ゲーム業界における生成系AIの活用

© 2023, Amazon Web Services, Inc. or its affiliates. All
rights reserved. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Generative AI in Game ゲーム業界における生成系AIの活用 Takahiro Kubo Developer Relations Machine Learning

© 2023, Amazon Web Services, Inc. or its affiliates. はじめに
: 本日フォーカスして話すこと 2 企画開発販売運用・運営ゲームの企画・開発より販売や運用・運営面での活用にフォーカスしてお話しします。

© 2023, Amazon Web Services, Inc. or its affiliates. なぜ
? 3 Stable Diffusion 2.1 で作成した画像

© 2023, Amazon Web Services, Inc. or its affiliates. 4
https://stability.ai/press-articles/stable-diffusion-xl-1-featured-amazon-aws-bedrock

© 2023, Amazon Web Services, Inc. or its affiliates. ゲーム会社が投資家向け資料で挙げる経営課題やリスクは、
開発より完成後の販売、運営・運用に集中しているため (※) 5 ゲームの製造販売工程を書き起こし課題やリスクを赤いポストイットで張った図。 ※モバイルゲームを中心とする MIXI 、ガンホー、コロプラ、 DeNA 、グリーより

© 2023, Amazon Web Services, Inc. or its affiliates. 開発タイトル数が減少する中、完成したタイトルをいかに
届け育てるかが重要になっている 1 社あたりの自社開発コンテンツ数は減少傾向の一方、売上高は上昇しており大作化の傾向がみられる (※1) 。売上 Top100 に入るようなヒットタイトルでも 5 年後ランクインしているのは 7～8 本であり (2013 年 ~ 2015 年 )、タイトルの運用にはまだまだ課題がある。 (※2) 。 6 ※1「ゲーム制作ビジネスは、グローバル志向；情報通信業基本調査が明らかにする、ゲーム会社の実像とそのビジネス」より引用 ※2「ヒットしたモバイルゲームでも，5年後生存しているのは7～8本に1本。“長寿”の秘訣が明かされた「超長期ゲーム運営サミット」をレポート」より引用

© 2023, Amazon Web Services, Inc. or its affiliates. 質問
これまでリリースに関わったタイトルの本数は ? ( あと何本のゲームに関われる ?) 7

© 2023, Amazon Web Services, Inc. or its affiliates. ゲーム開発からゲーム事業へ視点を広げることで、
関わるタイトルをよりプレイヤーに届け、プレイヤーと共に育て、記憶と記録に残るゲームにできるかもしれない。 8

© 2023, Amazon Web Services, Inc. or its affiliates. Key
Topics ① 「ゲーム製作」から「ゲーム事業」に視点を拡げることが重要なこと ② 機械学習や生成系 AI はゲーム事業の課題の解決に役立つこと ③ 課題解決を進めるのに AWS を選ぶ理由 9

自己紹介アマゾンウェブサービスジャパン合同会社 Machine Learning Developer Relations 久保隆宏 (Kubo Takahiro) ミッション「機械学習を実用するなら AWS 」という認知を拡大すること。 10 年以上の業務コンサルタント経験、また研究開発していたテーマをプロダクトとしてリリースした経験をもとにお話しします。

© 2023, Amazon Web Services, Inc. or its affiliates. 「Python
で学ぶ強化学習」などを執筆 11 機械学習を実際のビジネスに役立てるにはどうすればいいのか ? を探るべく文字通りアマゾンの奥地へ旅立ち今に至る。

rights reserved. 本日のアジェンダゲーム事業の課題機械学習・生成系AIによる課題解決 AWSのサービスとプログラム Next Action 12

rights reserved. 14 企画開発販売運用・運営ゲーム事業の全体像

rights reserved. ゲーム事業の課題: 経営が外部環境に左右されやすい 15 上場しているゲーム開発会社5社(※)の投資家向け資料で言及されているリスク。 1. ユーザーの嗜好が移り変わるリスク 2. 参入障壁が低いことによる競争激化のリスク 3. Apple、Google等プラットフォーム運営事業者の運営方式が変わるリスク 4. ゲーム内のユーザー同士の交流等から発展するコミュニティ有害化リスク 5. 悪質なユーザーによる不正利用リスク ※モバイルゲームを中心とするMIXI、ガンホー、コロプラ、DeNA、グリーより

rights reserved. ゲーム事業の課題: 経営が外部環境に左右されやすい 16 上場しているゲーム開発会社5社(※)の投資家向け資料で言及されているリスク。 1. ユーザーの嗜好が移り変わるリスク 2. 参入障壁が低いことによる競争激化のリスク 3. Apple、Google等プラットフォーム運営事業者の運営方式が変わるリスク 4. ゲーム内のユーザー同士の交流等から発展するコミュニティ有害化リスク 5. 悪質なユーザーによる不正利用リスク ※モバイルゲームを中心とするMIXI、ガンホー、コロプラ、DeNA、グリーより関心を維持するのが大変治安を維持するのが大変

rights reserved. 17 企画開発販売運用・運営いかに創るかいかに接点を増やすかいかに守るか

rights reserved. 19 そもそも生成系 AI とは・・・?

rights reserved. 20 人工知能 (Artificial Intelligence, AI) 人間の知的判断をコンピュータ上で実現するための技術全般（ロジック、if-then 文、機械学習（深層学習を含む））機械学習 (Machine Learning, ML) AI の一種であり、知的モデルを構築するためにデータの中の傾向を学習する技術深層学習 (Deep Learning, DL) ML の一種であり、音声・画像認識などのタスクを深い複数レイヤー構造のニューラルネットワークで実現する技術生成系 AI (Generative AI) テラバイト規模のデータで学習させた数十億規模のパラメーターを持つ”基盤モデル”により追加学習なしに高精度の生成を実現する技術。生成系 AI についておさらい

rights reserved. 21 基盤モデル (Foundation Model) テキストの入力出力テキスト生成モデル (大規模言語モデル) テキストからの画像生成モデル動画音声コード生成モデル “次の文書を要約してください: …….” [テキスト] “………..” “宇宙飛行士が馬に乗っている写真” “雨の中歩いているカップル” “ダンスに合うヒップホップ音楽” “点数を集計するPythonプログラム” [画像] [動画] [音声] [コード] 生成系 AI の中核は “基盤モデル” 学習した内容により、テキスト以外にも多様な生成ができる。

rights reserved. 生成系 AI がこれまでの機械学習と異なる点 • 追加学習をほとんど必要としない • 簡単な指示 (Prompt) で多様なタスクを解かせることができる • 高精度である大規模な事前学習を行った基盤モデルが、上記3点を可能にしている

rights reserved. ゲーム業界を代表する各社でも活用が進む 23 Roblox ゲーム制作ツール Roblox Studio でテキストからのコード生成機能などを実装「［GDC 2023］生成系AIの進化は止まらない！？「Roblox」でもプラットフォーム内ゲーム開発のサポートにジェネレーティブAIが活躍」より引用 Unity Unity Asset Store に AI を用いたソリューションを販売できるマーケットプレイスを公開。「 Unity が AI ソリューションの発表の場として AI マーケットプレイスを新規立ち上げ」より引用 Ubisoft NPC のセリフを AI で生成する Ghostwriter を発表「UbisoftのNPCセリフAI生成ツール「Ghostwriter」発表。“その他大勢” のセリフ作成をAIに任せる時短ツール」より引用

rights reserved. ゲーム事業の課題解決にどう役立つか ? 24 企画開発販売運用・運営いかに創るかいかに接点を増やすかいかに守るか

rights reserved. 25 企画開発販売運用・運営いかに創るかいかに接点を増やすかいかに守るかゲーム事業の課題解決にどう役立つか ?

rights reserved. ゲームとの接点を作ることの重要性 26 モバイルゲームへの課金をやめるきっかけ・理由の1位は「ゲームに飽きた時 (41.2%)」。新しいアプリを探す情報源の1位は「特になし (31.6%)」(※)。 ※「ファミ通モバイルゲーム白書2022」を参照

rights reserved. ゲームとの接点を作ることの重要性 27 ユーザーの過ごす世界で ( 継続的に ) 目に触れる機会があるかが重要。

rights reserved. ゲームとの接点を作る : 開発タイトルを中心とした事業展開 28 開発タイトルキャラクターIP 世界観/シナリオ音楽サウンドトラック等テーマパーク等漫画化・小説化キャラクターグッズ他作品/関連タイトル他デバイスでの提供

rights reserved. 開発タイトルの知的所有権 (IP) を起点に事業を展開する 29 Illustration: @1957 Disney 1957 年に Walt Disney がすでに発想したビジネスモデル。映画作品をコアとし、ディズニーランド、テレビ、音楽、出版(小説やコミック)、物販ライセンスなど複数の事業に展開。

rights reserved. コンテンツ/ デバイスの分散ゲームとの接点を作る : 開発タイトルを中心とした事業展開 30 開発タイトルキャラクターIP 世界観/シナリオ音楽他作品/関連タイトルサウンドトラック等テーマパーク等漫画化・小説化他デバイスでの提供キャラクターグッズ

rights reserved. 他デバイスでの提供例 : Minecraft 31 「他機種とクロスプレイできるスイッチ向け『マインクラフト』アップグレード版の発売日決定」より引用 Minecraft では、Xbox One版、 Windows 10版、Android版、 iOS版、VR版など多種のプラットフォーム向けに提供されているだけでなく、それらのユーザーが互いにプレイできるクロスプレイ機能を提供。

rights reserved. 事業の分散 32 開発タイトルキャラクターIP 世界観/シナリオ音楽サウンドトラック等テーマパーク等漫画化・小説化キャラクターグッズゲームとの接点を作る : 開発タイトルを中心とした事業展開他作品/関連タイトル他デバイスでの提供

rights reserved. IP 展開の例: バンダイナムコ中期経営計画 33 IPxFan : ファンとつながるための新しいチャネルとしてメタバースを IP ごとに開発。 IPxValue : 映像、音楽、ライブイベント運営のノウハウ、商品・サービスの創出を一元化 IPxWorld : IP の世界展開「IR・投資家情報中期経営計画 (2022 年 4 月 ~ 2025 年 3 月) 」より引用 IP戦略進化のため合計 400 億円を投資

rights reserved. (翻訳による)地域の分散 34 開発タイトルキャラクターIP 世界観/シナリオ音楽サウンドトラック等テーマパーク等漫画化・小説化キャラクターグッズゲームとの接点を作る : 開発タイトルを中心とした事業展開他作品/関連タイトル他デバイスでの提供

rights reserved. 翻訳による地域分散の例: ファイナルファンタジー XVI 35 ボイスとして日本語／英語／フランス語／イタリア語／ドイツ語／スペイン語（ラテンアメリカ）に対応「『ファイナルファンタジーXVI』本日発売！」より引用

rights reserved. 36 IP を起点とした事業展開にどのように機械学習、生成系 AI は役立つか ?

rights reserved. 様々な媒体・プラットフォームに展開する上での品質の維持 37 グラフィック品質の維持 Problem: 他媒体で制作を行う際オリジナルの品質が維持されない。 Solution: 元の画像に対し、超解像技術を適用することで高精細化を実現する Case: Stability AIは4倍の高精細化を行うAPI Stable Diffusion 4x Upscaler を開発しPhotoshop/Blender向けに提供。ゲーム体験の維持 Problem: 配信先のデバイスによりスペックが異なり処理落ち等が発生する。 Solution: 機械学習によるデバイスごとの映像チェック。 Case: Amazon Prime Videoでは8,000を超える配信デバイスでの動画のフレーム落ちや音声落ちを機械学習を用いて検出。ローカライズ品質の維持 Problem: ローカライズした際にテキストやグラフィックの品質が劣化する。 Solution: 機械学習による自然な現地語会話アニメーションの生成。 Case: スクウェア・エニックスでは機械学習を用いてリップシンクアニメーションを自動生成。

rights reserved. ローカライズ品質の維持の例: FANTASY VII REMAKE 38 FANTASY VII REMAKEのアセットを訓練データとしてリップシンクアニメーションを生成するモデルを実装。収録した音声にはアドリブなどが含まれ、テキストと一致しない課題があった。そのため、音声からアニメーションを生成。日本語、英語、ドイツ語、フランス語に対応。「『FF7 リメイク』進化したリップシンク技術を実例付きで紹介。テキスト入力不要でアニメーション生成が可能！機械学習により別次元のクオリティーへ【CEDEC2022】」より引用

rights reserved. 課題解決にどう役に立つか ? 39 企画開発販売運用・運営いかに創るかいかに接点を増やすかいかに守るか

rights reserved. 運用・運営により治安を維持することの重要さ 40 • GDC2022のレポートによれば「ゲーム業界において 2番目に多いプレイヤー減少の要因がコミュニティの有害化」。 • アメリカのセキュリティ会社であるIrdetoの調査によれば、「多人数プレイゲームにおいて77%のプレイヤーは相手がチートしていると感じたらプレイするのをやめてしまい、 48%はアイテムの購入もしなくなる傾向がある」。

rights reserved. 運用・運営により治安を維持するための機械学習の活用 41 有害な投稿の検知不正・異常行動の検知 Problem: コミュニティ内での不快な投稿によるユーザーの離脱を防止したい。 Solution: 機械学習による有害化につながる画像やテキストの投稿の検知。 Case: THECOOではAmazon Rekognition で配信動画の不適切なコンテンツをチェック。DiscordはSentropy を買収しAIを導入。 Problem: 不正行為による正規ユーザーのモチベーション低下を防止したい。 Solution: 機械学習による不正行為の検知。 Case: CAPCOMではゲームプレイログから異常検知の手法を用いて不正行為を検出。キャラクター等IPの不正利用防止 Problem: 模倣品が出回ることによるブランドイメージの棄損を防ぎたい。 Solution: 画像検知等の機械学習技術による模造品の検出。 Case: Amazonブランドプロテクションでは機械学習による検知システムを活用。2022年には600万点以上の模倣品を削除。

rights reserved. 不正・異常行動の検知の例: CAPCOM でのチート・不正対策事例 42 「機械学習の課題を⽀援するAmazon ML Solutions Labをご存知ですか？」より引用マップ上通過できない場所を通過しているユーザーを行動ログから発見し、疑わしい行動を検出。

rights reserved. 課題解決にどう役に立つか ? 43 企画開発販売運用・運営いかに創るかいかに拡げるかいかに守るか

rights reserved. 低コストの試作によるゲーム体験テストの有効性: ゼルダの伝説ブレスオブザワイルド 44 「まず2Dゲームで開発、社員300人で1週間遊ぶ!? 新作ゼルダ、任天堂の驚愕の開発手法に迫る。「時オカ」企画書も公開！【ゲームの企画書：任天堂・青沼英二×スクエニ・藤澤仁】」より引用。 3D のゲームを作る前に、 2D のゲームを試作し遊び倒す “実は最初、世界全体の物理をまとめるのに、リードプログラマが2Dの世界に物理法則を乗っけて、最初にシミュレートするのはどうか？と提案してきたんです。” “実際、非常に考えやすかったですからね。とりあえず近場の木を切り倒したら、それが川に浮いて、向こう岸への橋になって ……みたいなネタの展開が、どんどん2Dの画面で生まれてくるんです。ああ、これなら考えやすいぞ、と思いました。” “任天堂のスタッフの間では1ヶ月くらい、それを稼働させながら、みんなでワイワイガヤガヤと研究しました。そうして結局、基本の部分は全て2Dゲームの中でシミュレートしてしまったんです”

rights reserved. 低コストの試作を実現するための機械学習活用 45 アセット制作の委譲開発・テストの効率化 Problem: 試作段階ではデザイナーに対し予算を割くことが難しい。 Solution: キャラクターや音楽等のアセット作成を生成系AIに委譲する。 Case: InworldAIは、Unityで利用可能なキャラクター生成機能を公開。 Googleはテキストから音楽を生成するMusic LMを公開。 Problem: 試作段階ではプログラムを作りこむことが難しい。 Solution: 機械学習による開発の効率化やテストの自動化を行う。 Case: Roblox Studio でテキストからのコード生成機能などを実装。 KLabではモバイルゲームのUIテストを自動化。サポート業務の効率化 Problem: 試作段階でフィードバック収集や改善等に予算を割くことが難しい。 Solution: カスタマーサポート業務(CRE)の機械学習による効率化。 Case: MIXIでは1,000以上の回答テンプレートを、問い合わせ内容に応じて推薦する仕組みを構築。

rights reserved. Unity AI Marketplace 46 「Unity が AI ソリューションの発表の場として AI マーケットプレイスを新規立ち上げ」より引用ゲームの制作を効率化する選別された生成系 AI のソリューションを Unity Asset Store から購入可能。キャラクターを生成する Inworld AI 会話能力を持たせる Convai 音声を生成する LMNT バーチャル世界を構築する Atlas ノーコードのエフェクト開発 Zibra AI ゲームテストを容易にする Modl.ai など様々。

rights reserved. ゲーム事業への機械学習・生成系 AI の活用シナリオ 47 企画・開発販売運用課題低コストな試作で本格的に開発する前にゲーム体験を検証したいユーザーとの接点を増やすため IP を中心とした事業展開を行いたいユーザーの離脱を招くコミュニティの有害化、不正プレイを防止したい解決策ゲーム制作工程の委譲・効率化・コンテンツ/デバイスの分散・事業の分散・地域の分散コミュニティやゲームプレイのモニタリング機械学習 / 生成系 AI の貢献アセット制作の委譲開発・テストの効率化サポート業務の効率化グラフィック品質の維持テキスト品質の維持ローカライズ品質の維持有害な投稿の検知不正・異常行動の検知キャラクター等IPの不正利用防止

rights reserved. 生成系 AI をゲーム事業に活かす 3 ステップ • Biz: 生成系 AI の役割を決めるゲーム事業のどんな課題をターゲットにするか • Dev: 生成系 AI を選択する課題解決に必要な生成系 AI を選択し検証する • ML: 生成系 AI を差別化につなげる生成精度を継続的に改善し事業の差別化につなげる 49

rights reserved. ゲーム事業への機械学習・生成系 AI の活用シナリオ 50 企画・開発販売運用課題低コストな試作で本格的な開発の前にゲーム体験を検証したいユーザーとの接点を増やすため IP 中心とした事業展開を行いたいユーザーの離脱を招くコミュニティの有害化、不正プレイを防止したい解決策ゲーム制作プロセスの効率化・コンテンツ/デバイスの分散・事業の分散・地域の分散コミュニティ、ゲームプレイのモニタリング機械学習 / 生成系 AI の貢献アセット制作の委譲開発・テストの効率化サポート業務の効率化グラフィック品質の維持テキスト品質の維持ゲーム体験の維持有害な投稿の検知不正・異常行動の検知キャラクター等IPの不正利用防止 Biz Dev ML

rights reserved. Why AWS ? 51

rights reserved. 生成系 AI の実現で AWS を選択するベネフィット • Biz: 生成系 AI の役割を決めるロードマップの作成を支援するプログラムを無料で提供 • Dev: 生成系 AI を選択する豊富な品ぞろえのモデルをコスト効率良く提供 • ML: 生成系 AI を差別化につなげる成長サイクルの運用に不可欠な MLOps をマネージドで提供 52

rights reserved. ML Enablement Workshop 生成系 AI のお試し生成系 AI によるプロダクト差別化機械学習の使いどころを学び、実行可能な計画を立てられるようになるための無償のワークショップ。参考 : プロダクトの成長をリードする生成系 AI の活用戦略理解編活用事例を参考に自社での生成系 AI の役割を定義する。 (ビジネスモデルキャンバス) 応用編成長サイクルが成立する流れを可視化し共有する。 (Event Storming) 開始編生成系 AI の試用から差別化に至るまでの実現可能なステップを開始する。生成系 AI のロードマップ作成に対応した場合の流れ 53

rights reserved. ML Enablement Workshop のコンテンツはすべて GitHub で公開中。 https://github.com/aws-samples/aws-ml-enablement-workshop AWS からの提供には条件がありますが、開催者向けガイドを参照しお客様自身で実施頂くこともできます 54

rights reserved. 生成系 AI の実現で AWS を選択するベネフィット • Biz: 生成系 AI の役割を決めるロードマップの作成を支援するプログラムを無料で提供 • Dev: 生成系 AI を選択する豊富な品ぞろえのモデルをコスト効率良く提供 • ML: 生成系 AI を差別化につなげる成長サイクルの運用に不可欠な MLOps をマネージドで提供 55

rights reserved. 生成系 AI により、機械学習が事前準備なしに「まず試せる」ようになった。今までは「データは ? 」から始まざるを得なかったが、生成系 AI の登場により Biz で設定した課題が解決できそうかまず迅速に試すことができるようになった。 56

rights reserved. Amazon Bedrock 厳選された基盤モデルをサーバーレス形式で提供 NEW Preview 57

rights reserved. 厳選された基盤モデルから課題解決に最適な基盤モデルを選択できる Amazon が提供最先端スタートアップ企業が提供 Titan Text Titan Embeddings Claude Jurassic-2 Stable Diffusion 58 New York Summit で Cohere がの追加がアナウンス文書校正や要約会話画像生成

rights reserved. サーバーレスで利用と追加学習ができ API で他のシステムから呼び出せる。学習データは外部に送信されることはない実績ある AWS のセキュリティ機能によりデータ保護を強化 API を通じて基盤モデルを使用。生成系 AI アプリケーション開発を加速厳選された基盤モデルから自社業務に最適な基盤モデルを発見自社データを使用し基盤モデルを個別にカスタマイズ使いやすい AWS ツールで、スケーラブルで信頼性が高く、安全な生成系 AI アプリケーションをデプロイ 59

rights reserved. 60 Amazon CodeWhisperer コメントなどのテキストからソースコードを自動生成 NEW

rights reserved. 生成系 AI によるソースコード自動生成様々な開発環境で、様々なプログラミング言語の開発を支援リアルタイムに周辺のコメントなどからコードの候補を提案。加えて、提案したコードの出典の追跡とセキュリティスキャンが可能。 & Go, Rust, PHP, Ruby, Kotlin, C, C++, Shell scripting, SQL, and Scala & JupyterLab, CLion, GoLand, WebStorm, Rider, PhpStorm, RubyMine, and DataGrip メールアドレスのみで利用でき、個人開発者は無料で利用可能

rights reserved. Amazon SageMaker JumpStart 事前学習済みのモデルやソリューションを数クリックでデプロイ Hot 62

rights reserved. Machine learning hub 400 以上の事前学習済の基盤モデルやソリューション、サンプルノートブックを閲覧モデルもトレーニングコードも推論コードも不要自前でコードを用意せずに推論したり、独自のデータセットで Fine Tune 可能 UI も API もマウス操作によるモデルのデプロイだけでなく、同様のことをする API の準備もあり、試用からシステム統合まで簡単 Amazon SageMaker JumpStart モデルやデータのコラボレーションデプロイしたモデルや、ノートブックは認証認可の元誰でもアクセス可能 63 セキュリティ VPC エンドポイントで閉域アクセスも可能

rights reserved. Foundation modelの幅広い選択肢 A M A Z O N S A G E M A K E R J U M P S T A R T から提供中 Models Stable Diffusion XL 2.1 base Upscaling Inpainting Tasks Generate photo-realistic images from text input Improve quality of generated images Features Fine-tuning on Stable Diffusion 2.1 base model Models AlexaTM 20B Tasks Machine translation Question answering Summarization Annotation Data generation Models Falcon-7B, 40B Open LlaMA RedPajama MPT-7B, Dolly BloomZ 176B Flan T-5 models (8 variants) DistilGPT2 GPT NeoXT Bloom models (3 variants) Tasks Machine translation Question answering Summarization Annotation Data generation Features Fine-tuning on FLAN T5 models, GPT-6B, Falcon-7B Models Cohere Command XL Tasks Text generation Information extraction Question answering Summarization Models Jurassic-2 Ultra, Mid Contextual answers Summarize Paraphrase Grammatical error correction Tasks Text generation Long-form generation Summarization Paraphrasing Chat Information extraction Question answering Classification Models Lyra-Fr 10B, Mini Tasks Text generation Keyword extraction Information extraction Question answering Summarization Sentiment analysis Classification Models Llama 2 7B, 13B, 70B Tasks Question answering Chat Summarization Paraphrasing Sentiment analysis Text generation

rights reserved. 65 Meta からリリースされた Llama2 も即日利用可能に

rights reserved. Stability AI の Stable Diffusion を用いた高精細化 66 https://aws.amazon.com/jp/blogs/machine-learning/upscale-images-with-stable-diffusion-in-amazon-sagemaker-jumpstart/ SageMaker JumpStart から、 Stability AI の公開した Stable Diffusion モデルを立ち上げ 4 倍の画像高精細化を行える。

rights reserved. 3 種類の方法で基盤モデルを Jump して Start AWS console から JumpStart 67 モデルをホストせずに console から実行 Notebook から JumpStart SageMaker Studio から JumpStart マウスポチポチでモデルをホストして実行 JumpStart の API を実行

rights reserved. AWS はオープンソースやスタートアップ企業と連携し、生成系 AI の選択肢を拡充しコスト効率良くする 68

rights reserved. 生成系 AI の実現で AWS を選択するベネフィット • Biz: 生成系 AI の役割を決めるロードマップの作成を支援するプログラムを無料で提供 • Dev: 生成系 AI を選択する豊富なモデルをコスト効率良く提供 • ML: 生成系 AI を差別化につなげる成長サイクルの運用に不可欠な MLOps をマネージドで提供 69

rights reserved. 機械学習の成長サイクル Customer Experience Traffic Data Data Driven Decision Growth 70

rights reserved. 基盤モデルの開発にも対応した機械学習モデルの統合開発環境人間参加型 AI（Human-in-the-loop）データセット品質を高め、データラベリングのオーバーヘッドと時間を削減分散型トレーニング分散型トレーニング完了を最大40%まで高速化推論学習モデルのリアルタイム・非同期推論を最高のコストパフォーマンスで実現マネージド・サービスマネージド・インフラによるモデルトレーニング環境の完全制御 MLOps 機械学習ライフサイクル全般に渡るプロセスを自動化、標準化 Amazon SageMaker 71

rights reserved. 運用に効く：統合開発環境としての Amazon SageMaker MLOps 自動化チューニング特定ドメイン用のカスタマイズ監視バイアスの監視特徴量貢献度ドリフト検定準備データのラベル付け人間参加型 AI （human-in-the-loop) の為のフィードバック提供デプロイ最適価格での柔軟なデプロイ 72

rights reserved. 73 Amazon EC2 Trn1n Amazon EC2 Inf2 学習専用、推論専用のチップ NEW

rights reserved. コスト効率良く生成系 AI を利用するためのハードウェアを開発 AWS Trainium AWS Inferentia 2 大規模言語モデルや拡散モデルの学習に特化したインスタンス大規模言語モデルや拡散モデルの推論に特化したインスタンス同等の Amazon EC2 インスタンスと比較して最大 75% の学習コスト削減同等の Amazon EC2 インスタンスと比較して最大 40% の推論コスト効率の改善を実現 74

© 2023, Amazon Web Services, Inc. or its affiliates. 本日持ち帰って頂きたいこと
① 「ゲーム製作」から「ゲーム事業」に視点を拡げることが重要なこと人生で関わるゲームを記憶と記録に残すには、経営課題の集中する販売と運用へも視野を広げることが不可欠。 ② 機械学習や生成系 AI はゲーム事業の課題の解決に役立つこと生成系 AI だけでなく既存の機械学習も十分有効。 ③ 課題解決を進めるのに AWS を選ぶ理由 Biz Dev ML の 3 ステップを無償のプログラム、迅速に利用できるサービス、コスト効率良く成長サイクルを回せるサービスを提供。 76

本発表 / スライドが異なるチーム間のコミュニケーションのきっかけになれば幸いです！具体的な機械学習のプロジェクトの立ち上げを検討されたい方は、 Biz ⽀援の ML Enablement Workshop をぜひ検討ください。

rights reserved. Thank you! © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Web Services, AWS, the Powered by AWS logo, and all AWS service names used in this slide deck are trademarks of Amazon.com, Inc. or its affiliates.

ゲーム業界における生成系AIの活用

ゲーム業界における生成系AIの活用

More Decks by Takahiro Kubo

Other Decks in Business

Featured

Transcript