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.

人工知能とゲーム

4,857 views

Published on

先日、港区で夕方に行った講演録です。

Published in: Science
  • Be the first to comment

人工知能とゲーム

  1. 1. 人工知能とゲーム 三宅陽一郎@miyayou https://twitter.com/miyayou https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com 2015.7.29 港区
  2. 2. http://www.nttdata.com/jp/ja/corporate/profile/pr/magazine/ http://www.switch-store.net 対談
  3. 3. Works (2006-2012) AI for Game Titles Books
  4. 4. 社内AIセミナー(2005-2015) 2005-2011 毎週開催 > 200回 (1時間講義+議論) 2011-2015 毎週開催 > 150回 (1時間講義+Workshop)
  5. 5. コンテンツ • 第一部 人工知能と時代の流れ社会と人工知能 • 第二部 人工知能とは何か? • 第三部 人工知能の発展の歴史 • 第四部 人工知能と社会 • 第五部 ゲームにおける人工知能 • 第六部 ディープラーニング • 第七部 モバイルと人工知能 • 第八部 オンラインゲームの運営と人工知能
  6. 6. コンテンツ • 第一部 人工知能と時代の流れ社会と人工知能 • 第二部 人工知能とは何か? • 第三部 人工知能の発展の歴史 • 第四部 人工知能と社会 • 第五部 ゲームにおける人工知能 • 第六部 ディープラーニング • 第七部 モバイルと人工知能 • 第八部 オンラインゲームの運営と人工知能
  7. 7. 第一部 人工知能と時代の流れ
  8. 8. この300年の技術の動向 時間 規模 産業革命 情報革命 ネット革命 知能革命 機械化・自動化(オートメーション化) 電子情報化 オンライン化 知能化 第二次産業革命 電動化 1750 1860 1960 1990 Now…
  9. 9. エンジニアリングとしての人工知能の 二つのアプローチ 人工知能を作る (キャラクターAI、ロボット…) 既にあるものを知能化する (家電、電車、ポスター、なんでも…)
  10. 10. 知能化 • 工場 → (知能化) → オートスケジューリング • 配送 → (知能化) → 自動分配・自動配送 • 車 → (知能化) → 自動走行・ITS • 家電 → (知能化) → コミュニケーション家電(ルンバなど) • インターネット → (知能化) → Web.4.0 (GoogleのDeep Learning など) • TV → (知能化) → キーワード・趣向による自動録画 • 注文サービス → (知能化) → 自動受付・自動サービス 社会の隅々にまで、知的機能がインプリメント(実装)される。
  11. 11. 知能化 • 工場 → (知能化) → オートスケジューリング • 配送 → (知能化) → 自動分配・自動配送 • 車 → (知能化) → 自動走行・ITS • 家電 → (知能化) → コミュニケーション家電(ルンバなど) • インターネット → (知能化) → Web.4.0 (GoogleのDeep Learning など) • TV → (知能化) → キーワード・趣向による自動録画 • 注文サービス → (知能化) → 自動受付・自動サービス 社会の隅々にまで、知的機能がインプリメント(実装)される。 知能化
  12. 12. • オートスケジューリング • 自動分配・自動配送 • 自動走行・ITS • コミュニケーション家電 • Web.4.0 (知的Web空間) • 趣向による自動録画 • 自動受付・自動サービス • 工場 • 配送 • 車 • 家電 • インターネット • TV • 注文サービス 知能化 現実世界 (~1995) 現実世界 2.0 (2015~)
  13. 13. この300年の技術の動向 時間 規模 産業革命 情報革命 ネット革命 知能革命 機械化・自動化(オートメーション化) 電子情報化 オンライン化 知能化 第二次産業革命 電動化 1750 1860 1960 1990 Now… 現代は「知能化」の時代に 入りつつある。
  14. 14. 日本の社会と人工知能 ロボット 世代 人口 人工知能 少子高齢化社会 ロボットと人工知能で 少子高齢化社会を支える
  15. 15. コンテンツ • 第一部 人工知能と時代の流れ社会と人工知能 • 第二部 人工知能とは何か? • 第三部 人工知能の発展の歴史 • 第四部 人工知能と社会 • 第五部 ゲームにおける人工知能 • 第六部 ディープラーニング • 第七部 モバイルと人工知能 • 第八部 オンラインゲームの運営と人工知能
  16. 16. 第二部 人工知能とは何か?
  17. 17. 自然知能と人工知能 人間 =自然知能 機械 =人工知能
  18. 18. 機械(マシン)
  19. 19. 機械(マシン) ソフトウェア
  20. 20. 機械(マシン) ソフトウェア 知能 http://www.1999.co.jp/blog/1210192
  21. 21. 機械(マシン) ソフトウェア 知能 身体 機能 知能 http://www.1999.co.jp/blog/1210192 http://ja.wallpapersma.com/wallpaper/_- %E3%83%AA%E3%82%B9%E3%80%81%E5%A3%81%E7%B4%99%E3%80%81%E3%83%AF%E3%82%A4%E3%83%89%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B3%E3%81%AE%E3%80%81%E3% 83%9E%E3%83%83%E3%82%AF%E3%80%81%E3%83%9A%E3%83%83.html
  22. 22. 身体性とインテリジェンス Gray’s anatomy 脳の中心の部位は身体とつながっている。 生理機能を司っている。 それを囲うように、辺縁体、大脳がある。 http://square.umin.ac.jp/neuroinf/brain/005.html http://www.amazon.co.jp/Grays-Anatomy-Anatomical-Clinical-Practice/dp/0443066841
  23. 23. 意識/無意識の知性 身体の制御に つながる 感覚を統合する 知性全体 人の意識的な部分 意識自身には機能がない 環境 身体 意識 無意識 意識的な知性 無意識的な知性 表象 意識に浮かび 上がるイメージ
  24. 24. 人間の精神 意識 前意識 無意識 知能
  25. 25. 人間の精神 意識 前意識 無意識 外部からの 情報 解釈 顕 在 化 知能
  26. 26. 人間の精神 意識 前意識 無意識 言語による 精神の構造化 知能
  27. 27. 人間の精神 意識 前意識 無意識 言語による 精神の構造化 外部からの 情報 知能
  28. 28. チョムスキー「ことばと認識」 (原著:1980, 翻訳:1984) • 言語学とは、ある特定の認知領域と、精神の一能力である 生得的言語能力とに専ら関心を寄せる心理学の一分野であ ると私は考えたい。ここでの議論における心理学とは、少なく とも、行動し経験を解釈する人間の諸能力、およびこれらの 能力とその行使の基底にある諸々の心的構造に関心を寄せ るものであり、さらに深い意味では、これらの心的構造を構 築するより高次の能力およびその能力の基底にあるより高 次な構造に関心を寄せるものである。(P.7)
  29. 29. 松沢哲郎「チンパンジーの心」(2000) • チョムスキーの始めた生成文法では、言語的表現の構造を記述する 方法として樹状構造による表記法がもちいられている。(P.61) • しいていえば、アフリカの森の暮らしのなかこそ研究すべきいろいろ なおもしろい事象があり、認識の奥行きの深さが読み取れる。(P.65) • こうして実際に多方面であるはずのチンパンジーの心のあり方を、多方面なまま 客観的に取り出して別の角度から重ね合わせて研究を展開していく。(P.65) シロアリ をつまむ 観察され た構造 行動の 構造 行動の 対象物 シ ロ アリ 階層0 シロアリ を棒で釣る 階層1 シ ロ アリ 棒 ヤシの種を台 石に載せてハ ンマーで叩く 階層2 ヤ シ の 種 台 石 ハ ン マ | 台石の下に別の台石 をかませてその上に ヤシの種をのせてハ ンマーで叩く 階層3 ヤ シ の 種 台 石 ハ ン マ | 台 石
  30. 30. 分節化 • 言葉とその構造 =世界をどう分けるか? =世界をどう解釈するか? =世界をどう自分にとって再構築するか?
  31. 31. ルーシー・A・サッチマン 「プランと状況的行為」(原著:1987, 翻訳:1999) • プランは、行為の表象である。(P.50) • 本書では、私は人間の行為のプランニング・モデルをもとにして作られた人 工物について考察する。そのモデルはプランを何か行為者の頭の中にある ものとして扱い、それが彼もしくは彼女の行動を方向づけているとする。(P.3) • それと対照的に、私は、このプランニング・モデルに基づいて作られた人工物 は、プランと、状況的行為(situated action)とを混合していると論じ、それと代 わって、プランというものを、行為をもっともらしく説明する先行条件と行為の 結果の形式化であると見なすことを提唱する。(P.3) • … 行為とコミュニケーションに関して、状況に 埋め込まれたものといい最近の社会科学における 発展から導かれたもう一つの見方を提起する。 (P.3)
  32. 32. 人間の精神 意識 前意識 無意識 言語による 精神の構造化 外部からの 情報 言語化のプロセス シニフィアン/シニフィエ 知能
  33. 33. 人間の精神 意識 前意識 無意識 知能 言語による 精神の構造化 外部からの 情報 言語化のプロセス シニフィアン /シニフィエ 言語回路 (=解釈)
  34. 34. ソシュール「一般言語学講義」 • シニフィアン/シニフィエ =語と語の意味するもの =世界の分節化 =世界に理解(?) 言語・論理学者たち フレーゲ、ヤコブソン、チョムスキー シニフィアン シニフィエ
  35. 35. 人間の精神 意識 前意識 無意識 知能 言語による 精神の構造化 外部からの 情報 言語化のプロセス シニフィアン /シニフィエ 言語回路 (=解釈) 意識の形成 世界を分節化している
  36. 36. 人間の精神 意識 前意識 無意識 外部からの 情報 言語・非言語境界面 (シニフィアン/シニフィエ) 意識の境界面 (表象) 知覚の境界面 知能と身体の境界面 (仏教で言う:阿頼耶識)
  37. 37. 人間の精神 意識 前意識 無意識 外部からの 情報 知能と身体の境界面 (仏教で言う:阿頼耶識) 言語・非言語境界面 (シニフィアン/シニフィエ) 意識の境界面 知覚の境界面 意識は常に何かについての意識である。(志向性) フッサール『イデーン』 我々は知覚によってこの世界に住み着いている。 メルロ=ポンティ『知覚の現象学』 ソシュール「一般言語学講義」 大乗仏教 「阿頼耶識」
  38. 38. 人間の精神 意識 前意識 無意識 外部からの 情報 人の意識が為しえる知能 人の無意識に為しえる知能
  39. 39. 人間の精神 意識 前意識 無意識 外部からの 情報 人工知能の研究はこの部分に 集中している この部分を作るのが難しい。
  40. 40. 人間の精神 意識 前意識 無意識 外部からの 情報 生態学的人工知能 ※生態=環境・身体との 結びつきを考える 伝統的な人工知能 身体知
  41. 41. 人間の精神 意識 前意識 無意識 知能 言語による 精神の構造化 外部からの 情報 言語化のプロセス シニフィアン/シニフィエ 言語回路 (=解釈)
  42. 42. 人間の精神 意識 前意識 無意識 知能 言語による 精神の構造化 外部からの 情報 言語化のプロセス シニフィアン/シニフィエ 言語回路 (=解釈)
  43. 43. 人間の精神 意識 前意識 無意識 外部からの 情報 知能 解釈 顕 在 化 運動 統合 意 志 意識の境界面 知覚の境界面
  44. 44. 人間の精神 意識 前意識 無意識 外部からの 情報 知能 解釈 顕 在 化 運動 統合 意 志 意識の境界面 知覚の境界面 2つの見えている世界(知覚世界、作用世界) 知覚世界 作用世界
  45. 45. 機械の精神=人工知能 意識 前意識 無意識 知能 言語による 精神の構造化 外部からの 情報 言語化のプロセス シンボル/010100000 言語回路 (=プログラム)
  46. 46. 人間の精神、機械の精神 意識 前意識 識 外部からの 情報 意識 前意識 無意識 外部からの 情報 言語・非言語境界面 知覚の境界面
  47. 47. 機械(マシン) ソフトウェア 知能 身体 機能 知能 http://www.1999.co.jp/blog/1210192 http://ja.wallpapersma.com/wallpaper/_- %E3%83%AA%E3%82%B9%E3%80%81%E5%A3%81%E7%B4%99%E3%80%81%E3%83%AF%E3%82%A4%E3%83%89%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B3%E3%81%AE%E3%80%81%E3% 83%9E%E3%83%83%E3%82%AF%E3%80%81%E3%83%9A%E3%83%83.html
  48. 48. エージェント・アーキテクチャ
  49. 49. 知能とは? 環境
  50. 50. 知能とは? 環境 身体 (内部構造)
  51. 51. 環境 知能とは? 身体 (内部構造) 知能 知能=環境と自分(=身体)を動的に調和させる機能を持つ。 http://www.1999.co.jp/blog/1210192
  52. 52. 環境 人工知能とは? 身体 人工知能=人工的な存在(=身体)を環境の中で活動させる 知能 http://www.1999.co.jp/blog/1210192
  53. 53. 環境 人工知能とは? 身体 人工知能=人工的な存在(=身体)を環境の中で活動させる 入力(センサー) 行動(アウトプット) 知能 http://www.1999.co.jp/blog/1210192
  54. 54. 知能の内部世界 環境世界 エフェクター・ 身体 センサー・ 身体
  55. 55. 知能の内部世界 環境世界 エフェクター・ 身体 センサー・ 身体 エージェント・アーキテクチャ =世界と知能を分けて考える。
  56. 56. 知能の世界 環境世界 認識の 形成 記憶 センサー・ 身体 記憶体 情報処理過程 情報 統合
  57. 57. 知能の世界 環境世界 認識の 形成 記憶 意思の 決定 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 情報 統合
  58. 58. 知能の世界 環境世界 認識の 形成 記憶 意思の 決定 身体 制御 エフェクター・ 身体 運動の 構成 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 運動創出過程 身体部分 情報 統合 運動 統合
  59. 59. 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
  60. 60. コンテンツ • 第一部 人工知能と時代の流れ社会と人工知能 • 第二部 人工知能とは何か? • 第三部 人工知能の発展の歴史 • 第四部 人工知能と社会 • 第五部 ゲームにおける人工知能 • 第六部 ディープラーニング • 第七部 モバイルと人工知能 • 第八部 オンラインゲームの運営と人工知能
  61. 61. 第三部 人工知能の発展の歴史
  62. 62. 人間はどのように人工知能を 発展させて来たか? 記号 自然 言語 概念 人間 AI より人間に近い情報の形を 理解できるように進化させて来た。 意味 言葉 情報
  63. 63. 人間はどのように人工知能を 発展させて来たか? 記号 自然 言語 概念 人間 AI より人間に近い情報の形を 理解できるように進化させて来た。 意味 言葉 記号処理 自然言語処理 セマンティック解析(意味解析) オントロジー 情報 情報処理
  64. 64. ) 人工 知能 人はどのように人工知能を使っているか? ネットに散乱する情報を、人間がより理解しやすい形に 咀嚼して、持って来る (例)要約。意味による検索。 人間 記号の海 言葉の海 意味の海 概念の海 情報の海 ネット空間
  65. 65. 情報の海 (ネットワーク) ネット空間の人工知能 人間 とてもしんどい… おいつかない。。。
  66. 66. 情報の海 (ネットワーク) 人工 知能 人工 知能 人工 知能 解析・抽出 提出・提案命令・指示 ネット空間の人工知能 人間 人工知能が情報の海と人間の間のインターフェースとして出現する
  67. 67. 人間はどのように人工知能を 発展させて来たか? 記号 自然 言語 概念 人間 AI より人間に近い情報の形を 理解できるように進化させて来た。 意味 言葉 情報 画像 自然 言語 言葉 概念 意味 Deep Learning (ディープラーニング)
  68. 68. 人間はどのように人工知能を 発展させて来たか? 記号 自然 言語 概念 人間 AI 意味 言葉 情報 画像 自然 言語 言葉 イメー ジ 意味 映像 自然 言語 言葉 想像 意味
  69. 69. ) 人工 知能 人はどのように人工知能を使っているか? 情報の海を母体として、人工知能が育っている。 = 情報の海を母体として人工知能が生まれる 人間 記号の海 言葉の海 意味の海 概念の海 情報の海
  70. 70. 人間はどのように人工知能を 発展させて来たか? 記号 自然 言語 概念 人間 AI 意味 言葉 情報 画像 自然 言語 言葉 イメー ジ 意味 映像 自然 言語 言葉 想像 意味
  71. 71. ) 人工 知能 人間 記号の海 言葉の海 意味の海 概念の海 情報の海 機械
  72. 72. 現実世界 オーバーレイ空間 デジタル空間(ネット空間) 人間 人工 知能 クラウド ビックデータ センシング ロボット/ハー ドウェア 物理世界 ソフト ウェアの 世界 人工 知能 人工 知能 提出・提案命令・指示 人工 知能 人工 知能 人工 知能 人工 知能
  73. 73. コンテンツ • 第一部 人工知能と時代の流れ社会と人工知能 • 第二部 人工知能とは何か? • 第三部 人工知能の発展の歴史 • 第四部 人工知能と社会 • 第五部 ゲームにおける人工知能 • 第六部 ディープラーニング • 第七部 モバイルと人工知能 • 第八部 オンラインゲームの運営と人工知能
  74. 74. 第四部 人工知能と社会
  75. 75. 時間 規模 産業革命 情報革命 ネット革命 知能革命 機械化・自動化(オートメーション化) 電子情報化 オンライン化 知能化 第二次産業革命 電動化 1750 1860 1960 1990 Now…
  76. 76. 人工知能の現代までの流れ スタンドアローンな 巨大コンピューター (弾道計算、科学計算) スタンドアローンな 中型コンピューター (ニューラルネット、推論。) AI on パーソナルコンピューター ブラックボード(共有メモリ)を介した 複数のAIの連携 ネット空間のAI (Google, facebookなど) バーチャル空間の中のAI (ゲーム, セカンドライフなど) 現実空間のAI (ロボットなど) 19501930 1960 1970 1980 1990
  77. 77. IT技術による新しい現実空間のサービス(新規) ネット空間 現実空間 クラウド/人工知能 ビックデータ 進出・ 浸食 ロボット 実空間 センシング ドローン IoT 現在起こっていること ~ネット空間から現実空間への回帰 人工知能
  78. 78. IT技術による新しい現実空間のサービス(新規) ネット空間 現実空間 クラウド/人工知能 ビックデータ 進出・ 浸食 ロボット 実空間 センシング ドローン IoT 現在起こっていること ~ネット空間から現実空間への回帰 人工知能 飽和したネット空間のサービス競争(飽和)
  79. 79. グローバルな ネット情報空間 現実空間 クラウド 進出・ 浸食 ロボット 実空間 センシング ドローン IoT ローカルな デジタル空間 人工知能 現実空間を オーバー レイした 空間 自動 走行車
  80. 80. グローバルなネット情報空間 現実空間 現実空間をオーバーレイした 情報/現実空間 人工知能 ローカルなデジタル空間 1960’ 1970’ 1980 ’ 1990 ’ 2000 ’ 2010 ’
  81. 81. グローバルなネット情報空間 現実空間 現実空間をオーバーレイした 情報/現実空間 人工知能 ローカルなデジタル空間 人間
  82. 82. グローバルなネット情報空間 現実空間 クラウド x 人工知能 =ネット上の巨大な知能 ロボット 実空間 センシング ドローン IoT 現実空間 をオーバー レイした 空間 自動 走行車
  83. 83. デジタル世界 現実世界 (~1995) パソコン インター ネット 人工 知能 クラウド 人工知能による新しい空間 新しい 現実空間の 誕生
  84. 84. デジタル世界 現実世界 (~1995) パソコン インター ネット 人工 知能 クラウド 人工知能による新しい空間 新しい 現実空間の 誕生 キーワードは「実世界指向」 ソフトウェアは身体を持って現実に出る。 それは現実世界を変貌させて行く。 「現実世界 2.0」
  85. 85. 新しい現実空間 デジタル世界(ネット空間) クラウド 現実世界 ドローン 自動 走行車 現実世界 実空間 センシング ロボット IoT
  86. 86. 現実世界 オーバーレイ空間 デジタル空間(ネット空間) 人間 人工 知能 クラウド ビックデータ センシング ロボット/ハー ドウェア 物理世界 ソフト ウェアの 世界 人工 知能 人工 知能 提出・提案命令・指示 人工 知能 人工 知能 人工 知能 人工 知能
  87. 87. 情報空間の拡大 ~人工知能の舞台が広がる http://www.s-hoshino.com
  88. 88. 情報空間の拡大 ~人工知能の舞台が広がる • やがて街全体が情報空間になる。 http://www.s-hoshino.com
  89. 89. 情報空間の拡大 ~人工知能の舞台が広がる • やがて街全体を制御する人工知能が出現する。 http://www.s-hoshino.com
  90. 90. 情報空間の拡大 ~人工知能の舞台が広がる http://www.s-hoshino.com
  91. 91. 情報空間の拡大 ~人工知能の舞台が広がる • やがて街全体が情報空間になる。 • 家全体が情報空間になる。 http://www.s-hoshino.com
  92. 92. 情報空間の拡大 ~人工知能の舞台が広がる • やがて街全体を制御する人工知能が出現する。 • やがて家全体を制御する人工知能が出現する。 http://www.s-hoshino.com
  93. 93. コンテンツ • 第一部 人工知能と時代の流れ社会と人工知能 • 第二部 人工知能とは何か? • 第三部 人工知能の発展の歴史 • 第四部 人工知能と社会 • 第五部 ゲームにおける人工知能 • 第六部 ディープラーニング • 第七部 モバイルと人工知能 • 第八部 オンラインゲームの運営と人工知能
  94. 94. 第五部 ゲームにおける人工知能
  95. 95. チェス 将棋 囲碁 デジタル ゲームAI 19951960 ロボカップサッカー (ロボカップ) 2010 人狼 カーリング 1980 2000 20502020 プロに勝つ(こともある) プロに勝つ(目標) ? ? ? 産学で本格的に研究が始まる スポーツなどデータマイニングからのAI 1950 ゲームの人工知能の歴史
  96. 96. 将棋 アクションゲーム ゲーム 既にある。 (AIはゲームの外にある。 将棋の中にAIは含まれない) 開発当初はゲームがない (ゲームと一緒にAIを作る =AIはゲームの一部) ステージ(空間) 盤の目・離散的 三次元地形・連続 時間 ターン 連続時間(リアルタイム) 登場人物 駒 キャラクター/モンスター AI 将棋の差し手としてのAI キャラクターのブレイン/ ゲーム全体の操作するAI(メタAI) ゲーム表現 ゲームツリー ? 状況 離散的変化 連続的変化 目的 勝利 楽しませる。ステージを成立させる。 ゲームのつながり 厳密にすべての手がつながって いない(ツリー検索が有効) 一定時間、一定区間で区切れる。ラ ンダムな要素も。(1~5秒間の判断) 何を作るか? 賢いAI, 面白いAI ユーザーの主観的体験(UX) AIその ものが目的ではない。 将棋AIとアクションゲームAIの違い
  97. 97. 一手先 分岐 三手先 二手先 ゲーム状態(=盤面) 探索 将棋・チェスなどのAI
  98. 98. AI(キャラクター) AIの認識領域 プレイヤー 計画経路 弾 アクションゲームのAI
  99. 99. 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
  100. 100. 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 メタAI,キャラクターAI、ナビゲーションAIは、独立しながらも互いに 協調して機能を発揮します。
  101. 101. AIの分化 ゲームシステム メタAI キャラクターAI ナビゲーションAI このように異なるAIが互いに協調して機能を発揮するAIシステムを 分散人工知能と言います。
  102. 102. キャラクターAIの例
  103. 103. 「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
  104. 104. http://piposozai.blog76.fc2.com/
  105. 105. 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。
  106. 106. 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)
  107. 107. 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
  108. 108. 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)
  109. 109. 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。 http://www.futta.net/photo/179.html
  110. 110. 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
  111. 111. 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
  112. 112. KILLZONE2/3 AIの例
  113. 113. 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/
  114. 114. 「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
  115. 115. 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
  116. 116. 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
  117. 117. 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
  118. 118. Squad AI Game AI Conference, Paris, June 2009 Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  119. 119. Search & Destroy: Defending (2) Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  120. 120. Search & Destroy: Defending (3) Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  121. 121. 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
  122. 122. 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
  123. 123. … 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
  124. 124. 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
  125. 125. HTN (Hierarchical Task Network) Precondition Task Precondition Task On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
  126. 126. 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/
  127. 127. 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/
  128. 128. On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
  129. 129. On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/ HTNは1秒間に500プランを自動生成する。
  130. 130. Strategic Graph Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  131. 131. Waypoint Network Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  132. 132. Waypoint Areas Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  133. 133. Strategic Graph Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  134. 134. Strategic Graph Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  135. 135. Influence Map Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  136. 136. Assassination: Defenders Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  137. 137. Assassination: Attack Wave 1 Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  138. 138. Assassination: Attack Wave 2 Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  139. 139. Strategic Pathfinding Costs Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  140. 140. Strategic Pathfinder Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  141. 141. Strategic Pathfinder Paris Game AI Conference, 2009. Killzone 2 Multiplayer Bots Remco Straatman, Tim Verweij, Alex Champandard | Paris Game/AI Conference 2009, Paris, June 2009 http://www.guerrilla-games.com/publications.html
  142. 142. 参考文献(解説論文) 三宅陽一郎 「ディジタルゲームにおける人工知能技術の応用の現在」 (人工知能学会誌 2015年 Vol.30 No.1) https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action= repository_view_main_item_detail&item_id=559&item_no=1&page_i d=13&block_id=8 https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=556&item_no=1&page_id=13&block_id=8
  143. 143. 三宅陽一郎 「はじめてのゲームAI」 (技術評論社 WEB+DB PRESS、2012年、Vol.68) 参考文献 http://gihyo.jp/magazine/wdpress/archive/2012/vol68
  144. 144. メタAIの例
  145. 145. 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。
  146. 146. 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
  147. 147. 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
  148. 148. 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
  149. 149. 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。
  150. 150. 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
  151. 151. 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
  152. 152. 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
  153. 153. 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
  154. 154. 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
  155. 155. 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。
  156. 156. 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)
  157. 157. 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
  158. 158. 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
  159. 159. 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。
  160. 160. 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。
  161. 161. 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
  162. 162. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://ai-wiki/wiki/images/0/0b/AI_Seminar_144th.pdf
  163. 163. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://ai-wiki/wiki/images/0/0b/AI_Seminar_144th.pdf
  164. 164. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://ai-wiki/wiki/images/0/0b/AI_Seminar_144th.pdf
  165. 165. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://ai-wiki/wiki/images/0/0b/AI_Seminar_144th.pdf
  166. 166. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://ai-wiki/wiki/images/0/0b/AI_Seminar_144th.pdf
  167. 167. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://ai-wiki/wiki/images/0/0b/AI_Seminar_144th.pdf
  168. 168. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://ai-wiki/wiki/images/0/0b/AI_Seminar_144th.pdf
  169. 169. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://ai-wiki/wiki/images/0/0b/AI_Seminar_144th.pdf
  170. 170. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://ai-wiki/wiki/images/0/0b/AI_Seminar_144th.pdf
  171. 171. これからのゲームの作り方 オープンワールド プロシージャル(自動生成) 適応型的AI (自動AI配置、自動ミッション生成)
  172. 172. これからのゲームの作り方 オープンワールド プロシージャル(自動生成) 適応型的AI (自動AI配置、自動ミッション生成) これからのゲームは、 広大なで多様なフィールドを持ちつつ、 稠密なゲームプレイを提供できるような サービスとなる。 (低コストで)
  173. 173. コンテンツ • 第一部 人工知能と時代の流れ社会と人工知能 • 第二部 人工知能とは何か? • 第三部 人工知能の発展の歴史 • 第四部 人工知能と社会 • 第五部 ゲームにおける人工知能 • 第六部 ディープラーニング • 第七部 モバイルと人工知能 • 第八部 オンラインゲームの運営と人工知能
  174. 174. 第六部 ディープラーニング
  175. 175. DEEP LEARNING 深層学習とは何か?
  176. 176. ディープラーニング チュートリアル(もしくは研究動向報告) 岡谷 貴之 齋藤 真樹(東北大学) http://www.vision.is.tohoku.ac.jp/files/9313/6601/7876/CVIM_tutorial_deep_learning.pdf
  177. 177. http://www.slideshare.net/pfi/deep-learning-22350063
  178. 178. http://www.slideshare.net/pfi/deep-learning-22350063
  179. 179. http://www.slideshare.net/yurieoka37/ss-28152060
  180. 180. http://www.slideshare.net/yurieoka37/ss-28152060
  181. 181. http://www.slideshare.net/yurieoka37/ss-28152060
  182. 182. http://www.slideshare.net/yurieoka37/ss-28152060
  183. 183. 岡野原大輔「一般向けのDeep Learning」 http://www.slideshare.net/pfi/deep-learning-22350063 Deep Learning = 多層型ニューラルネットワーク
  184. 184. Deep Learning = 多層型ニューラルネットワーク 中山英樹「Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー」 http://www.slideshare.net/nlab_utokyo/deep-learning-49182466
  185. 185. Deep Learning = 多層型ニューラルネットワーク 中山英樹「Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー」 http://www.slideshare.net/nlab_utokyo/deep-learning-49182466
  186. 186. Deep Learning = 多層型ニューラルネットワーク 中山英樹「Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー」 http://www.slideshare.net/nlab_utokyo/deep-learning-49182466
  187. 187. Deep Q-Learning Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf 画面を入力 操作はあらかじめ教える スコアによる強化学習
  188. 188. 学習過程解析 Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf
  189. 189. 分散深層強化学習でロボット制御 分散深層強化学習でロボット制御 https://research.preferred.jp/2015/06/distributed-deep-reinforcement-learning
  190. 190. 分散深層強化学習でロボット制御 分散深層強化学習でロボット制御 https://research.preferred.jp/2015/06/distributed-deep-reinforcement-learning
  191. 191. 分散深層強化学習でロボット制御 分散深層強化学習でロボット制御 https://research.preferred.jp/2015/06/distributed-deep-reinforcement-learning
  192. 192. コンテンツ • 第一部 人工知能と時代の流れ社会と人工知能 • 第二部 人工知能とは何か? • 第三部 人工知能の発展の歴史 • 第四部 人工知能と社会 • 第五部 ゲームにおける人工知能 • 第六部 ディープラーニング • 第七部 モバイルと人工知能 • 第八部 オンラインゲームの運営と人工知能
  193. 193. 第七部 モバイルと人工知能
  194. 194. FarCry2 (2008)におけるプロシージャル技術 50km四方のマップを作る オブジェクト(草木)&アニメーションデータを 自動生成 植物に関してプロシージャルのアルゴリズムの助けを借りてデザイナーが生成 (まとまった単位土地内の分布、成長率などを指定して生成) アニメーションや破壊のされ方は、簡単な設定をしておけば、ゲーム内で環境に 応じてシミュレートされる。 (例)草原で炎が燃え広がる GDC 2008 http://www.ubisoft.co.jp/farcry2
  195. 195. FarCry2 (Dunia Engine ) デモ 草原自動生成 時間システム 樹木自動生成 動的天候システム http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm
  196. 196. プロシージャル/セミ・プロシージャル データ アルゴリズム 自動生成された 地形 オブジェクト ストーリー アルゴリズム 自動生成された 地形 オブジェクト ストーリー セミ・プロシージャル プロシージャル
  197. 197. プロシージャル/セミ・プロシージャル データ アルゴリズム 自動生成された 地形 オブジェクト ストーリー
  198. 198. プロシージャル/セミ・プロシージャル データ アルゴリズム 自動生成された 地形 オブジェクト ストーリー http://jpn.nec.com/cloud/service/saas_common/m2m.html ゲーム 世界認識 解釈 変換 生成 人工知能 人工知能
  199. 199. プロシージャル/セミ・プロシージャル http://jpn.nec.com/cloud/service/saas_common/m2m.html ゲーム 世界認識 解釈 変換 生成 人工知能 認識 解釈 変換 生成 人工知能 ? http://worldcmcs.com/ http://www.dx.com/p/sports-wrist-band-digital-voice-recorder-w-16gb-ram-black-silver-372680#.VbhbevmvFaQhttp://www.techpin.com/2008/09/
  200. 200. プロシージャル/セミ・プロシージャル http://jpn.nec.com/cloud/service/saas_common/m2m.html ゲーム 世界認識 解釈 変換 生成 人工知能 認識 解釈 変換 生成 人工知能 http://worldcmcs.com/ http://www.dx.com/p/sports-wrist-band-digital-voice-recorder-w-16gb-ram-black-silver-372680#.VbhbevmvFaQhttp://www.techpin.com/2008/09/ http://piposozai.blog76.fc2.com/
  201. 201. アバター同士で通信 おはよう。 おまえの主人、調子どう? おはよう。 http://piposozai.blog76.fc2.com/
  202. 202. アバター同士で通信 やばいじゃん! 血圧も低いし、 心拍数も低い。 なんか、落ち込んでるねん。 うわ!今晩、飲みに行こう! おお!おまえの主人、会社 どこだっけ?こっちは渋谷。 じゃあ、原宿あたりで店、 俺が予約するわ。 じゃあ、うちの主人に言っとくわ。 おまえも主人に言っとけよ。http://piposozai.blog76.fc2.com/
  203. 203. アバター同士で通信 おまえの主人、facebookで ポエム書いてたな! あれ、いいやろ。 うわ!今晩、飲みに行こう! おまえの主人はなんて 言ってる?いいね押せよ。 読んだけど、って言ってる。 だから感想を知らせろと、 主人が言っている。。。 この話題はここでやめろと 言っている。。。http://piposozai.blog76.fc2.com/
  204. 204. グローバルなネット情報空間 現実空間 現実空間をオーバーレイした 情報/現実空間 人工知能 ローカルなデジタル空間 人間
  205. 205. グローバルなネット情報空間 現実空間 現実空間をオーバーレイした 情報/現実空間 人工知能 ローカルなデジタル空間 人間 モンハン アトリエ シリーズ
  206. 206. Ingress x 採集 x 調合 Ingress ハックすると アイテムが出る。 モンスターから 素材を集める。 調合する。 モンハンアトリエ シリーズ
  207. 207. Ingress x 採集 x 調合 Ingress ハックすると 素材が出る。 モンスターを現実 空間で動かす。 素材を取る。 調合する。 ⇔ 他のユーザーと 交換する モンハンアトリエ シリーズ
  208. 208. コンテンツ • 第一部 人工知能と時代の流れ社会と人工知能 • 第二部 人工知能とは何か? • 第三部 人工知能の発展の歴史 • 第四部 人工知能と社会 • 第五部 ゲームにおける人工知能 • 第六部 ディープラーニング • 第七部 モバイルと人工知能 • 第八部 オンラインゲームの運営と人工知能
  209. 209. 第八部 オンラインゲームの運営と人工知能
  210. 210. ゲームのAIを作るってどういうこと? http://weekly.ascii.jp/elem/000/000/212/212009/ 人間はどのように将棋を指すか? =認知の研究 コンピューターはどのように将棋を指すか? =AIの研究 http://www.amazon.co.jp/dp/4101374716
  211. 211. 人工知能とゲーム ゲームをプレイする人工知能を作るということ。 ゲームの構造を浮き彫りにするということ。 AIを作っていると、将棋というゲームの見えない構造がわかる。 AIを作っていると、自分の作っているゲームを内側からわかる。 プレイヤーのAIを作る外側から作る。
  212. 212. オンラインゲームの運営 ゲーム 開始 イベン ト 戦闘 イベン ト ゲーム 終了 課金
  213. 213. オンラインゲームの運営 ゲーム 開始 イベン ト 戦闘 イベン ト ゲーム 終了 課金 ソーシャルゲームをプレイするAIを 作ってみる。 いろいろな個性のあるAIを作って、 統計情報をためてみる。 サービス開始前に統計情報を集める。 サービス開始後も人間に AIをまぜて情報を集める。 ユーザーにAIをまぜると コンテンツの寿命は伸びるだろうか?
  214. 214. Making your dreaming AI ! ご静聴ありがとうございました! 感想・ご質問は @miyayou または y.m.4160@gmail.com まで! http://www.facebook.com/youichiro.miyake

×