第76回HCD-Netサロン「AIとUXデザイン 」ユーザーのためのAIを設計するために
•
10 likes•2,647 views
第76回HCD-Netサロン「AIとUXデザイン 」ユーザーのためのAIを設計するために https://www.hcdnet.org/hcd/event/entry-1152.html report https://www.hcdnet.org/hcd/column/hcd-1155.html
Recommended
More Related Content
What's hot
What's hot (20)
Similar to 第76回HCD-Netサロン「AIとUXデザイン 」ユーザーのためのAIを設計するために
Similar to 第76回HCD-Netサロン「AIとUXデザイン 」ユーザーのためのAIを設計するために (20)
More from Youichiro Miyake
More from Youichiro Miyake (20)
第76回HCD-Netサロン「AIとUXデザイン 」ユーザーのためのAIを設計するために
- 6. Works (2006-2016) AI for Game Titles Books
- 7. 参考文献 三宅陽一郎 「大規模ゲームにおける人工知能 ─ファイナルファンタジーXV の実例をもとに─」 (17ページ) （人工知能学会誌、2017 2号）
- 8. 「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
- 9. • ThinkIT https://thinkit.co.jp/author/10026 • AI最前線の現場から【スクウェア・エニックス】
- 10. 人工知能とは
- 18. 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
- 19. 人工知能ブーム 時間 規模 情報革命 ネット革 命 知能革命 電子情報化 オンライン化 知能化 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010
- 21. 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 ニューラルネットワーク内シグナル伝達スピード 100(m/sec) … 案外遅い http://www.brain.riken.go.jp/jp/aware/neurons.html
- 23. 人工知能がブームになるとき 時間 規模 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010 ニューラルネットによる人工知能は、 浮き沈みが激しい。
- 24. 人工知能がブームになるとき 時間 規模 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010 ニューラルネットによる人工知能は、浮き沈みが激しい。 ＝ しかし、人工知能がブームになる時は、 必ず改良されたニューラルネットワークが現れる。
- 26. 2 第１次AIブーム 時間 規模 情報革命 ネット革 命 知能革命 電子情報化 オンライン化 知能化 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010
- 27. 2 第一次ＡＩブーム（1960年代） • コンピューターは大型のものしかない。 • 人工知能という分野自体が誕生したばかり。 • ニューラルネットという新しい分野のブーム。 １９世紀後半 人間の脳は ニューロンという もので出来てい るらしい ２０世紀前半 ニューロンの 電気的性質が 解明される （ホジキン博士、 ハクスレー博 士） 1950年代に ニューラルネット 発明 1963年に ホジキン＝ハク スレー方程式が ノーベル賞
- 28. 2 第一次ＡＩブーム（1960年代） もし A ならば B もし B ならば C よって、 もし A ならば C シンボルによる人工知能 （記号主義） ニューラルネットによる人工知能 （コネクショニズム） 推論ベース ニューラルネット 誕生
- 29. 3 第二次ＡＩブーム（1980年代） • パソコンが普及して行く。 • ルールを集めて知能を作ろう。 • 逆伝播法によるニューラルネットのブーム。 パソコンが 世の中で 普及して行く 知識主義 ＝ たくさんの知 識を人工知能 に 与えて推論 すれば知能が できる インターネッ トもなく、知識 が足りない。 推論も専門 的な機能の み。
- 30. 3 第二次ＡＩブーム（1980年代） IF （A） then B IF （C） then D IF （E） then F IF （G） then H IF （ I ） then J シンボルによる人工知能 （記号主義） ニューラルネットによる人工知能 （コネクショニズム） ルールベース 新しい学習法＝ 逆伝搬法
- 31. 3 第二次ＡＩブーム（1980年代） 0 0 0 【逆伝播法】 ここが１になるように、 結合の強さを、 さかのぼって変えて行く。
- 32. 4 第三次ＡＩブーム（2010年代） • インターネットが普及して行く。 • インターネットで蓄積されたデータを学習させて 知能を作ろう。 • 改善されたニューラルネットのブーム。 インターネッ トが世の中で 普及して行く データ 学習主義 ＝ たくさんのデー タを人工知能 に学習させる 現在、進行中
- 34. インターネットによる 膨大なデータ 4 第三次ＡＩブーム（2010年代） 時間 規模 1960 1990 2000 第一次AIブーム 第二次AIブーム 第三次AIブーム 1970 1980 2010 ルールベー ス 逆伝播法 データベー ス ディープ ラーニング 推論ベー ス ニューラル ネット誕生 小型・中型 コンピュータの普及 大型コンピュータ 専門家のみのブーム
- 35. 第一章 ゲームAIと人工生命
- 36. 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 エージェントに指示 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 現代ゲームAIの仕組み http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/
- 37. 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 エージェントに指示 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 現代ゲームAIの仕組み http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/
- 38. 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）
- 43. 極性頭部 非極性尾部 水と仲良し 水と溶けあえない （参考）永田和宏 「生命の内と外」 （「考える人」（Vol.45））
- 44. 自己組織化
- 49. エントロピーの法則
- 58. テセウスのパラドックス 物質的構成 ＝ 循環する 物質によらず不変なもの 構造 情報
- 71. ユクスキュルの生物学
- 78. 機能環 実行器 受容器 知覚と作用で客体を“つかんでいる“ 客体 作用器官 知覚器官 “現実”（主観世界）の構成要素 ユクスキュル/クリサート 「生物から見た世界」 （岩波文庫） 知覚世界作用世界
- 79. 機能環 効果器 受容器 知覚と作用で客体を“つかんでいる“ 客体 “現実”（主観世界）の構成要素 ユクスキュル/クリサート 「生物から見た世界」 （岩波文庫） 知覚世界活動世界 作用器官 知覚器官
- 80. 機能環 効果器 受容器 客体 活動神経網 知覚神経網 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 （みすず書房） 知覚世界活動世界 知覚微表担体 対象化された機構 活動担体 内的世界
- 81. 環世界のスキーム（機能環） 効果器 受容器 客体 活動神経網 知覚神経網 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 （みすず書房） 知覚世界活動世界 知覚微表担体 対象化された機構 活動担体 内的世界 知覚微表（Merkmal） ＝ 客体から送られてくるさまざまな刺激 知覚微表担体（Merkmaltrager） ＝客体に備わる刺激を発する諸特質 活動担体（Wirkungstrager） ＝客体の捕捉領域になりうる諸特質
- 82. 環世界のスキーム（機能環） 効果器 受容器 客体 活動神経網 知覚神経網 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 （みすず書房） 知覚世界活動世界 知覚微表担体 対象化された機構 活動担体 内的世界 受容器 ＝ 一定の刺激を受け取る ＋ 定められた刺激以外のすべての刺激を捨象する （知覚の統一性）
- 83. 機能環 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 （みすず書房） 効果器 受容器 客体 活動神経網 知覚神経網 知覚世界活動世界 知覚微表担体 対象化された機構 活動担体 内的世界
- 90. エージェント・アーキテクチャ WORLD INTELLIGENCE センサー エフェクター 認識 Knowledge Making 意志決定 Decision Making 運動 Motion Making 記憶体 Memory 情報体としての知能のカタチ 「情報の循環＝インフォメーション・フロー」 は物質の循環の情報版。 これによって知性は自己を情報的に自己組織化できる。やはり知性も散逸構造である。
- 91. 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 エージェントに指示 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 現代ゲームAIの仕組み http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/
- 92. Haloのムービー
- 98. サブサンプション・アーキテクチャ（ロドニー・ブルックス） INPUT OUTPUT 時間 情報抽象度 反射的に行動 少し場合ごとに対応 抽象的に思考 理論的に考える 言語化のプロセス = 自意識の構築化 Subsumpution Architecture 運動の実現のプロセス = 身体運動の生成
- 101. 第二章 ユーザーエクスペリエンスとAI
- 103. 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 エージェントに指示 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 現代ゲームAIの仕組み http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/」
- 106. ユーザー・エクスペリエンスは 何から成り立っているか？ • ビジュアル • サウンド • 操作 • インタラクション • 物語 • ＡＩ • …. ＡＩだけでゲームができるわけではない。しかし、 ＡＩなしではなし得ないユーザー・エクスペリエンスがある。
- 107. ユーザーエクスペリエンス ユーザー Navigation AI が作る世界 メタAI が作る世界 エージェントAI が作る世界
- 108. ユーザーエクスペリエンス ユーザー Navigation AI が作る世界 メタAI が作る世界 エージェントAI が作る世界 「ナビゲーションAI」「メタAI」「エージェントAI」の多層的な仕組みで ユーザー経験を作る。
- 109. Halo の事例 • ここでは、Halo (2002、Bungie Studio)の例を 取って、説明する。 • Halo におけるキャラクター（敵・味方）の役割 は、そこで戦場であるという臨場感を出すとこ ろにある。 • そこでキャラクター（敵、味方軍勢）グループ 同士による戦場を再現するＡＩを作る必要が ある。
- 110. Halo の事例 • まずムービーを見てみる。 • ここで着目するのはＡＩの位置取り。 • 次に相手を撃つタイミング、移動し始めるタイ ミング、という意思決定。 • 最後に、味方同士の協調。
- 112. Halo AI のアーキテクチャー イベント Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://www.bungie.net/Inside/publications.aspx この図はHaloのキャラクターＡＩの 意思決定の仕組みを表す図。
- 113. Halo AI のアーキテクチャー イベント 発行されるイベント 「敵発見」 「味方死亡」 「ダメージ受けた」 「プレイヤー発砲」 などイベントを抽出 状況解析 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://www.bungie.net/Inside/publications.aspx 演出（セリフ） この中身を見てみよう。 世界（環境）から感覚（Perception） を経て、記憶（Memory）、それを 咀嚼する状況解析（Situation Analysis）を経て、イベントが発行さ れる。
- 114. Halo AI の意志決定部分 イベント チャージ, 退却, 隠れる場所を探す グレネードを投げる、車に入る、死体を確認、など。 単純なロジックで１ページ未満の 簡単なコードからなる。「グラントはすぐ逃げる。」 「エリートは傷つくと隠れる。」 「ジャッカルはシールドを持つ。」 など。 各ビヘイビア（振る舞い）はトリガー条件を持ち、 条件を満たすビヘイビアはオン（行動候補）になる。 意思決定 ロジック モーション コントロール ＦＳＭ Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://www.bungie.net/Inside/publications.aspx
- 115. Halo AI のアーキテクチャー イベント 状況解析 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://www.bungie.net/Inside/publications.aspx 演出（セリフ） 最後はアクションを選択して、 モーションを作る。
- 116. Halo AI のアーキテクチャー イベント 状況解析 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://www.bungie.net/Inside/publications.aspx 演出（セリフ） このような仕組みで、 各キャラクターは、 各瞬間に意思決定を し続ける。
- 118. Halo におけるキャラクターの位置取り • マップに戦術ポイントを埋め込み。 • 戦術ポイントをグルーピング。 • 移動先を決めるために、各ポイン トに対して、以下の要素を計算し て重みを付けて評価する。 – 視線が通るか(LOS, Line of Sight) – ターゲットへの距離 – カバーポイントへ近いかどうか – 味方と敵への距離 – … Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://halo.bungie.net/inside/publications.aspx
- 119. Halo におけるキャラクターの位置取り （左図）はゲーム画面でＡＩが戦っている。 実際は（中央図）のように、あらかじめ設定された戦術ポイントに立って戦闘をしている。 いくつかの戦術ポイントのうち、どれを選ぶかと言えば、射線（LOS, Line of Sight）などの 情報を基にポイントを評価して選択する。 またプレイヤーの味方グループのキャラクターは、プレイヤーの近くの戦術ポイントに 入ることで、プレイヤーを護衛しているかのような行動を取ることができる。 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://halo.bungie.net/inside/publications.aspx
- 120. ユーザーエクスペリエンス ユーザー Navigation AI が作る世界 メタAI が作る世界 エージェントAI が作る世界
- 122. Halo におけるバトルフロー プログラマは一体一体のＡＩの思考を作るが、ゲームデザイナーはバトル全体の流れを 作る。 キャラクターのグループは戦術ポイントグループから戦術ポイントグループへ移動する。 ポイントグループを作り、どのキャラクターグループがどこを占拠するべきか、また、どこ に撤退すべきかを、グループごとの攻撃と撤退条件を決定する。 このようにゲームデザイナーは戦場の動き（バトルフロー）全体をデザインする。 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://halo.bungie.net/inside/publications.aspx
- 124. バトルフロー制御 エージェント・ アーキテクチャ Haloの３つのAIの構造 ゲームシステム メタＡＩ キャラクターＡＩ 戦術ポイント グルーピング 射線判定 ポイント評価 ナビゲーションＡＩ
- 125. 概論：まとめ • Halo のＡＩ全体の仕組みについて説明した。 • 実際のゲームのＡＩは、複数のAIの連携によっ て組み上げられていることが理解できる。
- 126. 第三章 キャラクターを楽しむ
- 127. AI_UX = AI User Experience • AI がユーザーと接して、与える体験のことを、 AI_UX （ＡＩユーザーエクスペリエンス）という。
- 129. AI_UXの課題 • AI_UX には、どのような種類があるか？ • ＡＩ_UX をコントロールする技術。ＡＩテクノロ ジーとゲームの作り方。 • AI_UX を検証する方法。 • ….
- 130. 知能感受性
- 131. 人の認識の上に人工知能をどう表れるか？ 人 人工 知能 人間は人工知能をどう捉えるか？ How it looks ?
- 132. 人の認識空間 人の認識の上に人工知能をどう表れるか？ 人 人工 知能 人間は人工知能をどう捉えるか？ How it looks ? 知能
- 133. 人の認識空間 人の認識の上に人工知能をどう表れるか？ 人 人工 知能 How it looks ? 知能 人は生存競争の必要上、自分以外の知性を「いち早く」 「どのような能力か」「何を意図しているか？」を感じ取 る能力を持つ。
- 134. 人の認識空間 人の認識の上に人工知能をどう表れるか？ 人 人工 知能 How it looks ? 知能 人は生存競争の必要上、自分以外の知性を「いち早く」 「どのような能力か」「何を意図しているか？」を感じ取 る能力を持つ。 ＝知能感受性
- 135. 知能感受性 人が自分以外の知性を感受する感性 適切な専門後が設定されていないが、 デジタルゲームAIでは極めて重要な概念 ① 知能感受性は自分自身以上の知性を感じ取ることはできない。 ② 知能感受性は状況によってその感受能力が、 他の感受性以上に変動しやすい。 ③ 知能感受性は、対象とする知性の「存在」「特性（能力）」 「現在の意図」などを感受する。
- 137. 知能感受性 知能感受性は状況により高まったり低かったりする。 自分の意図の強さ 自分の生存の危険度 相手の人間との類似度 知能感受性の ３つのメインファクター ①自分の意図の強さ = 自分が何かを強くしようとすればするほど、 それを阻害するものに知能を感じる。 ②自分の生存の危険度 = 生存の危険度が増すとそれを脅かす者へ敏感になる。 ③人間との類似性 = 人は自分と似ている（外面、内面）者に 自分と同じレベルの知能を想定する癖がある。 （擬人化が有効な理由） （相手が最初からAIだとわかっていると知性を感じないリ理由）
- 138. キャラクターAIの戦略 ①x② 知能方程式 （プレイヤーが相手に感じる知能） ＝ （相手の知能） × （知能感受性） ① 高度な知能を作る。 ② プレイヤーの知能感受性を高める。 （例） FPS、アクションゲーム : プレイヤーを窮地に追い込んでAIに攻撃させる。 感受性が高い状態 x シンプルなAI 戦略ゲーム、ボードゲーム: ゲーム上プレイヤーに強い意図を持たせて （領地を増やしたい、あのカードが欲しい） x 高度な思考AI
- 139. 知能方程式 知能方程式 （プレイヤーが相手に感じる知能） ＝ （相手の知能） × （知能感受性） ① 高度な知能を作る。 ② プレイヤーの知能感受性を高める。 つまり、デジタルゲームのAIを作ろうとする時には、 この二つの掛け算を常に考えていなければならない。 知能方程式（デジタルゲームAI版） （プレイヤーが相手に感じる知能） ＝ （AIの知能） × （プレイヤーの知能感受性）
- 140. プレイヤーの知能感受性を高める プレイヤーの知能感受性を操作する ①プレイヤーの意図の強さ = プレイヤーに勝ちたいと思わせる プレイヤーにこの手を打ちたい こういうアクションをしたいと思わせる ②プレイヤーの生存の危険度 = 追い込む ③人間との類似性 = 人間と似た手を打つ、 人間と似たアクションを行う、 人間と似たアニメーションをする。
- 141. オセロの知能方程式 知能方程式（デジタルゲームAI版） （プレイヤーが相手に感じる知能） ＝ （AIの知能） × （プレイヤーの知能感受性） 演出、ゲーム設定、 プレイヤーの誘導高度なアルゴリズム これまでたくさんの研究 ほとんど研究がない 学術 エンターテインメント
- 142. プレイヤーの知能感受性を高める プレイヤーの知能感受性を操作する ①プレイヤーの意図の強さ = プレイヤーに勝ちたいと思わせる プレイヤーにこの手を打ちたい こういうアクションをしたいと思わせる ②プレイヤーの生存の危険度 = 追い込む ③人間との類似性 = 人間と似た手を打つ、 人間と似たアクションを行う、 人間と似たアニメーションをする。
- 144. デジタルゲームAI実例
- 145. ３つの実例 ①プレイヤー の意図の強さ ②プレイヤーの 生存の危険度 ③人間との 類似性 知能 総合 Left 4 Dead △ 〇 低 弾幕 シューティング 〇 ✖ 低 アストロノーカ ✖ △ 高 Killzone 2 〇 高
- 146. Left 4 Dead
- 147. Left 4 Dead の例 「Counter Strike」の世界的成功 自分たちはなぜ成功したかを徹底的に考察 それは緩急があったからだ。 Counter Strike の「緩急＝ペース」はある程度、偶然に作られたかもしれない。 では、そういったゲームが面白くなる最適なペースを、 人工的に常に作り出すことはできないだろうか？ メタAI (=AI Director)によってペースを作る。
- 148. 第三章 キャラクターを楽しむ
- 150. 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 エージェントに指示 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 現代ゲームAIの仕組み http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/
- 151. 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
- 153. （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 － ゼビウス
- 155. 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。
- 156. 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
- 157. 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
- 158. 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
- 159. 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。
- 160. 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
- 161. 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
- 162. 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
- 163. 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
- 164. 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。
- 166. 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。
- 167. 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
- 168. 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
- 170. ３つの実例 ①プレイヤー の意図の強さ ②プレイヤーの 生存の危険度 ③人間との 類似性 知能 総合 Left 4 Dead △ 〇 低 弾幕 シューティング 〇 ✖ 低 アストロノーカ ✖ △ 高 Killzone 2 〇 高
- 171. 第三章 キャラクターを楽しむ
- 172. 人間はAIに理解して貰えるとうれしい
- 173. 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 エージェントに指示 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 現代ゲームAIの仕組み http://dear-croa.d.dooo.jp/download/illust.html http://www.anne-box.com/ http://dear-croa.d.dooo.jp/
- 174. キャラクターＡＩ
- 184. 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 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
- 185. 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 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
- 186. 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 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
- 187. 階層型ゴール指向型プランニングとは？
- 189. 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
- 190. 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 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
- 192. The Sims シリーズのＡＩの作り方 人をダイナミクス（力学系、動的な数値の仕組み ）として動かす。 世界を動かす PeerAI(=キャラクターＡＩ) を構築。 Sub Peer Meta Meta Peer Sub [原則] 周囲の対象に対する、あらゆる可能な行動から、 ムード（幸せ） 係数を最大化する行動を選択する。 Sims (not under direct player control) choose what to do by selecting, from all of the possible behaviors in all of the objects, the behavior that maximizes their current happiness. Will Wright, AI: A Design Perspective (AIIDE 2005) http://www.aaai.org/Papers/AIIDE/2005/AIIDE05-041.ppt Kenneth Forbus, Will Wright, “Some notes on programming objects in The Sims – Example” http://www.qrg.cs.northwestern.edu/papers/Files/Programming_Objects_in_The_Sims.pdf
- 193. The Sims における「モチーフ・エンジン」 Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern University) http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm Data - Needs - Personality - Skills - Relationships Sloppy - Neat Shy - Outgoing Serious - Playful Lazy - Active Mean - Nice Physical - Hunger - Comfort - Hygiene - Bladder Mental - Energy - Fun - Social - Room Motive Engine Cooking Mechanical Logic Body Etc. AIの人格モデル
- 194. 最適（＝最大効用）な行動を選択する Hunger +20 Comfort -12 Hygiene -30 Bladder -75 Energy +80 Fun +40 Social +10 Room - 60 Mood +18 Toilet - Urinate (+40 Bladder) - Clean (+30 Room) - Unclog (+40 Room) Mood +26 Bathtub - Take Bath (+40 Hygiene) (+30 Comfort) - Clean (+20 Room) Mood +20 [原則] 周囲の対象に対する、あらゆる可能な行動から、 総合的な効用 （＝Mood） を最大化する行動を選択する。
- 195. ムードの計算方法と各パラメーターのウェイトグラフ Mood = W_Hunger(X_Hunger) * X_Hunger + W_Engergy(X_Energy) * X_Energy + … -100 0 100 -100 0 100 -100 0 100 -100 0 100 -100 0 100 -100 0 100 -100 0 100 -100 0 100 W_Hunger W_Energy W_Comfort W_Fun W_Hygiene W_Social W_Bladder W_Room
- 196. 効用(Utility)の計算の仕方 W_Hunger X_Hunger W_Hunger(-80) -80 60 W_Hunger(60) Hunger degree at -80 ＝ W_Hunger(-80)*(-80) Hunger degree at 60 ＝ W_Hunger(60)*(60) Δ ＝ W_Hunger(60)*(60) - W_Hunger(-80)*(-80) Utility for hunger
- 197. 限界効用逓減の法則 X_Hunger W_Hunger(-80) -80 60 W_Hunger(60) Δ（-80 → 60）＝W_Hunger(60)*(60) - W_Hunger(-80)*(-80) Δ (60→90） ＝W_Hunger(90)*(90) - W_Hunger(60)*(60) 90 W_Hunger(90) Δ（-80 → 60） is much larger than Δ(60→90） ある程度満たされたものを満たすより、 満たされないものをある程度満たす方が大きな満足をもたらす Utility for hunger ビールは一杯目が一番おいしい
- 198. The Sims 3 では、多くのムードや欲求が準備される。 行動 対象 GDC09 資料 http://www.gdcvault.com/play/1452/(307)-Breaking-the-Cookie-Cutter
- 201. 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
- 205. 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/
- 206. 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 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
- 207. F.E.A.R.のプランニング 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 Jeff Orkins, Three States and a Plan: The AI of FEAR http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf
- 208. 計画を立てるＡＩ/計画を変更するＡＩ Jeff Orkins, Three States and a Plan: The AI of FEAR http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf
- 214. プランニングによる物語生成技術
- 217. プランニングによる物語生成技術
- 220. クロムハウンズ紹介
- 222. クロムハウンズ 発売元 : セガ デザイン : フロムネットワークス 開発元 : フロムソフトウエア (C) SEGA Corporation / FromNetworks, Inc. / FromSoftware, Inc. , 2006 ２００６年６月、世界７カ国で、同時発売
- 224. 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
- 227. クロムハウンズ 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
- 230. 「常に複数の欲求を持ち、知能がその内から最適な行動を選択する」 クロムハウンズＡＩ コンセプト 複数のゴール ゴールを選択する意思決定機構 人間 ＡＩ 人間の心理的な葛藤を人工知能に取り込む
- 231. クロムハウンズ 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 状況に応じて、戦略を選ぶ知能が必要 複数のゴール ゴールを選択する意思決定機構 選択
- 234. エージェントが意思決定をする仕組み その戦略を達成することで得られる 見返り(S； 重要度) と、 それを達成するための リスク(R； 危険度) の兼ね合い 実行評価値(E) ＝ S * ( 1 –R ) S（７３） R(５７) S（１１） R(８) S（８９） R(６４) S（２４） R(４) S（３３） R(８０) S（３３） R(４３) S（３３） R(２) 本拠地 破壊 通信塔 占拠 1 E = 24 2 E =12 3 E =6 C E = 20 D E = 32 F E = 3 J E = 21
- 235. 通信塔の「重要度 S」 ３つのファクターから決まる。 (1) 味方司令部との関係 (通信塔- 敵司令部 ) (2) 敵司令部との関係 (通信塔- 味方司令部) (3) 通信塔同士の関係 (通信塔- Combus ) S = W_1 * 味方司令部との距離による関数 + W_2 * 敵司令部との距離による関数 + W_3 * 隣の通信塔の占拠状態からなる関数 W … 重み S = W_EBase * ( Σ F( L_EBase, L_MapScale ) * Est_Base_NonConstFactor + W_SBase * F( L_SBase, L_MapScale ) + W_InComNet * Est_InComNet W_EBase + W_SBase + W_InComNet = 1 Est_InComNet = W_static * Est_Static_Combus + W_dynamic * Est_Dynamic_Combus Est_Static_Combus = (Connectable_Number - Connected_Number) /Max_Connectable_Number Est_Dynamic_Combus = Connected_Number/Max_Connectable_Number W_static + W_dynamic = 1 …
- 236. 通信塔の「重要度 S」 ３つのファクターから決まる。 (1) 味方司令部との関係 (通信塔- 敵司令部 ) (2) 敵司令部との関係 (通信塔- 味方司令部) (3) 通信塔同士の関係 (通信塔- Combus ) S = W_1 * 味方司令部との距離による関数 + W_2 * 敵司令部との距離による関数 + W_3 * 隣の通信塔の占拠状態からなる関数 W … 重み
- 237. 通信塔の「危険度 R」 ３つのファクターによる。 (1) 敵ハウンズが通信塔からどれぐらいの距離にいるか。 (2) ザコ敵がどれぐらいの距離にいるか。 (3) 味方ハウンズが通信塔からどれぐらいの距離にいる R = W_1 * 敵ハウンズの通信塔との距離による関数 + W_2 * ザコ敵と通信塔の距離による関数 + W_3 * 味方ハウンズ通信塔との距離の関数 W … 重み パラメーター と関数の形を調整する 意志決定の形やハウンズの個性が決定 テストをくり返しながら 計 １００ 近くのパラメーターを調整
- 240. 自律型エージェントの実現 リアルタイム パス検索 × リアルタイム ゴール指向型プランニング × 意思決定機構 第１回セミナー 第２回セミナー 第３回セミナー 自律型エージェント 完成 個としてのＡＩの完成 チームとしてのＡＩへ
- 242. 集団における知性 クロムハウンズ メンバーの維持 相手チームに対する 状況的優位を築く ①護衛 ②救援 ③戦闘判断 ④集中砲火 勝利のための 統制された行動 ⑤チームＡＩ 最初はチームＡＩを入れない。 チーム対戦をくり返しながら、必要なＡＩ技術を導入し調整する。 ゴールによる協調 アルゴリズムによる協調 チームＡＩによる協調
- 246. 集団における知性 クロムハウンズ メンバーの維持 相手チームに対する 状況的優位を築く ①護衛 ②救援 ③戦闘判断 ④集中砲火 勝利のための 統制された行動 ⑤チームＡＩ ゴールによる協調 アルゴリズムによる協調 新しいＡＩによる協調
- 247. プレイヤーたちの戦力 ＞ １．４ ｘ エージェントたちの戦力 P プレイヤーたちの戦力 < １．４ ｘ エージェントたちの戦力 本拠地へ 退却 戦闘！ クロムハウンズにおけるマルチエージェント技術 ③ 戦闘判断 エージェントが周りの敵と味方の戦力を計算して 戦うべきか、逃げるべきかを判断する。 P P P P P P P P 戦力比が大きい無駄な戦闘を回避し、常に相手を上回る 戦力を増築してプレイヤーに対抗する デバッグの過程で追加
- 249. 集団における知性 クロムハウンズ メンバーの維持 相手チームに対する 状況的優位を築く ①護衛 ②救援 ③戦闘判断 ④集中砲火 勝利のための 統制された行動 ⑤チームＡＩ ゴールによる協調 アルゴリズムによる協調 新しいＡＩによる協調
- 250. 「組織としての利益の行動と、個人としての利益の行動は必ずしも一致しない」 組織としての合理性 個人としての合理性 組織と個人 チームＡＩ 人間の組織の葛藤をチームＡＩに取り込む 個のＡＩ クロムハウンズにおけるマルチエージェント技術 ⑤チームAI を作る クロムハウンズ チームＡＩ コンセプト
- 251. 例えば、チームとして こういうことをさせたい 一機だけの戦闘で戦局が 変わることはない。 敵をやっつける時は、なるべく 多 ｖｓ １ になるようにする 実際の戦闘がどうなっているかパターンを集めてみよう 戦力を集中させたい
- 254. チームAIの構造 チームAI 意志決定機構 ４つの戦略を持ち、評価関数によって、一つの戦略を決定する。 (評価関数による意思決定 = 個体の意志決定と同じ方法) 本拠地 破壊 本拠地 破壊 本拠地 破壊 一つのチーム戦略は、 各機体への命令からなる 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 255. チームAIの構造 ＝ ゴール指向型の拡張 チームAI 意志決定機構 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 本拠地 破壊 本拠地 破壊敵本拠 地破壊 本拠地 破壊 一つのチーム戦略は、 各機体への命令からなるCOM 1 COM 2 COM 3 本拠地 破壊 本拠地 破壊 本拠地 破壊 プランニング COMのゴール指向プランニングの上に、チームAIを積み上げる
- 257. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊 組織としての合理性 個としての合理性
- 258. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 実行評価値 :７６ 実行評価値 ：８８ × チームAIとCOMの ゴールの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 259. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 実行評価値 : ６４ 実行評価値 : ５３ × COMが二つの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 260. チームAI の意思決定と COMの判断 を比較して、最終的に決定する チームAI 意志決定機構 COM 2 本拠地 破壊 通信塔 占拠 ７６ ８８ × COMが二つの評価値を 比較して高い方を選択する。 敵殲滅 本拠地 防衛 敵本拠 地破壊 通信塔 占拠数 で勝つ 敵本拠 地破壊
- 261. チームＡＩの介入の仕方 1.0 0.0 前半 （５分、或いは、 戦場で一機が 撃墜されるま で） 中盤 （前半終了から５ 分） 後半 （中盤終了から５ 分） comp_idv comp_team 前半はチームＡＩより個としてのＡＩの判断を優先、 後半はチームＡＩの判断を優勢にしたい。 比較のためのチームＡＩゴール評価値 ＝ ゴール評価値 ｘ comp_team 比較のためのCOM ＡＩゴール評価値 ＝ ゴール評価値 ｘ comp_idv COM優勢 COM、チーム競合 チーム優勢 チームＡＩを用いてゲームメーキングを行う 1.2
- 262. CORE Layer は、Physical Laryer 、Mission Layer のうちで、 どの認識を生成するかを決定するコマンドを投げる。 CERA-CRANIUM認識モデル Arrabales, R. Ledezma, A. and Sanchis, A. "Towards the Generation of Visual Qualia in Artificial Cognitive Architectures". (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf
- 264. 2K Bot Prize FPSを用いたチューリングテスト http://aigamedev.com/open/article/conscious-bot/Movie: AI と人間のプレイヤーが混在しながら戦う。 人間と一番間違われたAIが優勝。
- 267. 第七章 人工知能と創造性
- 270. 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
- 277. 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。
- 279. 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
- 280. Procedural Generation in WarFrame • Warframe ではダンジョンが自動生成される。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 281. Black Combination in WarFrame • ブロックを組み合わる • 完全に零からの生成 ではない。 このような生成のことを Semi-procedural と言う。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 283. WarFrame における自動生成マップの 自動解析によるナビゲーションデータ作成 抽出した骨格に沿って 自動的にナビゲーション・データを作成します。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 284. スタートポイント、出口、目的地の 自動生成 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 285. ヒートマップ（影響マップ）を用いて ゲーム中にプレイヤーの周囲を自動解析 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed ヒートマップ（影響マップ）とは、対象（ここではプレイヤー）を中心に、位置に温度（影響度）を 与える方法です。距離に応じて減衰します。また時間が経つと、周囲に熱が拡散します。
- 286. Tactical Map の例 (影響マップ) （例）敵と自分の勢力をリアルタイムに計算する。 4 6 8 8 8 8 6 4 2 0 -1 -2 -4 -4 -4 -2 4 6 8 8 8 8 4 2 1 0 -2 -4 -4 -2 4 6 8 8 8 6 3 1 0 -2 -4 -4 -4 -2 4 6 8 8 8 6 6 4 1 0 -2 -4 -4 -2 2 4 6 8 6 6 4 4 0 -1 -2 -4 -4 -4 -2 1 2 4 6 6 4 2 2 -4 -5 -3 -3 -4 -4 -2 -1 3 3 3 3 4 2 2 0 -4 -5 -5 -8 -8 -6 -4 -2 3 3 2 2 2 0 -2 -4 -8 -10 -10 -8 -4 -2 3 3 3 2 2 1 0 -4 -8 -10 -10 -8 -8 -4 -2 2 2 2 2 1 1 0 -3 -8 -10 -10 -8 -8 -4 -2 1 1 1 1 0 0 -2 -4 -8 -8 -8 -8 -8 -8 -8 -8 0 0 0 0 0 -1 -1 -2 -5 -6 -6 -6 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -4 -4 -4 -6 -8 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1
- 287. ヒートマップ（影響マップ）を用いて ゲーム中にプレイヤーの周囲を自動解析 「ヒートが増加する＝プレイヤーが近づく点」 「ヒートが減少する＝プレイヤーが遠ざかる点」 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 288. アクティブ・エリアセット（Active Are Set） Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed アクティブ・エリアセットは、プレイヤーの周囲の領域で、 リアルタイムにメタAIがゲームを調整する領域
- 289. メタAIがアクティブ・エリアセット内で ゲームを調整する 「ヒートが増加する＝プレイヤーが近づく点」なので、モンスターを生成する。 「ヒートが減少する＝プレイヤーが遠ざかる点」なので、モンスターを停止する。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 290. メタAI （AI Director,）による 動的ペース調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 291. メタＡＩ（自動適応ペーシング） メタAI （AI Director,）による 動的ペース調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
- 292. メタAIによる出会うモンスターの数の 大域調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed プレイヤーのスタート地点から出口までの道のりで、 コンスタントにモンスターと出会うようにする。
- 293. まとめ ©2017 SQUARE ENIX CO., LTD. All Rights Reserved.
- 296. デジタルの海 要素を集めて積み重ね、構築的に 人工知能を作る ＝ 西欧的人工知能 デジタルの海 人工知能 電子の海から人工知能を見つけ掘り出す ＝ 東洋的人工知能 積み 重ね る 掘り 出す 掘り 出す 積み 重ね る 人工知能