Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

第76回HCD-Netサロン「AIとUXデザイン 」ユーザーのためのAIを設計するために

1,498 views

Published on

第76回HCD-Netサロン「AIとUXデザイン 」ユーザーのためのAIを設計するために
https://www.hcdnet.org/hcd/event/entry-1152.html

report
https://www.hcdnet.org/hcd/column/hcd-1155.html

Published in: Design

第76回HCD-Netサロン「AIとUXデザイン 」ユーザーのためのAIを設計するために

  1. 1. 第76回HCD-Netサロン 「AIとUXデザイン 」 ユーザーのためのAIを設計するために 三宅 陽一郎 三宅陽一郎@miyayou 2018.1.26 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com
  2. 2. 参考文献 https://www.ai-gakkai.or.jp/my-bookmark_vol32-no4/
  3. 3. • 21世紀に“洋ゲー”でゲームAIが遂げた驚異 の進化史。【AI開発者・三宅陽一郎氏インタ ビュー】 • http://news.denfaminicogamer.jp/interview/g ameai_miyake 参考文献
  4. 4. 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
  5. 5. 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
  6. 6. Works (2006-2016) AI for Game Titles Books
  7. 7. 参考文献 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)
  8. 8. 「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 「INNOVATION INSIGTS」 http://wired.jp/innovationinsights/post/analytics-cloud/w/cocreation_with_ai
  9. 9. • 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】
  10. 10. 人工知能とは
  11. 11. 自然知能と人工知能 人間 =自然知能 機械 =人工知能
  12. 12. 機械(マシン) 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
  13. 13. 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
  14. 14. 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
  15. 15. 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) 意識の形成 世界を分節化している
  16. 16. 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
  17. 17. 人間の精神、機械の精神 意識 前意識 無意識 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 人工知能は、人間の知能を機械に移したもの。
  18. 18. 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
  19. 19. 人工知能ブーム 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
  20. 20. 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 Google検索 など AlphaGo など http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html
  21. 21. 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
  22. 22. 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?
  23. 23. 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 ニューラルネットによる人工知能は、 浮き沈みが激しい。
  24. 24. 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 ニューラルネットによる人工知能は、浮き沈みが激しい。 = しかし、人工知能がブームになる時は、 必ず改良されたニューラルネットワークが現れる。
  25. 25. 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
  26. 26. 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
  27. 27. 2 第一次AIブーム(1960年代) • コンピューターは大型のものしかない。 • 人工知能という分野自体が誕生したばかり。 • ニューラルネットという新しい分野のブーム。 19世紀後半 人間の脳は ニューロンという もので出来てい るらしい 20世紀前半 ニューロンの 電気的性質が 解明される (ホジキン博士、 ハクスレー博 士) 1950年代に ニューラルネット 発明 1963年に ホジキン=ハク スレー方程式が ノーベル賞
  28. 28. 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
  29. 29. 3 第二次AIブーム(1980年代) • パソコンが普及して行く。 • ルールを集めて知能を作ろう。 • 逆伝播法によるニューラルネットのブーム。 パソコンが 世の中で 普及して行く 知識主義 = たくさんの知 識を人工知能 に 与えて推論 すれば知能が できる インターネッ トもなく、知識 が足りない。 推論も専門 的な機能の み。
  30. 30. 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
  31. 31. 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。
  32. 32. 4 第三次AIブーム(2010年代) • インターネットが普及して行く。 • インターネットで蓄積されたデータを学習させて 知能を作ろう。 • 改善されたニューラルネットのブーム。 インターネッ トが世の中で 普及して行く データ 学習主義 = たくさんのデー タを人工知能 に学習させる 現在、進行中
  33. 33. 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
  34. 34. 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
  35. 35. 第一章 ゲームAIと人工生命
  36. 36. 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://piposozai.blog76.fc2.com/
  37. 37. 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://piposozai.blog76.fc2.com/
  38. 38. 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)
  39. 39. (例) スペースインベーダー(1978) プレイヤーの動きに関係なく、決められた動きをする (スペースインベーダー、タイトー、1978年)
  40. 40. (例)プリンス・オブ・ペルシャ 「プリンス・オブ・ペルシャ」など、 スプライトアニメーションを用意する必要がある場合、 必然的にこういった制御となる。 (プリンスオブペルシャ、1989年)
  41. 41. 原始の海+光+熱+稲妻 http://us.123rf.com/400wm/400/400/anterovium/anterovium1102/anterovium110200037/8952668-light-beams-from-ocean-surface-penetrate-underwater-through-deep-blue-sea.jpg
  42. 42. ユーリーミラーの実験 ガスから生命の構成要素であるアミノ酸を合成した。 ハロルド・ュ―リーの研究室で、スタンレー・ミラーが実験(1953年) http://ja.wikipedia.org/wiki/%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB:Miller-Urey_experiment_JP.png
  43. 43. 極性頭部 非極性尾部 水と仲良し 水と溶けあえない (参考)永田和宏 「生命の内と外」 (「考える人」(Vol.45))
  44. 44. 自己組織化
  45. 45. 原始の海で構造化=外と内の形成 外 内 Energy
  46. 46. http://28275116.at.webry.info/201005/article_7.html
  47. 47. 原始の海で構造化=外と内の形成 外 内 Energy
  48. 48. エントロピーの法則 時間 エネルギー もしエネルギーが流入しなければ、その系のエントロピー(雑然さ)は増大する。
  49. 49. エントロピーの法則
  50. 50. 構造のヒステリシス Energy 生物=エネルギーが高い状態で ひっかかっている。 なぜ? 構造のヒステリシス
  51. 51. 世界 外と内の交流 エネルギーE をゲット アクション・老廃物 極めてメカニカルな次元。
  52. 52. 世界 外と内の交流=非平衡系 エネルギーE をゲット アクション・老廃物 極めてメカニカルな次元。 内部構造を持つ。 (そして内部構造が維持される)
  53. 53. 世界 外と内の交流=非平衡系 極めてメカニカルな次元。 内部構造を持つ。 INPUT OUTPUT 代謝機能(内部処理)
  54. 54. 散逸構造とは? http://www.jst.go.jp/pr/announce/20090522/ http://www.applc.keio.ac.jp/~asakura/asakura_j/dissipative.html 散逸構造は非平衡系であり、ゆらぎを成長させ、系の自己組織化を促す。 ベナールセル https://www.youtube.com/watch?v=UhImCA5DsQ0
  55. 55. 世界 外と内の交流=散逸構造 極めてメカニカルな次元。 内部構造を持つ。 INPUT OUTPUT 代謝機能
  56. 56. テセウスの船(パラドックス) 船の老朽化した部分を、新しい木に入れ替えているうちに、 全部を入れ替えてしまった。 はたしてこの船は元の船と同一のものであろうか? http://img02.hamazo.tv/usr/j/a/g/jagr/629.jpg
  57. 57. テセウスのパラドックス 物質的構成 = 循環する 物質によらず不変なもの 構造
  58. 58. テセウスのパラドックス 物質的構成 = 循環する 物質によらず不変なもの 構造 情報
  59. 59. だから、こう言える。 生物は物質的存在であると同時に、 情報的存在でもあるのだ。
  60. 60. テセウスのパラドックス 物質 情報 情報 物質 生物は、情報的存在であり、同時に物質的な存在である。 物質は情報に存在を与え、情報は物質に構造を与える。
  61. 61. 情報と物質 情報 物質 生物は、情報的存在であり、同時に物質的な存在である。 物質は情報に存在を与え、情報は物質に構造を与える。
  62. 62. 「情報と物質」から「精神と身体」へ 情報 物質 精神・知性 身体
  63. 63. 精神と身体、そして進化 情報 物質 精神・知性 身体 進化
  64. 64. 世界 外と内の交流=散逸構造 INPUT OUTPUT
  65. 65. 世界 物質的循環 物質 物理的INPUT 物理的OUTPUT 生理的代謝機能
  66. 66. 世界 情報的循環 情報INPUT INFORMATION OUTPUT INFORMATION 情報処理=情報代謝 (つまり思考) 物質的存在としての身体がそうであるように、情報的存在として人間は、 情報を摂取し、記憶し(=情報体としての自分を組み換え)、情報をアウトプット・排泄する。
  67. 67. 世界 情報的・物質的循環 物質 物理的OUTPUT 代謝機能情報INPUT INFORMATION OUTPUT INFORMATION 情報処理=情報代謝 (つまり思考) 生理的代謝機能 物理的INPUT
  68. 68. 世界 情報的循環 情報INPUT INFORMATION =センサー OUTPUT INFORMATION =エフェクター 情報処理=情報代謝 (つまり思考) =意志決定 物質的存在としての身体がそうであるように、情報的存在として人間は、 情報を摂取し、記憶し(=情報体としての自分を組み換え)、情報をアウトプット・排泄する。
  69. 69. 精神と身体、そして進化 情報 物質 精神・知性 身体 人工知能 ハードウェア
  70. 70. 精神と身体、そして進化 情報 物質 精神・知性 身体 人工知能 ハードウェア 知能は生き物の情報的側面である。
  71. 71. ユクスキュルの生物学
  72. 72. 問い 生き物の「視る」とカメラの「視る」は どう違うだろうか? http://www.free-picture.net/reptiles/lizards/chameleon-wallpapers.jpg.html 生物の持つ目は、生物の知能と身体と深く結びついている 能動的な眼であり、 カメラは使用者の意思に従う受動的な眼である。
  73. 73. 主体と客体はどう結ばれるか? 客体 (対象) 関係がない http://sozai-free.com/sozai/00992.html
  74. 74. 主体と客体はどう結ばれるか? 客体 (対象) 関係がない
  75. 75. 主体と客体はどう結ばれるか? 関係がある http://illpop.com/png_insecthtm/aquatic_a02.htm
  76. 76. 主体と客体はどう結ばれるか? 客体 (対象) 関係がある
  77. 77. 主体と客体はどう結ばれるか? 客体 (対象) 関係がある 知覚作用
  78. 78. 機能環 実行器 受容器 知覚と作用で客体を“つかんでいる“ 客体 作用器官 知覚器官 “現実”(主観世界)の構成要素 ユクスキュル/クリサート 「生物から見た世界」 (岩波文庫) 知覚世界作用世界
  79. 79. 機能環 効果器 受容器 知覚と作用で客体を“つかんでいる“ 客体 “現実”(主観世界)の構成要素 ユクスキュル/クリサート 「生物から見た世界」 (岩波文庫) 知覚世界活動世界 作用器官 知覚器官
  80. 80. 機能環 効果器 受容器 客体 活動神経網 知覚神経網 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 (みすず書房) 知覚世界活動世界 知覚微表担体 対象化された機構 活動担体 内的世界
  81. 81. 環世界のスキーム(機能環) 効果器 受容器 客体 活動神経網 知覚神経網 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 (みすず書房) 知覚世界活動世界 知覚微表担体 対象化された機構 活動担体 内的世界 知覚微表(Merkmal) = 客体から送られてくるさまざまな刺激 知覚微表担体(Merkmaltrager) =客体に備わる刺激を発する諸特質 活動担体(Wirkungstrager) =客体の捕捉領域になりうる諸特質
  82. 82. 環世界のスキーム(機能環) 効果器 受容器 客体 活動神経網 知覚神経網 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 (みすず書房) 知覚世界活動世界 知覚微表担体 対象化された機構 活動担体 内的世界 受容器 = 一定の刺激を受け取る + 定められた刺激以外のすべての刺激を捨象する (知覚の統一性)
  83. 83. 機能環 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 (みすず書房) 効果器 受容器 客体 活動神経網 知覚神経網 知覚世界活動世界 知覚微表担体 対象化された機構 活動担体 内的世界
  84. 84. 世界無限 こうした諸々の機能環によって、すべての動物の、その固有の環境と 緊密に連結される。 ユクスキュル「動物の環境と内的世界」(原著:1921, 前野佳彦訳:2012)
  85. 85. 世界無限 こうした諸々の機能環によって、すべての動物の、その固有の環境と 緊密に連結される。 ユクスキュル「動物の環境と内的世界」(原著:1921, 前野佳彦訳:2012)
  86. 86. 世界無限 こうした諸々の機能環によって、すべての動物の、その固有の環境と 緊密に連結される。 ユクスキュル「動物の環境と内的世界」(原著:1921, 前野佳彦訳:2012)
  87. 87. 環世界のイメージ 環世界=「かたつむりの殻」のように、生物それぞれが持ちつつ、 それが世界であり、それ以外の世界へ逸脱できない世界。
  88. 88. 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
  89. 89. 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
  90. 90. 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。
  91. 91. 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://piposozai.blog76.fc2.com/
  92. 92. Haloのムービー
  93. 93. Intelligence World センサー Information Flow エフェクター Agent Architecture
  94. 94. 知能の世界 環境世界 認識の 形成 記憶 センサー・ 身体 記憶体 情報処理過程 情報 統合
  95. 95. 知能の世界 環境世界 認識の 形成 記憶 意思の 決定 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 情報 統合
  96. 96. 知能の世界 環境世界 認識の 形成 記憶 意思の 決定 身体 制御 エフェクター・ 身体 運動の 構成 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 運動創出過程 身体部分 情報 統合 運動 統合
  97. 97. 知能の世界 環境世界 認識の 形成 記憶 意思の 決定 身体 制御 エフェクター・ 身体 運動の 構成 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 対象・ 現象 情報の流れ(インフォメーション・フロー) 影響を与える影響を受ける
  98. 98. 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 Subsumpution Architecture 運動の実現のプロセス = 身体運動の生成
  99. 99. ルンバ (iRobot社) http://chihoko777.exblog.jp/12567471/
  100. 100. 環境世界 認識の 形成 記憶 意思の 決定 身体 制御 エフェクター・身体 運動の 構成 センサー・身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 運動創出過程 身体部分 情報 統合 運動 統合 「構成的自己=知能」 の形成(創造) 存在(身体・記憶) 自分のコア 受け渡し 自我を安定させる 自分を時間と世界 に投げ出す
  101. 101. 第二章 ユーザーエクスペリエンスとAI
  102. 102. 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 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 分散人工知能と言う。
  103. 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 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://piposozai.blog76.fc2.com/」
  104. 104. ユーザーエクスペリエンス • 「ユーザーエクスペリエンス」という言葉があ る。これは「ユーザーの体験」という意味。
  105. 105. デジタルゲームとは? = 多様なユーザーの体験 (ユーザー・エクスペリエンス)を作ること。 楽しい 怖い 爽快 悲しい 不快 うっとうしい 心地よい 集めたい 壊したい 積み上げたい 使いたい 逃げたい 突入したい ぼーとしていたい 退屈 わくわく うんざり あきた ずっとプレイしていたい 集めたい 消費したい 言葉では言えない感覚も…。
  106. 106. ユーザー・エクスペリエンスは 何から成り立っているか? • ビジュアル • サウンド • 操作 • インタラクション • 物語 • AI • …. AIだけでゲームができるわけではない。しかし、 AIなしではなし得ないユーザー・エクスペリエンスがある。
  107. 107. ユーザーエクスペリエンス ユーザー Navigation AI が作る世界 メタAI が作る世界 エージェントAI が作る世界
  108. 108. ユーザーエクスペリエンス ユーザー Navigation AI が作る世界 メタAI が作る世界 エージェントAI が作る世界 「ナビゲーションAI」「メタAI」「エージェントAI」の多層的な仕組みで ユーザー経験を作る。
  109. 109. Halo の事例 • ここでは、Halo (2002、Bungie Studio)の例を 取って、説明する。 • Halo におけるキャラクター(敵・味方)の役割 は、そこで戦場であるという臨場感を出すとこ ろにある。 • そこでキャラクター(敵、味方軍勢)グループ 同士による戦場を再現するAIを作る必要が ある。
  110. 110. Halo の事例 • まずムービーを見てみる。 • ここで着目するのはAIの位置取り。 • 次に相手を撃つタイミング、移動し始めるタイ ミング、という意思決定。 • 最後に、味方同士の協調。
  111. 111. ユーザーエクスペリエンス ユーザー エージェントAI が作る世界 「ナビゲーションAI」「メタAI」「エージェントAI」の多層的な仕組みで ユーザー経験を作る。
  112. 112. Halo AI のアーキテクチャー イベント Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://www.bungie.net/Inside/publications.aspx この図はHaloのキャラクターAIの 意思決定の仕組みを表す図。
  113. 113. Halo AI のアーキテクチャー イベント 発行されるイベント 「敵発見」 「味方死亡」 「ダメージ受けた」 「プレイヤー発砲」 などイベントを抽出 状況解析 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://www.bungie.net/Inside/publications.aspx 演出(セリフ) この中身を見てみよう。 世界(環境)から感覚(Perception) を経て、記憶(Memory)、それを 咀嚼する状況解析(Situation Analysis)を経て、イベントが発行さ れる。
  114. 114. Halo AI の意志決定部分 イベント チャージ, 退却, 隠れる場所を探す グレネードを投げる、車に入る、死体を確認、など。 単純なロジックで1ページ未満の 簡単なコードからなる。「グラントはすぐ逃げる。」 「エリートは傷つくと隠れる。」 「ジャッカルはシールドを持つ。」 など。 各ビヘイビア(振る舞い)はトリガー条件を持ち、 条件を満たすビヘイビアはオン(行動候補)になる。 意思決定 ロジック モーション コントロール FSM Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://www.bungie.net/Inside/publications.aspx
  115. 115. Halo AI のアーキテクチャー イベント 状況解析 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://www.bungie.net/Inside/publications.aspx 演出(セリフ) 最後はアクションを選択して、 モーションを作る。
  116. 116. Halo AI のアーキテクチャー イベント 状況解析 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://www.bungie.net/Inside/publications.aspx 演出(セリフ) このような仕組みで、 各キャラクターは、 各瞬間に意思決定を し続ける。
  117. 117. ユーザーエクスペリエンス ユーザー Navigation AI が作る世界 エージェントAI が作る世界
  118. 118. Halo におけるキャラクターの位置取り • マップに戦術ポイントを埋め込み。 • 戦術ポイントをグルーピング。 • 移動先を決めるために、各ポイン トに対して、以下の要素を計算し て重みを付けて評価する。 – 視線が通るか(LOS, Line of Sight) – ターゲットへの距離 – カバーポイントへ近いかどうか – 味方と敵への距離 – … Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://halo.bungie.net/inside/publications.aspx
  119. 119. Halo におけるキャラクターの位置取り  (左図)はゲーム画面でAIが戦っている。  実際は(中央図)のように、あらかじめ設定された戦術ポイントに立って戦闘をしている。  いくつかの戦術ポイントのうち、どれを選ぶかと言えば、射線(LOS, Line of Sight)などの 情報を基にポイントを評価して選択する。  またプレイヤーの味方グループのキャラクターは、プレイヤーの近くの戦術ポイントに 入ることで、プレイヤーを護衛しているかのような行動を取ることができる。 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://halo.bungie.net/inside/publications.aspx
  120. 120. ユーザーエクスペリエンス ユーザー Navigation AI が作る世界 メタAI が作る世界 エージェントAI が作る世界
  121. 121. メタAIの役割=ゲームの流れを作る AIチーム全体の前進・撤退の 条件をゲームデザイナーが決める。 (おそらくスクリプト) =メタAI
  122. 122. Halo におけるバトルフロー  プログラマは一体一体のAIの思考を作るが、ゲームデザイナーはバトル全体の流れを 作る。  キャラクターのグループは戦術ポイントグループから戦術ポイントグループへ移動する。  ポイントグループを作り、どのキャラクターグループがどこを占拠するべきか、また、どこ に撤退すべきかを、グループごとの攻撃と撤退条件を決定する。  このようにゲームデザイナーは戦場の動き(バトルフロー)全体をデザインする。 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://halo.bungie.net/inside/publications.aspx
  123. 123. 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
  124. 124. バトルフロー制御 エージェント・ アーキテクチャ Haloの3つのAIの構造 ゲームシステム メタAI キャラクターAI 戦術ポイント グルーピング 射線判定 ポイント評価 ナビゲーションAI
  125. 125. 概論:まとめ • Halo のAI全体の仕組みについて説明した。 • 実際のゲームのAIは、複数のAIの連携によっ て組み上げられていることが理解できる。
  126. 126. 第三章 キャラクターを楽しむ
  127. 127. AI_UX = AI User Experience • AI がユーザーと接して、与える体験のことを、 AI_UX (AIユーザーエクスペリエンス)という。
  128. 128. 現実とゲームとAIと。 現実 仮想空間 AI =役に立つ 賢いAI AI =ユーザー をいろいろ な意味で 楽しませる。 アカデミックなAI エンターテインメントAI
  129. 129. AI_UXの課題 • AI_UX には、どのような種類があるか? • AI_UX をコントロールする技術。AIテクノロ ジーとゲームの作り方。 • AI_UX を検証する方法。 • ….
  130. 130. 知能感受性
  131. 131. 人の認識の上に人工知能をどう表れるか? 人 人工 知能 人間は人工知能をどう捉えるか? How it looks ?
  132. 132. 人の認識空間 人の認識の上に人工知能をどう表れるか? 人 人工 知能 人間は人工知能をどう捉えるか? How it looks ? 知能
  133. 133. 人の認識空間 人の認識の上に人工知能をどう表れるか? 人 人工 知能 How it looks ? 知能 人は生存競争の必要上、自分以外の知性を「いち早く」 「どのような能力か」「何を意図しているか?」を感じ取 る能力を持つ。
  134. 134. 人の認識空間 人の認識の上に人工知能をどう表れるか? 人 人工 知能 How it looks ? 知能 人は生存競争の必要上、自分以外の知性を「いち早く」 「どのような能力か」「何を意図しているか?」を感じ取 る能力を持つ。 =知能感受性
  135. 135. 知能感受性 人が自分以外の知性を感受する感性 適切な専門後が設定されていないが、 デジタルゲームAIでは極めて重要な概念 ① 知能感受性は自分自身以上の知性を感じ取ることはできない。 ② 知能感受性は状況によってその感受能力が、 他の感受性以上に変動しやすい。 ③ 知能感受性は、対象とする知性の「存在」「特性(能力)」 「現在の意図」などを感受する。
  136. 136. 知能感受性 知能感受性の 3つのメインファクター ①自分の意図の強さ ②自分の生存の危険度 ③人間との類似性 知能感受性は状況により高まったり低かったりする。 自分の意図の強さ 自分の生存の危険度 相手の人間との類似度
  137. 137. 知能感受性 知能感受性は状況により高まったり低かったりする。 自分の意図の強さ 自分の生存の危険度 相手の人間との類似度 知能感受性の 3つのメインファクター ①自分の意図の強さ = 自分が何かを強くしようとすればするほど、 それを阻害するものに知能を感じる。 ②自分の生存の危険度 = 生存の危険度が増すとそれを脅かす者へ敏感になる。 ③人間との類似性 = 人は自分と似ている(外面、内面)者に 自分と同じレベルの知能を想定する癖がある。 (擬人化が有効な理由) (相手が最初からAIだとわかっていると知性を感じないリ理由)
  138. 138. キャラクターAIの戦略 ①x② 知能方程式 (プレイヤーが相手に感じる知能) = (相手の知能) × (知能感受性) ① 高度な知能を作る。 ② プレイヤーの知能感受性を高める。 (例) FPS、アクションゲーム : プレイヤーを窮地に追い込んでAIに攻撃させる。 感受性が高い状態 x シンプルなAI 戦略ゲーム、ボードゲーム: ゲーム上プレイヤーに強い意図を持たせて (領地を増やしたい、あのカードが欲しい) x 高度な思考AI
  139. 139. 知能方程式 知能方程式 (プレイヤーが相手に感じる知能) = (相手の知能) × (知能感受性) ① 高度な知能を作る。 ② プレイヤーの知能感受性を高める。 つまり、デジタルゲームのAIを作ろうとする時には、 この二つの掛け算を常に考えていなければならない。 知能方程式(デジタルゲームAI版) (プレイヤーが相手に感じる知能) = (AIの知能) × (プレイヤーの知能感受性)
  140. 140. プレイヤーの知能感受性を高める プレイヤーの知能感受性を操作する ①プレイヤーの意図の強さ = プレイヤーに勝ちたいと思わせる プレイヤーにこの手を打ちたい こういうアクションをしたいと思わせる ②プレイヤーの生存の危険度 = 追い込む ③人間との類似性 = 人間と似た手を打つ、 人間と似たアクションを行う、 人間と似たアニメーションをする。
  141. 141. オセロの知能方程式 知能方程式(デジタルゲームAI版) (プレイヤーが相手に感じる知能) = (AIの知能) × (プレイヤーの知能感受性) 演出、ゲーム設定、 プレイヤーの誘導高度なアルゴリズム これまでたくさんの研究 ほとんど研究がない 学術 エンターテインメント
  142. 142. プレイヤーの知能感受性を高める プレイヤーの知能感受性を操作する ①プレイヤーの意図の強さ = プレイヤーに勝ちたいと思わせる プレイヤーにこの手を打ちたい こういうアクションをしたいと思わせる ②プレイヤーの生存の危険度 = 追い込む ③人間との類似性 = 人間と似た手を打つ、 人間と似たアクションを行う、 人間と似たアニメーションをする。
  143. 143. 人と人の関係性とは何か? 人 人 例えばオセロが提供する盤上人と人との関係性とは何でしょう?
  144. 144. デジタルゲームAI実例
  145. 145. 3つの実例 ①プレイヤー の意図の強さ ②プレイヤーの 生存の危険度 ③人間との 類似性 知能 総合 Left 4 Dead △ 〇 低 弾幕 シューティング 〇 ✖ 低 アストロノーカ ✖ △ 高 Killzone 2 〇 高
  146. 146. Left 4 Dead
  147. 147. Left 4 Dead の例 「Counter Strike」の世界的成功 自分たちはなぜ成功したかを徹底的に考察 それは緩急があったからだ。 Counter Strike の「緩急=ペース」はある程度、偶然に作られたかもしれない。 では、そういったゲームが面白くなる最適なペースを、 人工的に常に作り出すことはできないだろうか? メタAI (=AI Director)によってペースを作る。
  148. 148. 第三章 キャラクターを楽しむ
  149. 149. 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 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 分散人工知能と言う。
  150. 150. 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://piposozai.blog76.fc2.com/
  151. 151. 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
  152. 152. 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。
  153. 153. (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 - ゼビウス
  154. 154. 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
  155. 155. 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。
  156. 156. 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
  157. 157. 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
  158. 158. 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, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
  159. 159. メタAIが作用を行う領域 Michael Booth, "The AI 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。
  160. 160. メタAIが作用を行う領域 (AAS=Active Area Set) Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
  161. 161. メタAIが作用を行う領域 (AAS=Active Area Set) Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
  162. 162. 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
  163. 163. 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, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
  164. 164. 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。
  165. 165. 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。
  166. 166. 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。
  167. 167. 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
  168. 168. 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
  169. 169. メタAI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。
  170. 170. 3つの実例 ①プレイヤー の意図の強さ ②プレイヤーの 生存の危険度 ③人間との 類似性 知能 総合 Left 4 Dead △ 〇 低 弾幕 シューティング 〇 ✖ 低 アストロノーカ ✖ △ 高 Killzone 2 〇 高
  171. 171. 第三章 キャラクターを楽しむ
  172. 172. 人間はAIに理解して貰えるとうれしい
  173. 173. 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/ http://dear-croa.d.dooo.jp/
  174. 174. キャラクターAI
  175. 175. キャラクターAI:意思決定 知能とは何か?
  176. 176. 環境 人工知能とは? 身体 人工知能=人工的な存在(=身体)を環境の中で活動させる 入力(センサー) 行動(アウトプット) 知能
  177. 177. 知能の内部世界 環境世界 エフェクター・ 身体 センサー・ 身体
  178. 178. 思考 環境世界 エフェクター・ 身体 センサー・ 身体 記憶
  179. 179. 思考 環境世界 エフェクター・ 身体 センサー・ 身体 記憶
  180. 180. 環境世界 認識の 形成 記憶 センサー・ 身体 記憶体 情報処理過程 情報 統合 記憶
  181. 181. 環境世界 認識の 形成 記憶 意思の 決定 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 情報 統合 記憶
  182. 182. 環境世界 認識の 形成 記憶 意思の 決定 身体 制御 エフェクター・ 身体 運動の 構成 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 運動創出過程 身体部分 情報 統合 運動 統合 記憶
  183. 183. 知能の世界 環境世界 認識の 形成 記憶 意思の 決定 身体 制御 エフェクター・ 身体 運動の 構成 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 対象・ 現象 情報の流れ(インフォメーション・フロー) 影響を与える影響を受ける 記憶
  184. 184. 意思決定モデル ステート(状態)ベースAI 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
  185. 185. 意思決定モデル ステート(状態)ベースAI 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
  186. 186. 意思決定モデル ステート(状態)ベースAI 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
  187. 187. 階層型ゴール指向型プランニングとは?
  188. 188. 一つのゴールはより小さなゴールから組み立てられる Goal Goal Goal Goal
  189. 189. ゴールはより小さなゴールから組み立てられる Goal Goal Goal Goal Goal Goal Goal Goal Goal
  190. 190. 意思決定モデル ステート(状態)ベースAI 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
  191. 191. ユーティリティ・ベース • ユーティリティ・ベースは高度に抽象的な戦術 決定の方法。 • 世界をモデル化し、評価すべき行動群の効用 (ユーティリティ)を数値に還元する。
  192. 192. 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
  193. 193. 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
  194. 194. 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。
  195. 195. 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
  196. 196. 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
  197. 197. 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
  198. 198. 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
  199. 199. 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
  200. 200. 参考文献 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」 (19ページ) (人工知能学会誌、2015) ※PDFをダウンロードできます。 http://id.nii.ac.jp/1004/00000517/
  201. 201. 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-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
  202. 202. キャラクターAI:意思決定 ビヘイビアツリー入門
  203. 203. root バトル 撤退 休憩 攻撃 隠れる 逃走する 足止めする 立ち止まる 回復する トラップ 眠る 回復薬を飲む 弓を放つ 剣を振る 森に潜む 穴を掘る 建物に隠れる 攻撃魔法 氷系 風系プライオリティ プライオリティ シークエンス シークエンス ランダム プライオリティ ランダム プライオリティ ランダム ビヘイビア (末端ノード) 層 層 選択ルール 選択ルール
  204. 204. 強化学習(例) 強化学習 (例)格闘ゲーム キック パン チ 波動 R_0 : 報酬=ダメージ http://piposozai.blog76.fc2.com/ http://dear-croa.d.dooo.jp/download/illust.html
  205. 205. 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/
  206. 206. 意思決定モデル ステート(状態)ベースAI 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
  207. 207. 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, Three States and a Plan: The AI of FEAR http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf
  208. 208. 計画を立てるAI/計画を変更するAI Jeff Orkins, Three States and a Plan: The AI of FEAR http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf
  209. 209. プランニングによる物語生成技術 アレックスはそこで ジャンプして ダンジョンの地図を 手に入れました。 鍵を持っていない 鍵を持っていない 地図を持っていない 地図を持っている 前提条件 あらすじ 結果条件 物語要素
  210. 210. プランニングによる物語生成技術 アレックスは地図を 見ながら鍵の隠され ている宝箱を開きま した。 鍵を持っていない 鍵を持っている 地図を持っている 地図を持っている 物語要素
  211. 211. プランニングによる物語生成技術 アレックスは地図を 見ながら、ダンジョン の出口を 目指しました。 鍵を持っていない 鍵を持っている 地図を持っている 地図を持っている 物語要素 マップフィールドにいる
  212. 212. プランニングによる物語生成技術 アレックスは地図を 見ながら魔王のいる部 屋の扉を開けました。 鍵を持っている 地図を持っている 地図を持っている ラスボスバトルスタート 物語要素
  213. 213. プランニングによる物語生成技術 アレックスは 飛龍を呼んで 空を飛んで城に 返りました。 城にいる 物語要素 マップフィールドにいる
  214. 214. プランニングによる物語生成技術
  215. 215. プランニングによる物語生成技術 「結果条件」と「前提条件」が同じ 物語要素をつなげる =チェインニング
  216. 216. プランニングによる物語生成技術 チェインニングを続けること =プランニング
  217. 217. プランニングによる物語生成技術
  218. 218. プランニングによる物語生成技術 アレックスはそこで ジャンプして ダンジョンの地図を 手に入れました。 アレックスは地図を 見ながら、ダンジョン の出口を 目指しました。 アレックスは 飛龍を呼んで 空を飛んで城に 返りました。
  219. 219. 何を生成するか? 文章 物語構造 コンセプト メアリーは日曜日の朝、 起きると虫になっていた。 メアリーはそのことに特に 驚きもせず、ベッドから這い出て… 虫になる 起きる 這い出る 実存
  220. 220. クロムハウンズ紹介
  221. 221. Openning_Movie.avi クロムハウンズ デモ
  222. 222. クロムハウンズ 発売元 : セガ デザイン : フロムネットワークス 開発元 : フロムソフトウエア (C) SEGA Corporation / FromNetworks, Inc. / FromSoftware, Inc. , 2006 2006年6月、世界7カ国で、同時発売
  223. 223. 一つのゴールはより小さなゴールから組み立てられる Goal Goal Goal Goal
  224. 224. ゴールはより小さなゴールから組み立てられる Goal Goal Goal Goal Goal Goal Goal Goal Goal
  225. 225. クロムハウンズにおける ゴール指向型プランニング パスに沿って 移動する 通信塔を 見つける パスを見つける通信塔 へ行く 通信塔 を占拠 通信塔を 占領する 撃つ 歩く 止まる 通信塔の 周囲に 10秒間いる 戦術、振る舞い 操作 ハウンズ
  226. 226. Conquer_Combas_TeamAI.avi ゴール指向プランニングによって 通信塔を占拠するデモ 左上は階層型プランニングのゴール表示
  227. 227. クロムハウンズ 最終的なゴール総合図 歩く 撃つ 止まる 2点間を 移動 歩く、一度 止まる、歩く 攻撃 する パスを たどる 敵を叩く 味方を 守る 操作層 振る舞い層 戦術層 戦略層 通信塔 占拠 静止 する ある地点へ 行く 本拠地 防衛 敵本拠地 破壊 味方を 助ける 巡回 する 敵基地 偵察 近付く 合流 する 巡回 する 逃げる 後退 する 前進 する 敵側面 へ移動
  228. 228. 個々のAIを、自律した知性(エージェント)として作成し、 互いに相互作用させることで、全体として多様な機能を獲得する マルチエージェント・システムの作り方 マルチエージェント Step1 Step2 Step3 個としてのAIを自律した知性として作る。 AI間の協調関係を定義する。 全体を調整する。 全体としての知性
  229. 229. 個としてのAIを自律した知性として作る Step1
  230. 230. 「常に複数の欲求を持ち、知能がその内から最適な行動を選択する」 クロムハウンズAI コンセプト 複数のゴール ゴールを選択する意思決定機構 人間 AI 人間の心理的な葛藤を人工知能に取り込む
  231. 231. クロムハウンズ ゴール総合図 歩く 撃つ 止まる 2点間を 移動 歩く、一度 止まる、歩く 攻撃 する パスを たどる 敵を叩く 味方を 守る 操作層 振る舞い層 戦術層 戦略層 通信塔 占拠 静止 する ある地点へ 行く 本拠地 防衛 敵本拠地 破壊 味方を 助ける 巡回 する 敵基地 偵察 近付く 合流 する 巡回 する 逃げる 後退 する 前進 する 敵側面 へ移動 状況に応じて、戦略を選ぶ知能が必要 複数のゴール ゴールを選択する意思決定機構 選択
  232. 232. COMの自律的な意思決定過程 本拠地 占拠 敵を叩け 通信塔 占拠 本拠地 防衛 味方機を 助けよ 周囲の状況を反映して意思決定する 評価関数法 意志決定機 構 選択戦略 プランニング どれぐらい状況に適しているか、点数をつけて比較する方法
  233. 233. クロムハウンズ 状況により変動する評価値のイメージ 敵を叩く 味方を 守る 戦略層 通信塔 占拠 本拠地 防衛 敵本拠地 破壊 味方を 助ける 巡回 する 敵基地 偵察 状況に応じて、変動する評価地。 その状況に応じて適したものほど高い点数がつくようにする。 複数のゴール ゴールを選択する意思決定機構
  234. 234. エージェントが意思決定をする仕組み その戦略を達成することで得られる 見返り(S; 重要度) と、 それを達成するための リスク(R; 危険度) の兼ね合い 実行評価値(E) = S * ( 1 –R ) S(73) R(57) S(11) R(8) S(89) R(64) S(24) R(4) S(33) R(80) S(33) R(43) S(33) R(2) 本拠地 破壊 通信塔 占拠 1 E = 24 2 E =12 3 E =6 C E = 20 D E = 32 F E = 3 J E = 21
  235. 235. 通信塔の「重要度 S」 3つのファクターから決まる。 (1) 味方司令部との関係 (通信塔- 敵司令部 ) (2) 敵司令部との関係 (通信塔- 味方司令部) (3) 通信塔同士の関係 (通信塔- Combus ) S = W_1 * 味方司令部との距離による関数 + W_2 * 敵司令部との距離による関数 + W_3 * 隣の通信塔の占拠状態からなる関数 W … 重み S = W_EBase * ( Σ F( L_EBase, L_MapScale ) * Est_Base_NonConstFactor + W_SBase * F( L_SBase, L_MapScale ) + W_InComNet * Est_InComNet W_EBase + W_SBase + W_InComNet = 1 Est_InComNet = W_static * Est_Static_Combus + W_dynamic * Est_Dynamic_Combus Est_Static_Combus = (Connectable_Number - Connected_Number) /Max_Connectable_Number Est_Dynamic_Combus = Connected_Number/Max_Connectable_Number W_static + W_dynamic = 1 …
  236. 236. 通信塔の「重要度 S」 3つのファクターから決まる。 (1) 味方司令部との関係 (通信塔- 敵司令部 ) (2) 敵司令部との関係 (通信塔- 味方司令部) (3) 通信塔同士の関係 (通信塔- Combus ) S = W_1 * 味方司令部との距離による関数 + W_2 * 敵司令部との距離による関数 + W_3 * 隣の通信塔の占拠状態からなる関数 W … 重み
  237. 237. 通信塔の「危険度 R」 3つのファクターによる。 (1) 敵ハウンズが通信塔からどれぐらいの距離にいるか。 (2) ザコ敵がどれぐらいの距離にいるか。 (3) 味方ハウンズが通信塔からどれぐらいの距離にいる R = W_1 * 敵ハウンズの通信塔との距離による関数 + W_2 * ザコ敵と通信塔の距離による関数 + W_3 * 味方ハウンズ通信塔との距離の関数 W … 重み パラメーター と関数の形を調整する 意志決定の形やハウンズの個性が決定 テストをくり返しながら 計 100 近くのパラメーターを調整
  238. 238. 意思決定機構のデモ COMが自分で判断をする様子 をご覧ください。
  239. 239. Evaluation_value_2.avi
  240. 240. 自律型エージェントの実現 リアルタイム パス検索 × リアルタイム ゴール指向型プランニング × 意思決定機構 第1回セミナー 第2回セミナー 第3回セミナー 自律型エージェント 完成 個としてのAIの完成 チームとしてのAIへ
  241. 241. AI間の協調関係を定義する Step2 Step1 Step2 Step3 個としてのAIを自律した知性として作る。 AI間の協調関係を定義する。 全体を調整する。
  242. 242. 集団における知性 クロムハウンズ メンバーの維持 相手チームに対する 状況的優位を築く ①護衛 ②救援 ③戦闘判断 ④集中砲火 勝利のための 統制された行動 ⑤チームAI 最初はチームAIを入れない。 チーム対戦をくり返しながら、必要なAI技術を導入し調整する。 ゴールによる協調 アルゴリズムによる協調 チームAIによる協調
  243. 243. クロムハウンズにおけるマルチエージェント技術 ① 護衛 一体のエージェントが他のエージェントと移動を共にする。 「護衛する」というゴールを用意する 護衛される対象は戦力が少ないか、 移動速度が遅いハウンドが選ばれやすい
  244. 244. Protect_CB_TeamAI.avi
  245. 245. クロムハウンズにおけるマルチエージェント技術 ② 救援 一体のエージェントが窮地にある他のエージェントの戦場に 駆けつける。 「救援する」というゴールを用意する 護衛される対象は体力の残りが少ない ハウンズ 囮に使われる可能性があるので、 あまりに遠かったり、あまりに 体力が少ない場合は、救援に行かない P P P P
  246. 246. 集団における知性 クロムハウンズ メンバーの維持 相手チームに対する 状況的優位を築く ①護衛 ②救援 ③戦闘判断 ④集中砲火 勝利のための 統制された行動 ⑤チームAI ゴールによる協調 アルゴリズムによる協調 新しいAIによる協調
  247. 247. プレイヤーたちの戦力 > 1.4 x エージェントたちの戦力 P プレイヤーたちの戦力 < 1.4 x エージェントたちの戦力 本拠地へ 退却 戦闘! クロムハウンズにおけるマルチエージェント技術 ③ 戦闘判断 エージェントが周りの敵と味方の戦力を計算して 戦うべきか、逃げるべきかを判断する。 P P P P P P P P 戦力比が大きい無駄な戦闘を回避し、常に相手を上回る 戦力を増築してプレイヤーに対抗する デバッグの過程で追加
  248. 248. クロムハウンズにおけるマルチエージェント技術 ④ 集中砲火 複数のエージェントが複数の敵ターゲットに対し ターゲットを統一する その場で戦力が最も低い敵を集中的に攻撃し ダメージの分散を防ぐ P P P 戦闘! その場で戦力が最も低い敵を集中的に攻撃する デバッグの過程で追加
  249. 249. 集団における知性 クロムハウンズ メンバーの維持 相手チームに対する 状況的優位を築く ①護衛 ②救援 ③戦闘判断 ④集中砲火 勝利のための 統制された行動 ⑤チームAI ゴールによる協調 アルゴリズムによる協調 新しいAIによる協調
  250. 250. 「組織としての利益の行動と、個人としての利益の行動は必ずしも一致しない」 組織としての合理性 個人としての合理性 組織と個人 チームAI 人間の組織の葛藤をチームAIに取り込む 個のAI クロムハウンズにおけるマルチエージェント技術 ⑤チームAI を作る クロムハウンズ チームAI コンセプト
  251. 251. 例えば、チームとして こういうことをさせたい 一機だけの戦闘で戦局が 変わることはない。 敵をやっつける時は、なるべく 多 vs 1 になるようにする 実際の戦闘がどうなっているかパターンを集めてみよう 戦力を集中させたい
  252. 252. 例えば、チームとして こういうことをさせたい 勝負が決まり始める後半では、 勝つための方針がばらばらに ならないようにしたい ゲーム後半では、チームAIが 方針を決定する 実際の戦闘がどうなっているかパターンを集めてみよう ゲーム後半では、方針を統一 ゲームメーキング
  253. 253. 例えば、チームとして こういうことをさせたい 敵基地を落とすのは、 火力が必要 1体で行っても、火力が足りない上に 敵が防衛している 本拠地は多数の機体で攻めたい 実際の戦闘がどうなっているかパターンを集めてみよう 勝負をかけるタイミングを あわせたい ゲームメーキング
  254. 254. チームAIの構造 チームAI 意志決定機構 4つの戦略を持ち、評価関数によって、一つの戦略を決定する。 (評価関数による意思決定 = 個体の意志決定と同じ方法) 本拠地 破壊 本拠地 破壊 本拠地 破壊 一つのチーム戦略は、 各機体への命令からなる 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
  255. 255. チームAIの構造 = ゴール指向型の拡張 チームAI 意志決定機構 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 本拠地 破壊 本拠地 破壊敵本拠 地破壊 本拠地 破壊 一つのチーム戦略は、 各機体への命令からなるCOM 1 COM 2 COM 3 本拠地 破壊 本拠地 破壊 本拠地 破壊 プランニング COMのゴール指向プランニングの上に、チームAIを積み上げる
  256. 256. 観察すると、チームAIの判断がある時は正しく、 個体AIの方の判断がある時は正しい 何故か? 個体はハウンズは、自分の廻りの局所的な情報を元に判断 チームAIは、戦局全体の情報を元に判断 両方の判断を比較して正しい方を選択するべきだ
  257. 257. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊 組織としての合理性 個としての合理性
  258. 258. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 実行評価値 :76 実行評価値 :88 × チームAIとCOMの ゴールの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
  259. 259. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 実行評価値 : 64 実行評価値 : 53 × COMが二つの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
  260. 260. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 76 88 × COMが二つの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
  261. 261. チームAIの介入の仕方 1.0 0.0 前半 (5分、或いは、 戦場で一機が 撃墜されるま で) 中盤 (前半終了から5 分) 後半 (中盤終了から5 分) comp_idv comp_team 前半はチームAIより個としてのAIの判断を優先、 後半はチームAIの判断を優勢にしたい。 比較のためのチームAIゴール評価値 = ゴール評価値 x comp_team 比較のためのCOM AIゴール評価値 = ゴール評価値 x comp_idv COM優勢 COM、チーム競合 チーム優勢 チームAIを用いてゲームメーキングを行う 1.2
  262. 262. CORE Layer は、Physical Laryer 、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
  263. 263. CERA-CRANIUM認識モデル http://aigamedev.com/open/article/conscious-bot/
  264. 264. 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。
  265. 265. http://www.botprize.org/2010.html
  266. 266. http://www.botprize.org/2010.html
  267. 267. 第七章 人工知能と創造性
  268. 268. アーロンのアルゴリズム • 知識ベースの人工知能 =対象に対する知識をインプットして描かせる
  269. 269. アーロンのアルゴリズム • 知識ベースの人工知能 = 閉曲線で描くことを学ぶ。 1981
  270. 270. 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
  271. 271. アーロンのアルゴリズム • 知識ベースの人工知能 前後関係を取れるようにする。 1986
  272. 272. 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
  273. 273. 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。 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 宮田一乗「プロシージャル技術の動向」(CEDEC 2008)
  274. 274. ブラウン運動から地形生成 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 https://www.youtube.com/watch?v=m4JDNzwFZFI
  275. 275. ブラウン運動から地形生成 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 http://www.kenmusgrave.com
  276. 276. ブラウン運動から地形生成 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 http://www.kenmusgrave.com
  277. 277. 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。
  278. 278. 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
  279. 279. 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
  280. 280. 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
  281. 281. 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。 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
  282. 282. 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。
  283. 283. 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。 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
  284. 284. スタートポイント、出口、目的地の 自動生成 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
  285. 285. 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 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 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。
  286. 286. 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
  287. 287. 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」 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
  288. 288. アクティブ・エリアセット(Active Are Set) 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 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
  289. 289. 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。 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
  290. 290. メタAI (AI Director,)による 動的ペース調整 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
  291. 291. 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 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
  292. 292. メタAIによる出会うモンスターの数の 大域調整 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 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。
  293. 293. まとめ ©2017 SQUARE ENIX CO., LTD. All Rights Reserved.
  294. 294. 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 命令言語
  295. 295. 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) 話者言語
  296. 296. デジタルの海 要素を集めて積み重ね、構築的に 人工知能を作る = 西欧的人工知能 デジタルの海 人工知能 電子の海から人工知能を見つけ掘り出す = 東洋的人工知能 積み 重ね る 掘り 出す 掘り 出す 積み 重ね る 人工知能
  297. 297. キャラクター文化 人工知能技術 西洋の文化と人工知能
  298. 298. キャラクター文化 人工知能技術 キャラクター・エージェント指向 日本のキャラクター文化と人工知能
  299. 299. キャラクター文化 人工知能技術 キャラクター・エージェント指向 日本のキャラクター文化と人工知能

×