ゲームAI製作のためのワークショップ（I）

1. 三宅陽一郎ゲームＡＩ製作のためのワークショップ（I）三宅陽一郎@miyayou 2016.9.7 @横浜 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com

2. Works (2006-2012) AI for Game Titles Books

3. 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

4. ゲームＡＩの役割ユーザーの知的体験を作ること。知能と出会うこと賢い！と思うこと。知能戦を戦っていると思うこと。相手に意志を感じること。

5. 知能方程式ユーザーの知的体験＝ユーザーの心理ｘキャラクターの賢さ人工知能

6. 知能方程式ユーザーの知的体験＝ユーザーの心理ｘキャラクターの賢さ人工知能ゲームの状況

7. 知能方程式 http://mmorpg18.com/real/raiderz/ モンスターと「あと一撃で戦闘不能」な時に会うのと、モンスターと「ＨＰがまんたん」の時に出会うのでは、心理が違う。

8. 知能方程式ユーザーの体験＝ユーザーの心理ｘキャラクターの賢さ人工知能ゲームの状況ユーザーを追い込む

9. 知能方程式好きなキャラクタ－に言われるのと、どうでもいいキャラクターに言われるのは違う。ありがと http://www.jp.playstation.com/software/title/jp0571npjj00313_000000000000000001.html

10. 知能方程式ユーザーの体験＝ユーザーの心理ｘキャラクターの賢さ人工知能ゲームの状況ユーザーを追い込むユーザーを心理を引き出す

11. 知能方程式ユーザーの体験＝ユーザーの心理ｘキャラクターの賢さ人工知能ゲームの状況状況を作り出すことで、ユーザーを追い込むユーザーの心理を引き出すゲームデザイナーの仕事

12. キャラクターのリアリティ • ユーザーから何を引き出すか？ゲームの状況ユーザーユーザーから引き出すものキャラクターのリアリティ

13. 知能方程式ユーザーの体験＝ユーザーの心理ｘキャラクターの賢さ人工知能ゲームの状況ユーザーを追い込むユーザーを心理を引き出す＝状況を作り出すゲームデザイナーの仕事エンジニアの仕事

16. ワークシート（１）５分 • どんなユーザーの体験を作りたいか？

17. ワークシート（２）５分 • そのためのユーザーをどのような心理状況に追い込むか？

18. ワークシート（３）５分 • そのために必要なキャラクターの賢さとは？

19. ディスカッション • 天敵として出て来る。 • 種族が反映する幸せ。子供たちを全員やっつけてしまう。幸せなところから絶望に陥れる。自分より敵の方が基本性能が高い。強い敵に対して、立ち向かう。ユーザーから闘争心を引き出す。 • 天敵なので、プレイヤーが嫌がることをする。これを嫌だというものを優先的に選択する。プレイヤーの行動履歴を解析して判断して選択する。報復度、恨みパラメーターが変化する。自キャラが孵化するタイミングを狙う。

20. ディスカッション＜２＞ • 敵を全滅させたい。 • 全滅させたい＝敵を全滅させるのを見せる。食べている。マップを侵略されている感を入れる。スプラトゥーンのように塗る。ジェノサイド。違う種族を作る。一機でも残るとドロー。ユーザーから危機感を引き出す。 • 危機感をあおるパターンを考える。ただひたすら増える。攻撃して来る。危機感をあおるシチューションを作る。１００匹まで増える。

21. ディスカッション＜１＞ • 敵を追い込んでくる。パックマンのように緊張と緩和。 • 連携プレイ。青筋が立っている。よだれが出ている。絵で見て。演出する。ユーザーから恐怖心を引き出す。 • 逃げ切れるか、逃げきれないか、わからないようなAIの仕組み。スピードに焦点を入れて、アイテム取り合いになった時に、もしかしたら、取れるかもと思わせる。アイテムの取り合いになるように微妙な位置にアイテムを出現させる。スピードを調整する。

22. 敵キャラクターを作ろう頭の中

23. 敵キャラクターの二つの作り方外から作る方法内から作る方法

25. 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ましょう。

26. このＡＩはどう組むか？プレイヤーキャラクター岩地面池（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。Ａ B

27. このＡＩはどう組むか？プレイヤーキャラクター岩地面池（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。Ａ BＡこれは、まず書く人の思考がまずあり、その結果を指示として書いています。

28. このＡＩはどう組むか？プレイヤーキャラクター岩地面池Ａ BＡつまりＡＩ自身は何も知らない、命令を受けるだけの操り人形なわけです。これは古典的な作り方です。 http://septieme-ciel.air-nifty.com/nikubanare/2007/08/post_3c38.html 、（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。

29. このＡＩはどう組むか？プレイヤーキャラクター岩地面池Ａ BＡ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からです。 http://septieme-ciel.air-nifty.com/nikubanare/2007/08/post_3c38.html 、（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。

30. 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)

31. 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に埋め込んであげる必要があります。

32. 内から作る方法 https://build.cloud.unity3d.com/share/W1TeqjaSu-/

33. 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ます。

34. 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ます。（ネットワークグラフの問題に帰着）

35. ナビゲーションＡＩこのＡＩはどう組むか？プレイヤーキャラクター岩地面池、ステップ２：地形データをもとに考える思考を与える。地形データを用いた思考地形データ（Way Points）

36. ナビゲーションＡＩ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ます。（ネットワークグラフの問題に帰着）最短経路を計算地形データを用いた思考

37. 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 - Pathfinding A* https://www.youtube.com/watch?v=95aHGzzNCY8

38. Counter Strike: Path Following (デモ) The Official Counter-Strike Bot http://aigamedev.com/insider/presentation/official-counter-strike-bot/

39. Dragon Age : Way Point Dragon Age pathfinding program put to the test https://www.youtube.com/watch?v=l7YQ5_Nbifo

40. ナビゲーションＡＩ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ます。（ネットワークグラフの問題に帰着）最短経路を計算地形データを用いた思考

41. ナビゲーションＡＩ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ます。（ネットワークグラフの問題に帰着）地形データを用いた思考最短経路を計算

42. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）ネットワークグラフに可視判定の情報を埋め込む。地形データを用いた思考

43. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）ネットワークグラフに可視判定の情報を埋め込む。ここの点グループはお互いが見えている。ここの点グループはお互いが見えている。地形データを用いた思考

44. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）ここの点グループはお互いが見えている。ここの点グループはお互いが見えない。ネットワークグラフに可視判定の情報を埋め込む。地形データを用いた思考

45. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）プレイヤーからキャラクターが見えている。地形データを用いた思考

46. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）プレイヤーからキャラクターが見えていない。地形データを用いた思考

47. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）プレイヤーからキャラクターが見えていない。地形データを用いた思考

48. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）プレイヤーから見つけて貰うためにプレイヤーからキャラクターが見えるように動く。地形データを用いた思考

49. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）地形データを用いた思考プレイヤーから見つけて貰うためにプレイヤーからキャラクターが見えるように動く。

52. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）プレイヤーからキャラクターが見えない位置に動く。地形データを用いた思考

53. 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３：最後に、いつプレイヤーの攻撃を仕掛けるか、逃げるか、を決定する思考を作ります。地形データを用いた思考意思決定思考

54. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）攻撃するか？隠れるか？牽制するか？を選ぶ思考。＝意思決定思考意思決定思考地形データを用いた思考

55. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）攻撃する意思決定思考地形データを用いた思考

56. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）牽制する。（＝見える場所に行く）意思決定思考地形データを用いた思考

57. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）隠れる。（＝プレイヤーから見えない場所に行く）意思決定思考地形データを用いた思考

58. 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）、これで、キャラクターを知能化することができました。地形データを用いた思考意思決定思考

59. ＡＩを作る人間地形データ（Way Points）地形データを用いたロジックオブジェクトを用いたロジック

60. ＡＩを作る人間地形データ（Way Points）地形データを用いたロジックオブジェクトを用いたロジックここでキャラクターに知能を与えたプロセスを振り返ってみましょう。ステップ１：知識を与えた。ステップ２：知識の上で操作する思考を与えた。ステップ３：自分の意志を決定する思考を与えた。

61. 知識思考ＡＩを作る人間地形データ（Way Points）地形データを用いた思考意思決定の思考知識を（データ）表現する。（知識）知識に基づいて思考する。（ＡＩ思考） AI自身に「知識」と「知識の上の思考」を与えることが知能を作る基本です。

62. 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知識を（データ）表現する。（知識）知識に基づいて思考する。（ＡＩ思考）「知識」と「その上の思考」をどんどん増やして行くことでＡＩは成長します。

63. 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知能＝知識ｘ思考

64. 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これでキャラクター自身が知能を持ちました。キャラクターの持つ知能をキャラクターＡＩと言います。

65. 知能方程式ユーザーの体験＝ユーザーの心理ｘキャラクターの賢さ人工知能ゲームの状況ユーザーを追い込むユーザーを心理を引き出す

66. 第一知能方程式ユーザーの体験＝ユーザーの心理ｘキャラクターの賢さ人工知能ゲームの状況

67. 第二知能方程式知能＝知識ｘ思考考えるゲームを知識として表現すること

68. 知能方程式人工知能＝知識ｘ思考考えるゲームを知識として表現することユーザーの体験＝ユーザーの心理ｘキャラクターの賢さ人工知能ゲームの状況

69. 外から作る方法

70. ワークシート（４）５分 • 敵キャラクターが持たなければならない知識とは何か？

71. ワークシート（５）５分 • 敵キャラクターが知識を使って実現するべき知的機能とは何か？

72. ディスカッション • 天敵として出て来る。 • 種族が反映する幸せ。子供たちを全員やっつけてしまう。幸せなところから絶望に陥れる。自分より敵の方が基本性能が高い。強い敵に対して、立ち向かう。ユーザーから闘争心を引き出す。 • 天敵なので、プレイヤーが嫌がることをする。これを嫌だというものを優先的に選択しする。プレイヤーの行動履歴を解析して判断して選択する。報復度、恨みパラメーターが変化する。自キャラが孵化するタイミングを狙う。 • プレイヤーの幸福度を測る。行動ログを取っておく必要がある。いつ、どこで、何をしたか。どこで卵を産んだか、どこで食べたか。取り続けられるのかな。プレイヤーが何を大事にしているかを計測する。 • 行動ログがあって位置情報があって、いつどこで何をしたかを、プレイヤーがどんな道をたどったか、うろうろしたか、卵を産んだ場所を推測して、そこに行く。

73. ディスカッション • 敵を全滅させたい。 • 全滅させたい＝敵を全滅させるのを見せる。食べている。マップを侵略されている感を入れる。スプラトゥーンのように塗る。ジェノサイド。違う種族を作る。一機でも残るとドロー。ユーザーから危機感を引き出す。 • 危機感をあおるパターンを考える。ただひたすら増える。攻撃して来る。危機感をあおるシチューションを作る。１００匹まで増える。 • 地形データ、食べ物のデータ、視界のデータ、状況確認、支配率。敵と味方の状況。AIの目標。食べるのを主とするか、増やすのを主とするのか、ユーザーの行動ログ。 • 経路探索とパターン。食べ物食べる、敵を攻撃する、逃げる、隠れる、味方に食べ物を譲る。自分から食べられに行く＝囮。動かないで戦略を集中する。

74. ディスカッション • 敵を追い込んでくる。パックマンのように緊張と緩和。 • 連携プレイ。青筋が立っている。よだれが出ている。絵で見て。演出する。ユーザーから恐怖心を引き出す。 • 逃げ切れるか、逃げきれないか、わからないようなAIの仕組み。スピードに焦点を入れて、アイテム取り合いになった時に、もしかしたら、取れるかもと思わせる。アイテムの取り合いになるように微妙な位置にアイテムを出現させる。スピードを調整する。 • 地形データ・どっちがどっちに食べられるか。ゲームの基本ルール。壁の位置、不変のもの。変化するもの。 • 知識を使って選択をする。追い込むのか、逃げるのかを判断することができる。プレイヤーの操作を応じて、どういう振る舞いをするかを選ばせる。やって来た行動、傾向を出す。

75. ゲームの基本データ３つ 1. 描画データ CG 2. 当たりモデル物理 3. 知識表現 AI

76. 描画データ描画データ

77. 衝突モデル（当たりモデル）キャラクター衝突データオブジェクト衝突データオブジェクト衝突データ床物理的インタラクション

78. 知識表現データ知識表現データ

79. 知識表現データ知識表現データ知識表現データ知識表現データ

80. 知識表現データ知識表現データ知識表現データ知識表現データ情報の受け渡し（例）私は座標（2.1, 3.4, 5.6）にいる。薬草は体力を回復する（例）私は座標（2.1, 3.4, 5.6）にいる。薬草は体力を回復する（例）これは岩である。動かすことはできない。側の点に隠れることができ

81. 知識表現・世界表現仮想世界の知性＝人工知能 WORLD 人工知能は生物のように世界をそのまま認識・解釈できるだろうか？仮想世界の知性＝人工知能 WORLD AIが世界(物・事・空間など)を解釈できるように、世界をうまく情報表現する＝知識表現 (KR、Knowledge Representation) 知識表現（KR）

82. ゲーム世界世界をリアルタイムに解釈知識表現と作用世界・知覚世界 AIはそのままでは理解できない。

83. ゲーム世界世界をリアルタイムに解釈知識表現と作用世界・知覚世界 AIはそのままでは理解できない。現在の人工知能のレベルは難しい

84. ゲーム世界知識表現知識表現と作用世界・知覚世界 AIはそのままでは理解できない。

85. ゲーム世界知識表現知識表現と作用世界・知覚世界 AIは知識表現を通して世界を見る。それはAIの主観を決定し、作用世界と知覚世界も決定する。

86. いろいろな知識表現事実表現（信頼度表現）意味ネットワーク敵表現リスト依存グラフルールベース表現世界表現 Griesemer,J, "The Illusion of Intelligence: The Integration of AI and Level Design in Halo", 2002 http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt

87. 世界表現（知識表現の一つ）マップ全体に関わる知識表現を世界表現という（ウェイポイント、ナビメッシュを基本とする表現） World Representation （WR）（例）８方向の可視距離の各ポイントに埋め込まれたウェイポイント群 (Killzone) Straatman, R., Beij, A., Sterren, W.V.D., "Killzone's AI : Dynamic Procedural Combat Tactics", 2005 http://www.cgf-ai.com/docs/straatman_remco_killzone_ai.pdf

88. 知識表現・世界表現知識表現世界表現

89. いろいろな世界表現ナビメッシュ-ウェイポイント階層表現 LOS マップ戦術マップクラスタリング敵配位マップテリトリー表現 Tactical Point System Halo2Killzone Killzone2Halo Assassin’s Creed Left 4 Dead Alex J. Champandard, Remco Straatman, Tim Verweij, "On the AI Strategy for KILLZONE 2's Bots” http://aigamedev.com/open/coverage/killzone2/ Damian Isla,"Building a Better Battle: HALO 3 AI Objectives", http://halo.bungie.net/inside/publications.aspx Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference , http://www.valvesoftware.com/company/publications.html

90. 世界表現（知識表現の１つ）マップ全体に関わる知識表現を世界表現という（ウェイポイント、ナビメッシュを基本とする表現） World Representation （WR）（例）８方向の可視距離の各ポイントに埋め込まれたウェイポイント群 (Killzone) Straatman, R., Beij, A., Sterren, W.V.D., "Killzone's AI : Dynamic Procedural Combat Tactics", 2005 http://www.cgf-ai.com/docs/straatman_remco_killzone_ai.pdf

91. Halo2 :世界表現 Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005 http://naimadgames.com/publications.html

92. Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005 http://naimadgames.com/publications.html Halo2 :世界表現

95. Halo2: 世界表現 Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005 http://naimadgames.com/publications.html

97. Halo２: 世界表現 Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005 http://naimadgames.com/publications.html

100. Counter Strike : Navigation Mesh 世界表現 Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005 http://naimadgames.com/publications.html

101. 知識表現・世界表現知識表現世界表現オブジェクト表現

102. オブジェクト表現車レバードアの知識表現位置 x: 3.0 y:.10,0 レバーで開けることが出来る壊して開けることが出来る車の知識表現位置 x: 3.0 y:.2,0 乗って動かすことが出来る。時速８０ｋｍで動く。レバーの知識表現位置 x: 5.0 y:.5,0 引くが出来る。（結果：ドアが開く）ドアドアの知識表現位置 x:3.0 y:10.0 レバーを引くと開く（ルール）レバーの知識表現位置 x:5.0 y:5.0 引くことができる（アフォーダンス）. レバーを引くとドアが開く（ルール）車の知識表現位置 x:3.0 y:2.0 運転することができる. 最大速度: 80km 物に対する表現

103. オブジェクト表現これが車であるこの方向に押せば動く Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005 http://naimadgames.com/publications.html

104. アフォーダンス食べることができる登ることができる動かすことができる

105. 作用空間アフォーダンス食べることができる登ることができる動かすことができる

106. アフォーダンス歩くことができる届く押すことができる

107. 作用空間アフォーダンス歩くことができる届く押すことができる

108. 知識表現データ知識表現データ知識表現データ知識表現データ情報の受け渡し（例）私は座標（2.1, 3.4, 5.6）にいる。薬草は体力を回復する（例）私は座標（2.1, 3.4, 5.6）にいる。薬草は体力を回復する（例）これは岩である。動かすことはできない。側の点に隠れることができ

109. 第二章ゲームＡＩの歴史

110. 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

111. FC SFC SS, PS PS2,GC,Xbox Xbox360, PS3, Wii DC （次世代） TV game 3D Network AI 成長期成熟期インパクト Hardware 技術の歴史的な流れから見て、人工知能技術のゲームへの応用は、次世代で成長し、次々世代で成熟するだろう。人工知能技術の導入の適切なタイミングはいつか？時間軸200519991994198 0

112. 第２部ゲームにおける人工知能の歴史第１期パターンＡＩとプロシージャルＡＩ ① 単純なパターンＡＩ ② 複数のパターンを持つＡＩ ③ プロシージャルなＡＩ第２期構造化されるＡＩ ① ＡＩの構造化とロジック実装 ② 内部パラメータ変動モデルとオブジェクトによるＡＩ制御による日常系ＡＩ ③ ニューラルネットワークと遺伝的アルゴリズム第３期ＡＩアーキテクチャの時代

113. 第１期 ①単純なパターンＡＩ同じパターンをくり返すだけ

114. スペースインベーダー（Realplayer） (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

115. 「知性 - 環境 - 身体」相関図知性身体環境パターン

116. 第１期 ①単純なパターンＡＩ同じパターンをくり返すだけゲームデザイナーゲーム内の地形と合わせてＡＩをどのような配置に置くかプレイヤーパターンを予測し、最適な行動をイメージしながら自機をコントロールしてプレイする、というサイクルがゲーム攻略そのもの Non-interactive

118. 第１期 ②複数のパターンを持つＡＩあらかじめ決められた行動を、状況によって使いわけるＡＩ「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、数パターンに限られる。 Interactive

119. （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６：００－

120. 「知性 - 環境 - 身体」相関図知性身体環境条件に応じた命令環境・オブジェクトとの衝突身体動作は保証される予約された情報の獲得

121. 第１期 ②複数のパターンを持つＡＩゲームデザイナーパターンを作り込む（質ｘ数）プレイヤー自分の行動に応じてどういう動きをするかを学習し、相手の弱点を見抜いて攻略する。あらかじめ決められた行動を、状況によって使いわけるＡＩ

123. 第１期 ③プロシージャルなＡＩシューティングゲームなど、機体の軌道や弾道を、逐次的に関数の計算で行なう。（例）数値列を用意する場合もある。 Interactive

124. （例）ゼビウス？遠藤雅伸氏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。－ゼビウスセミナー－ http://spitfire.client.jp/shooting/xevious2.html ゼビウス

125. 「知性 - 環境 - 身体」相関図知性身体環境状況に応じて作られた運動環境・オブジェクトとの衝突身体動作は保証される予約された情報の獲得

129. 第２期構造化されるＡＩアセンブラからＣ言語への移行２Ｄから３Ｄが主流へ → ＡＩにとって爆発的な情報量の増大８０年代のＡＩ技術の盛り上がりがゲームへスピンオフグリッド上のロジック俯瞰制御無数のレイキャスト（射線計算）主観制御

130. ２Ｄ・３ＤのＡＩをムービーで比較パックマン Halo パックマン Halo

131. 第２期構造化されるＡＩＡＩが処理するべき膨大な空間情報 → 結局、対処出来ませんでした（複雑すぎる、１９９４年から１０年の課題となる）。 ①ＡＩの行動範囲をある限定した自由に移動できる空間に限定すること。 ②ステージを単純化すること（例えば、空の上ならＡＩは動き放題である）。 ③あらかじめ、地形に沿った運動をプログラミングしておく（固定パスを与えておくなど）。暫定的解決策

133. 第２期 ①ＡＩの構造化とロジック実装複雑な環境下（処理するべき情報が多い）で、キャラクターを制御する仕組みを入れる。複雑な思考による行動 case ATTACK: if (-----) if(-----) else ... 戦闘警戒休憩

134. (例) Quake HFSM 状態遷移図を用いる http://ai-depot.com/FiniteStateMachines/FSM-Practical.html Quake 4:10

135. 「知性 - 環境 - 身体」相関図知性身体環境 FSMなど構造化された知性ボーン構造を持つ身体環境・オブジェクトとの複雑な衝突限定された情報の獲得

136. 第２期 ①ＡＩの構造化とロジック実装ゲームデザイナー仕組みの上に作り込んで行く。ＦＳＭなら状態数を増やす。（後で問題になる）プレイヤーなかなか読みにくくなるので、反射神経が必要になる。「うまいプレイヤー」の出現。複雑な思考による行動 case ATTACK: if (-----) if(-----) else ... 戦闘警戒休憩

138. 第２期 ②内部パラメータ変動モデルとオブジェクトによるＡＩ制御による日常系ＡＩ戦闘のＡＩから日常のＡＩへ戦闘のＡＩ（極限状態）＜日常のＡＩ（煩雑）

139. 自律型ＡＩの作り方知性（心）身体

140. 自律型ＡＩの作り方知性（心）身体時間（ｔ）ハングリー度（Ｈ）Ｈ(t)＝sin(1/24*t) If (H(t) > 0.5) goto GetFood ハングリー度が０．５を超えたら餌を取りに行く。

141. 自律型ＡＩの作り方知性（心）身体時間（ｔ）ハングリー度（Ｈ）Ｈ(t)＝sin(1/24*t)If (H(t) > 0.5) goto GetFood Else Sleep １日食べ物

142. 自律型ＡＩの作り方（個性付け）知性（心）身体時間（ｔ）ハングリー度（Ｈ）Ｈ(t)＝sin(1/24*t)If (0.8*H(t) > 0.5) goto GetFood Else Sleep １日食べ物お腹の減りにくいＡＩとなる。

143. 自律型ＡＩの作り方知性（心）身体時間（ｔ）ハングリー度（Ｈ）Ｈ(t)＝sin(1/24*t)If (H(t) > 0.8 && S(t) < 0.1) goto GetFood Else If (H(t) < 0.3 && S(t) > 0.7) goto Sleep Else Free_Walk １日眠りたい度（Ｈ）Ｓ(t)＝sin(1/48*t) １日＋寝床食べ物

144. 自律型ＡＩの作り方(個性づけ) 知性（心）身体時間（ｔ）ハングリー度（Ｈ） If (0.5*H(t) > 0.8 && S(t) < 0.1) goto GetFood Else If (H(t) < 0.3 && 1.5*S(t) > 0.7) goto Sleep Else Free_Walk １日眠りたい度（Ｈ）Ｓ(t)＝sin(1/48*t) １日＋寝床食べ物お腹の減りにくく、あまり眠らないＡＩとなる。Ｈ(t)＝sin(1/24*t)

145. 自律型ＡＩの作り方知性（心）身体ハングリー度（Ｈ）Ｈ(t)＝sin(1/24*t) If (H(t) > 0.8 && S(t) < 0.1) goto GetFood Else If (H(t) < 0.3 && S(t) > 0.7) goto Sleep Else If( (1-H(t))*D(t) < 0.9) Goto Fight Else Free_Walk １日眠りたい度（Ｈ）Ｓ(t)＝sin(1/48*t) １日＋寝床食べ物＋環境危険度（Ｄ） D(t)＝ 1/敵との距離１日敵

146. こういったデモに３Ｄモデルを被せると… ② The Sims 3 (Maxis, EA) Sims Getting Smarter: AI in The Sims 3(IGN) http://pc.ign.com/articles/961/961065p1.html GDC09 資料 http://cmpmedia.vo.llnwd.net/o1/vault/gdc09/slides/Combined.ppt Trait … 特性。性格パラメーター Wish … 将来の目標 Breaking the Cookie-Cutter: Modeling Individual Personality, Mood, and Emotion in Characters ムービー

147. 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、 Happiness 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.

148. 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) http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm

149. キャラクターの内面のモチーフエンジン Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern大学、講義資料) http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm

150. 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) Bathtub -Take Bath(+40 Hygiene) (+30 Comfort) -Clean (+20 Room) Mood +26 Mood +20 [原則] 周囲の対象に対する、あらゆる可能な行動から、 Happiness （ここではMood）係数を最大化する行動を選択する。最適な行動を選択する

151. Happiness を最大化冷蔵庫が最も総合的にHapinessを上昇させるから

152. 冷蔵庫へ行きます。 Happiness を最大化

153. お腹が膨れたので、ちょっと退屈だから、女の子と話します。 Happiness を最大化

154. 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://cmpmedia.vo.llnwd.net/o1/vault/gdc09/slides/Combined.ppt

155. Edith これだけだと、原始的で単発の行動しかできないけれど… 実際は、一連の行動のシークエンスをＡＩに行わせたい。そのためのビジュアル・プログラミング環境が、 Edith

156. Edith プログラミング・オブジェクトを繋げて行くビジュアル・プログラミング環境 Kenneth D. Forbus “Some notes on programming objects in. The Sims” http://www.qrg.northwestern.edu/papers/Files/Programming_Objects_in_The_Sims.pdf

157. Edith プログラミング・オブジェクトを繋げて行くビジュアル・プログラミング環境 Kenneth D. Forbus “Some notes on programming objects in. The Sims” http://www.qrg.northwestern.edu/papers/Files/Programming_Objects_in_The_Sims.pdf

158. Edith Demo http://www.DonHopkins.com/home/movies/TheSimsPieMenus.mov

159. Fridge Hungry Hunger +30 実例① 「調理して食べる」

160. Fridge Fix Dinner food 実例① 「調理して食べる」

161. Fridge counter stove Fix Dinner food cook 実例① 「調理して食べる」

162. Fridge counter stove chair table Fix Dinner food Placement surface 実例① 「調理して食べる」

163. Fridge counter stove chair table dishwasher Fix Dinner food Disposal (neat) 実例① 「調理して食べる」ムービー１７：００－

164. 自律型ＡＩのコアの作り方 ① ＡＩの内部変数として、時間的に自律変化する変数（＝関数）をセットする。 ② その変数値（と外部環境の変数を結び付けながら）、異なる行動を取るようにプログラムを書く。 ③ そういった変数を複数増やして、組み合わせることで、複雑な内部構造を持つＡＩを作ることが出来る。 [参考] ゴール指向ＡＩ，ＢＤＩアーキテクチャ

165. Mat Bucklandの自律型エージェントのデモオライリー・ジャパン「実例で学ぶゲームＡＩプログラミング」（Mat Buckland著、松田晃一訳） http://www.oreilly.co.jp/books/9784873113395/ 目標を持ち、目標ごとに内部状態に応じて変動する関数を持つ ① 攻撃する ② 移動する ③ 回復アイテムを取る ④ 武器を取る … 意思決定：全てのゴールのうち、最大値を持つゴールを選択して行動する。（例）③ H(t) = 0.8 * ((1– 現在のＨＰ）/回復アイテムまでの距離) デモ

166. ここまでの８ページが、 The Sims のＡＩの概要の説明です。詳しくは以下の資料を見てください。三宅陽一郎、「Spore におけるゲームＡＩ技術とプロシージャル」（DiGRA Japan 第１４回月例研究会） http://www.igda.jp/modules/mydownloads/visit.php?cid=2&lid=77

167. 「知性 - 環境 - 身体」相関図知性身体環境 FSMなど構造化された知性ボーン構造を持つ身体物理的相互作用知性から身体へ制御情報を渡す身体から知性へ現在の状態を渡す限定された情報の獲得

168. ②内部パラメータ変動モデルとオブジェクトによるＡＩ制御による日常系ＡＩゲームデザイナー日常を演出するためのオブジェクトを仕込んで行くプレイヤー別に戦わなくてよい。日常を楽しむ。ＡＩにちょっかいをかける。リアリティーと面白さが大切。

170. 第２期③ニューラルネットワークと遺伝的アルゴリズム遺伝的アルゴリズムとニューラルネットワークがゲームＡＩの視野の中に入って来た。

171. （例）決して多くない 1996年 BATTLECRUISER: 3000AD (3000AD) 1997年がんばれ森川君２号 (muumuu) 2000年 Colin McRae Rally 2.0 (Codemasters) 2001年 Black & White (Lionhead Studio) 遺伝的アルゴリズムニューラルネットワーク 1998年アストロノーカ (muumuu)

172. （例）アストロノーカ 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/

173. 遺伝的アルゴリズム集団を一定の方向に進化させる方法最初の世代新世代（１００～世代後） … 世代を経て進化させる一つの世代が次の世代を交配によって産み出す

174. 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

175. （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。 Mat Buckland, "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）

176. ②シミュレーションとNPCの評価 NPCが生きるゲーム世界の中で、実際に一定時間動作させるなどして、製作者がＮＰＣに望む目標に対する評価値（達成値）をつける。順位評価値 1位８６.３ 2位７８.４ 3位７５.３ ..… … １００位３８．２ゲーム製作者の意図を反映する評価関数を作る（例）強いＮＰＣを作りたければ、評価値＝0.7*撃破数＋0.3* 残りＨＰ取り合えず生き延びることできるＮＰＣなら、評価値＝生存時間ゲーム世界敵敵敵君はこの世界でどれだけ僕が求めるにふさわしいのだ？遺伝子を評価するのではなく、その遺伝子を持つ個体が、世界でどれだけ優秀であるかを測る。

177. 評価値から適応度を計算する順位評価値 1位８６.３ 2位７８.４ 3位７５.３ ..… … １００位３８．２順位適応度 1位９.３２ 2位８.８３ 3位７.８１ ..… … １００位０.０２評価値から、その個体の環境に対する適応度を計算する。評価値が大きいほど、適応度は大きくなるようにしておく。評価値とは、その環境で達成した行為の点数のこと。適応度とは、環境にどれぐらい対応しているかを表す。両者の対応関係は、比例関係にあるならどう作ってもよい。（例）同じでいいや。適応度＝評価値上位の点数は、差に意味がないから適応度＝ log (評価値/100 ) など。

178. ③ 選択順位適応度 1位 0.93 2位 0.81 3位 0.79 4位 0.63 5位 0.51 6位 0.44 7位 0.32 8位 0.28 9位 0.10 10位 0.02 適応度比例方式（ルーレット選択） … 適応度の大きさに比例した確率で生き延びて親になれる。（無作為にダーツを投げて親を決めるイメージ。大きな適応度の領域ほどあたりやすい。プログラムでは勿論、乱数を使う）生き延びて子孫(offspring)を残せる個体を決定する

179. ④交叉による次世代生成遺伝子１点交叉切断点選んだ２つの親の遺伝子を交叉(crossover)させる。

180. ⑤ 遺伝子操作（突然変異）ある確率（突然変異率）で、遺伝子コード上の遺伝子（内容）をランダムに対立遺伝子に書き換える。バイナリー表現 0110101 10100101 010100010 101010 10101010101010 0110101 10110101 010100010 101010 10101010101010 反転 3.1 56.7 5.4 2.0 23.912.3 実数表現 3.1 56.7＋0.3 5.4 2.0 23.912.3 +Δ 遺伝子に多様性を与える

181. このプロセスを何度もくり返すことでNPCの集合は進化します ①初期の個体集合を生成 ②シミュレーション ④交叉による次世代生成 ⑤遺伝子操作（突然変異）個体集合 ②評価 ③適応度による選択（ゲームでない場合はこのプロセスはなく、いきなり遺伝子の適応度が評価されることが多い）

182. （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。 Mat Buckland, "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）

183. しかし、これはＮＰＣの集団に遺伝的アルゴリズムを組み込んだだけＡＩとしての技術ゲームシステムではない。

184. 森川幸人, 「テレビゲームへの人工知能技術の利用」, 人工知能学会誌vol.14 No.2 1999-3 http://www.1101.com/morikawa/1999-04-10.html に準拠します。以下の解説は

185. （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世界最高峰の遺伝的アルゴリズムを使ったゲーム（ＡＩをどうゲームに使うか、という手本のようなゲーム） CEDEC2008 AI day ③講演２日目（３コマ目）

186. どういうゲーム？珍しい野菜を育てるしかしバブーが野菜を食べに来るトラップを仕掛けて野菜を守れ！ 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/ 高値で取引、そして野菜コンテストで優勝！

187. 全体の流れ http://www.muumuu.com/CEDEC2003_ants/CEDEC2003_ants.htm 森川幸人, 赤尾容子, 「アリの知恵はゲームを救えるか？」,CEDEC2003

188. ４－① 初期の個体集合を生成個体を多数（GAにはある程度の母数が必要）用意し、各NPCに遺伝子コードを設定し、初期値を設定する。５６ｘ８＝４４８ビット遺伝子身長耐性_快光線腕力脚力耐性_かかし体重 1.87 6.85 16.25 25.03 25.03 16.25 6.85 1.87 0 1 2 3 4 5 6 7 [各ビットの重み] [バブーの属性（総計５６）]

189. ４－②シミュレーションとNPCの評価トラップを奥へと通り抜けることができるほど、評価点が高くなる。適応度＝成績＋ＴＢ時間*0.3＋エンジョイ*0.5＋トラップ点＋安全点＋ＨＰ*0.5 要した時間トラップに対する耐性

190. （例）アストロノーカ 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/ アストロノーカ

191. 第２期③ニューラルネットワークと遺伝的アルゴリズムゲームデザイナー高度な技術を理解でき調整できる人間でなければならない（極めて稀）。プレイヤーＡＩの成長を楽しむ。

195. 第３期ＡＩアーキテクチャの時代個々のアルゴリズムや構造的なＡＩ（第２期）包括的なアーキテクチャへキャラクターＡＩのためのフレームワークを構築する。

196. 「知性 - 環境 - 身体」相関図環境 FSMなど構造化された知性物理的相互作用知性から身体へ制御情報を渡す身体から知性へ現在の状態を渡す限定された情報の獲得ボーン構造を持つ身体

197. 「知性 - 環境 - 身体」相関図環境 FSMなど構造化された知性ボーン構造を持つ身体物理的相互作用知性から身体へ制御情報を渡す身体から知性へ現在の状態を渡す限定された情報の獲得エージェント・アーキテクチャ全体を包括する共通の基盤システムを作りましょう！

198. エージェントとは？ ① 環境に対して情報を集める感覚（センサー）を持つ ② 自ら判断する能力を持つ。 ③ 環境に対して働きかけることができる能力を持つ。自ら判断して感覚を持ち世界に働きかける能力を持つ！

199. ゲームにおけるエージェントゲーム世界身体を通じてゲーム世界と相互にインタラクション感覚を通じてゲーム世界と自分の状態を取得

200. エージェント・アーキテクチャーにおける情報の流れＮＰＣゲーム世界感覚を通じてゲーム世界と自分の状態を取得身体を通じてゲーム世界と相互にインタラクションこの情報の流れに仕掛けをしてみよう！「人工知能＝からくり」作り方を勉強しよう！

201. エージェント・アーキテクチャ身体認識過程意思決定機構行動生成過程一時記憶(Working Memory) 内部状態センサーエフェクターＮＰＣの知能部分ゲーム世界知識表現・世界表現・アフォーダンス相互作用時間時間記憶と思考の相互作用ＮＰＣから見た認識知識モデル化 (ゲーム世界の特徴を抽出したデータのこと) 知覚する行動する事前記憶

202. Halo  内容：宇宙船や地表を舞台にしたＳＦのＦＰＳ  開発元： BUNGIE Studio  出版: Microsoft  Hardware: Xbox, Windows, Mac  出版年：２００２年 Xbox, 全米、世界を代表するＦＰＳの一つ( Halo 500万本 Halo2 700万国内10万本）「愛嬌のあるＮＰＣ」とその演出で、プレイヤーからの定評を得る。 Halo

203. Halo NPCの課題プレイヤーから見て意図の明確なＮＰＣを作るちょこまかと動き回る。愛嬌がある。グラントジャッカルエリート手堅い。大型。人間敵（コグナント）味方普通の人間。状況解析

204. Halo NPCのＡＩのアーキテクチャー身体状況解析意思決定ロジックモーションコントロール感情（演出にのみ使用）記憶センサーＮＰＣの知能部分ゲーム世界知識表現・世界表現相互作用時間時間モーション「敵発見」「味方志望」「ダメージ受けた」「プレイヤー発砲」などイベントを抽出

205. Halo AI のアーキテクチャーイベント「敵発見」「味方志望」「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

206. Halo AI の意志決定部分イベント敵の情報チャージ, 退却, 隠れる場所探すグレネードを投げる、車に入る、死体を確認単純なロジックで１ページ未満の簡単なコードからなる。傾向としては、「グラントはすぐ逃げる。」「エリートは傷つくと隠れ「ジャッカルはシールドを持つ。」各振る舞いはトリガーを持つトリガーによって、振る舞いはお互い競合する意思決定ロジックモーションコントロール位置取りＦＳＭＦＳＭレベルデザイナーの仕事①

207. Halo AI のアーキテクチャー「敵発見」「味方志望」「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演出（セリフ）

208. Halo NPCのＡＩのアーキテクチャー身体状況解析意思決定ロジックモーションコントロール感情（演出にのみ使用）記憶センサーＮＰＣの知能部分ゲーム世界知識表現・世界表現相互作用時間時間モーション「敵発見」「味方志望」「ダメージ受けた」「プレイヤー発砲」などイベントを抽出

209. Halo  内容：宇宙船や地表を舞台にしたＳＦのＦＰＳ  開発元： BUNGIE Studio  出版: Microsoft  Hardware: Xbox, Windows, Mac  出版年：２００２年 Xbox, 全米、世界を代表するＦＰＳの一つ( Halo 500万本 Halo2 700万国内10万本）「愛嬌のあるＮＰＣ」とその演出で、プレイヤーからの定評を得る。 Halo

210. Halo AI の特徴身体状況解析意思決定ロジックモーションコントロール感情記憶ＮＰＣの知能部分ゲーム世界知識表現・世界表現相互作用 ① イベントに反応 ② キャラクターの個性に応じたアクション ③ セリフの選択・発話  状況解析  意思決定ロジック  感情とイベント技術効果 Halo のポイントはっきりしたイベントを抽出し、そのイベントに対する反応した行動をさせ、キャラクターの感情を分かりやすく表現する。＝プレイヤーに対して「明確な意図」を持つＡＩを演出する企画の発想何をプレイヤーにアピール（演出）したいか？プログラマーの発想世界の事象に敏感に反応させる仕組みを作る

211. F.E.A.R 内容：閉鎖空間の中のホラーＦＰＳ開発元： Monolith Production 出版: SIERRA Hardware: Windows, PS3 出版年： 2004年 FPSとホラーを, 映画的な演出によって結びつけたエポックメーキングな名作。長年発展させて来たＡＩ技術の本領が発揮され、開発者、プレイヤーから高い支持を集める。

212. F.E.A.R NPCの課題何をするべきか、を自分で見つける。見つけた目的を、如何にするべきか、を自分で考える。動き回るが攻撃しない。ラットアサシン壁や天井を這う人間敵普通の人間。（Ｃ４アーキテクチャー＋ゴール指向プランニング）学術的な成果（Ｃ４アーキテクチャー）を、どう実際のゲームに応用しているか見てみよう！

213. F.E.A.R NPCのＡＩのアーキテクチャー身体認識過程ゴール指向プランニング行動生成過程 Working MemoryセンサーＮＰＣの知能部分ゲーム世界知識表現・世界表現相互作用時間時間モーションブラックボードシンボル統一事実形式

214. プランニングとは？

215. プランニングとは？初期状態ゴール行動１行動２行動３行動４基本概念：初期状態ゴールプラナープラナー

216. のどはかわいてないよアクションプランニングの例初期状態ゴールのどがかわいたあなたは何ができるの？移動する水を飲むプラナー移動する行動(アクション)によるプランニング＝アクションプランニング水を飲む

217. プランニングにおける行動の表現水のある場所へ行く水のある場所を知っている水を手にとることが出来る水を飲む水を手にとることができるのどが乾いていない振る舞い前提条件効果前提条件＝その行動を実行するために必要な条件効果＝その行動を起こしたことによる効果連鎖による方法 F.E.A.Rでは、前提条件、効果をシンボルで記述する。

218. のどはかわいてないよ連鎖によるプランニング初期状態ゴールのどがかわいた水のある場所へ行く水のある場所を知っている水を手にとることが出来る水を飲む水を手にとることができるのどが乾いていない水のある場所を知っている喉がかわいているプラナー水のある場所を知っている喉がかわいていない連鎖連鎖による方法アクションのプール

219. 連鎖による方法プランの分岐

220. 鎖による方法期条件によるンの分岐

221. プランニング説明終了

222. F.E.A.Rのプランニング① シンボル kTargetAtme = ture この兵士Ｂは自分を狙っているkTargetIsDead = ture この兵士Ａは死んだ kWeaponIsLoaded = false 私Ｃの武器は装填済みでない

223. F.E.A.Rのプランニング① シンボルシンボルエージェントの認識する世界をもっとシンプルに表現したい各エージェントについて（Agent-centric）このシンボルをプランニングへ kSymbol_AtNode どのノードにいるか kSymbol_TargetIs AimingAtMe どのノードにいるか kSymbol_ WeaponArmed 武装しているか kSymbol_ WeaponLoaded 装填されているか kSymbol_Target IsSuppressed 威嚇されているか kSymbol_ UsingObject オブジェクトを使っているか？ kSymbol_ TargetIsDead 死んでいるか kSymbol_ RidingVehicle 乗り物に乗っているか kSymbol_AtNodeType どんなタイプのノードにいるか２０個のシンボルで世界を集約して表現する

224. F.E.A.R.のプランニング② 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

225. プランニング

226. プランニング

227. F.E.A.R NPCのＡＩのアーキテクチャー身体認識過程ゴール指向プランニング行動生成過程記憶センサーＮＰＣの知能部分ゲーム世界知識表現・世界表現相互作用時間時間モーションブラックボードゲーム世界  プランニング  事実表現 ① 目的を自分で決定する。 ② 目的を遂行する方法を状況に応じて作成する。 F.E.A.R .のポイント C4 アーキテクチャーの基本の上にプランニング技術を組む込む＝状況を認識して、目的を選択して計画を立てるＡＩ企画の発想単一の行動でなく、一つなぎの行動のシークエンスを指定できる時代になったのだ（これからのＡＩ）プログラマーの発想プランニングの実装技術を身につける（これからのゲームＡＩの最大の武器）。

228. 第３期ＡＩアーキテクチャの時代個々のアルゴリズムや構造的なＡＩ（第２期）包括的なアーキテクチャへキャラクターＡＩのためのフレームワークを構築する。ゲームデザイナー人間らしいＡＩを構築することができる。プレイヤー対当な相手として対峙する。（しかし、人には及ばない）

229. メタAIの例

230. 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 の事例を見てみましょう。

231. 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

232. 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行く。 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

233. 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

234. 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）と言います。

235. 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

236. 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

237. 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します。 - 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

238. AAS に対して行うこと。メタＡＩはプレイヤー群の移動に伴い、その周囲（ＡＡＳ）に敵の群れを生成・消滅させたりします。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

239. 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）はできません。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

240. 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ます。

241. モンスター・アイテム出現頻度敵の種類、アイテムの種類ごとに出現頻度が違いますが、頻度に応じて発生させます。高頻度低頻度 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html Wandereｒs (高頻度) Mobs(中頻度) Special Infected (中頻度) Bosses (低頻度) Weapon Caches (低頻度) Scavenge Items (中頻度)

242. ボス出現アルゴリズム (1) Ｎ体を予想される逃走経路上に配置 (2) ３つの出現イベントパターン（何もいない、を含む）（例） Tank, Witch, 何もいない (3) 同じパターンのくり返しは禁止 (例) Witch, 何もいない、Witch はＯＫ。 Witch, Witch はだめ。何もいない Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html Tank Witch Witch Tank Witch Tank

243. 具体的なアルゴリズム (1) 各エリアに、出現数 N を決定する (2) 出現数Nは予想される逃走経路の長さと要求される密度によって計算される. (3) あるエリアがAAS の中に入るとクリーチャーがN体生成される (4) そのエリアがAAS の外に出ると生成が中止され、クリーチャーは消滅される。 (5) Ｎはそのエリアがプレイヤーから見えている場合、或いは、プレイヤーがリラックスモードの場合には、強制的に０になる。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

244. 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、命令だけを出します。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です。

245. まとめメタAIを入れ替えるだけで、ゲームコンテンツが入れ替えることができます。メタAIという軽い部分だけを配信することでコンテンツを入れ替えることが可能になります。

246. 参考文献 (1) Michael Booth, "Replayable Cooperative Game Design: Left 4 Dead," Game Developer's Conference, March 2009. (2) Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html (3) 三宅陽一郎, “メタAI”,「デジタルゲームの技術」 P.186-190, ソフトバンククリエイティブ

247. 第２部まとめと考察

248. 考察 ①キャラクターＡＩの技術は、パターンからアルゴリズム、構造化を経てアーキテクチャとして体系化されるようになった。 ②キャラクターＡＩの発展はユーザーに常に新しいゲーム体験を提供して来た。 ③ゲームにおけるＡＩの果たす役割は、単なる攻略対象から、より多様な役割を果たすように変化して来た。

249. 知能方程式人工知能＝知識ｘ思考考えるゲームを知識として表現することユーザーの体験＝ユーザーの心理ｘキャラクターの賢さ人工知能ゲームの状況

250. (I) 参考文献（日本語）（１）「ＦＳＭ」「プランニング」「評価値法」など、ゲームＡＩの基礎技術については、オライリー・ジャパン「実例で学ぶゲームＡＩプログラミング」（Mat Buckland著、松田晃一訳）の解説が優れています。ソースコードはＷＥＢ http://www.wordware.com/files/ai/ できれば原書で読みましょう！

251. (I)参考文献（日本語）（２） ①「世界表現」「プランニング」については、ＩＧＤＡ日本のＨＰの「ダウンロード」から、三宅が書いた第１，２、５，６回セミナーの教科書、ＣＥＤＥＣ２００６の資料がＤＬできます。 http://blogai.igda.jp/article/66585525.html ② ディジタルコンテンツ協会デジタルコンテンツ制作の先端技術応用に関する調査研究報告書（第３章） http://www.dcaj.org/report/2007/ix1_07.html (PDFファイルがダウンロード出来ます。) ③ 人工知能学会誌 Vol. 23 No. 1 (2008 年 1 月 ) 「ゲームＡＩ特集」「ディジタルゲームにおける人工知能技術の応用」（三宅） ④ 人工知能学会誌 Vol. 30 No. 1 (2015 年 1 月 ) 「ゲームＡＩ特集」「ディジタルゲームにおける人工知能技術の応用ディジタルゲームにおける人工知能技術の応用の現在」（三宅） http://id.nii.ac.jp/1004/00000517/

252. (II)参考文献（英語） WEB Mat Buckland ai-junkie http://www.ai-junkie.com/ai-junkie.html Craig Raynolds RAYNOLDS http://www.red3d.com/ リンク集 http://www.red3d.com/cwr/games/ Steven Rabin GameAI http://www.gameai.com/ CGF-AI CGF-AI http://www.cgf-ai.com/ リンク集 http://www.cgf-ai.com/links.html

253. (II)参考文献（英語）書籍 AI Game Programming Wisdom 1 - 4 ゲーム開発者、研究者による、それぞれのタイトルの実装例、研究成果

254. Game AI 知識の集積 2000 2006 2010 知識の集積 AI Game Programming Wisdom 20. Precomputed Pathfinding for Large and Detailed Worlds on MMO Servers (Fabien Gravot, Takanori Yokoyama, Youichiro Miyake)

255. Game AI 知識の集積 2000 2006 2010 知識の集積 AI Game Programming Wisdom

256. - ゲームAIの実例紹介・技術紹介 - 開発インタビュー - 論文紹介 - カンファレンス資料 (GDC AI Tutorial, Paris Game AI Conference ) が掲載 -非常に重要な情報源 -登録が必要（無料） -有料会員記事と無料会員記事がある。 -Alex Champandard が主催（研究者からゲーム産業へ。産業と学術を繋ぐ人物） AI Game Dev.COM

257. - ゲームAI業界の産業カンファレンス - パリ・ウィーンなど欧州で開催。 - 主催は、 AIGameDev.Com - 資料は AIGameDev.Com で公開 - 学生も多い。やはり欧州などが中心 - GDC と並んで、AI Programmers Guild も深く関わっているが、学術との交流も志向。 Game AI Conference Artificial Intelligence for Creative Applications http://nucl.ai/

258. デジタルゲームAIの歴史 2000 2006 2010 発表を通して、ゲームAIの知識が蓄積される。（年に２～３個の良い発表）いろいろな企業がAIに力を入れ始める（米が中心）ラウンドテーブル、 AI Programmers Dinner、など、なんとなくコミュニティが形成される。知識が集積する競って発表するゲームエンジンの中に取り込まれつつある

259. (II)参考文献（英語）書籍 John Ahlquist, Jeannie Novak Game Development Essentials: Game Artificial Intelligence 欧米のゲームＡＩの歴史から最先端までがわかりやすく、解説されています。文科系の方も理科系の方も読んで楽しめる本です。

260. Acknowledgment ご清聴ありがとうございました。ご質問などは、こちらまでお寄せください。 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com