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. 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. 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. 第六章メタAI ゲーム全体の思考

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. 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ＡＩ３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. 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. 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/

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. 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. （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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. キャラクターAI センサーエフェクターメタAI

34. 第七章思考

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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 階層型ゴール指向型プランニングとは？

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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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

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。

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。

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

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. 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. 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. 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. 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. 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. 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. 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. Scope : movie Game AI Conference, Paris, June 2009

101. Architecture Game AI Conference, Paris, June 2009

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. 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. 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. Killzone 2 Screen On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/

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

108. Individual AI Game AI Conference, Paris, June 2009

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. 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. 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. Squad AI Game AI Conference, Paris, June 2009

113. Squad AI Game AI Conference, Paris, June 2009

114. Search & Destroy: Defending (2) Paris Game AI Conference, 2009.

115. Search & Destroy: Defending (3) Paris Game AI Conference, 2009.

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. … 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. 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. 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. 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. 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. On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/

125. 第八章思考の構造

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. 連結型アーキテクチャ（ゴール、タスク）要素要素要素

128. 知識思考最小の知能の単位階層型アーキテクチャ

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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 付録１：概念とアーキテクチャ

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. 概念構造ソフトウェア構造

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

145. プログラムの断片プログラムの断片

146. 世界知能

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. 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. 統合されたエージェント・アーキテクチャ

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. 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. 付録２：記憶とアーキテクチャ

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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 記憶のレベル http://piposozai.blog76.fc2.com/

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）

You are reading a preview.

Check these out next

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）

More Related Content

Slideshows for you (20)

Viewers also liked (20)

Similar to 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） (20)

More from Youichiro Miyake (20)

Recently uploaded (20)