Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
人工知能とイノベーション
三宅 陽一郎
三宅陽一郎@miyayou
2016.11.9
https://www.facebook.com/youichiro.miyake
http://www.slideshare.net/youichirom...
人工知能の歴史
1956年 1986年 2016年
人工知能
発祥
日本人工知能学会
発足
現在
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)
高エネルギー加速器研究所(半年ぐらい。修士論文)
http://www.facebook.com/youichiro.miyake
Works (2006-2016)
AI for Game Titles
Books
WIRED A.I.
• WIRED A.I.+ Wired City
• 12月1日発売
• 「人工知能+街 特集」
なぜぼくらには人工知能が必要なのか──『WIRED』Vol.20「人工知能+未来都市」
2大特集・特別保存版 刊行に寄せてh...
「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/...
• 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】
目次
• 第一章 人工知能とは?
• 第二章 なぜ、今、人工知能技術が注目されているか
• 第三章 人工知能の発展の方向
• 第四章 ゲームAI
• 第五章 人工知能の各種事例
• 第六章 知能と「フレーム」
• 第七章 サービスと人工知能第六...
目次
• 第一章 人工知能とは?
• 第二章 なぜ、今、人工知能技術が注目されているか
• 第三章 人工知能の発展の方向
• 第四章 ゲームAI
• 第五章 人工知能の各種事例
• 第六章 知能と「フレーム」
• 第七章 サービスと人工知能第六...
第一章 人工知能とは
自然知能と人工知能
人間
=自然知能
機械
=人工知能
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-f...
ダートマス会議(1956年)
http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
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...
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...
機械(マシン)
機械(マシン)
ソフトウェア
機械(マシン)
ソフトウェア
知能
http://www.1999.co.jp/blog/1210192
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%E...
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/00...
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
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)
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
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
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)
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。
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%E...
第一章まとめ
• 人工知能は、人間の知能を機械に写したもの。
• 人工知能は、人間の知能を機械に写すこと。
目次
• 第一章 人工知能とは?
• 第二章 なぜ、今、人工知能技術が注目されているか
• 第三章 人工知能の発展の方向
• 第四章 ゲームAI
• 第五章 人工知能の各種事例
• 第六章 知能と「フレーム」
• 第七章 サービスと人工知能第六...
第二章 なぜ、今、人工知能技術が
注目されているのか?
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...
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...
この300年の技術の動向
社会
この300年の技術の動向
社会
機械レイヤー
この300年の技術の動向
社会
機械レイヤー
情報処理レイヤー
この300年の技術の動向
社会
機械レイヤー
情報処理レイヤー
人工知能レイヤー
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...
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
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…)
第三章 人工知能の発展の方向
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...
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
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…)
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
• 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
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~)
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。
http://static.flickr.com/5051/5525304279_65012a492c_s.jpg
?
http://flopdesign.com/download/Human_S/pages/B50.html
?
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
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
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...
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...
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
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...
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
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(=情報)と、
人間が得意なこと(=概念)は正反対。
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
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(=情報処理、画像処理、映像
処理)と、...
人工
知能
人はどのように人工知能を使っているか?
情報の海を母体として、人工知能が育っている。
= 情報の海を母体として人工知能が生まれる
人間
情報の海
)
人工
知能
人はどのように人工知能を使っているか?
情報の海を母体として、人工知能が育っている。
= 情報の海を母体として人工知能が生まれる
人間
記号の海
言葉の海
情報の海
)
人工
知能
人はどのように人工知能を使っているか?
情報の海を母体として、人工知能が育っている。
= 情報の海を母体として人工知能が生まれる
人間
記号の海
言葉の海
意味の海
概念の海
情報の海
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)
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。
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
現実の世界の情報とネットワークの世界が同期する
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。
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。
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。
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。
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
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。
「現実世界 2....
現実空間
インターネット
パソコン
現実空間
インターネット
パソコン人工知能
現実空間
インターネット
パソコン人工知能
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。
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
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...
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...
情報空間の拡大
~人工知能の舞台が広がる
http://www.s-hoshino.com
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
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
情報空間の拡大
~人工知能の舞台が広がる
http://www.s-hoshino.com
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
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...
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...
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...
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...
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...
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...
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...
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...
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...
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...
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。
目次
• 第一章 人工知能とは?
• 第二章 なぜ、今、人工知能技術が注目されているか
• 第三章 人工知能の発展の方向
• 第四章 ゲームAI
• 第五章 人工知能の各種事例
• 第六章 知能と「フレーム」
• 第七章 サービスと人工知能第六...
第四章 ゲームAI
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...
(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)
(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)
テセウスの船(パラドックス)
船の老朽化した部分を、新しい木に入れ替えているうちに、
全部を入れ替えてしまった。
はたしてこの船は元の船と同一のものであろうか?
http://img02.hamazo.tv/usr/j/a/g/jagr/629...
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
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
だから、こう言える。
生物は物質的存在であると同時に、
情報的存在でもあるのだ。
テセウスのパラドックス
物質
情報
情報
物質
生物は、情報的存在であり、同時に物質的な存在である。
物質は情報に存在を与え、情報は物質に構造を与える。
情報と物質
情報
物質
生物は、情報的存在であり、同時に物質的な存在である。
物質は情報に存在を与え、情報は物質に構造を与える。
「情報と物質」から「精神と身体」へ
情報
物質
精神・知性
身体
精神と身体、そして進化
情報
物質
精神・知性
身体
進化
世界
外と内の交流=散逸構造
INPUT
OUTPUT
世界
物質的循環
物質
物理的INPUT
物理的OUTPUT
生理的代謝機能
世界
情報的循環
情報INPUT
INFORMATION
OUTPUT
INFORMATION
情報処理=情報代謝
(つまり思考)
物質的存在としての身体がそうであるように、情報的存在として人間は、
情報を摂取し、記憶し(=情報体としての自分を...
世界
情報的・物質的循環
物質
物理的OUTPUT
代謝機能情報INPUT
INFORMATION
OUTPUT
INFORMATION
情報処理=情報代謝
(つまり思考)
生理的代謝機能
物理的INPUT
世界
情報的循環
情報INPUT
INFORMATION
=センサー
OUTPUT
INFORMATION
=エフェクター
情報処理=情報代謝
(つまり思考)
=意志決定
物質的存在としての身体がそうであるように、情報的存在として人間は、
情報...
精神と身体、そして進化
情報
物質
精神・知性
身体
人工知能
ハードウェア
精神と身体、そして進化
情報
物質
精神・知性
身体
人工知能
ハードウェア
知能は生き物の情報的側面である。
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...
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...
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...
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...
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/p...
Intelligence
World
センサー
Information Flow
エフェクター
Agent Architecture
知能の世界
環境世界
認識の
形成
記憶
センサー・
身体
記憶体
情報処理過程
情報
統合
知能の世界
環境世界
認識の
形成
記憶
意思の
決定
センサー・
身体
意思決定
モジュール
意思決定
モジュール
意思決定
モジュール
記憶体
情報処理過程
情報
統合
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...
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)
...
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/p...
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...
パス検索とは
現在の地点から指定したポイントへの経路を、
リアルタイムで計算して導く技術。
RTS - Pathfinding A*
https://www.youtube.com/watch?v=95aHGzzNCY8
Counter Strike: Path Following (デモ)
The Official Counter-Strike Bot
http://aigamedev.com/insider/presentation/official-cou...
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/illus...
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 Re...
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...
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_...
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...
CERA-CRANIUM認識モデル
http://aigamedev.com/open/article/conscious-bot/
2K Bot Prize
FPSを用いたチューリングテスト
http://www.conscious-robots.com/en/conscious-machines/conscious-robots/conscious-robots-team...
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...
http://www.botprize.org/2010.html
http://www.botprize.org/2010.html
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...
(例)ゼビウス?
遠藤雅伸氏 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...
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。
S...
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," Artif...
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...
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...
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...
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 Lef...
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 Intell...
敵出現領域
背後 前方
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment ...
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。
第二章まとめ
• ゲームAIは、箱庭(ゲーム)の中の人工知能。
• 現実人工知能より進化が早い。
目次
• 第一章 人工知能とは?
• 第二章 なぜ、今、人工知能技術が注目されているか
• 第三章 人工知能の発展の方向
• 第四章 ゲームAI
• 第五章 人工知能の各種事例
• 第六章 知能と「フレーム」
• 第七章 サービスと人工知能第六...
第五章 人工知能の各種事例
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
人
人工
知能
「人」の代わりに人工知能
人
人工
知能
「人」の間に人工知能
人
人
人工
知能
「人」の間に人工知能
人
いつ空いている? えーと…
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?
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...
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...
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
要件クライ
アン...
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...
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
...
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。
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.co...
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
https://deepmind.com/r...
Deep Q-Learning
Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves,
Ioannis Antonoglou, Daan Wierstra, Martin Ri...
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...
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...
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 1...
ニューラルネットを理解しよう② 数学的原理
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/sens...
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。
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
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
学習過程解析
Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves,
Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller ...
• 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...
Mastering the game of Go with deep neural networks and tree search
http://www.nature.com/nature/journal/v529/n7587/full/na...
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/archive...
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
http://www.nvidia.co.jp/object/drive-automotive-technology-jp.html
• 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...
学習する人工知能 から学ぶこと
ユーザー
データ
AI
第四章まとめ
• 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。
• だからそれは、「社会インフラ」の新しい形で
もある。
目次
• 第一章 人工知能とは?
• 第二章 なぜ、今、人工知能技術が注目されているか
• 第三章 人工知能の発展の方向
• 第四章 ゲームAI
• 第五章 人工知能の各種事例
• 第六章 知能と「フレーム」
• 第七章 サービスと人工知能第六...
第六章 知能と「フレーム」
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。
フレーム問題
フレームとは?
フレーム=問題設定=「題材と操作とゴール」を与える
(例)題材=積み木
操作=積み木を載せる、積み木を下す、ことができる
ゴール=初状態から目的の状態を作り出す
(Simple case)
Initial
State
GOAL
...
フレームとは?
フレーム=問題設定=「題材と操作とゴール」を与える
(例)題材=積み木
操作=積み木を載せる、積み木を下す、ことができる
ゴール=初状態から目的の状態を作り出す
(Simple case)
Initial
State
GOALT...
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。
フレーム問題
人間の知能の形/人工知能の形
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=フレームを創造・変化できる
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
車が運転できる 言葉を話すことができる
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。
フレーム問題
人間の知能の形/人工知能の形
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=それだけが得意
=フレームを与えられ、変化できない。=それだけを解く
何でもできる可能性を
持つ総合知性がない
お掃除ができ...
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...
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...
目次
• 第一章 人工知能とは?
• 第二章 なぜ、今、人工知能技術が注目されているか
• 第三章 人工知能の発展の方向
• 第四章 ゲームAI
• 第五章 人工知能の各種事例
• 第六章 知能と「フレーム」
• 第七章 サービスと人工知能
•...
第七章 サービスと人工知能
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。
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。
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。
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
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。
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。
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
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
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
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
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
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
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
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
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
第五章まとめ
• 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。
• 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。
• しかし、深く食い込むほど、高度な人工知能
技術...
目次
• 第一章 人工知能とは?
• 第二章 なぜ、今、人工知能技術が注目されているか
• 第三章 人工知能の発展の方向
• 第四章 ゲームAI
• 第五章 人工知能の各種事例
• 第六章 知能と「フレーム」
• 第七章 サービスと人工知能第六...
第八章 人工知能と倫理
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...
• 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...
• 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...
• 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...
• 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...
• 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...
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
パーソナル・
サービス
人間の心
人と人の間
/モバイル
システム
/ビックデータ
二つの人工知能
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
パーソナル・
サービス
人間の心
人と人の間
/モバイル
システム
/ビックデータ
二つの人工知能
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...
目次
• 第一章 人工知能とは?
• 第二章 なぜ、今、人工知能技術が注目されているか
• 第三章 人工知能の発展の方向
• 第四章 ゲームAI
• 第五章 人工知能の各種事例
• 第六章 知能と「フレーム」
• 第七章 サービスと人工知能第六...
第九章 人工知能と創造性
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
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
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
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
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
プロシージャルとは?
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 )
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/intromaz...
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...
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.wik...
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://...
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
https://www.youtube.com/w...
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
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
Elite (1980, BBC) 宇宙を自動生成
https://en.wikipedia.org/wiki/Elite_(video_game)
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)
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。
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
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....
http://www.desura.com/engines/dunia
FarCry3 におけるプロシージャル技術
目次
• 第一章 人工知能とは?
• 第二章 なぜ、今、人工知能技術が注目されているか
• 第三章 人工知能の発展の方向
• 第四章 ゲームAI
• 第五章 人工知能の各種事例
• 第六章 知能と「フレーム」
• 第七章 サービスと人工知能
•...
第十章 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...
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...
Prochain SlideShare
Chargement dans…5
×

3

Partager

Télécharger pour lire hors ligne

人工知能とイノベーション

Télécharger pour lire hors ligne

人工知能からイノベーションを考えます。
社会と人工知能の関係に注目します。

Livres associés

Gratuit avec un essai de 30 jours de Scribd

Tout voir

人工知能とイノベーション

  1. 1. 人工知能とイノベーション 三宅 陽一郎 三宅陽一郎@miyayou 2016.11.9 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com
  2. 2. 人工知能の歴史 1956年 1986年 2016年 人工知能 発祥 日本人工知能学会 発足 現在
  3. 3. 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) 高エネルギー加速器研究所(半年ぐらい。修士論文) http://www.facebook.com/youichiro.miyake
  4. 4. Works (2006-2016) AI for Game Titles Books
  5. 5. WIRED A.I. • WIRED A.I.+ Wired City • 12月1日発売 • 「人工知能+街 特集」 なぜぼくらには人工知能が必要なのか──『WIRED』Vol.20「人工知能+未来都市」 2大特集・特別保存版 刊行に寄せてhttp://wired.jp/2015/12/01/vol20-editors-letter-ai/
  6. 6. 「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
  7. 7. • 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】
  8. 8. 目次 • 第一章 人工知能とは? • 第二章 なぜ、今、人工知能技術が注目されているか • 第三章 人工知能の発展の方向 • 第四章 ゲームAI • 第五章 人工知能の各種事例 • 第六章 知能と「フレーム」 • 第七章 サービスと人工知能第六章 • 第八章 人工知能と倫理 • 第九章 人工知能と創造性 • 第十章 全体のまとめ
  9. 9. 目次 • 第一章 人工知能とは? • 第二章 なぜ、今、人工知能技術が注目されているか • 第三章 人工知能の発展の方向 • 第四章 ゲームAI • 第五章 人工知能の各種事例 • 第六章 知能と「フレーム」 • 第七章 サービスと人工知能第六章 • 第八章 人工知能と倫理 • 第九章 人工知能と創造性 • 第十章 全体のまとめ
  10. 10. 第一章 人工知能とは
  11. 11. 自然知能と人工知能 人間 =自然知能 機械 =人工知能
  12. 12. 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
  13. 13. ダートマス会議(1956年) http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
  14. 14. 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
  15. 15. 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)。
  16. 16. 機械(マシン)
  17. 17. 機械(マシン) ソフトウェア
  18. 18. 機械(マシン) ソフトウェア 知能 http://www.1999.co.jp/blog/1210192
  19. 19. 機械(マシン) ソフトウェア 知能 身体 機能 知能 http://www.1999.co.jp/blog/1210192 http://ja.wallpapersma.com/wallpaper/_- %E3%83%AA%E3%82%B9%E3%80%81%E5%A3%81%E7%B4%99%E3%80%81%E3%83%AF%E3%82%A4%E3%83%89%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B3%E3%81%AE%E3%80%81%E3% 83%9E%E3%83%83%E3%82%AF%E3%80%81%E3%83%9A%E3%83%83.html
  20. 20. 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
  21. 21. 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
  22. 22. 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)
  23. 23. 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
  24. 24. 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
  25. 25. 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)
  26. 26. 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
  27. 27. 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。
  28. 28. 機械(マシン) ソフトウェア 知能 身体 機能 知能 http://www.1999.co.jp/blog/1210192 http://ja.wallpapersma.com/wallpaper/_- %E3%83%AA%E3%82%B9%E3%80%81%E5%A3%81%E7%B4%99%E3%80%81%E3%83%AF%E3%82%A4%E3%83%89%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B3%E3%81%AE%E3%80%81%E3% 83%9E%E3%83%83%E3%82%AF%E3%80%81%E3%83%9A%E3%83%83.html
  29. 29. 第一章まとめ • 人工知能は、人間の知能を機械に写したもの。 • 人工知能は、人間の知能を機械に写すこと。
  30. 30. 目次 • 第一章 人工知能とは? • 第二章 なぜ、今、人工知能技術が注目されているか • 第三章 人工知能の発展の方向 • 第四章 ゲームAI • 第五章 人工知能の各種事例 • 第六章 知能と「フレーム」 • 第七章 サービスと人工知能第六章 • 第八章 人工知能と倫理 • 第九章 人工知能と創造性 • 第十章 全体のまとめ
  31. 31. 第二章 なぜ、今、人工知能技術が 注目されているのか?
  32. 32. 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。
  33. 33. 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
  34. 34. この300年の技術の動向 社会
  35. 35. この300年の技術の動向 社会 機械レイヤー
  36. 36. この300年の技術の動向 社会 機械レイヤー 情報処理レイヤー
  37. 37. この300年の技術の動向 社会 機械レイヤー 情報処理レイヤー 人工知能レイヤー
  38. 38. 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。
  39. 39. 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
  40. 40. 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…)
  41. 41. 第三章 人工知能の発展の方向
  42. 42. 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。
  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(=情報)と、 人間が得意なこと(=概念)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(=情報処理、画像処理、映像 処理)と、人間が得意なこと(=概念、イメージ、想像)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。 = 情報の海を母体として人工知能が生まれる 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。 = 情報の海を母体として人工知能が生まれる 人間 記号の海 言葉の海 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。 = 情報の海を母体として人工知能が生まれる 人間 記号の海 言葉の海 意味の海 概念の海 情報の海
  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 現実の世界の情報とネットワークの世界が同期する
  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。 「現実世界 2.0」
  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. 目次 • 第一章 人工知能とは? • 第二章 なぜ、今、人工知能技術が注目されているか • 第三章 人工知能の発展の方向 • 第四章 ゲームAI • 第五章 人工知能の各種事例 • 第六章 知能と「フレーム」 • 第七章 サービスと人工知能第六章 • 第八章 人工知能と倫理 • 第九章 人工知能と創造性 • 第十章 全体のまとめ
  96. 96. 第四章 ゲームAI
  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. テセウスの船(パラドックス) 船の老朽化した部分を、新しい木に入れ替えているうちに、 全部を入れ替えてしまった。 はたしてこの船は元の船と同一のものであろうか? http://img02.hamazo.tv/usr/j/a/g/jagr/629.jpg
  101. 101. 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
  102. 102. 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
  103. 103. だから、こう言える。 生物は物質的存在であると同時に、 情報的存在でもあるのだ。
  104. 104. テセウスのパラドックス 物質 情報 情報 物質 生物は、情報的存在であり、同時に物質的な存在である。 物質は情報に存在を与え、情報は物質に構造を与える。
  105. 105. 情報と物質 情報 物質 生物は、情報的存在であり、同時に物質的な存在である。 物質は情報に存在を与え、情報は物質に構造を与える。
  106. 106. 「情報と物質」から「精神と身体」へ 情報 物質 精神・知性 身体
  107. 107. 精神と身体、そして進化 情報 物質 精神・知性 身体 進化
  108. 108. 世界 外と内の交流=散逸構造 INPUT OUTPUT
  109. 109. 世界 物質的循環 物質 物理的INPUT 物理的OUTPUT 生理的代謝機能
  110. 110. 世界 情報的循環 情報INPUT INFORMATION OUTPUT INFORMATION 情報処理=情報代謝 (つまり思考) 物質的存在としての身体がそうであるように、情報的存在として人間は、 情報を摂取し、記憶し(=情報体としての自分を組み換え)、情報をアウトプット・排泄する。
  111. 111. 世界 情報的・物質的循環 物質 物理的OUTPUT 代謝機能情報INPUT INFORMATION OUTPUT INFORMATION 情報処理=情報代謝 (つまり思考) 生理的代謝機能 物理的INPUT
  112. 112. 世界 情報的循環 情報INPUT INFORMATION =センサー OUTPUT INFORMATION =エフェクター 情報処理=情報代謝 (つまり思考) =意志決定 物質的存在としての身体がそうであるように、情報的存在として人間は、 情報を摂取し、記憶し(=情報体としての自分を組み換え)、情報をアウトプット・排泄する。
  113. 113. 精神と身体、そして進化 情報 物質 精神・知性 身体 人工知能 ハードウェア
  114. 114. 精神と身体、そして進化 情報 物質 精神・知性 身体 人工知能 ハードウェア 知能は生き物の情報的側面である。
  115. 115. 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
  116. 116. 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
  117. 117. 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。
  118. 118. 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/
  119. 119. 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
  120. 120. Intelligence World センサー Information Flow エフェクター Agent Architecture
  121. 121. 知能の世界 環境世界 認識の 形成 記憶 センサー・ 身体 記憶体 情報処理過程 情報 統合
  122. 122. 知能の世界 環境世界 認識の 形成 記憶 意思の 決定 センサー・ 身体 意思決定 モジュール 意思決定 モジュール 意思決定 モジュール 記憶体 情報処理過程 情報 統合
  123. 123. 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
  124. 124. 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
  125. 125. 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
  126. 126. 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/
  127. 127. パス検索とは 現在の地点から指定したポイントへの経路を、 リアルタイムで計算して導く技術。 RTS - Pathfinding A* https://www.youtube.com/watch?v=95aHGzzNCY8
  128. 128. Counter Strike: Path Following (デモ) The Official Counter-Strike Bot http://aigamedev.com/insider/presentation/official-counter-strike-bot/
  129. 129. 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
  130. 130. 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/ https://www.microsoft.com/en-us/research/project/video-games-and-artificial-intelligence/ 「ダウンロード」より
  131. 131. 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
  132. 132. 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
  133. 133. 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
  134. 134. CERA-CRANIUM認識モデル http://aigamedev.com/open/article/conscious-bot/
  135. 135. 2K Bot Prize FPSを用いたチューリングテスト http://www.conscious-robots.com/en/conscious-machines/conscious-robots/conscious-robots-team-wins-the-2k-botprize-2010-competi.html http://aigamedev.com/open/article/conscious-bot/Movie:
  136. 136. 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。
  137. 137. http://www.botprize.org/2010.html
  138. 138. http://www.botprize.org/2010.html
  139. 139. 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/
  140. 140. (例)ゼビウス? 遠藤雅伸氏 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。 - ゼビウスセミナー - http://spitfire.client.jp/shooting/xevious2.html (ゼビウス、ナムコ、1982年)
  141. 141. 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
  142. 142. 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
  143. 143. 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。
  144. 144. 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
  145. 145. 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
  146. 146. 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
  147. 147. 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
  148. 148. 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。
  149. 149. 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。
  150. 150. 第二章まとめ • ゲームAIは、箱庭(ゲーム)の中の人工知能。 • 現実人工知能より進化が早い。
  151. 151. 目次 • 第一章 人工知能とは? • 第二章 なぜ、今、人工知能技術が注目されているか • 第三章 人工知能の発展の方向 • 第四章 ゲームAI • 第五章 人工知能の各種事例 • 第六章 知能と「フレーム」 • 第七章 サービスと人工知能第六章 • 第八章 人工知能と倫理 • 第九章 人工知能と創造性 • 第十章 全体のまとめ
  152. 152. 第五章 人工知能の各種事例
  153. 153. 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
  154. 154. 人 人工 知能 「人」の代わりに人工知能
  155. 155. 人 人工 知能 「人」の間に人工知能 人
  156. 156. 人 人工 知能 「人」の間に人工知能 人 いつ空いている? えーと…
  157. 157. 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?
  158. 158. 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
  159. 159. 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。
  160. 160. 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 要件クライ アントさん IBM ワトソン オペレーター バックアップ
  161. 161. 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 東大の人工知能「ワトソン」、10分で遺伝子解析…白血病患者を救 うhttps://yomidr.yomiuri.co.jp/article/20160806-OYTET50000/
  162. 162. 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
  163. 163. 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。
  164. 164. 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/
  165. 165. 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 https://deepmind.com/research/alphago/
  166. 166. 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
  167. 167. 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) IBM ワトソン など AlphaGo など http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html
  168. 168. 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 全て再現してみよう!
  169. 169. 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
  170. 170. ニューラルネットを理解しよう② 数学的原理 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?
  171. 171. 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。
  172. 172. 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
  173. 173. 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
  174. 174. 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
  175. 175. • 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。 Mastering the game of Go with deep neural networks and tree search http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html https://deepmind.com/research/alphago/
  176. 176. Mastering the game of Go with deep neural networks and tree search http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html https://deepmind.com/research/alphago/
  177. 177. 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
  178. 178. 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
  179. 179. http://www.nvidia.co.jp/object/drive-automotive-technology-jp.html
  180. 180. • 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)
  181. 181. 学習する人工知能 から学ぶこと ユーザー データ AI
  182. 182. 第四章まとめ • 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。 • だからそれは、「社会インフラ」の新しい形で もある。
  183. 183. 目次 • 第一章 人工知能とは? • 第二章 なぜ、今、人工知能技術が注目されているか • 第三章 人工知能の発展の方向 • 第四章 ゲームAI • 第五章 人工知能の各種事例 • 第六章 知能と「フレーム」 • 第七章 サービスと人工知能第六章 • 第八章 人工知能と倫理 • 第九章 人工知能と創造性 • 第十章 全体のまとめ
  184. 184. 第六章 知能と「フレーム」
  185. 185. 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。 フレーム問題
  186. 186. フレームとは? フレーム=問題設定=「題材と操作とゴール」を与える (例)題材=積み木 操作=積み木を載せる、積み木を下す、ことができる ゴール=初状態から目的の状態を作り出す (Simple case) Initial State GOAL A B C B C A © 2015 SQUARE ENIX CO., LTD. All rights reserved
  187. 187. フレームとは? フレーム=問題設定=「題材と操作とゴール」を与える (例)題材=積み木 操作=積み木を載せる、積み木を下す、ことができる ゴール=初状態から目的の状態を作り出す (Simple case) Initial State GOALTask1 Carry A to Ground Task2 Carry B to Ground Task3 Carry C on B A B C B C AA B C A BC A C B Task3 Carry A on C © 2015 SQUARE ENIX CO., LTD. All rights reserved
  188. 188. 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。 フレーム問題
  189. 189. 人間の知能の形/人工知能の形 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=フレームを創造・変化できる 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 車が運転できる 言葉を話すことができる
  190. 190. 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。 フレーム問題
  191. 191. 人間の知能の形/人工知能の形 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=それだけが得意 =フレームを与えられ、変化できない。=それだけを解く 何でもできる可能性を 持つ総合知性がない お掃除ができる 目的地へ行く
  192. 192. 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得意。
  193. 193. 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。
  194. 194. 目次 • 第一章 人工知能とは? • 第二章 なぜ、今、人工知能技術が注目されているか • 第三章 人工知能の発展の方向 • 第四章 ゲームAI • 第五章 人工知能の各種事例 • 第六章 知能と「フレーム」 • 第七章 サービスと人工知能 • 第八章 人工知能と倫理 • 第九章 人工知能と創造性 • 第十章 全体のまとめ
  195. 195. 第七章 サービスと人工知能
  196. 196. 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。
  197. 197. 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。
  198. 198. 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。
  199. 199. 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
  200. 200. 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。
  201. 201. 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。
  202. 202. 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
  203. 203. 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
  204. 204. 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
  205. 205. 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
  206. 206. 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
  207. 207. 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
  208. 208. 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
  209. 209. 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
  210. 210. 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
  211. 211. 第五章まとめ • 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。 • 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。 • 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。
  212. 212. 目次 • 第一章 人工知能とは? • 第二章 なぜ、今、人工知能技術が注目されているか • 第三章 人工知能の発展の方向 • 第四章 ゲームAI • 第五章 人工知能の各種事例 • 第六章 知能と「フレーム」 • 第七章 サービスと人工知能第六章 • 第八章 人工知能と倫理 • 第九章 人工知能と創造性 • 第十章 全体のまとめ
  213. 213. 第八章 人工知能と倫理
  214. 214. 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。
  215. 215. • 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?
  216. 216. • 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。
  217. 217. • 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
  218. 218. • 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
  219. 219. • 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 = 単独の人工知能ではなく
  220. 220. 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 パーソナル・ サービス 人間の心 人と人の間 /モバイル システム /ビックデータ 二つの人工知能
  221. 221. 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 パーソナル・ サービス 人間の心 人と人の間 /モバイル システム /ビックデータ 二つの人工知能 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。
  222. 222. 目次 • 第一章 人工知能とは? • 第二章 なぜ、今、人工知能技術が注目されているか • 第三章 人工知能の発展の方向 • 第四章 ゲームAI • 第五章 人工知能の各種事例 • 第六章 知能と「フレーム」 • 第七章 サービスと人工知能第六章 • 第八章 人工知能と倫理 • 第九章 人工知能と創造性 • 第十章 全体のまとめ
  223. 223. 第九章 人工知能と創造性
  224. 224. 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
  225. 225. 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
  226. 226. 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
  227. 227. 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
  228. 228. 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
  229. 229. プロシージャルとは?
  230. 230. 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 )
  231. 231. 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
  232. 232. 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
  233. 233. 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
  234. 234. 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)
  235. 235. 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 https://www.youtube.com/watch?v=m4JDNzwFZFI
  236. 236. 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
  237. 237. 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
  238. 238. Elite (1980, BBC) 宇宙を自動生成 https://en.wikipedia.org/wiki/Elite_(video_game)
  239. 239. 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)
  240. 240. 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。
  241. 241. 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
  242. 242. 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
  243. 243. http://www.desura.com/engines/dunia FarCry3 におけるプロシージャル技術
  244. 244. 目次 • 第一章 人工知能とは? • 第二章 なぜ、今、人工知能技術が注目されているか • 第三章 人工知能の発展の方向 • 第四章 ゲームAI • 第五章 人工知能の各種事例 • 第六章 知能と「フレーム」 • 第七章 サービスと人工知能 • 第八章 人工知能と倫理 • 第九章 人工知能と創造性 • 第十章 全体のまとめ
  245. 245. 第十章 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。
  246. 246. 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。 第十章 全体のまとめ
  • ErikoYanagita

    Sep. 29, 2017
  • KoichiTanaka7

    Nov. 12, 2016
  • kaitoyoshitate

    Nov. 12, 2016

人工知能からイノベーションを考えます。 社会と人工知能の関係に注目します。

Vues

Nombre de vues

1 234

Sur Slideshare

0

À partir des intégrations

0

Nombre d'intégrations

17

Actions

Téléchargements

25

Partages

0

Commentaires

0

Mentions J'aime

3

×