファイルとソースコードがCD-ROMにあります) これまでニューラルネットは、最初に構造を定義した後は変化しなかった。 動的にニューラルネットの構造を変化させる技術 Neuron Evoluation of Augmenting Topologies (NEAT)
- 156. （例）④アストロノーカ 最初はすぐに罠にかかるけど だんだんと罠にかからないようになる MuuMuu, プレイステーション用ソフト「アストロノーカ」（Enix,1998） http://www.muumuu.com/games/astro/ 新世代（５～世代後）最初の世代 野菜 食べたい
- 157. ニューラルネットワークの応用 Black & White（Lionhead,2000） クリーチャーを育てていくゲーム。 クリーチャーは自律的に行動するが、 訓練によって学習させることができる。 ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. http://www.youtube.com/watch?v=2t9ULyYGN-s http://www.lionhead.com/games/black-white/
- 158. Belief – Desire– Intention モデル ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. Desire (Perceptrons) Opinions (Decision Trees) Beliefs (Attribute List) Intention Overall Plan (Goal, Main Object) Attack enemy town Specific Plan (Goal, Object List) Throw stone at house Primitive Action List Walk towards stone, Pick it up, Walk towards house, Aim at house, Throw stone at house Richard Evans, “Varieties of Learning”, 11.2, AI Programming Wisdom
- 159. Belief – Desire– Intention モデル ⓒ2015 SQUARE ENIX CO., LTD. All Rights Reserved. Desire (Perceptrons) Opinions (Decision Trees) Beliefs (Attribute List) Richard Evans, “Varieties of Learning”, 11.2, AI Programming Wisdom Low Energy Source =0.2 Weight =0.8 Value = Source*Weight = 0.16 Tasty Food Source =0.4 Weight =0.2 Value = Source*Weight = 0.08 Unhappines s Source =0.7 Weight =0.2 Value = Source*Weight = 0.14 ∑ 0.16+0.08+0.14 Threshold （0～1の値に 変換） hunger Desire（お腹すいた度）欲求を決定する 対象を決定する それぞれの対象の 固有の情報 他にも いろいろな 欲求を計算 Hunger Compassion Attack（戦いたい） Help ニューラルネットワークの応用 Black & White （Lionhead,2000）
- 160. 目次 • 第一章 人工知能とは？ •第二章 なぜ今、人工知能技術が注目されているか • 第三章 ゲームAIと人工生命 • 第四章 ゲームのための３つの人工知能 • 第五章 事例 第六章 意思決定アルゴリズム • 第七章 街の人工知能の作り方 • 第八章 集合の進化 • 第九章 人工知能と創造性
- 161.
- 162.
- 163.
- 164. 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
- 165. 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
- 166.
- 167.
- 168.
- 169. 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
- 170.
- 171.
- 172.
- 173.
- 174.
- 175.
- 176. 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。
- 177.
- 178. 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