Recommandé
Contenu connexe
Tendances
Tendances (20)
Similaire à 人工知能と社会
Similaire à 人工知能と社会 (20)
Plus de Youichiro Miyake
Plus de Youichiro Miyake (15)
人工知能と社会
- 3. My Works (2004-2019) AI for Game Titles Books Books
- 5. 近著
- 8. 人工知能の歴史の解説書
- 9. 第０章 人工知能とは
- 17. 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
- 19. 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。
- 20. 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
- 22. 2 第一次ＡＩブーム（1960年代） 身長 体重 年齢 健康 要運動 注意 学習データから ここの重みを 変化させます 健康 要運動 注意 新しいデータ ニューラルネット ＝ データを分類する人工知能
- 23. 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
- 24. 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。
- 25. 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
- 26. 3 第二次ＡＩブーム（1980年代） 1 0 0 このように学習させたい
- 27. 3 第二次ＡＩブーム（1980年代） 0 1 0 このように学習させたい
- 28. 3 第二次ＡＩブーム（1980年代） 0 0 1 このように学習させたい
- 29. 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。
- 30. 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
- 32. 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. 外側： 宇宙 ＝ 見えない法則がある 内側： 人間 ＝ 見えない法則がある 知能にも法則がある ＝ 人工知能
- 38. ３つの知能の原理
- 40. 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。 知能の原理② フレーム
- 42. 身体 AI =無意識 意識
- 46. デジタルゲームの人工知能の原理
- 48. 第1章 ゲームAI入門
- 51. AI =無意識 意識 ファンネル
- 56. ゲームAIの基本知識
- 58. フィールド 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 ３つのＡＩの連携の例
- 59. FC SFC SS, PS PS2,GC,Xbox Xbox360, PS3, Wii DC （次世代） Hardware 時間軸 2005 1999 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）
- 62. ３Ｄゲームの中のＡＩ Halo （ＨＡＬＯ、バンジー、2001年） デバッグ画面 The Illusion of Intelligence - Bungie.net Downloads http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt
- 65. 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
- 69. 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人工知能（ネットワークA） 人工知能（ネットワークB） 外部からの 情報 物理的干渉 他者の構成プロセス 身体 身体 マスター スレーブ 意思決定層だけを コピーする あとは物理世界に 任せる
- 70. Networking Gameplay and AI in Assassin's Creed Unity Charles Lefebvre, Ubisoft, GDC2015 https://www.gdcvault.com/play/1022168/Networking-Gameplay-and-AI-in
- 72. Networking Gameplay and AI in Assassin's Creed Unity Charles Lefebvre, Ubisoft, GDC2015 https://www.gdcvault.com/play/1022168/Networking-Gameplay-and-AI-in
- 73. Networking Gameplay and AI in Assassin's Creed Unity Charles Lefebvre, Ubisoft, GDC2015 https://www.gdcvault.com/play/1022168/Networking-Gameplay-and-AI-in
- 74. Networking Gameplay and AI in Assassin's Creed Unity Charles Lefebvre, Ubisoft, GDC2015 https://www.gdcvault.com/play/1022168/Networking-Gameplay-and-AI-in
- 75. Networking Gameplay and AI in Assassin's Creed Unity Charles Lefebvre, Ubisoft, GDC2015 https://www.gdcvault.com/play/1022168/Networking-Gameplay-and-AI-in
- 79. 全キャラクターAI操作型 • AIがすべて操作してくれる • 最近では「放置ゲーム」とも呼ばれる（携帯ゲーム） • オートバトル （例）ドラゴンクエストシリーズのⅣ以降「さくせん」 『世紀末デイズ』オートプレイ
- 83. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 プレイヤ― キャラクター （Player Character） ノンプレイヤ― キャラクター （Non-Player Character）
- 84. 人とAIのハイブリッド PC NPC NPC NPC AI AI AI PC NPC NPC NPC AI AI AI ユーザーがNPCに命令 NPCが自動的にPCに追従 PC NPC NPC NPC AI AI AI ユーザーがNPCと協調
- 85. 第４章 人と人工知能の関係
- 87. 人工知能は環境となる。
- 89. 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 身体 身体
- 91. 人間の精神、機械の精神 意識 前意識 無意識 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。 身体 身体
- 99. 身体 身体 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人間 人工知能 外部からの 情報 物理的干渉 他者の構成プロセス 情報的実在性
- 102. 環境 意識 前意識 無意識 （言語の網） 外部から の情報 人工知能 人工知能 外部からの 情報 物理的干渉 素早い同期の輪 身体 身体 意識 前意識 無意識 （プログラム 言語の網） 身体的実在性
- 104. 身体 身体 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人間 人工知能 外部からの 情報 物理的干渉 他者の構成プロセス 無意識的実在性
- 105. 環境 意識 前意識 無意識 （言語の網） 外部から の情報 人工知能 人工知能 外部からの 情報 物理的干渉 素早い同期の輪 身体 身体 意識 前意識 無意識 （プログラム 言語の網） 無意識的実在性
- 107. 身体 身体 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人間 人工知能 外部からの 情報 物理的干渉 他者の構成プロセス 環境的実在性
- 109. 身体 身体 環境 意識 前意識 無意識 （言語の網） 意識 前意識 外部から の情報 人間 人間 外部からの 情報 物理的干渉 他者の構成プロセス 人と人は複数のリアリティ（実在性）で 結ばれている
- 112. 身体 身体 環境 意識 前意識 無意識 （言語の網） 意識 前意識 無意識 （プログラム 言語の網） 外部から の情報 人間 人工知能 外部からの 情報 物理的干渉 他者の構成プロセス 情報的実在性
- 116. 人工知能は環境となる。
- 117. 都市全体を監視・制御するAI 交通全般を制御するAI 各エリアを監視・制御するAI 各ビルを監視・制御するAI 道路を監視・制御す るAI 各広場を監視・制御す るAI 人の流れを監 視・制御するAI 抑止・委任 報告 抑止・委任 報告 抑止・委任 報告 都市 監視 制御 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御
- 120. 情報空間の拡大 ～人工知能の舞台が広がる http://www.s-hoshino.com • 街そのものが人工知能になる ＝ スマートシティ → 街そのものがゲーム機 → ゲームはスクリーンから街全体へ → ゲームＡＩは、ゲーム世界から現実世界へ
- 123. 西洋の見る夢 東洋の見る夢 人工知能の誕生 組み合わせ構造・水平的 存在的混沌・垂直的 機械論・分解的 存在論・生成的 問題特化型 身体の上に立脚 情報的・世界の再構築 身体的・世界と溶けあう 存在の理解 存在共生 機能連携 都市管理 自然となる 言葉を外す 言葉で作る 人工生命 エージェント 人間拡張 場の人工知能 機能理解 探求の方向 作り方 立脚点 世界とのかかわり方 相互理解 人とのあり方 環境としての人工知能 言語 未来 存在の形 人工知性 人工知能 自律型知能 人工精神
- 125. 人工知能を発達過程として作る
- 127. 人工知能を発達過程として作る
- 130. メルロ＝ポンティ 1908年 フランスに産まれる。 1925年 エコール・ノルマル・シュぺリュ－ル。 サルトル、ボーヴォワール、レヴィ＝ストロース、 ポール＝二ザン、と知りあう、 1928年 フッサールの現象学の講演を聴く。 1946年 サルトルと「レ・タン・モデルヌ」創刊 1948年 リヨン大学教授 1949年 パリ大学教授 1952年 コレージュ・ド・フランス教授 1961年 急逝 フランス現象学の牽引する。特に身体に対する現象学は、大きな影響を持つ。 サルトルが世界中を飛び回っていたのに対して、メルロ＝ポンティは、フランスを 中心に活躍した。
- 131. メルロ＝ポンティ「知覚の現象学」 (原著：1945, 翻訳:1967,竹内芳郎・小木貞孝訳) • フランス現象学。 • 感覚と身体の 現象学。 • • 身体性の問題 の名著。 http://www.msz.co.jp/book/detail/01933.html
- 132. 身体の両義性 • 対象であると同時に自分自身であるという。 • 触れると同時に触れられる。 • あらゆる感覚の中で触覚だけは、生物同士で、双方向。 • 触れることは、同時に触れられること。 • 触れられることは、同時に触れること。
- 134. 触覚 • 触覚、神経 ＝ 世界を根を張ること • 触覚がある ＝ 世界に参加している、ということ。 • 人工知能が世界に参加する＝世界に触れる
- 135. まとめ • Haptic がAIと人の間に新しいチャンネルをもたらす • AIを受容する＝身体的存在感・質量・インタラクション • HapticがAIに質量を与える • Haptic は人工知能の精神的・身体的境界を形成する • デジタルツインにも触感と質量を与える
- 136. 第５章 デジタルゲームにおける 対話技術
- 137. 現在のAI全体の趨勢 • ＡＩ第０回戦（2005-2015年） クラウドシェア争い • ＡＩ第１回戦（2015-2020年） 基幹ＡＩインフラの争い （大規模ディープラーニング、知識データベース） • ＡＩ第２回戦（2020年-今） 個別のAI案件
- 139. 対話キャラクターの動向の総括 (1) ディープラーニングによる対話技術の向上 BERT や、TRANSFORMER など。 (2) さまざまな対話キャラクターの出現した 世界中で開発が加速している (3) スマートスピーカーなど音声による命令が広まった 音声による命令への躊躇がなくなった (4) コロナ下で人ではないキャラクターの需要が認識された。 来年はより大きなムーブメントになる
- 140. 対話AIの課題 • 対話生成の課題 巨大なデータをどのように作成するか 学習用データ（コーパス） 日本語が少ない • 対話評価の課題 人による評価、人でない指標による評価（評価の自動化）
- 141. 対話評価のポイント • 同じ内容を繰り返していないか • 矛盾した内容ではないか • 発言が突発的ではないか • ユーザ発言内容の無視していないか • 質問に答えているか https://www.anlp.jp/proceedings/annual_meeting/2015/html/paper/WS_PNN23_dial.pdf
- 142. 言語AIの基礎
- 143. AIと人間、AIとAIの会話 ＡＩ ＡＩ ＡＩ 人 自然言語 ＡＩ専用言語 ACL (Agent Communication Language) ※KQMLなど
- 144. AIとAIの間の言語 Topic 5: Communication and Negotiation Protocols Published byShannon Norton https://slideplayer.com/slide/6591769/
- 145. ©2020 SQUARE ENIX CO., LTD. All Rights Reserved.
- 152. 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
- 155. 技術の概要 • ルールベース ： ルールによって対話を行う たくさんのルールを書く。簡単な会話ツールは全てこれ • 用例ベース ： 過去の事例から最も近い返答を持って来る twitter など、大きなデータベースと高速な検索が必要 • 生成ベース ： 学習によって対話を生成する ディープラーニングや巨大なシンボルデータベース いずれにしろ、カバーする会話領域を大きくするためには、 とにかくまず巨大である必要がある
- 156. 対話人工知能の技術 ジャンル 記号主義（シンボリズム） コネクショニズム 雑談 生成ベース（大規模データ ベースによる学習） 大規模ディープラーニング テーマを決めた自由会話 生成ベース（大規模データ ベースによる学習）・ オントロジー 大規模ディープラーニング ミニゲーム ドメイン知識・ フレームベース 中規模ディープラーニング キーワード会話 ルールベース・用例ベース ニューラルネットワーク/ ディープラーニング 一問一答 ルールベース・ フレームベース ニューラルネットワーク 一方的に話す スクリプト - CNN/RNN
- 157. 言語AIの各種技術
- 158. 音声解析
- 159. Do you like the simulation game ? 98 du do d u y yo l li ry ck k ky th z ze Sy Si zi mu m uu le ra ti sy on an a g Ju zy m fu do 76 dyu 34 li 63 k 87 ck34 z 34 th 94 sym 74 zi 64 la 65 ra 71 sim 88 ty 23 te 93 ti 73 an 43 on 53 gu 33 gy 34 ge 74 mu 94 a c d e do 88 you 86 Yaucht 76 like 62 luck 78 Zym 54 the 83 simulation 88 civilization 31 far 94 gam 54 simulation game 94 h Do you 89 you like 77 you luck 89 far civilization 78 the simulation 71 game 87 civilization game 94 jam 31 g 分散人工知能 1996/12/1 石田 亨 (著), 桑原 和宏 (著), 片桐 恭弘 (著)
- 160. 形態素解析
- 161. 生起コスト 「けものをのけものにしない」の形態素解析の例 け もの を の け も の に け も の の け も の し な い け の に し し ない も の 28 名詞：毛 44 名詞：物 48 名詞：獣 57 助詞：を 8 名詞：獣 57 の け も の 助詞：の 27 名詞：のけもの 77 動詞：のけ 17 名詞：物 37 名詞：野 27 名詞：毛 31 名詞：藻 67 助詞：の 8 助詞：に 7 名詞：竹刀 97 名詞：西 22 動詞：する変形 11 助動詞：ない 5 10 10 51 71 11 11 27 27 20 35 15 9 32 17 17 17 32 45 23 13 5 17 連接コスト 品詞 推定
- 162. N-Gram
- 163. N-Gram • 単語のつながりのデータ 単語 単語 単語 単語 単語 単語 単語 単語 単語 単語 trigram bigram unigram N-gram 英語・日本語のＮグラム言語統計は ＷＥＢで提供されている
- 164. BERT
- 165. BERT（Bidirectional Encoder Representations from Transformers） • Google 2018 • 比較的少数のデータでも性能が良い • 事前学習とファインチューニング • 事前学習＝穴埋めを解かせる 校庭には が生えている • ファインチューニング（文章の順序を学習） 昨日の仕事の進捗はどうですか？何かわからないことがありますか？
- 166. WORD2VEC
- 168. ケホイル ゲケホイル サンダル マサンダル 進化 進化 W_X W_Y （ゲケホイル）ー（ケホイル）＋（サンダル）＝（マサンダル） （ゲケホイル）ー（ケホイル）＝（マサンダル）ー（サンダル）＝（進化）
- 169. セマンティックネットワーク
- 171. オントロジーの利用
- 172. 魔法 回復・補助魔法 攻撃魔法 時間魔法 蘇生 魔法 回復 魔法 状態変 化魔法 水系 魔法 水系 魔法 雷系 魔法 リ ア ラ イ ブ ケ ホ イ ル ゲ ケ ホ イ ル デ ポ イ ゾ フ ァ イ ラ ル ウ オ ラ ル サ ン ダ ル ク ロ ノ リ ア ス ト ッ プ ゲ フ ァ イ ラ ル 24 6 12 7 9 4 8 5 20 12 消費魔法力
- 173. フレームベースの作り方
- 174. プレイヤー・プロフィールデータ - ステータス - 体力 - 魔法力 - 装備 -- 右手武器 -- 左手武器 -- 防具 -- 指輪 - レベル - 職業 - 覚えている魔法リスト - 経路 - 最後に訪れた街 - 最後に訪れたダンジョン -- 滞在時間 -- 受けた総ダメージ -- 魔法使用料 -- 消費したアイテムリスト -- 倒したモンスターのリスト -- 戦闘不能にされたモンスター - 最後に話した人物 - 徒歩距離 - これまでに訪れて来た街のリスト - 物語 - 最後の話した人物 - 物語の進行度 - 探しているアイテム - これまで聞いたキーワードのリスト プレイヤー・プロフィールデータ - [名前] ファウスト - ステータス - [体力] 256 - [魔法力] 137 - [装備] -- [右手武器] 星光剣 -- [左手武器] 鉄こんぼう -- [防具] 月の盾 -- [指輪] レッドリング - [レベル] 31 - [職業] 戦士 - [覚えている魔法リスト] ファイラル ウオラル デポイゾ - 経路 - [最後に訪れた街] ケルム - [最後に訪れたダンジョン] 北のほこらの洞窟 -- [滞在時間] 4時間33分 -- [受けた総ダメージ] 17324 -- [魔法使用量] 384 -- [消費したアイテムリスト] 薬草 10 魔法石 34 毒気薬 7 -- [倒したモンスターのリスト] ザッコ― ボムラス ニコラム 大狼 -- [戦闘不能にされたモンスター] 大狼 - [徒歩距離] 1783km - [これまでに訪れて来た街のリスト] グリ エラート ナミル ウロ - 物語 - [最後の話した人物] カイル - [物語の進行度] 73% - [探しているアイテム] ふしぎの杖 - [これまで聞いたキーワードのリスト] 霧の山脈 白銀の搭
- 176. コモングラウンド
- 178. 人狼知能
- 180. 研究事例（国内）
- 182. https://sites.google.com/site/dialoguebreakdowndetection/ 対話破綻検出チャレンジ3における対話破綻検出の評価尺度の選定 角森 唯子, 東中 竜一郎, 高橋 哲朗, 稲葉 通将 https://www.jstage.jst.go.jp/article/tjsai/35/1/35_DSI-G/_article/-char/ja/
- 184. KELDIC
- 185. KELDIC • 機械学習によって応答を決定するプログラム • Twitter上で会話中(@KELDIC) ←フォローしてください！
- 186. KELDICとの対話例2
- 187. なめこと通じ合うKELDICの図
- 188. KELDIC で行っていること？ 状況に応じたセリフ 人間が付けた評価値 AIが付けた評価値 それはすごい！ 30 20 無茶するな。 15 49 本当にそう思う？ 15 1 わからないよ！ 1 4 ある文脈において、セリフ（発話候補）に人間が評価値を付ける。 人間がつけた評価値に近い評価値を付けられるように、 学習させて行く。 教師データ付き学習 稲葉通将，平井尚樹，鳥海不二夫，石井健一郎: 「統計的発話選択による非タスク指向型対話エージェントの設計」 Human-Agent Interaction Symposium 2011 (HAI-2011), 2011. http://www.ii.is.kit.ac.jp/hai2011/proceedings/html/paper/paper-3-1b-1.html その文脈において… （稲葉先生の論文を 読んで三宅なりに まとめてみた） 学習
- 189. 研究事例（海外）
- 191. TextGameWorld • マイクロソフトが構築したテキストアドベンチャーの学習環境 • 50ほどのテキストアドベンチャーを内包している • TextWorld: A Learning Environment for Text-based Games • https://arxiv.org/abs/1806.11532 • • TextWorld: A learning environment for training reinforcement learning agents, inspired by text-based games • https://www.microsoft.com/en-us/research/blog/textworld-a-learning- environment-for-training-reinforcement-learning-agents-inspired-by-text- based-games/ • • Getting Started with TextWorld • https://www.youtube.com/watch?v=WVIIigrPUJs
- 193. Microsoft: TextWorld TextWorld: A Learning Environment for Text-based Games https://arxiv.org/abs/1806.11532
- 194. TextWorld: A Learning Environment for Text-based Games https://arxiv.org/abs/1806.11532
- 196. facebook:「CraftAssist」 • マインクラフトでプレイヤーと共同作業可能なAIを実装するた めのオープンソースプラットフォーム https://gigazine.net/news/20190719-craftassist- collaborative-ai-minecraft/ • テキスト会話によって、エージェント（キャラクター）に意味 を解釈させる。「青い家を建てろ」など。 CraftAssist: A Framework for Dialogue-enabled Interactive Agents - Facebook Research https://research.fb.com/publications/craftassist-a-framework-for-dialogue-enabled-interactive-agents/ Open-sourcing CraftAssist, a platform for studying collaborative AI bots in Minecraft https://ai.facebook.com/blog/craftassist-platform-for-collaborative-minecraft-bots/
- 197. カーネギーメロン大学「MineRL」 • カーネギーメロン大学が NeurIPSで主催するマインクラフトを題材にした 強化学習コンテストのフレームワーク • https://ai-scholar.tech/articles/treatise/minerl-ai-353 • https://minerl.io/competition/ • https://www.aicrowd.com/challenges/neurips-2020-minerl-competition 論文 • https://arxiv.org/pdf/1907.13440.pdf • https://arxiv.org/abs/1904.10079 • https://www.microsoft.com/en-us/research/project/project-malmo/ • https://minerl.io/docs/ • https://slideslive.at/38922880/the-minerl-competition?ref=search
- 198. MineRL: A Large-Scale Dataset of Minecraft Demonstrations https://arxiv.org/pdf/1907.13440.pdf
- 199. MineRL: A Large-Scale Dataset of Minecraft Demonstrations https://arxiv.org/pdf/1907.13440.pdf
- 200. Microsoft：Malmo • エージェントを学習させる環境を提供 • https://www.microsoft.com/en-us/research/project/project-malmo/ • https://blogs.microsoft.com/ai/project-malmo-using-minecraft-build- intelligent-technology/ • チュートリアル • https://techcommunity.microsoft.com/t5/azure-ai/introducing- reinforcement-learning-on-azure-machine-learning/ba-p/1403028
- 203. （faceboo ai） Prithviraj Ammanabrolu, Jack Urbanek, Margaret Li, Arthur Szlam, Tim Rocktäschel, Jason Weston How to Motivate Your Dragon: Teaching Goal-Driven Agents to Speak and Act in Fantasy Worlds https://arxiv.org/abs/2010.00685
- 204. （faceboo ai） Prithviraj Ammanabrolu, Jack Urbanek, Margaret Li, Arthur Szlam, Tim Rocktäschel, Jason Weston How to Motivate Your Dragon: Teaching Goal-Driven Agents to Speak and Act in Fantasy Worlds https://arxiv.org/abs/2010.00685
- 207. （faceboo ai） Prithviraj Ammanabrolu, Jack Urbanek, Margaret Li, Arthur Szlam, Tim Rocktäschel, Jason Weston How to Motivate Your Dragon: Teaching Goal-Driven Agents to Speak and Act in Fantasy Worlds https://arxiv.org/abs/2010.00685
- 209. （faceboo ai） Prithviraj Ammanabrolu, Jack Urbanek, Margaret Li, Arthur Szlam, Tim Rocktäschel, Jason Weston How to Motivate Your Dragon: Teaching Goal-Driven Agents to Speak and Act in Fantasy Worlds https://arxiv.org/abs/2010.00685
- 210. （faceboo ai） Prithviraj Ammanabrolu, Jack Urbanek, Margaret Li, Arthur Szlam, Tim Rocktäschel, Jason Weston How to Motivate Your Dragon: Teaching Goal-Driven Agents to Speak and Act in Fantasy Worlds https://arxiv.org/abs/2010.00685
- 211. （faceboo ai） Prithviraj Ammanabrolu, Jack Urbanek, Margaret Li, Arthur Szlam, Tim Rocktäschel, Jason Weston How to Motivate Your Dragon: Teaching Goal-Driven Agents to Speak and Act in Fantasy Worlds https://arxiv.org/abs/2010.00685
- 212. （faceboo ai） Prithviraj Ammanabrolu, Jack Urbanek, Margaret Li, Arthur Szlam, Tim Rocktäschel, Jason Weston How to Motivate Your Dragon: Teaching Goal-Driven Agents to Speak and Act in Fantasy Worlds https://arxiv.org/abs/2010.00685
- 213. ゲーム産業事例
- 214. ゲームにおけるキャラクター対話 • 台詞は生成しない。あらかじめ用意されている。 →これからは生成もあり得る。 • いつどのような発話をするか、が重用。 • 世界の中で会話をする、という特徴がある。 （ちゃんとインタラクションする世界がある）
- 217. 世界 身体 知能 フレーム その時々で身体が捉える世界 フレームを作る力 意識 身体と知能の境界面 世界と身体の境界面 キャラクターＡＩの原理 （階層構造） 物理の世界 医学の世界 知能の世界
- 221. ローブ1 ローブ2 ニューロン
- 222. 意思決定ローブ コンセプトローブ （640ニューロン） 認識ローブ 注意 刺激源 名詞 動詞 いろいろ Drives 知能を構成するローブの構成
- 224. ドラマジェネレーション
- 225. ドラマ・ジェネレーター「Facade」 Interactive Story 部屋の中で自動的に演技をする（大規模なストーリーでない） Beats システム （全体の流れを制御） ゴールシステム (reactive planning system) ユーザー・インプット （自然言語） Surface Processing （自然言語処理） 入力した言語を事前に準備した 概念に割り当てる （例）意見に反対しているのか、 賛成しているのか まともに言語を解釈しているのではない 全体のシステム Michael Mateas, Andrew Stern, "Facade", Procedural Arts, 2005
- 226. ドラマ・ジェネレーター 「Facade」 Interactive Story 振る舞い ゴール 振る舞い ゴール 振る舞い ゴール 行動 振る舞い ゴール 行動 行動 （１）ゴールを単位としたシステム （２）ゴールは、サブゴールと 行動をコールする（指定する） （３）平行して実行できる 行動は同時に実行する 行動、或いは サブゴールを呼ぶ 前提条件 終了条件 ゴールの形 ゴールシステム
- 227. 内面モデルの構築
- 228. 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
- 229. 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
- 230. 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。
- 231. 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
- 233. 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
- 234. 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
- 235. シーマン 斎藤 由多加 聞き手：大澤 博隆、三宅 陽一郎 構成：高橋 ミレイ シーマンは来たるべき会話型エージェントの福音となるか？：斎藤由多加インタビュー Will Seaman Lead AI Technology for Interactive Agent? : Yutaka Saito Interview https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main _item_detail&item_id=8633&item_no=1&page_id=13&block_id=23
- 238. シーマンの会話 • ルールベース （巨大な分岐）→ 評価ベースへ • メロディ―言語 （同じ言葉でも、発音によって意味が異なる。 会話を成り立たせるには、文字だけではわからない） 水族館でデモ→不評 （当時の音声認識デバイスの限界） 聴こえなかったら「あ？聴こえねえよ」とやり返す→好評
- 239. メロディ言語 • 「元気」でも発音一つで意味が異なる • さまざまなバリエーションを用意している • 間をコントロールする → 間を空けることで意味を持たせる • 「○○じゃねーって言っただろ？」の○○の中にいろんな動詞 を入れる
- 240. 斉藤さんのお言葉 • 「今一番売れている本はどれですか？」とか「今度行く AKB のチケットを取ってください」という事務的なリクエストに答 える AI ではなくて，「振られちゃった」と言ったときに「マ ジ？」と言ってくれる AI が，求められているものの半数を超 える 斎藤 由多加 聞き手：大澤 博隆、三宅 陽一郎 構成：高橋 ミレイ シーマンは来たるべき会話型エージェントの福音となるか？：斎藤由多加インタビュー Will Seaman Lead AI Technology for Interactive Agent? : Yutaka Saito Interview https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main _item_detail&item_id=8633&item_no=1&page_id=13&block_id=23
- 241. 斉藤さんのお言葉 • もっと言うと“頷くだけ”でいい ， ．“頷く”というのは，情報的に は無ですよね．でも，そこを共有する仕組みに我々が目を向けて いかない限り，冒頭でおっしゃった，人間と親しく会話をする人 工知能をつくる手立ては見つからないと思います．エージェント というと検索エンジンの代理人みたいに思っておられるんじゃな いかと思いますが，何も検索しない，ただ「マジか…」と言って くれる 斎藤 由多加 聞き手：大澤 博隆、三宅 陽一郎 構成：高橋 ミレイ シーマンは来たるべき会話型エージェントの福音となるか？：斎藤由多加インタビュー Will Seaman Lead AI Technology for Interactive Agent? : Yutaka Saito Interview https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main _item_detail&item_id=8633&item_no=1&page_id=13&block_id=23
- 242. • 僕にとっては，あの映画を観て「はぁ……」というため息をつく AIを つくらないといけないと思ったのが大きかったですね．「間」もそう ですし．実は『シーマン』では引数化を進めれば進ませるほどこの 「間」が失われてしまったんです．ため息って，文字としての情報量 が「無」なので音声ファイルとしては存在しないはずの部分なんです． 「はぁ……」と表記系にする音がないですから．だけど，実生活では これがもたらす効果は絶大です．ですから，皆さんには，もう 1 回， 音と間，そして口語というものに目を向けてほしい．例えば「はぁ ……ダメだよ…」と言うのと，ただ「ダメだよ」と言うのとでは伝わ る意味がなんとなく違います． 斉藤さんのお言葉 斎藤 由多加 聞き手：大澤 博隆、三宅 陽一郎 構成：高橋 ミレイ シーマンは来たるべき会話型エージェントの福音となるか？：斎藤由多加インタビュー Will Seaman Lead AI Technology for Interactive Agent? : Yutaka Saito Interview https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main _item_detail&item_id=8633&item_no=1&page_id=13&block_id=23
- 243. プランニングによる物語生成
- 250. プランニングによる物語生成技術
- 253. プランニングによる物語生成技術
- 255. 自動生成ダンジョンを取り入れたいくつかのゲームタイトル例 1980年 Rogue 1984年 ドルアーガの塔（バンダイナムコゲームス） 1987年 NetHack 1988年 ティル・ナ・ノーグ（システムソフト）※シナリオ自動生成、 世界自動生成 1993年 トルネコの大冒険（エニックス） 1995年 風来のシレン（チュンソフト） 1996年 Diablo（Blizzard） 2004年 マビノギ（ネクソンジャパン） 2005年 CODED ARMS (コナミ) 2006年 テイルズ オブ エターニア オンライン（バンダイナムコ ゲームス） 2007年 Hellgate：London （Flagship Studios） ※3Dダンジョン ブルードラゴン「シャッフルダンジョン」（MISTWALKER） ファイナルファンタジー11「ナイズル島」（スクウェア・エニックス） 2012年 ドラゴンクエストモンスターズ テリーのワンダーランド3D （スクウェア・エニックス） 2014年 ドラゴンファンク（Toydea） 2018年 魔女の迷宮（オレンジキューブ） その他多数 植物自動生成・自動配置が応用されているいくつかのタイト ル・開発環境 2008年 Far Cry 2 （Ubisoft） 2008年 Spore（Maxis）※自動配置以外にも、さまざなプロ シージャル技術を導入 2009年 SpeedTree （IDV社）※専用ミドルウェア 2009年 CryEngine 3（Crytek社）※ゲームエンジン 2017年 Horizon Zero Dawn（Guerilla Games） 地形自動生成が応用されているいくつかのタイトル 1996年 The Elder Scrolls:DAGGERFALL（Bethesda Softworks） 1999年 Age of Empire II （Ensemble Studios） 2001年 Empire Earth（Stainless Steel Studios） 2002年 Age OF Mythology（Ensemble Studios） 2003年 Eve Online（CCP Games）※地形というよりも星系 2005年 Age of Empires III（Ensemble Studios） 2009年 Halo Wars（Bonfire Studios）※開発工程において 2010年 A列車で行こう9（アートディンク）※シリーズ通して 応用されている 2016年 No Man’s Sky（Hello Games） ※様々な自動生成技術が集積している 2017年 Horizon Zero Dawn （Guerilla Games） ※開発工程において
- 256. パターンマチング法 LEFT 4 DEAD Elan Ruskin (GDC2012) AI-driven Dynamic Dialog through Fuzzy Pattern Matching. Empower Your Writers! (slide) https://www.gdcvault.com/play/1015317/AI-driven-Dynamic-Dialog-through (video) https://www.youtube.com/watch?v=tAbBID3N64A
- 257. Elan Ruskin (GDC2012) AI-driven Dynamic Dialog through Fuzzy Pattern Matching. Empower Your Writers! (slide) https://www.gdcvault.com/play/1015317/AI-driven-Dynamic-Dialog-through (video) https://www.youtube.com/watch?v=tAbBID3N64A
- 258. Elan Ruskin (GDC2012) AI-driven Dynamic Dialog through Fuzzy Pattern Matching. Empower Your Writers! (slide) https://www.gdcvault.com/play/1015317/AI-driven-Dynamic-Dialog-through (video) https://www.youtube.com/watch?v=tAbBID3N64A
- 260. Elan Ruskin (GDC2012) AI-driven Dynamic Dialog through Fuzzy Pattern Matching. Empower Your Writers! (slide) https://www.gdcvault.com/play/1015317/AI-driven-Dynamic-Dialog-through (video) https://www.youtube.com/watch?v=tAbBID3N64A
- 261. Elan Ruskin (GDC2012) AI-driven Dynamic Dialog through Fuzzy Pattern Matching. Empower Your Writers! (slide) https://www.gdcvault.com/play/1015317/AI-driven-Dynamic-Dialog-through (video) https://www.youtube.com/watch?v=tAbBID3N64A
- 263. Elan Ruskin (GDC2012) AI-driven Dynamic Dialog through Fuzzy Pattern Matching. Empower Your Writers! (slide) https://www.gdcvault.com/play/1015317/AI-driven-Dynamic-Dialog-through (video) https://www.youtube.com/watch?v=tAbBID3N64A
- 264. Elan Ruskin (GDC2012) AI-driven Dynamic Dialog through Fuzzy Pattern Matching. Empower Your Writers! (slide) https://www.gdcvault.com/play/1015317/AI-driven-Dynamic-Dialog-through (video) https://www.youtube.com/watch?v=tAbBID3N64A
- 265. Elan Ruskin (GDC2012) AI-driven Dynamic Dialog through Fuzzy Pattern Matching. Empower Your Writers! (slide) https://www.gdcvault.com/play/1015317/AI-driven-Dynamic-Dialog-through (video) https://www.youtube.com/watch?v=tAbBID3N64A
- 270. コンテクストベース法 The Last of Us Jason Gregory (GDC2014) A Context-Aware Character Dialog System (video) https://www.gdcvault.com/play/1020386/A-Context-Aware-Character-Dialog
- 271. Jason Gregory (GDC2014) A Context-Aware Character Dialog System (video) https://www.gdcvault.com/play/1020386/A-Context-Aware-Character-Dialog
- 272. Jason Gregory (GDC2014) A Context-Aware Character Dialog System (video) https://www.gdcvault.com/play/1020386/A-Context-Aware-Character-Dialog
- 273. Jason Gregory (GDC2014) A Context-Aware Character Dialog System (video) https://www.gdcvault.com/play/1020386/A-Context-Aware-Character-Dialog
- 274. Jason Gregory (GDC2014) A Context-Aware Character Dialog System (video) https://www.gdcvault.com/play/1020386/A-Context-Aware-Character-Dialog
- 275. Jason Gregory (GDC2014) A Context-Aware Character Dialog System (video) https://www.gdcvault.com/play/1020386/A-Context-Aware-Character-Dialog
- 277. 自動シーン生成 The Witcher 3 Piotr Tomsinski(GDC2016) Behind the Scenes of Cinematic Dialogues in 'The Witcher 3: Wild Hunt' (slide) https://www.gdcvault.com/play/1022988/Behind-the-Scenes-of-Cinematic (video) https://www.youtube.com/watch?v=chf3REzAjgI
- 278. Piotr Tomsinski(GDC2016) Behind the Scenes of Cinematic Dialogues in 'The Witcher 3: Wild Hunt' (slide) https://www.gdcvault.com/play/1022988/Behind-the-Scenes-of-Cinematic (video) https://www.youtube.com/watch?v=chf3REzAjgI
- 279. Piotr Tomsinski(GDC2016) Behind the Scenes of Cinematic Dialogues in 'The Witcher 3: Wild Hunt' (slide) https://www.gdcvault.com/play/1022988/Behind-the-Scenes-of-Cinematic (video) https://www.youtube.com/watch?v=chf3REzAjgI
- 280. Piotr Tomsinski(GDC2016) Behind the Scenes of Cinematic Dialogues in 'The Witcher 3: Wild Hunt' (slide) https://www.gdcvault.com/play/1022988/Behind-the-Scenes-of-Cinematic (video) https://www.youtube.com/watch?v=chf3REzAjgI
- 281. Piotr Tomsinski(GDC2016) Behind the Scenes of Cinematic Dialogues in 'The Witcher 3: Wild Hunt' (slide) https://www.gdcvault.com/play/1022988/Behind-the-Scenes-of-Cinematic (video) https://www.youtube.com/watch?v=chf3REzAjgI
- 283. 自動シーン生成２ Assassin’s Creed Francois Paradis (GDC 2019) Procedural Generation of Cinematic Dialogues in 'Assassin's Creed Odyssey' (slide) https://www.gdcvault.com/play/1026381/Procedural-Generation-of-Cinematic-Dialogues (Video) https://www.gdcvault.com/browse/gdc-19/play/1026381
- 284. Francois Paradis (GDC 2019) Procedural Generation of Cinematic Dialogues in 'Assassin's Creed Odyssey' (slide) https://www.gdcvault.com/play/1026381/Procedural-Generation-of-Cinematic-Dialogues (Video) https://www.gdcvault.com/browse/gdc-19/play/1026381
- 285. Francois Paradis (GDC 2019) Procedural Generation of Cinematic Dialogues in 'Assassin's Creed Odyssey' (slide) https://www.gdcvault.com/play/1026381/Procedural-Generation-of-Cinematic-Dialogues (Video) https://www.gdcvault.com/browse/gdc-19/play/1026381
- 286. Francois Paradis (GDC 2019) Procedural Generation of Cinematic Dialogues in 'Assassin's Creed Odyssey' (slide) https://www.gdcvault.com/play/1026381/Procedural-Generation-of-Cinematic-Dialogues (Video) https://www.gdcvault.com/browse/gdc-19/play/1026381
- 287. Francois Paradis (GDC 2019) Procedural Generation of Cinematic Dialogues in 'Assassin's Creed Odyssey' (slide) https://www.gdcvault.com/play/1026381/Procedural-Generation-of-Cinematic-D (Video) https://www.gdcvault.com/browse/gdc-19/play/1026381
- 288. Francois Paradis (GDC 2019) Procedural Generation of Cinematic Dialogues in 'Assassin's Creed Odyssey' (slide) https://www.gdcvault.com/play/1026381/Procedural-Generation-of-Cinematic-Dialogues (Video) https://www.gdcvault.com/browse/gdc-19/play/1026381
- 289. Francois Paradis (GDC 2019) Procedural Generation of Cinematic Dialogues in 'Assassin's Creed Odyssey' (slide) https://www.gdcvault.com/play/1026381/Procedural-Generation-of-Cinematic-Dialogues (Video) https://www.gdcvault.com/browse/gdc-19/play/1026381
- 291. まとめ • ゲームの対話＝ワールドモデルの中の対話 • 会話生成はこれから • 世界認識（ワールドモデル）と会話生成が絡み合って行く 文字だけのコミュニケ―ション・コーパスによる学習
- 292. 第６章 人工知能と文化
- 294. Physical Informa tion Abstrac t Informa tion More Abstrac t Informa tion Abstraction Time Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Decision-Making Object image on the top layer Decision-Making 観念
- 298. 文化 個 個 個 個 個 個 個 個 個 社会 文化＝個を外側から形成する力でもある
- 300. 人口（population）の中を、文化が信用 （Belief）によって伝播（Propagation）して行く A Testbed for Solving Optimization Problems Using Cultural Algorithms Chan-Jin Chung and Robert G. Reynolds https://pdfs.semanticscholar.org/0155/a88489555e1d28e4239eb2471e26eea7fa4b.pd f