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.

Builderscon 2016 講演資料 「人工知能によってプログラムを有機化する」(後篇)

1,561 views

Published on

Builderscon 2016 における講演資料です。
ソフトウェアの人工知能化について話しています。

https://builderscon.io/builderscon/tokyo/2016

Published in: Software
  • Be the first to comment

Builderscon 2016 講演資料 「人工知能によってプログラムを有機化する」(後篇)

  1. 1. 人工知能によってプログラムを 有機化する 三宅 陽一郎 (ゲームAI開発者) https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com 2016.12.3 @ Red Bull Studios Tokyo (後篇)
  2. 2. 目次 • 第一章 人工知能の作り方 • 第二章 ソフトウェアの構造 • 第三章 人工知能へ • 第四章 知識構造 • 第五章 ナビゲーションAI • 第六章 メタAI ゲーム全体の思考 • 第七章 思考 • 第八章 思考の構造
  3. 3. 第六章 メタAI ゲーム全体の思考
  4. 4. ゲーム全体の知能化 ゲーム・ソフトウェア 知能化された ゲーム・ソフトウェア かつてゲームでは人工知能は独立した部分ではなく、 ゲームシステムの中に含まれていた。
  5. 5. 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 3つのAIシステムは序々に分化して独立して行った。 では、今度はナビゲーションAIについてさらに詳しく見てみよう。
  6. 6. 3つのAIの連携の例 フィールド 地形解析・認識 AI メタAI エージェントAI 状況を監視し、キーとなる役割を 適切なタイミングでエージェントに 指示する。 自律的な判断。 仲間同士の協調 地形を解析する 目的に応じた点を見つけ出す 目的地までのパスを計算する Support http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/
  7. 7. レベル ナビゲーション AI メタAI キャラクター AI エージェントを動的に配置 レベル状況を監視 キャラクターに指示 ゲームの流れを作る 自律的な判断 仲間同士の協調 時にチームAIとなる メタAI, キャラクターAIの為に レベルの認識のためのデータを準備 オブジェクト表現を管理 ナビゲーション・データの管理 パス検索 / 位置解析 Support 敵キャラクタ- プレイヤー 頭脳として機能 情報獲得 コントロール http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/
  8. 8. メタAI ©2016 SQUARE ENIX CO., LTD. All Rights Reserved.
  9. 9. 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
  10. 10. 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。
  11. 11. (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 -
  12. 12. 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
  13. 13. 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。
  14. 14. 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
  15. 15. 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
  16. 16. 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
  17. 17. 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。
  18. 18. 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
  19. 19. 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
  20. 20. 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
  21. 21. 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
  22. 22. 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
  23. 23. 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。
  24. 24. 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うが、頻度に応じて発生させる。 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)
  25. 25. 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
  26. 26. 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
  27. 27. 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。
  28. 28. 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る。 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 が可能になる。
  29. 29. 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
  30. 30. 世界 / データ群 (Undefined) センサー エフェクター インフォメーション・フロー 知識 表現 思考 エージェント・アーキテクチャ
  31. 31. 世界 / データ群 (Undefined) センサー エフェクター インフォメーション・フロー 知識 表現 思考 エージェント・アーキテクチャ
  32. 32. キャラクターAI センサー エフェクター メタAI
  33. 33. 目次 • 第一章 人工知能の作り方 • 第二章 ソフトウェアの構造 • 第三章 人工知能へ • 第四章 知識構造 • 第五章 ナビゲーションAI • 第六章 メタAI ゲーム全体の思考 • 第七章 思考 • 第八章 思考の構造
  34. 34. 第七章 思考
  35. 35. 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 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(アトミック)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 リアクティブ 非リアクティブ 意思決定 シミュレーションベース AI Simulation-based AI 実際の静物の意思決定というものは非常に高度で複雑なプロセス。 いくつかの簡易モデルが存在する。
  36. 36. ルールベース意思決定 Rule-based decision making 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 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 タスク(仕事)ベース AI Task-based AI シミュレーションベース AI Simulation-based AI
  37. 37. ステートベース意思決定 State-based decision making ステート(状態)ベースAI ゴール(目標)ベースAI ビヘイビア(振る舞い)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 タスク(仕事)ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール(規則)ベースAI
  38. 38. ユーティリティベース意思決定 Utility-based decision making ステート(状態)ベースAI ゴール(目標)ベースAI ビヘイビア(振る舞い)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 タスク(仕事)ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール(規則)ベースAI
  39. 39. ゴールベース意思決定 Goal-based decision making ステート(状態)ベースAI ゴール(目標)ベースAI ビヘイビア(振る舞い)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 タスク(仕事)ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール(規則)ベースAI
  40. 40. ゴールベースAI (Goal-Based AI) ゴール(目標)を単位として構築する方法 ゴール・ファースト=まずゴールを決める。 しかるのちにゴールを達成するための行動をデザインする。 ゴール ゴールを達成するために 必要なことを考える思考 行動
  41. 41. 2つのゴールベース ゴールベース 連鎖プランニング 階層型ゴール プランニング
  42. 42. ゴールベース意思決定 連鎖プランニング 階層型プラン二ング Goal-based decision making
  43. 43. F.E.A.R.におけるゴール指向プランニング  Genre:Horror FPS  Developer: Monolith Production  Publisher : SIERRA  Hardware: Windows  Year: 2004 Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt
  44. 44. 統一事実記述形式 統一事実記述形式 場所 方向 感覚 オブジェクト 情報取得時刻 未公開 場所 (位置、信頼度) 方向(方向、信頼度) 感覚のレベル(感覚の種類、信頼度) オブジェクト(ハンドル、信頼度) 情報取得時刻 キャラクター 事件 欲求任務 パスオブジェクト 全て以下の形式(フォーマット)で記述する。 ノード 全部で本当は16個の属性がある Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt
  45. 45. 自分の記憶領域に認識した事実を蓄積する Worlking Memory Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt
  46. 46. プランニングのための知識 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) 上記のシンボルは、対象とするエージェントについての情報。 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 Jeff Orkin, “3 States and a Plan: The AI of F.E.A.R.", http://web.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.zip
  47. 47. 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 Jeff Orkin, “3 States and a Plan: The AI of F.E.A.R.", http://web.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.zip
  48. 48. 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
  49. 49. ゴールベース意思決定 連鎖プランニング 階層型ゴールプラン二ング Goal-based decision making
  50. 50. 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
  51. 51. 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
  52. 52. クロムハウンズにおけるプランニング 階層型ゴール指向型プランニング 戦略、戦術から、局所的戦闘までの幅広い戦いが できる必要がある
  53. 53. 階層型ゴール指向型プランニングとは?
  54. 54. 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
  55. 55. 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
  56. 56. 映画を見たい 映画館に行く 映画を見る 映画館は新宿だ 映画館まで歩く 新宿駅に行く 晴れなら 新宿駅へ歩く 雨なら 電車で新宿へ 駅まで歩く 電車に乗る ゴール指向型プランニングの考え方
  57. 57. 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 ロボット 身体
  58. 58. クロムハウンズにおける リアルタイムゴール指向型プランニング 通信塔を 占領する Seek Shot Walk Stop 戦略 戦術、振る舞い 操作 ハウンズ 敵が 来 た! 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 通信塔の 周囲に 10秒間いる 敵と戦う 撃つ 歩く 止まる ロボット 身体
  59. 59. 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 ロボット 身体
  60. 60. ゴール指向型AIの開発工程 歩く 撃つ 止まる 2点間を移動 前進しながら戦う 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 その場で静止 周囲を監視 しつつ待機 ゲーム テスト (80回) 問題点を パターンと して抽出 (パターンランゲージによる漸近的成長) 仕様UMLProgram
  61. 61. ゴール指向型プログラム構造 (入れ子構造) Class Goal クリア条件 + Activate() Process() Terminate() Class Goal クリア条件 + Activate() Process() Terminate() Class Goal クリア条件 + Activate() Process() Terminate() Class Goal クリア条件 + Activate() Process() Terminate() Activate … 初期セッティング Process … アクティブな間の行動Terminate … 終 了処理 (関数の内容を全てスクリプトで記述) プログラマーのための実装工程 インスタンス インスタンス
  62. 62. 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
  63. 63. ビヘイビアベース意思決定 Behavior-based decision making ステート(状態)ベースAI ゴール(目標)ベースAI ビヘイビア(振る舞い)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 タスク(仕事)ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール(規則)ベースAI
  64. 64. ビヘイビアベース ビヘイビア 自分自身の身体的活動をターゲットにしたタスク
  65. 65. ビヘイビアベース ビヘイビア ビヘイビア アニメーションほど詳細ではなく、 文脈を形成できるレベルの身体活動を 記述する。 フィードバックは、ツリー構造の 動作に含まれてしまう。 一連の行動を展開することが 目的となる。
  66. 66. ビヘイビアベイスAI (Behavior-Based AI) ビヘイビア(振る舞い)によって知能を記述する方法ビヘイビアは 具体的な身体運動の仕方を定義するものでなくてはならない。 ビヘイビア ビヘイビア何らかの意思決定 ビヘイビア
  67. 67. ビヘイビアベース意思決定 ビヘイビアツリー入門 Behavior-based decision making
  68. 68. 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
  69. 69. 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 この層の中で実行可能なうち、 最も優先度の高いノードを実行する
  70. 70. 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
  71. 71. 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 この層の中で実行可能なノードを 順番に実行する。
  72. 72. 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
  73. 73. 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
  74. 74. 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
  75. 75. 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
  76. 76. 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
  77. 77. 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 この層の中で実行可能なノードを ランダムに一つ実行する。
  78. 78. 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
  79. 79. 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
  80. 80. シミュレーションベース意思決定 Simulation-based decision making ステート(状態)ベースAI ゴール(目標)ベースAI ビヘイビア(振る舞い)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 タスク(仕事)ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール(規則)ベースAI
  81. 81. シミュレーション・ベース • シミュレーションは、ここではエージェントの想 像のこと。 • 問題を定式化できない場合、実際に頭の中 で動かしてみることを意味する。 • ゲームの場合は、実際にゲームのルール・原 理に従って運動させてみる。
  82. 82. シミュレーション・ベース ※イメージです。 要所、要所のシミュレーション結果を実際の世界の状況と比較して、 フィードバックをかける。
  83. 83. シミュレーション・ベース ジャンプするシミュレーションを行うことで、成功するジャンプを見出して実行する。 http://piposozai.blog76.fc2.com/
  84. 84. Warfarmeにおける壁面移動 Daniel Brewer, “The Living AI in Warframe’s Procedural Space Ships” (Game AI Conference 2014) ※登録が必要なサイトです http://archives.nucl.ai/recording/the-living-ai-in-warframes-procedural-space-ships/ プレイヤー AI プレイヤーが「ジャンプ・壁面走り・ジャンプ」したデータから 学習して、AIがそのデータをもとに同じ動きをする。 ジャンプ 壁面走り ジャンプ http://piposozai.blog76.fc2.com/ http://dear-croa.d.dooo.jp/download/illust.html
  85. 85. シミュレーション・ベース 加速・減速など自由な軌道を描けるAIが、複雑な地形を通過するときに、 複数の運動シミュレーションを走らすことで、もっともエレガントな軌道を見出す。
  86. 86. Armored Core V における空中移動 岡村 信幸, ARMORED CORE Vのパス検索 (CEDEC 2011) https://cedil.cesa.or.jp/cedil_sessions/view/593 START GOAL
  87. 87. Armored Core V における空中移動 岡村 信幸, ARMORED CORE Vのパス検索 (CEDEC 2011) https://cedil.cesa.or.jp/cedil_sessions/view/593 START GOAL
  88. 88. Armored Core V における空中移動 岡村 信幸, ARMORED CORE Vのパス検索 (CEDEC 2011) https://cedil.cesa.or.jp/cedil_sessions/view/593 START GOAL 動的計画法によるパス検索
  89. 89. タスクベース意思決定 Task-based decision making ステート(状態)ベースAI ゴール(目標)ベースAI ビヘイビア(振る舞い)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 タスク(仕事)ベース AI Task-based AI シミュレーションベース AI Simulation-based AI ルール(規則)ベースAI
  90. 90. 「階層型タスクネットワーク」 これから一番有望なアルゴリズム
  91. 91. http://dear-croa.d.dooo.jp/download/illust.html
  92. 92. 回復薬を作る方法 • 赤、青、緑を一色づつ集める。 • 緑、赤、緑の順番に集める。 • 青二つと赤一つ。ただし、赤の前に青を集め ないといけない。
  93. 93. メソッド (=タスクの分解の仕方) 回復薬を作る (タスク) 回復薬を運ぶ (タスク) 回復薬を届ける (タスク)
  94. 94. メソッド (=タスクの分解の仕方) 袋入 れる ブランチ 全色集める ブランチ 赤と青を集める ブランチ 赤と緑を集める 青拾う 赤拾う 緑拾う 袋入 れる 緑拾う 緑拾う 袋入 れる 赤拾う 青拾う 赤拾う青拾う 順序なしタスク 全順序タスク 局所的順序タスク 全色広場にある 広場には赤と緑の宝石がある 赤と青の宝石がある 原初タスク 回復薬を作る (タスク) 前提条件
  95. 95. メソッド (=タスクの分解の仕方) 回復薬を作る (タスク) 回復薬を運ぶ (タスク) 回復薬を届ける (タスク)
  96. 96. 回復薬を運ぶ • 場所を持ってきて、荷物を載せて、戦場へ運ぶ。 • 荷物に載せるには、宝箱に入れて載せる必要がある。 • 宝箱には札をつけておく必要がある。
  97. 97. メソッドメソッド 馬車に 載せる 馬車を呼ぶ 戦場まで行 く 荷を載せる 宝箱に 札をつける 宝箱に 入れる 順序なしタスク 全順序タスク 局所的順序タスク 馬車を持っている 原初タスク 回復薬を運ぶ (タスク) 前提条件 荷を載せる 馬車が近くにある 局所的順序タスク
  98. 98. 袋入 れる 回復薬を届ける (ドメイン) ブランチ 全色集める ブランチ 赤と青を集める ブランチ 赤と緑を集める 青拾う 赤拾う 緑拾う 袋入 れる 緑拾う 緑拾う 袋入 れる 赤拾う 青拾う 赤拾う青拾う 順序なしタスク 全順序タスク 局所的順序タスク 全色広場にある 広場には赤と緑の宝石がある 赤と青の宝石がある 原初タスク 回復薬を作る (タスク)
  99. 99. 袋入 れる 青拾う 赤拾う青拾う スタート 馬車 を 呼ぶ 戦場 まで 行く ゴール 馬車 に載 せる 宝箱 に札を つける 宝箱 に入 れる
  100. 100. Scope : movie Game AI Conference, Paris, June 2009
  101. 101. Architecture Game AI Conference, Paris, June 2009
  102. 102. Scope Game AI Conference, Paris, June 2009 Killzone 2 / PS3 • Max 32 players • Team-based game modes • Multiple game modes on one map • Players unlock / mix “badge abilities” • Offline (1 human player & bots) • Online (human players & bots)
  103. 103. Scope Game AI Conference, Paris, June 2009 Badges • Scout: Cloak, Spot-and-Mark • Tactician: Spawn Area, Air Support • Assault: Boost • Engineer: Sentry Turret, Repair • Medic: Heal, Med packs • Saboteur: Disguise, C4
  104. 104. Killzone 2 AI (マルチプレイヤーモード) (1) Killzone 2 のAI思考 (2) Killzone 2 のマップ自動解析 On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
  105. 105. Killzone 2 Screen On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
  106. 106. 司令官のAI 部隊長のAI 兵 士 の AI 兵 士 の AI 兵 士 の AI 部隊長のAI 兵 士 の AI 兵 士 の AI 兵 士 の AI 部隊長のAI 兵 士 の AI 兵 士 の AI 兵 士 の AI 防衛、前進など戦術を指示 戦術の成功・失敗を報告 (フィードバック) 移動地点を指示 ターゲット指示 指示の再発行要求 指示の再発行要求
  107. 107. 「Killzone 2」におけるチームの構造図と コミュニケーション・パス 司令官のAI 部隊長のAI 各 メ ン バ | の AI 各 メ ン バ | の AI 各 メ ン バ | の A 部隊長のAI 各 メ ン バ | の AI 各 メ ン バ | の A 各 メ ン バ | の AI 部隊長のAI 各 メ ン バ | の A 各 メ ン バ | の AI 各 メ ン バ | の A 防衛、前進など戦術を指示 戦術の成功・失敗を報告 (フィードバック) 移動地点を指示 ターゲット指示 指示の再発行要求 指示の再発行要求
  108. 108. Individual AI Game AI Conference, Paris, June 2009
  109. 109. 各メンバーのエージェント・アーキテクチャ 上からの 命令 メッセージ 情報 統合 World State HTN プランナー 計画 タスク 実行機 コントローラー インプット 知能内部 感覚刺激 認識 脅威
  110. 110. 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
  111. 111. 各メンバーのエージェント・アーキテクチャ 上からの 命令 メッセージ 情報 統合 World State HTN プランナー 計画 タスク 実行機 コントローラー インプット 知能内部 感覚刺激 認識 脅威
  112. 112. Squad AI Game AI Conference, Paris, June 2009
  113. 113. Squad AI Game AI Conference, Paris, June 2009
  114. 114. Search & Destroy: Defending (2) Paris Game AI Conference, 2009.
  115. 115. Search & Destroy: Defending (3) Paris Game AI Conference, 2009.
  116. 116. Ⓒ2014 SQUARE ENIX CO., LTD. All Rights Reserved. 部隊長のエージェント・アーキテクチャ 司令官から の命令 各兵士から の報告 情報 統合 World State HTN プランナー 計画 タスク 実行機 各メンバー への命令 知能内部 メモリ領域 実行モジュール
  117. 117. 銃で攻撃 ロケットで攻撃 銃で攻撃 ロケットで 攻撃 敵がヒューマノイド 射程距離内 敵はヒューマノイドでも砲台でもない 射程距離内 武器を選択して攻撃 (タスク) 装填 攻撃 終了 装填 攻撃 終了
  118. 118. … 前進 なし 拠点を防衛するように命令する (タスク) それまでのメンバーデータを消去 新しくメンバーの状況を収集 命令発行シークエンス起動 (これまでの行動を停止せよ) 前進命令を発行 到着したら停止命令 拠点を防衛せよ
  119. 119. かがみながら近づく 行動する (タスク) 治療プランスタート 治療を周囲に通達 車 防御 ターゲットを選択 治療器具を使用する 徒歩前進 治療 行動 中止 継続 開始 治療 器具変更なし 器具変更あり メソッド適用 メソッド適用 メソッド適用 メソッド適用
  120. 120. HTN (Hierarchical Task Network) Precondition Task Precondition Task On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
  121. 121. HTN (Hierarchical Task Network) 各AIの思考 On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
  122. 122. TaskList TaskList 分岐リスト 分岐リスト 分岐(Branch) 分岐(Branch) On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
  123. 123. On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
  124. 124. 目次 • 第一章 人工知能の作り方 • 第二章 ソフトウェアの構造 • 第三章 人工知能へ • 第四章 知識構造 • 第五章 ナビゲーションAI • 第六章 メタAI ゲーム全体の思考 • 第七章 思考 • 第八章 思考の構造
  125. 125. 第八章 思考の構造
  126. 126. コンポジット構造(ゴール、タスク) 要素 要素 要素 要素 要素 要素 要素 コンポジット・パターン(デザインパターン)
  127. 127. 連結型アーキテクチャ(ゴール、タスク) 要素 要素 要素
  128. 128. 知識 思考 最小の知能の単位階層型アーキテクチャ
  129. 129. 知識 思考 知識 思考 知識 思考 メタ思考 メタ思考アーキテクチャ
  130. 130. 思考の構造 • 階層型 • メタ思考型 • コンポジット型 • 連結型アーキテクチャ
  131. 131. 思考の構造 • 階層型 • メタ思考型 • コンポジット型 • 連結型アーキテクチャ 静的な思考 動的に生成される思考
  132. 132. コンポジット構造(ゴール、タスク) 要素 要素 要素 要素 要素 要素 要素 コンポジット・パターン(デザインパターン) 動的(リアルタイム)に生成
  133. 133. 連結型アーキテクチャ(ゴール、タスク) 要素 要素 要素 動的(リアルタイム)に生成
  134. 134. 知識 思考 最小の知能の単位階層型アーキテクチャ 動的(リアルタイ ム)に生成
  135. 135. 知識 思考 知識 思考 知識 思考 メタ思考 メタ思考アーキテクチャ 動的(リアルタイム)に生成
  136. 136. 思考の構造 • 階層型 • メタ思考型 • コンポジット型 • 連結型アーキテクチャ 静的な思考 動的に生成される思考
  137. 137. スクリプト Scripted AI から自律型AIへの変化 ゲームデザイナーの頭の中 ゲームデザイナーの頭の中 知識 思考 Scripted AI 自律型 AI (Autonomous AI) 操り人形(Scripted AI)から、キャラクターが自分で考えて行動する 自律型AI(Autonomous AI)になるためには、 ゲームデザイナーが頭の中で持っている知識と思考をAIに埋め込 む必要がある。
  138. 138. スクリプト Scripted AI から自律型AI、生成型AI 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) 知識 その場で 思考 生成 生成的AI (Generative AI) http://piposozai.blog76.fc2.com/
  139. 139. 付録1: 概念とアーキテクチャ
  140. 140. 人工知能が用いる概念 • ゴール • タスク • ユーティリティ • エージェント • 知識
  141. 141. 概念構造 ソフトウェア構造
  142. 142. 世界に向かってソフトウェアを開いて行く 世界 プログラムの断片
  143. 143. 世界に向かってソフトウェアを開いて行く 世界 プログラムの断片
  144. 144. 世界に向かってソフトウェアを開いて行く 世界 プログラムの断片
  145. 145. プログラムの断片 プログラムの断片
  146. 146. 世界 知能
  147. 147. Abstraction Time World Sensor Effector World Dynamics Artificial Intelligence Object Object Object Object Object 明確に内的対象を 外的事物と同じように 存在するものとして 導入することができる。
  148. 148. Decision-Making Physical Informat ion Abstract Informat ion More Abstract Informat ion Abstraction Time Decision-Making Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Object image on the top layer インフォメーション・フローは 志向性の流れを作り出してい
  149. 149. 統合された エージェント・アーキテクチャ
  150. 150. Physical Informat ion Abstract Informat ion More Abstract Informat ion Abstraction Time Decision-Making Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World Sensor Effector World Dynamics Artificial Intelligence Decision-MakingDecision-Making
  151. 151. Physical Informat ion Abstract Informat ion More Abstract Informat ion Abstraction Time Decision-Making Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Decision-Making Object image on the top layer
  152. 152. Physical Informat ion Abstract Informat ion More Abstract Informat ion Abstraction Time Decision-Making Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Decision-Making Object image on the top layer
  153. 153. Physical Informat ion Abstract Informat ion More Abstract Informat ion Abstraction Time Decision-Making Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Decision-Making Object image on the top layer
  154. 154. 付録2: 記憶とアーキテクチャ
  155. 155. 記憶の海 (Working Memory) ステージからワーキングメモリに記憶(スタック)する。 注意の焦点 t=T 注意の焦点 t=T http://piposozai.blog76.fc2.com/
  156. 156. ステージからワーキングメモリに記憶(スタック)する。 注意の焦点 t=T 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working Memory) http://piposozai.blog76.fc2.com/
  157. 157. ステージからワーキングメモリに記憶(スタック)する。 注意の焦点 t=T 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working Memory) http://piposozai.blog76.fc2.com/
  158. 158. 注意の焦点 t=T ステージからワーキングメモリに記憶(スタック)する。 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working Memory) 注意の焦点 t=T-2 対象Aに対する記憶スタック 意識の流れ http://piposozai.blog76.fc2.com/
  159. 159. C4 アーキテクチャ (MIT メディアラボ Synthetic Creature Group, 2000) キャラクターAIの内部モデルとしてのブラックボード・アーキテクチャ 特徴: - AIの各機能が モジュール化されている - モジュール同士は ブラックボードを経由して コミュニケーションを取る。 - 各モジュールはKS 記憶領域 ブラックボードには記憶だけでなく、 知識、身体の情報など、個体の持つ あらゆる情報が表現される ブラックボード・アーキテクチャ = 記憶の場所 + 制御アーキテクチャ ブラックボードは、 キャラクター表現そのもの。 古典的機能 エージェントにおける 新しい機能
  160. 160. 注意の焦点 t=T ステージからワーキングメモリに記憶(スタック)する。 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working Memory) 注意の焦点 t=T-2 注意の焦点 t=T-3 対象Aに対する記憶スタック 意識の流れ http://piposozai.blog76.fc2.com/
  161. 161. 注意の焦点 t=T ステージからワーキングメモリに記憶(スタック)する。 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working Memory) 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ 対象Aに対する記憶スタック http://piposozai.blog76.fc2.com/
  162. 162. 注意の焦点 t=T テンポラリー記憶の圧縮・パッキング 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working M 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ 対象Aに対する記憶スタック 情報の圧縮・パッキング =対象Aに対する知識 http://piposozai.blog76.fc2.com/
  163. 163. 注意の焦点 t=T テンポラリー記憶の圧縮・パッキング 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working M 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ 対象Aに対する記憶スタック 対象Aに 対する知識 対象Aに対する知識 http://piposozai.blog76.fc2.com/
  164. 164. 注意の焦点 t=T ワーキングメモリから短期記憶へさらにスタック。 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working M 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ 対象Aに対する記憶スタック 対象Aに 対する知識 対象Aに対する知識 短期記憶 書き込み http://piposozai.blog76.fc2.com/
  165. 165. 注意の焦点 t=T ステージからワーキングメモリに記憶(スタック)する。 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working Memory) 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ スイカに対する記憶スタック
  166. 166. 注意の焦点 t=T テンポラリー記憶の圧縮・パッキング 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working M 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ スイカに対する記憶スタック スイカに対する知識
  167. 167. 注意の焦点 t=T テンポラリー記憶の圧縮・パッキング 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working M 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ スイカに対する記憶スタック スイカに対する知識 スイカに対する知識
  168. 168. 注意の焦点 t=T ワーキングメモリから短期記憶へさらにスタック。 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working M 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ スイカに対する記憶スタック スイカに対する知識 スイカに対する知識 短期記憶 書き込み
  169. 169. 注意の焦点 t=T テンポラリー記憶の圧縮・パッキング 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working Mem 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ 地形に対する記憶スタック 地形に対する知識 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  170. 170. 注意の焦点 t=T テンポラリー記憶の圧縮・パッキング 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working Mem 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ 地形に対する記憶スタック 地形に対する知識 地形に対する知識 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  171. 171. 注意の焦点 t=T ワーキングメモリから短期記憶へさらにスタック。 注意の焦点 t=T 注意の焦点 t=T-1 記憶の海 (Working Mem 注意の焦点 t=T-2 注意の焦点 t=T-3 注意の焦点 t=T-N 注意の焦点 t=T… 意識の流れ 地形に対する記憶スタック 地形に対する知識 地形に対する知識 短期記憶 書き込み http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  172. 172. 注意の焦点 人間は意識の中に世界がどう現われたかを覚えている。 ゴブリンに 対する知識 地形に対する 知識 スイカ に対する知識 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  173. 173. 付録: : 記憶の構造 第一節 テンポラリーな記憶のスタック 第二節 記憶のリコール(呼び出し) 第三節 記憶の階層構造
  174. 174. 注意の焦点 人間は意識の中に世界がどう現われたかを覚えている。 ゴブリンに 対する知識 地形に対する 知識 スイカ に対する知識 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  175. 175. 注意の焦点 記憶のマッチングとリコール ゴブリンに 対する知識 地形に対する 知識 スイカ に対する知識 呼び出し =マッチング 書き込み =対象の判別 && 知識・経験の想起 =リコール こいつ 出会った ことある! http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/ http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  176. 176. 注意の焦点 記憶のマッチングとリコール ゴブリンに 対する知識 地形に対する 知識 スイカ に対する知識 呼び出し =マッチング 書き込み =対象の判別 知識・経験の想起 =リコール ここ 見たこと ある! http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/ http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  177. 177. 注意の焦点 記憶のマッチングとリコール ゴブリンに 対する知識 地形に対する 知識 スイカ に対する知識 呼び出し =マッチング 書き込み =対象の判別 知識・経験の想起 =リコール これ 見たこと ある! http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/ http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  178. 178. 注意の焦点 記憶のマッチングとリコール ゴブリンに 対する知識 地形に対する 知識 スイカ に対する知識 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/ http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  179. 179. 注意の焦点 記憶体=プロセッサー(KS) モンスターに 対する知識 地形に対する 知識 スイカ に対する知識 特定の対象に対する知識は専門家(エキスパート)が 受け持っているとみなすことができる。 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/ http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  180. 180. へび に対する 知識 注意の焦点 記憶体=プロセッサー(KS) ゴブリンに 対する知識 地形に対 する知識 スイカ に対する 知識 リンゴに 対する知 識 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/ http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
  181. 181. 付録: 記憶の構造 第一節 テンポラリーな記憶 第二節 記憶のリコール 第三節 記憶の階層構造
  182. 182. へび に対する 知識 注意の焦点 記憶の呼び出しと書き込みも黒板モデルとみなすことができる。 ゴブリンに 対する知識 地形に対 する知識 スイカ に対する 知識 リンゴに 対する知 識 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
  183. 183. 短期記憶 注意の 焦点 マルチスケールな記憶システム構造 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
  184. 184. 長期記憶 短期記憶 注意の 焦点 マルチスケールな記憶システム構造 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
  185. 185. 固定記憶 長期記憶 短期記憶 注意の 焦点 マルチスケールな記憶システム構造 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
  186. 186. 固定記憶 長期記憶 短期記憶 注意の 焦点 マルチスケールな記憶システム構造 スタック http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
  187. 187. 固定記憶 長期記憶 短期記憶 注意の 焦点 マルチスケールな記憶システム構造 スタック http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
  188. 188. 固定記憶 長期記憶 短期記憶 注意の 焦点 マルチスケールな記憶システム構造 リコール スタック http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
  189. 189. 固定記憶 長期記憶 短期記憶 注意の 焦点 記憶構造 ※時間スケールはそれぞれのスタック・リコールで異なる。 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
  190. 190. 記憶のレベル さまざまな記憶レベルに モンスターに関する記憶が 記録されています。
  191. 191. 記憶のレベル http://piposozai.blog76.fc2.com/

×