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.

「エンターテインメント、人工知能、ゲームマスター」

2,788 views

Published on

「エンターテインメント、人工知能、ゲームマスター」

MIT Technology Review
「2時間でわかる人工知能の現在と未来」Emerging Technology Meetup #1

の講演資料です。
http://peatix.com/event/216256

Published in: Design

「エンターテインメント、人工知能、ゲームマスター」

  1. 1. 「エンターテインメント、人工知能、 ゲームマスター」 三宅 陽一郎 「2時間でわかる人工知能の現在と未来」 Emerging Technology Meetup #1 MIT Technology Review 2016.11.30 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com
  2. 2. 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)
  3. 3. Works (2006-2016) AI for Game Titles Books
  4. 4. WIRED A.I. • WIRED A.I.+ Wired City • 12月1日発売 • 「人工知能+街 特集」
  5. 5. 「IT、都市、ヘルスケア、あらゆる領域で 人工知能と人間が共創する未来」 • WIRED 「INNOVATION INSIGTS」 http://wired.jp/innovationinsights/post/analytics-cloud/w/cocreation_with_ai
  6. 6. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
  7. 7. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
  8. 8. 第一章 知能の起源
  9. 9. 問い 生き物の「視る」とカメラの「視る」は どう違うだろうか? http://www.free-picture.net/reptiles/lizards/chameleon-wallpapers.jpg.html 生物の持つ目は、生物の知能と身体と深く結びついている 能動的な眼であり、 カメラは使用者の意思に従う受動的な眼である。
  10. 10. 主体と客体はどう結ばれるか? 客体 (対象) 関係がない http://sozai-free.com/sozai/00992.html
  11. 11. 主体と客体はどう結ばれるか? 客体 (対象) 関係がない
  12. 12. 主体と客体はどう結ばれるか? 関係がある http://illpop.com/png_insecthtm/aquatic_a02.htm
  13. 13. 主体と客体はどう結ばれるか? 客体 (対象) 関係がある
  14. 14. 主体と客体はどう結ばれるか? 客体 (対象) 関係がある 知覚作用
  15. 15. 環世界のイメージ 環世界=「かたつむりの殻」のように、生物それぞれが持ちつつ、 それが世界であり、それ以外の世界へ逸脱できない世界。
  16. 16. 環境 キャラクター の知能 環境とキャラクター キャラクター の知能入力 出力 http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html 入力を求める 出力を決める タチコマの環世界
  17. 17. 環境 キャラクター の知能 環境とキャラクター キャラクター の知能入力 出力 http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html 入力を見つける 出力を決める キツツキの環世界 Photommo http://free-photos.gatag.net/2015/03/20/140000.html
  18. 18. 環境 キャラクター の知能 環境とキャラクター キャラクター の知能入力 出力 http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html 入力を見つける 出力先を決める カメレオンの環世界
  19. 19. 環境 環境とキャラクター http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html カメレオンの環世界 キツツキの環世界 タチコマの環世界 Photommo http://free-photos.gatag.net/2015/03/20/140000.html
  20. 20. 環境 環境とキャラクター http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html カメレオンの環世界 タチコマの環世界 それぞれの生物は自分の環世界を世界から切り取って 暮らしている。
  21. 21. 環境 環境とキャラクター http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html カメレオンの環世界 タチコマの環世界 環世界はそれぞれの生物にとって完全(完備)な世界。つまり、 それが本当に完全でなくても、その生物には完全と感じられる。
  22. 22. 環境 環境とキャラクター http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html カメレオンの環世界 タチコマの環世界 本当はその外の世界とつながっているが、環世界のソトのことを、 生物は認識することはない。
  23. 23. 環境 環境とキャラクター http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html カメレオンの環世界 タチコマの環世界 そのキャラクターの主観的世界を作る=環世界を作る。 それは、そのキャラクターの知能の基盤を作ること。
  24. 24. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
  25. 25. 第二章 人工知能とは
  26. 26. 自然知能と人工知能 人間 =自然知能 機械 =人工知能
  27. 27. ダートマス会議(1956年) • ジョン・マッカーシーのいたダートマス大学で、人工知能を テーマとして初めて開催された会議。 • Artificial Intelligence という名称もはじめてここで用いられた。 http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
  28. 28. ダートマス会議(1956年) http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
  29. 29. ダートマス会議(1956年) 我々は、1956年の夏の2ヶ月間、10人の人工知能研究者がニューハ ンプシャー州ハノーバーのダートマス大学に集まることを提案する。 そこで、学習のあらゆる観点や知能の他の機能を正確に説明するこ とで機械がそれらをシミュレートできるようにするための基本的研究 を進める。機械が言語を使うことができるようにする方法の探究、機 械上での抽象化と概念の形成、今は人間にしか解けない問題を機 械で解くこと、機械が自分自身を改善する方法などの探究の試みが なされるだろう。我々は、注意深く選ばれた科学者のグループがひと 夏集まれば、それらの問題のうちいくつかで大きな進展が得られると 考えている。 https://ja.wikipedia.org/wiki/%E3%83%80%E3%83%BC%E3%83%88%E3%83%9E%E3%82%B9%E4%BC%9A%E8%AD%B0 人工知能=人間の知能を機械に写す(移す)。
  30. 30. 機械(マシン)
  31. 31. 機械(マシン) ソフトウェア
  32. 32. 機械(マシン) ソフトウェア 知能 http://www.1999.co.jp/blog/1210192
  33. 33. 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%
  34. 34. 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
  35. 35. 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
  36. 36. 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)
  37. 37. 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
  38. 38. 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
  39. 39. 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)
  40. 40. 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
  41. 41. 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 人工知能は、人間の知能を機械に移したもの。
  42. 42. 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%
  43. 43. 人工知能と社会 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
  44. 44. 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…)
  45. 45. 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。
  46. 46. 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
  47. 47. 知能化 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。 知能化現実世界 (~1995) 現実世界 2.0 (2015~)
  48. 48. 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…) いきなり、人工知能を作ることは難しい。 まずは「知能化」を考えてみましょう。
  49. 49. http://static.flickr.com/5051/5525304279_65012a492c_s.jpg ? http://flopdesign.com/download/Human_S/pages/B50.html ?
  50. 50. 人間の知能の形/人工知能の知能の形 人間(生物)の知能=総合的知能 一つの知能がいろんなことをできる お料理できる 将棋が打てる 目的地へ行ける 何でもできる可能性を 持つ総合知性
  51. 51. 人間の知能の形/人工知能の知能の形 お料理できる 将棋が打てる 目的地へ行ける 人工知能=専門的知能 一つのことしかできない。 何でもできる可能性を 持つ総合知性がない
  52. 52. 人間の知能の形/人工知能の知能の形 お料理ロボット =お料理しかできない AlphaGO =囲碁しか打てない ナビ =目的地へのルート お掃除ロボット =お掃除しかできない IBM ワトソン =記号の統計情報しかない =何百万行のテキストの関係を記憶 人工知能=専門的知能 一つのことしかできない。一つのことがとても(人間より)得意。
  53. 53. 人間の知能の形/人工知能の知能の形 AlphaGO =囲碁しか打てない =人間より強い ナビ =目的地へのルート = とても正確 お掃除ロボット =お掃除しかできない = 24時間掃除 IBM ワトソン =記号の統計情報しかない =何百万行のテキストの関係を記憶 お料理ロボット =お料理しかできない =何万と言うレシピ 人工知能=専門的知能 一つのことしかできない。
  54. 54. 時間(イメージ) 空間(論理) 殆どの人工知能は与えられたフレーム(問題設定)の 外に出ることはできない。 人間は柔軟にフレーム(問題設定)を創造し 変化させることができる。 人間と人工知能の違い
  55. 55. 時間(イメージ) 空間(論理) 殆どの人工知能は与えられたフレーム(問題設定)の 外に出ることはできない。 人間は柔軟にフレーム(問題設定)を創造し 変化させることができる。 人間と人工知能の違い 人工知能は自ら問題を作り出すことはない。 人工知能は人間が与えた問題を解くことしかできない。 似たような問題さえ解けない。
  56. 56. 機械 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 AIは単なる情報処理ではなく、 人間に近い理解を目指す
  57. 57. 機械 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 機械(マシン)が得意なこと(=概念)と、 人間が得意なこと(=情報)は正反対。
  58. 58. 機械 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 範疇 判別 イメー ジ 意味 映像 判別 時系 列 流れ 意味
  59. 59. 機械 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 範疇 判別 イメー ジ 意味 映像 判別 時系 列 流れ 意味 機械(マシン)が得意なこと(=概念、イメージ、想像)と、 人間が得意なこと(=情報処理、画像処理、映像処理)は 正反対。
  60. 60. 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。 人間 情報の海
  61. 61. ) 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。 人間 記号の海 言葉の海 情報の海
  62. 62. ) 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。 人間 記号の海 言葉の海 意味の海 概念の海 情報の海
  63. 63. 情報の海 (ネットワーク) ネット空間の人工知能 人間 検索エンジンがあるおかげで、かろうじて人間は情報の世界を渡ることができる。 検索エンジン (Googleなど)
  64. 64. 情報の海 (ネットワーク) 現実世界 人工 知能 人工 知能 人工 知能 解析・抽出 提出・提案命令・指示 センシング ネット空間の人工知能 人間 人間は人工知能のおかげで、 情報の海を旅することができる。
  65. 65. 情報の海 (ネットワーク) 現実世界 人工 知能 人工 知能 人工 知能 解析・抽出 提出・提案命令・指示 センシング ネット空間の人工知能 人間 センシング技術やロボットの徘徊、カメラなどによって
  66. 66. 新しい現実空間 現実世界 (~1995) 人工知能による新しい空間 パソコン 現実がデジタル空間を内包していたはずが、 内包したデジタル空間が現実を変化させて行く。
  67. 67. 新しい現実空間 現実世界 (~1995) インターネット 人工知能による新しい空間 パソコン 現実がデジタル空間を内包していたはずが、 内包したデジタル空間が現実を変化させて行く。
  68. 68. 新しい現実空間 クラウド 現実世界 (~1995) インターネット 人工知能による新しい空間 パソコン 現実がデジタル空間を内包していたはずが、 内包したデジタル空間が現実を変化させて行く。
  69. 69. 新しい現実空間 人工知能 クラウド 現実世界 (~1995) インターネット 人工知能による新しい空間 パソコン 現実がデジタル空間を内包していたはずが、 内包したデジタル空間が現実を変化させて行く。
  70. 70. 新しい現実空間 人工知能 クラウド 現実世界 (~1995) インターネット 人工知能による新しい空間 パソコン デジタル空間の発展は、それを内包する現実空間を変容させる。 新しい現実空間
  71. 71. 新しい現実空間 クラウド 現実世界 (~1995) インターネット 人工知能による新しい空間 パソコン 新しい現実空間さらに、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。
  72. 72. 現実空間 インターネット パソコン
  73. 73. 現実空間 インターネット パソコン人工知能
  74. 74. 現実空間 インターネット パソコン人工知能
  75. 75. 現実空間 インターネット パソコン人工知能 ゲームという箱庭で育まれた人工知能技術は、 現実空間の外に出ようとしている。
  76. 76. 飽和したネット空間のサービス競争(飽和) ネット空間 進出・ 浸食 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 IT技術による新しい現実空間のサービス(新規) 現実空間
  77. 77. 飽和したネット空間のサービス競争(飽和) 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
  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 インターネット 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 ゲーム空間 人工知能 https://www.ingress.com
  79. 79. 情報空間の拡大 ~人工知能の舞台が広がる http://www.s-hoshino.com
  80. 80. 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
  81. 81. 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
  82. 82. 情報空間の拡大 ~人工知能の舞台が広がる http://www.s-hoshino.com
  83. 83. 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
  84. 84. 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 インターネット 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 ゲーム空間 人工知能 https://www.ingress.com
  85. 85. 飽和したネット空間のサービス競争(飽和) 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 インターネット 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 ゲーム空間 人工知能 新しい 現実空間の 誕生 https://www.ingress.com @2010-2015 SQUARE ENIX CO., LTD. All Rights Reserved.
  86. 86. 飽和したネット空間のサービス競争(飽和) 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 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT ネット空間から現実空間へ、現実世界からネット空間へ ゲーム空間 人工知能 現実世界の人工知能 デジタル世界の人工知能 新しい 現実空間の 誕生 @2010-2015 SQUARE ENIX CO., LTD. All Rights Reserved.
  87. 87. 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 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT ネット空間から現実空間へ、現実世界からネット空間へ ゲーム空間 人工知能 デジタル世界の人工知能 現実世界の人工知能 難しい~未開拓 成熟
  88. 88. 飽和したネット空間のサービス競争(飽和) 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 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT 現実世界とデジタル世界をまたぐゲーム空間 ゲーム空間 人工知能 デジタル世界の人工知能 現実世界の人工知能 未開拓 成熟 @2010-2015SQUARE ENIX CO., LTD. All Rights Reserved.
  89. 89. 飽和したネット空間のサービス競争(飽和) 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 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT 現実世界とデジタル世界をまたぐゲーム空間 ゲーム空間 人工知能 デジタル世界の人工知能 現実世界の人工知能 未開拓 成熟 巨大な 内部デジタル 空間 巨大な 現実の 外部空間
  90. 90. 飽和したネット空間のサービス競争(飽和) 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 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT 現実世界とデジタル世界をまたぐゲーム空間 ゲーム空間 人工知能 デジタル世界の人工知能 現実世界の人工知能 未開拓 成熟 巨大な 内部デジタル 空間 巨大な外部 空間 現実とデジタル空間 にまたがる 人工知能
  91. 91. 飽和したネット空間のサービス競争(飽和) 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 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT 現実世界とデジタル世界をまたぐゲーム空間 ゲーム空間 人工知能 デジタル世界の人工知能 現実世界の人工知能 未開拓 成熟 巨大な内部空間 巨大な外部空間 新しい 人工知能の 誕生 我々は、 デジタル空間=現実空間にまたがる 巨大な人工知能を作り出そうとしている。
  92. 92. 飽和したネット空間のサービス競争(飽和) 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 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT 現実世界とデジタル世界をまたぐゲーム空間 ゲーム空間 人工知能 デジタル世界の人工知能 現実世界の人工知能 未開拓 成熟 http://v-english.jp/eikaiwa/staffblog/files/2014/07/20140710_fb.jpg http://d2tu4pb4f28rzs.cloudfront.net/site_img/photo/2013-03-04-055321.jpg http://tocos-wireless.com/assets/IoT/InternetofThings.png http://www.mlab.t.u-tokyo.ac.jp/research/2014/network/img/index_ss.png 巨大な内部空間 巨大な外部空間 現実とデジタル空間 にまたがる 人工知能 人間はやがて、この巨大な人工知能の 背中に載って新しい現実空間(情報空間+ オーバーレイされた現実空間)を旅するようになる。
  93. 93. 飽和したネット空間のサービス競争(飽和) 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 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT 現実世界とデジタル世界をまたぐゲーム空間 ゲーム空間 人工知能 デジタル世界の人工知能 現実世界の人工知能 未開拓 成熟 http://v-english.jp/eikaiwa/staffblog/files/2014/07/20140710_fb.jpg http://d2tu4pb4f28rzs.cloudfront.net/site_img/photo/2013-03-04-055321.jpg http://tocos-wireless.com/assets/IoT/InternetofThings.png http://www.mlab.t.u-tokyo.ac.jp/research/2014/network/img/index_ss.png 巨大な内部空間 巨大な外部空間 現実とデジタル空間 にまたがる 人工知能 そこで重要なのが「物語を産み出せる力」。 物語を生み出せる人工知能が人を巻き込む ことができる。
  94. 94. 第三章まとめ • 人工知能は現実世界へ進出しようとしている。 • その時にはハードウェア(ロボット、マシン)が 必要だ。
  95. 95. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
  96. 96. 第三章 ゲームと人工知能
  97. 97. FC SFC SS, PS PS2,GC,Xbox Xbox360, PS3, Wii DC (次世代)Hardware 時間軸20051999 ゲームの進化と人工知能 複雑な世界の 複雑なAI ゲームも世界も、AIの身体と内面もますます複雑になる。 単純な世界の シンプルなAI (スペースインベーダー、タイトー、1978年) (アサシンクリード、ゲームロフト、2007年)
  98. 98. (例) スペースインベーダー(1978) プレイヤーの動きに関係なく、決められた動きをする (スペースインベーダー、タイトー、1978年)
  99. 99. (例)プリンス・オブ・ペルシャ 「プリンス・オブ・ペルシャ」など、 スプライトアニメーションを用意する必要がある場合、 必然的にこういった制御となる。 (プリンスオブペルシャ、1989年)
  100. 100. レベル Luminous AI Navigation メタAI Luminous AI Graph 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://piposozai.blog76.fc2.com/ http://dear-croa.d.dooo.jp/download/illust.html
  101. 101. 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://piposozai.blog76.fc2.com/
  102. 102. メタAI
  103. 103. 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
  104. 104. 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。
  105. 105. (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。』
  106. 106. 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
  107. 107. 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。
  108. 108. 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
  109. 109. 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
  110. 110. 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
  111. 111. 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。
  112. 112. 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
  113. 113. 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
  114. 114. 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
  115. 115. 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
  116. 116. 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。
  117. 117. 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。
  118. 118. Precision Medicine • 「精密医療」「個別化医療」 = 個々人に合わせた医療サービス http://techon.nikkeibp.co.jp/atcl/news/16/101004476
  119. 119. これからのゲーム • それぞれのユーザーに応じた - ストーリー - 地形 - 敵の強さ ゲームマスター
  120. 120. これからのゲーム • それぞれのユーザーに応じた - ストーリー - 地形 - 敵の強さ 人間と協調するゲームマスター
  121. 121. フィールド 3つのAIの連携の例 ナビゲーション AI メタAI キャラクター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 エージェントが自律的に戦闘・協調しつつ、ナビゲーションAIが 戦術的ポイントを教え、メタAIは、全体の戦闘の流れを作る。http://piposozai.blog76.fc2.com/ http://dear-croa.d.dooo.jp/download/illust.html
  122. 122. ナビゲーションAI
  123. 123. ネットワーク上のグラフ検索法 ダイクストラ法 M F L B A S O P D C G S V H Q X K N J R T W E I U Z Y G 54 6 3 7 23 B C 3 G D E 3 2 24 L 3 3 5 5 J F 出発点(S)を中心に、最も短い経路 を形成して行く。Gにたどり着いたら終。 各ノードの評価距離=出発点からの経路
  124. 124. ネットワーク上のグラフ検索法 A*法 M F L B A S O P D C G S V H Q X K N J R T W E I U Z Y G 54 6 3 7 23 B C 3 3 2 24 3 5 5 出発点(S)を中心に、 そのノードまでの 最も短い経路を 形成して行く。 Gにたどり着いたら終了。 ゴール地点がわかっている場合、現在のノードとゴール との推定距離(ヒューリスティック距離)を想定して、 トータル距離を取り、それが最少のノードを探索して行く 各ノードの評価距離=出発点からの経路+ヒューリスティック距離 ヒューリスティック距離 (普通ユークリッド距離を取る) 3+14.2 3+13.8 G H 3 5+10.5 6+8.4
  125. 125. 戦術位置検索システム
  126. 126. 戦略位置検出システム • ゲーム内の地形を、 • ゲーム内でリアルタイムで把握して、 • 自分の能力に合わせて、 • 最も適した位置を発見する システム
  127. 127. 戦略位置検出システムの歴史 • Tactical Position Picking Killzone (2005, Guerrilla)で実装される。 • TPS (Tactical Point System) CRYENGINE (2010, CRYTEK)でツール化・システム化 • EQS(Environment Query System) UNREAL ENGINE 4 (2014, Epic games)でツール化・システム化 • PQS (Point Query System) SQUARE ENIX のFFXVの開発で2014年に開発。
  128. 128. 戦略位置検出システムの原理 ポイント生成(Generation) 対象とする領域にポイント群を自動配置する。(例)グリッド状、同心円状など。 フィルタリング(Filtering) 生成したポイントから、目的に合わない条件(1)を指定して、削除して行く。 フィルタリング(Filtering) 生成したポイントから、目的に合わない条件(2)を指定して、削除して行く。 . . . フィルタリング(Filtering) 生成したポイントから、目的に合わない条件(N)を指定して、削除して行く。 評価(Evaluation) 残ったポイント群を、評価式によってスコアをつけて、最高スコアの点を選ぶ。
  129. 129. PQS (Point Query System) 弓兵(AI)が次の目的地を発見したい。 (i) ゲーム現状
  130. 130. PQS (Point Query System) 弓兵(AI)が次の目的地を発見したい。 (i) ゲーム現状 (ii) AIを中心に点をグリッド状に 生成し配置。(Generation)
  131. 131. PQS (Point Query System) 弓兵(AI)が次の目的地を発見したい。 (i) ゲーム現状 (ii) AIを中心に点をグリッド状に 生成し配置。(Generation) (iii) 足場の悪い点を除く(Filtering) (iv) 敵の近くのポイント、弓が届かな いポイントを除く 。(Filtering) (v) 味方の近くを除く (Filtering)
  132. 132. PQS (Point Query System) 弓兵(AI)が次の目的地を発見したい。 (i) ゲーム現状 (ii) AIを中心に点をグリッド状に 生成し配置。(Generation) (iii) 足場の悪い点を除く(Filtering) (iv) 敵の近くのポイント、弓が届かな いポイントを除く 。(Filtering) (v) 味方の近くを除く (Filtering) (vi) 最も高い位置にあるポイントを選 択する。 このようにして、自分の最適な戦術位 置を自分自身で発見する。
  133. 133. キャラクターAI:意思決定 知能とは何か?
  134. 134. 知能とは? 環境
  135. 135. 知能とは? 環境 身体 (内部構造) http://dear-croa.d.dooo.jp/download/illust.html
  136. 136. 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://dear-croa.d.dooo.jp/download/illust.html
  137. 137. 環境 人工知能とは? 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 身体 (内部構造) http://dear-croa.d.dooo.jp/download/illust.html
  138. 138. 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://dear-croa.d.dooo.jp/download/illust.html
  139. 139. 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
  140. 140. 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。
  141. 141. 思考 環境世界 エフェクター・ 身体 センサー・ 身体 記憶
  142. 142. 思考 環境世界 エフェクター・ 身体 センサー・ 身体 記憶
  143. 143. 環境世界 認識の 形成 記憶 センサー・ 身体 記憶体 情報処理過程 情報 統合 記憶
  144. 144. 環境世界 認識の 形成 記憶 意思の 決定 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 情報 統合 記憶
  145. 145. 環境世界 認識の 形成 記憶 意思の 決定 身体 制御 エフェクター・ 身体 運動の 構成 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 運動創出過程 身体部分 情報 統合 運動 統合 記憶
  146. 146. 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 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。
  147. 147. 知能の世界 環境世界 認識の 形成 記憶 意思の 決定 身体 制御 エフェクター・ 身体 運動の 構成 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 対象・ 現象 情報の流れ(インフォメーション・フロー) 影響を与える影響を受ける 記憶
  148. 148. キャラクターAI:意思決定 ビヘイビアツリー入門
  149. 149. 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
  150. 150. 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
  151. 151. 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
  152. 152. 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。
  153. 153. 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
  154. 154. 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
  155. 155. 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
  156. 156. 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
  157. 157. 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
  158. 158. 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。
  159. 159. 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
  160. 160. 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
  161. 161. 意思決定モデル ゴール(目標)ベースAI ルール(規則)ベースAI ビヘイビア(振る舞い)ベースAI 意思決定というものは非常に高度で複雑なプロセスです。 でも、ゲームで用いるいくつかの簡易モデルが存在します。 シミュレーションベース AI ユーティリティ(効用)ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI 「○○-based AI」とは、○○をAIを構築する基本単位として採用したAIということ。 タスク(仕事)ベース AI Task-based AI 意思決定 Simulation-based AI ステート(状態)ベースAI
  162. 162. キャラクターAI:意思決定 ステートマシン入門
  163. 163. ステートベース ステート 自分の行動を記述する。 ステート ステート 遷移条件 世界と自己の変化を記述する。
  164. 164. ステート・マシン ステート ステート ステート ステートマシン(有限状態マシン) ステートに自分への命令、遷移条件に世界と自分の状況の変化を書く。 ループ構造により、フィードバック構造はない。
  165. 165. ステート・マシン ステートマシン(有限状態マシン) ステートに自分への命令、遷移条件に世界と自分の状況の変化を書く。 ループ構造により、フィードバック構造はない。 待機 攻撃 パトロール
  166. 166. 警戒 追跡 追いかける 攻撃する 威嚇攻撃 味方に指示 出口をかためる 味方を呼ぶ 味方がいない かつ 戦闘範囲外 味方と合流 味方と合流 味方がいる 見失う 見える 見失う 見つける 巡回する 10秒経つ 物音を 聴く 応答がきた 階層型ステート・マシン
  167. 167. 強化学習(例) 強化学習 (例)格闘ゲーム キック パン チ 波動 R_0 : 報酬=ダメージ http://piposozai.blog76.fc2.com/ http://dear-croa.d.dooo.jp/download/illust.html
  168. 168. 強化学習 (例)格闘ゲームTaoFeng におけるキャラクター学習 Ralf Herbrich, Thore Graepel, Joaquin Quiñonero Candela Applied Games Group,Microsoft Research Cambridge "Forza, Halo, Xbox Live The Magic of Research in Microsoft Products" http://research.microsoft.com/en-us/projects/drivatar/ukstudentday.pptx Microsoft Research Playing Machines: Machine Learning Applications in Computer Games http://research.microsoft.com/en-us/projects/mlgames2008/ Video Games and Artificial Intelligence http://research.microsoft.com/en-us/projects/ijcaiigames/
  169. 169. この300年の技術の動向 時間 規模 産業革命 情報革命 ネット革命 知能革命 機械化・自動化(オートメーション化) 電子情報化 オンライン化 知能化 第二次産業革命 電動化 1750 1860 1960 1990 Now… 現代は「知能化」の時代に 入りつつある。 第一次AIブーム 第二次AIブーム 第三次AIブーム
  170. 170. モーション解析
  171. 171. キャラクターAI
  172. 172. アーロンのアルゴリズム • 知識ベースの人工知能 =対象に対する知識をインプットして描かせる
  173. 173. アーロンのアルゴリズム • 知識ベースの人工知能 =対象に対する知識をインプットして描かせる 画家の持っている 知識 AARON IF()…こんな描き方 IF() …こんな描き方
  174. 174. アーロンのアルゴリズム • 知識ベースの人工知能 = 閉曲線で描くことを学ぶ。 1981
  175. 175. アーロンのアルゴリズム • 知識ベースの人工知能 (左) 学んだ知識から描く (右) 架空のものを学んだものから描く 19851983
  176. 176. アーロンのアルゴリズム • 知識ベースの人工知能 前後関係を取れるようにする。 1986
  177. 177. プロシージャルとは?
  178. 178. プロシージャル技術 ゲームAI技術 AI技術 プロシージャル技 術 コンテンツ自動生成技術 (PCG, Procedural Contents Generation )
  179. 179. Rogue (1980)のレベル生成法 Rect[0] Rect[0] Rect[1] Rect[0] Rect[1] Rect[2] Rect[3] http://racanhack.sourceforge.jp/rhdoc/intromaze.html
  180. 180. Rogue (1980)のダンジョン生成法 Rect[0] Rect[0] Rect[1] Rect[0] Rect[1] Rect[2] Rect[3] このようにアセット(ゲームのデータ)をツールなどを通して製作するのではなく、 プログラムで作ることを「プロシージャル・コンテンツ・ジェネレーション」(PCG)と言う。 http://racanhack.sourceforge.jp/rhdoc/intromaze.html
  181. 181. プロシージャルとは?
  182. 182. ブラウン運動 ロバート・ブラウン博士によって、1827年に発見された現象。 微粒が媒質(液体)の中で行う不規則な運動。 アインシュタイン博士によって、熱運動する媒質の不規則な 衝突によって引き起こされると説明された。 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95
  183. 183. ブラウン運動から地形生成 ロバート・ブラウン博士によって、1827年に発見された現象。 微粒が媒質(液体)の中で行う不規則な運動。 アインシュタイン博士によって、熱運動する媒質の不規則な 衝突によって引き起こされると説明された。 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 宮田一乗「プロシージャル技術の動向」(CEDEC 2008)
  184. 184. ブラウン運動から地形生成 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 http://www.kenmusgrave.com
  185. 185. ブラウン運動から地形生成 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 http://www.kenmusgrave.com
  186. 186. トルネコの大冒険(チュンソフト、1993) • ダンジョンを自動生成する(rougue)。 https://en.wikipedia.org/wiki/Rogue_(video_game)
  187. 187. NO MAN’S SKY (Hello Games, 2016) http://www.no-mans-sky.com/ 宇宙、星系、太陽系、惑星を自動生成する。
  188. 188. FarCry2 におけるプロシージャル技術 50km四方のマップを作る オブジェクト(草木)&アニメーションデータを自動生成
  189. 189. FarCry2 (Dunia Engine ) デモ 草原自動生成 時間システム 樹木自動生成 動的天候システム 動的天候システム http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm
  190. 190. http://www.desura.com/engines/dunia FarCry3 におけるプロシージャル技術
  191. 191. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
  192. 192. 第四章 社会と人工知能
  193. 193. データの海が人工知能を育てる
  194. 194. 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。 人間 情報の海
  195. 195. ) 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。 人間 記号の海 言葉の海 情報の海
  196. 196. ) 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。 人間 記号の海 言葉の海 意味の海 概念の海 情報の海
  197. 197. 情報の海 (ネットワーク) ネット空間の人工知能 人間 検索エンジンがあるおかげで、かろうじて人間は情報の世界を渡ることができる。 検索エンジン (Googleなど)
  198. 198. 情報の海 (ネットワーク) 現実世界 人工 知能 人工 知能 人工 知能 解析・抽出 提出・提案命令・指示 センシング ネット空間の人工知能 人間 人間は人工知能のおかげで、 情報の海を旅することができる。
  199. 199. 情報の海 (ネットワーク) 現実世界 人工 知能 人工 知能 人工 知能 解析・抽出 提出・提案命令・指示 センシング ネット空間の人工知能 人間 センシング技術やロボットの徘徊、カメラなどによって
  200. 200. ) 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。 人間 記号の海 言葉の海 意味の海 概念の海 情報の海
  201. 201. データの海が人工知能を育てる • Amazon(協調フィルタリング) • IBMワトソン • IBM Watson in みずほ銀行 • AlphaGO • ソニー「デジタルアナウンサー」 • Nvidia「自動運転」 • 医療用診断データベース
  202. 202. 人 人工 知能 「人」の代わりに人工知能
  203. 203. 人 人工 知能 「人」の間に人工知能 人
  204. 204. 人 人工 知能 「人」の間に人工知能 人 いつ空いている? えーと…
  205. 205. 人 人工 知能 「人」の間に人工知能。たとえば予定を自動調整してくれる。 人 いつ空いている? えーと… 予定表 予定表 来週の月曜日の夜 どうですか?
  206. 206. Amazon「協調フィルタリング」 ユーザデータ群 (たとえば販売サイト) A B C ? 評価 5 1 4 A,B,C という映画を購入した人に、 次にどの映画を推薦するべきか? A B C M 評価 4 2 5 5 同じ購入履歴で、同じような評価をしている 人が高く評価している映画を探して来る。 推薦
  207. 207. IBM ワトソン ネット上のあらゆるWiki 百科事典データベース など りんご 赤い 90% 甘い 70% 青森 55% フランス 40% 果物 32% … しぶい 7% IBMワトソンは、文章の中の語の相関を学習する。 その学習データを用いて、インプットされた語と、 相関の強い言葉をリストアップする。
  208. 208. IBM Watson in みずほ銀行 • オペレーターが顧客の要望を復唱する。 • 言葉に変換 • 自動的に関連するマニュアルを表示する https://www.change-makers.jp/business/10573
  209. 209. IBM Watson in 東京大学医学部 • 論文を学習させる。 • 論文を積み上げると富士山ぐらいになりそうな勢 い。=人間では無理。 • 症状を入れると、論文のリストが出て来る。 症状患者さん IBM ワトソン お医者 さん バックアップ
  210. 210. IBM Watson in 保険会社 • 保険会社の判例を学習させる。 • 一人前になるのに数年かかる。 • かつてはベテランが教えていた。 • タブレットからIBMワトソンがアドバイス 事故 内容 クライアン トさん IBM ワトソン 新人 バックアップ
  211. 211. IBM ワトソン IBMワトソンは、 社内の暗黙知を吸収し蓄積する。
  212. 212. ソニー「デジタルアナウンサー」 • ニュース原稿を流し込む • エージェント(AI)が身振り をまじえて読み上げる。 ソニー、CGキャラがニュースを自動で読み上げる“デジタルアナウンサー”--渋谷で実験 http://japan.cnet.com/news/service/35087113/
  213. 213. AlphaGO 膨大な棋譜のデータ (人間では多過ぎて 読めない) この棋譜を そっくり打てる ように学習する 自己対戦して 棋譜を貯める この棋譜を そっくり打てる ように学習する AlphaGO
  214. 214. 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
  215. 215. 二つの人工知能 IF (s_collison==true) register_all(s_star); assign_edge(); assign_vertex(); mix_all(); シンボルによる人工知能 (シンボリズム)) ニューラルネットによる人工知能 (コネクショニズム)
  216. 216. ニューラルネットを理解しよう① 基本思想 コネクショ二ズム(結合主義) 知性とは脳の活動によって産まれるのだ。 知性とは脳は100億以上の ニューロン(神経素子)の結合である。 だったら、ニューロン(のモデル)を用いた 回路(ニューラルネットワーク)によって 知能を作ることが可能ではないか! (since 1943) http://www.sanko-junyaku.co.jp/product/bio/catalog/nhc_animal/rat-neuronal-3striatum.html ニューラルネットだけで知性の機能を
  217. 217. 神経素子(ニューロン)とは? 入力 入力 入力 出力 入力 この中にはイオン(電解,Na+,K+) 溶液が入っていて、入力によって電圧が 高まると出力する仕組みになっています。 100mVぐらい http://www.brain.riken.go.jp/jp/aware/neurons.html
  218. 218. http://www.pri.kyoto-u.ac.jp/brain/brain/11/index-11.html 医学的知識 http://www.biwako.shiga-u.ac.jp/sensei/mnaka/ut/sozai/ai.html モデル化 数学的モデル ニューロン 人工ニューロン 入出力関係のグラフ 入出力関係の関数(シグモイド関数) ニューラルネットワーク (ニューロンをつなげたもの) 道具はこれで全て。これで何ができるだろう?
  219. 219. 深階層ニューラルネットワーク http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html ニューラルネットワーク=信号(波形)処理だけで知能を作る。
  220. 220. 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
  221. 221. Yurie Oka「実装ディープラーニング」 http://www.slideshare.net/yurieoka37/ss-28152060 階層型ニューラルネット+階層型学習
  222. 222. 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
  223. 223. • Pπ ロールアウトポリシー(ロールアウトで討つ手を決める。Pπ (a|s) sという状態でaを討つ確率) • Pσ Supervised Learning Network プロの討つ手からその手を討つ 確率を決める。Pσ(a|s)sという状態でaを討つ確率。 • Pρ 強化学習ネットワーク。Pρ(学習済み)に初期化。 • Vθ(s’) 局面の状態 S’ を見たときに、勝敗の確率を予測する関数。 つまり、勝つか、負けるかを返します。
  224. 224. あから2010 激指 YSS 合議 Bonanza GPS 将棋 あから2010合議サーバログを可視化してみた(A Successful Failure) http://blog.livedoor.jp/lunarmodule7/archives/1121781.html
  225. 225. Nvidia「自動運転」 • 専用のグラフィックボードを 開発 • 市場へ向けて投入 • 高速道路用など用途別。 http://www.nvidia.co.jp/object/drive-px-jp.html
  226. 226. http://www.nvidia.co.jp/object/drive-automotive-technology-jp.html
  227. 227. • 人間には扱えないような大きなデータから、 • 人間では気づかない特徴を学習している。 学習する人工知能 から学ぶこと • さらに人間の解釈を通過することなく、 • 直接サービスやアクションを展開する (当然アマゾンの開発者は我々に何を推薦しているか知 らない)
  228. 228. 学習する人工知能 から学ぶこと ユーザー データ AI
  229. 229. 社会と人工知能 • 人工知能は、オートメーションの新しい姿。 • 人間に近い領域までオートメーションする。 • だから人間には脅威を感じる。 • 人工知能は「社会インフラ」となる。
  230. 230. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
  231. 231. 第五章 サービスと人工知能
  232. 232. スマートシティ構想 • もともとは、ガス、電気など、エネルギーを、 知的に融通するシステムのことを指していた。 • 現在は、情報を加えて、街全体が、インテリ ジェンスを持つ構想のことを言う。
  233. 233. スマートシティ構想 AI • 街全体を人工知能があらゆるカメラ、センサーを通して監視する。 • ドローン、ロボット、デジタルビジョンを通して街に力を行使する。 • 街全体の中枢の知能を作る。
  234. 234. 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 • その時、人工知能はアプリケーションではなく、 社会インフラとなる。新しく大きな市場。
  235. 235. 情報空間の拡大 ~人工知能の舞台が広がる http://www.s-hoshino.com ビックデータ インフラ としてのAI
  236. 236. 人工知能は人間には見えないものを見て、 人間にはできないことをする • 人の流れ • 犯罪の早期発見 • 事故現場の発見 • 店内の人の流れ • その人が注目した商品の共通項 • 紛れ込んだ犯罪者の場所特定 ・・・そしてこれらの予測。
  237. 237. 情報空間の拡大 ~人工知能の舞台が広がる http://www.s-hoshino.com ビックデータ インフラ としてのAI この循環は人間を理解しているわけではない。 「人間たち」の統計的特徴を見つけて行動している。
  238. 238. どこで人工知能ビジネスを展開するか? =人工知能に人間の何をどこまで理解させて、 ビジネスを展開するか? 人間の幅=現れ=行動 人間の深さ
  239. 239. どこで人工知能ビジネスを展開するか? =人間の内側の深さに入って行くためには、 人工知能の深みを持つ必要がある。 人間の幅=現れ=行動 人間の深さ
  240. 240. 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
  241. 241. どこで人工知能ビジネスを展開するか? =人間の内側の深さに入って行くためには、 人工知能の深みを持つ必要がある。哲学が必要。 知能の幅=現れ=行動 知能の深さ 人間の行動
  242. 242. どこで人工知能ビジネスを展開するか? 人工知能が人間を理解するほど、 人間は人工知能に共感する。 人間の幅=現れ=行動 人間の深さ
  243. 243. どこで人工知能ビジネスを展開するか? 人間の内面深く理解する人工知能、はこれから。 人工知能技術は、そこに向かって進化している。 人間の幅=現れ=行動 人間の深さ
  244. 244. どこで人工知能ビジネスを展開するか? どこまで人間の内面に食い込んで、サービスを展開す るかが、爆発力の鍵となる。 人間の幅=現れ=行動 人間の深さ
  245. 245. どこで人工知能ビジネスを展開するか? しかし、深く食い込むほど、高度な人工知能技術が必 要となる。 人間の幅=現れ=行動 人間の深さ
  246. 246. どこで人工知能ビジネスを展開するか? ビジネスがうまく行くなら、人工知能技術は、 社内であっても社外であっても構わない。 人間の幅=現れ=行動 人間の深さ
  247. 247. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第七章 人工知能と倫理 第八章 まとめ
  248. 248. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 スマート・リアリティ 第六章 人工知能と倫理 第七章 まとめ
  249. 249. 第六章 人工知能と倫理
  250. 250. 職業は人工知能でなくなるか? • 自分の職業の内容を細かくリストアップしてみましょう。 • その中の何割かが人工知能で置き換わるか、考える か、専門家に聞いてみよう。 • 全くなくなるのではなく、部分的に置き換わる。 • つまり発想を逆にして、人工知能といかに共存する か、その共存の仕方を模索する時代に来た。
  251. 251. • 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか?
  252. 252. • 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか? 自分の仕事に何割かが人工知能に置き換わる。
  253. 253. • 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか? 自分の仕事に何割かが人工知能に置き換わる。 =これからは人間と人工知能が協調する時代
  254. 254. • 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか? 自分の仕事に何割かが人工知能に置き換わる。 =これからは人間と人工知能が協調する時代 =人工知能とペアを組んで強いチームが勝つ
  255. 255. • 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか? 自分の仕事に何割かが人工知能に置き換わる。 =これからは人間と人工知能が協調する時代 =人工知能とペアを組んで強いチームが勝つ = 人間とペアを組むことを前提に人工知能を開発 するべき
  256. 256. 第七章まとめ 単独の人工知能 人間とペアを組む 人工知能 社会 インフラ サービ ス
  257. 257. 第七章まとめ 単独の人工知能 人間とペアを組む 人工知能 社会 インフラ サービ ス サービスでは「人間とペアを組む人工知能」をまず目指す。 社会インフラでは「人間の介在しないシステム」を目指す。
  258. 258. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 スマート・リアリティ 第六章 サービスと人工知能 第七章 人工知能と倫理 第八章 まとめ
  259. 259. 第七章 全体のまとめ 1. 人工知能は人間の知能を機械に写そうとしたところから 出発した。 2.箱庭(ゲーム)で育まれた人工知能は現実世界に 出ようとしている。 3.そのためにはハードウェア(ロボット、マシン、デジタル サイネージなど)が必要である。 4.しかし、まだ人工知能はそこまで賢くない。 5.人工知能は人間が与えた問題を解く。人工知能は問題を 自ら考えだすことはない。 6.しかし、人間が与えた問題において、人間より遥かに 優秀になり得る。
  260. 260. 7. 人工知能はそれゆえに完全ではない。人間 とペアを組むことを考えるべき。 8.将棋も囲碁も強くなった後は、人間と人工知 能のペアで指すことを研究している。それは人 工知能の未来の縮図である。 9.もう一つ。人間とペアを組まない人工知能は 拡大して、社会インフラとなる。 第七章 全体のまとめ

×