Miracon_2018_12_23_public.pdf

AI時代のコンテンツとは日本デジタルゲーム学会理事三宅陽一郎 @miyayou 2018.12.23 MiRACON https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake [email protected]
未来の教育コンテンツEXPO http://miracon.jpeca.jp/

自己紹介

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

My Works (2004-2017) AI for Game Titles Books

高校生向けの著書高校生のためのゲームで考える人工知能 (ちくまプリマー新書) 新書 – 2018/3/6 三宅陽一郎 (著),
山本貴光 (著) https://www.amazon.co.jp/dp/4480689982

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

自然知能と人工知能人間＝自然知能機械＝人工知能

人間と人工知能が協調して仕事をする時代に人間＝自然知能機械＝人工知能

人工知能を、理解する人工知能に、人間を理解させる。

質問 • AIを身近に感じることはありますか？はいいいえ

西欧的知能感神人間人工知能垂直的知能感人間に似ていれば似ているほど良い。＝ Human-like
AI

東洋的知能感神人間人工知能鹿ゾウリムシ初音ミク
AIBO たまごっち水平的知能感すべてに神が宿る（「八百万の神」世界観）

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）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）。

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

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

人工知能ブーム時間規模情報革命ネット革命知能革命電子情報化オンライン化知能化 1960
1990 2000 第一次AIブーム第二次AIブーム第三次AIブーム 1970 1980 2010

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（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） IBM ワトソン Google検索など AlphaGo など http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html

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

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？

人工知能がブームになるとき時間規模 1960 1990 2000 第一次AIブーム第二次AIブーム第三次AIブーム 1970
1980 2010 ニューラルネットによる人工知能は、浮き沈みが激しい。

人工知能がブームになるとき時間規模 1960 1990 2000 第一次AIブーム第二次AIブーム第三次AIブーム 1970
1980 2010 ニューラルネットによる人工知能は、浮き沈みが激しい。＝しかし、人工知能がブームになる時は、必ず改良されたニューラルネットワークが現れる。

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

2 第１次AIブーム時間規模情報革命ネット革命知能革命電子情報化オンライン化知能化
1960 1990 2000 第一次AIブーム第二次AIブーム第三次AIブーム 1970 1980 2010

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

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

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。

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

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。

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

4 第三次ＡＩブーム（2010年代）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）データベース新しい学習法＝ディープラーニングデータベース
検索エンジンキーワード検索結果検索人次の章で説明します

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

「人工知能＝ディープラーニング」ではない人工知能ニューラルネットディープラーニング

人工知能は二種類ある。直観型＝コネクショニズム論理型＝記号主義

ゲームAI

フィールド３つのＡＩの連携の例ナビゲーション AI メタAI キャラクターAI 状況を監視し、キーとなる役割を適切なタイミングでエージェントに指示する。自律的な判断。
仲間同士の協調地形を解析する目的に応じた点を見つけ出す目的地までのパスを計算する Support キャラクターが自律的に戦闘・協調しつつ、ナビゲーションAIが戦術的ポイントを教え、メタAIは、全体の戦闘の流れを作る。 http://dear-croa.d.dooo.jp/download/illust.html

このＡＩはどう作るか？プレイヤーキャラクター岩地面池例として、次のようなキャラクターのＡＩをどう作るか考えてみよう。 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

このＡＩはどう組むか？こういったＡＩをゲーム産業では「Scripted AI」と言います。こういったＡＩはゲームデザイナーがスクリプト言語で書く場合多いため。プレイヤーキャラクター
岩地面池Ａ B 、（例）プレイヤーがＡにいればＢをうろうろする。プレイヤーがＢにいれば近づいて攻撃する。 http://septieme-ciel.air-nifty.com/nikubanare/2007/08/post_3c38.html http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

スクリプト Scripted AI から自律型ＡＩへの変化ゲームデザイナーの頭の中ゲームデザイナーの頭の中知識思考 Scripted AI
自律型 AI (Autonomous AI) 操り人形（Scripted AI）から、キャラクターが自分で考えて行動する自律型ＡＩ（Autonomous AI）になるためには、ゲームデザイナーが頭の中で持っている知識と思考をＡＩに埋め込む必要がある。

このＡＩはどう組むか？プレイヤーキャラクター岩地面池地形データ（Way Points）、
ステップ１：ＡＩにゲームステージの地形を認識させたい＝地形のデータを与える。ＡＩは地形データによって、自分とプレイヤーの位置関係を知ることができる。 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

このＡＩはどう組むか？地形データ（Way Points）ＡＩは地形データによって、自分とプレイヤーの位置関係を知ることができる。（ネットワークグラフの問題に帰着） http://dear-croa.d.dooo.jp/download/illust.html http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

知能思考知識ＡＩを作る人間地形データ（Way Points）地形データを用いた
思考オブジェクトデータ意思決定の思考自分の身体データ身体運動のロジック http://piposozai.blog76.fc2.com/ 人工知能＝知識 × 思考

人工知能＝知識ｘ思考

原始の海＋光＋熱＋稲妻 http://us.123rf.com/400wm/400/400/anterovium/anterovium1102/anterovium110200037/8952668-light-beams-from-ocean-surface-penetrate-underwater-through-deep-blue-sea.jpg http://www.gettyimages.co.jp/detail/%E3%82%A4%E3%83%A9%E3%82%B9%E3%83%88/under-the-waves- %E3%82%B9%E3%83%88%E3%83%83%E3%82%AF%E3%82%B0%E3%83%A9%E3%83%95%E3%82%A3%E3%83%

原始の海で構造化＝外と内の形成外内 Energy

http://28275116.at.webry.info/201005/article_7.html

世界外と内の交流＝非平衡系極めてメカニカルな次元。内部構造を持つ。 INPUT OUTPUT 代謝機能（内部処理）

世界外と内の交流＝散逸構造極めてメカニカルな次元。内部構造を持つ。 INPUT OUTPUT 代謝機能

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

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

精神と身体、そして進化情報物質精神・知性身体人工知能人工身体知能は生き物の情報的側面である。

環境人工知能とは？身体人工知能＝人工的な存在（＝身体）を環境の中で活動させる入力（センサー）行動（アウトプット）知能

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運動統合

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

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

ルンバ（iRobot社） http://chihoko777.exblog.jp/12567471/

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

ゲーム全体の知能化ゲーム・ソフトウェア知能化されたゲーム・ソフトウェアゲームも知能化の時代を迎えようとしている。では「ゲームの知能化」とはどういうことだろうか？それを見ていこう。

ＡＩの分化ゲームシステムメタＡＩキャラクターＡＩナビゲーションＡＩ３つのＡＩシステムは序々に分化して独立して行った。では、今度はナビゲーションＡＩについてさらに詳しく見てみよう。

メタAI

メタＡＩの歴史 1980 1990 2000 古典的メタAI 現代のメタＡＩキャラクターＡＩ技術の発展その歴史は古く、1980年代にまでさかのぼる。その時代と現代のメタＡＩは、異なる点も多いので、古典的メタＡＩ、現代のメタＡＩと名づけて区別することにしよう。

（例）「ゼビウス」（ナムコ、1983）敵出現テーブル巻き戻し敵0 敵１敵2 敵3 敵4 敵5 『あと面白い機能なんですけれど、ゼビウスには非常に簡単なAIが組み込まれています。
「プレイヤーがどれくらいの腕か」というのを判断して、出てくる敵が強くなるんです。強いと思った相手には強い敵が出てきて、弱いと思った相手には弱い敵が出てきます。そういったプログラムが組み込まれています。ゲームの難易度というのは「初心者には難しくて、上級者には簡単だ」ということが、ひとつの難易度で(調整を)やっていくと起きてしまうので、その辺を何とか改善したいな、ということでそういったことを始めてみたのですけれど、お陰で割合にあまり上手くない人でも比較的長くプレイできる、うまい人でも最後のほうに行くまで結構ドラマチックに楽しめる、そういった感じになっています。』－遠藤雅伸（出演）、1987、「糸井重里の電視遊戯大展覧会」『遠藤雅伸ゼビウスセミナー』フジテレビ－

現代のメタAI より積極的にゲームに干渉する。メタAI 敵配位敵スパウニングストーリーレベル動的生成ユーザー

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

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

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。

人がコンテンツにより添う（これまで）コンテンツ（教育）人（知能）適応する

コンテンツが人により添う（これから）コンテンツ（教育）人（知能）適応する

同じコンテンツをたくさんの人に与える（これまで）それぞれの人にコンテンツを合わせる（人工知能）

キャラクターＡＩ

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）

(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）

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

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/

環境人工知能とは？身体人工知能＝人工的な存在（＝身体）を環境の中で活動させる入力（センサー）行動（アウトプット）知能

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

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

人間らしいAIを作る

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

オブジェクトに仕込むデータ構造 Data (Class, Sate) Graphics (sprites, z- buffers) Animations (skeletal)
Sound Effects Code (Edith) -Main (object thread) -External 1 -External 2 -External 3 パラメーターグラフィックスアニメーションサウンドメインスレッドいろいろなインタラクションの仕方 Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern大学、講義資料) ※IEで見てください。 http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm 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

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

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。

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

効用(Utility)の計算の仕方 W_Hunger X_Hunger W_Hunger(-80) -80 60 W_Hunger(60)

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

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

人工知能を知る（作る）＝人間を知ること

仲間同士の協調地形を解析する目的に応じた点を見つけ出す目的地までのパスを計算する Support エージェントが自律的に戦闘・協調しつつ、ナビゲーションAIが戦術的ポイントを教え、メタAIは、全体の戦闘の流れを作る。

ナビゲーションAI

ネットワーク上のグラフ検索法ダイクストラ法 M F L B A Ｓ O P
D C G S V H Q X K N J R T W E I U Z Y Ｇ 5 4 6 3 7 2 3 B C 3 G D E 3 2 2 4 L 3 3 5 5 J F 出発点（S）を中心に、最も短い経路を形成して行く。Gにたどり着いたら終。各ノードの評価距離＝出発点からの経路

ネットワーク上のグラフ検索法 A*法 M F L B A Ｓ O P
D C G S V H Q X K N J R T W E I U Z Y Ｇ 5 4 6 3 7 2 3 B C 3 3 2 2 4 3 5 5 出発点（Ｓ）を中心に、そのノードまでの最も短い経路を形成して行く。 Gにたどり着いたら終了。ゴール地点がわかっている場合、現在のノードとゴールとの推定距離（ヒューリスティック距離）を想定して、トータル距離を取り、それが最少のノードを探索して行く各ノードの評価距離＝出発点からの経路＋ヒューリスティック距離ヒューリスティック距離 (普通ユークリッド距離を取る) 3+14.2 3+13.8 G H 3 5+10.5 6+8.4

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

「思考の算術化」のためにフレーゲ (独、1848-1925) アリストテレス (希、384-322) ラッセル (英、1872-1970) ジョージ・ブール (英、1815-1864) ヴィトゲンシュタイン
(墺、1889-1951) クルト・ゲーデル (墺、米、1906-1978) チューリング (英、1912-1954) ライプニッツ (独、1646-1716) ユークリッド (埃、384-322) デカルト (仏、1596-1650)

近代へ科学の起源と哲学の起源ユークリッド (埃、アレクサンドリア、 323-283 ぐらい) アルキメデス (希、384-322) アリストテレス (希、384-322)
巨大な形而上哲学の流れ（思惟によってたどりつく）科学・数学の流れライプニッツ (独、1646-1716) デカルト (独、1596-1650)

ニュートン「プリンキピア」（1687年）自然哲学の数学的諸原理「ニュートン力学」を総合幾何学を用いて解説。当時、微積分学はニュートンが作ったばかりだったので、総合幾何学を用いて解説した。人類至上、宇宙を大規模に解き明かした最高の書物。

世界疑い得ない、論理の明証によって築かれる世界デカルト我近代科学、近代合理主義。近代の出発点を与えた（デカルトの後の人がそう基礎づけた）。論理的明証性 http://www.iwanami.co.jp/cgi-bin/isearch?isbn=ISBN4-00-336131-8

ライプニッツ（1646-1716） • 万能の天才 • ハノーファー候（ドイツ）に仕える外交官・文官 • 欧州全体に広い人脈（ロシア皇帝からバチカンまで） •
ベルリンアカデミー設立 • 法律、数学（『微積分』の発見、二進法に関する論文）、哲学（『モナド論』）に大きな足跡を残す • デカルト批判

Element Characteristics universalis Leibniz （普遍的記号法の原理） http://www.iep.utm.edu/leib-log/ しかし、途中で終わる。（ライプニッツはすぐにできると思っていたが、
実は人類史上の、とても大仕事だった。）

哲学論理学数学、論理学、哲学（＝学問）数学

デカルトからライプニッツへつまり数学を記号操作に還元することができる。人間の思考一般を記号操作で表せるのではないか？（普遍記号学）ライプニッツ (独、1646-1716) デカルト (独、1596-1650) しかし、対立は数学だけではなくて、
より深い思想的立場が違う。我、思うゆえに我あり。疑い得ないものから出発して、明晰な論理によって認識を広げて行くこと。論理学まで含めて、全学問を普遍記号の原理の元に演繹する。

デカルト「近代学問の父」「近代合理主義」哲学論理学全学問確実な推論によって合理的推論によって

デカルトの著作 1618年『音楽提要』Compendium Musicae 公刊はデカルトの死後（1650年）である。 1628年『精神指導の規則』Regulae ad directionem ingenii 未完の著作。デカルトの死後（1651年）公刊される。 1633年『世界論』Le
Monde ガリレオと同じく地動説を事実上認める内容を含んでいたため、実際には公刊取り止めとなる。デカルトの死後（1664年）公刊される。 1637年『みずからの理性を正しく導き、もろもろの学問において真理を探究するための方法についての序説およびこの方法の試論（屈折光学・気象学・幾何学）』Discours de la méthode pour bien conduire sa raison, et chercher la verité dans les sciences(La Dioptrique,Les Météores,La Géométrie) 試論（屈折光学・気象学・幾何学）を除いて序説単体で読まれるときは、『方法序説』 Discours de la méthode と略す。 1641年『省察』Meditationes de prima philosophia 1644年『哲学の原理』Principia philosophiae 1648年『人間論』Traité de l'homme 公刊はデカルトの死後（1664年）である。 1649年『情念論』Les passions de l'ame https://ja.wikipedia.org/wiki/ルネ・デカルト

ライプニッツ「普遍記号学」哲学論理学数学記号の操作によって人間の思考全体を記号操作によって、表されるはずだ。

フレーゲ（1848-1925） • 分析哲学の祖 • 人間の思考の形式化 • ゲッティンゲン大学で博士号 • イエーナ大学で殆どの時期を過ごす •
数学と哲学の間で独自の学問を打ち立てる • 現代数学の記号、一階述語論理はフレーゲに寄る。

フレーゲ「普遍記号学」哲学論理学数学論理学の体系を再構築する。

近代へ科学の起源と哲学の起源ユークリッド (埃、アレクサンドリア、 323-283 ぐらい) アルキメデス (希、384-322) アリストテレス (希、384-322)
オルガノン（アリストテレス論理学）科学・数学の流れライプニッツ (独、1646-1716) デカルト (独、1596-1650) フレーゲ (独、1848-1925) 論理学の革新人間の思考の記号化

フレーゲ「普遍学」「概念記法 – 算術の式言語を模造した純粋思考のための一つの式言語-」

述語論理命題一階述語論理二階述語論理～は～である。（例）メアリは女優である。女優は女性である。メアリは女性である。すべての～はーである。
{∀ t | P(t) } （例）すべての人間は生まれた。～というーが存在する。 {∃t | P(t) } （例）体の白いラインが存在する。全称量化記号 (universal quantifier) ∀ と存在量化記号 (existential quantifier) ∃ 命題と変数 P (t) 命題と変数と集合 P (t)、集合S ～という集合が存在するすべての集合について～である。（例）任意のxについて、それは集合に属するか、属さないかである。 ∀S ∀x (x ∈ S ∨ x ∉ S) 三段論法

フレーゲの記号系 http://plato.stanford.edu/entries/frege-theorem/notes.html

http://slideplayer.org/slide/667932/ フレーゲの記号系 https://www.math.uwaterloo.ca/~snburris/htd ocs/scav/frege/frege.html

ブール代数 • 冪等則：x ∧ x = x ∨ x =
x 、 • 交換則：x ∧ y = y ∧ x 、x ∨ y = y ∨ x 、 • 結合則：(x ∧ y)∧ z = x ∧(y ∧ z) 、(x ∨ y)∨ z = x ∨(y ∨ z) 、 • 吸収則：(x ∧ y)∨ x =x 、(x ∨ y)∧ x = x 、 • 分配則：(x ∨ y)∧ z = (x ∧ z)∨(y ∧ z) • (x ∧ y)∨ z = (x ∨ z)∧(y ∨ z) • さらにL の特別な元 0 ，1 と単項演算 ¬ について、以下が成り立つとき＜L; ∨, ∧, ¬＞を可補分配束（ブール束）と呼ぶ。 • 補元則： x ∨ ¬x = 1， x ∧ ¬ x = 0。

論理主義 • しかし、数学は論理学の一部ではない。 • 実数（連続量）を定義できるか？ • 論理から数を定義しようとする（カントール、デーデキントなど）。 • しかし、数学の体系の中には、肯定も否定もでき
ないような命題が存在する。 • これを「ゲーデルの不完全性定理」という。 • 論文「『プリンキピア・マテマティカ』とそれに関連する体系における形式的に決定不可能な命題についてＩ」（ゲーデル、1931年）

（例）連続体仮説 • 加算無限濃度（自然数）と、連続体無限濃度（実数）の間には、他の濃度は存在しない。（ゲオルグ・カントール）この命題は実は否定も肯定もできない。逆に言うと、この命題を付け加えても、付け加えなくても、数学はそのまま成立する。（選択公理） https://ja.wikipedia.org/wiki/%E9%80%A3%E7%B6%9A%E4%BD%93%E4%BB%AE%E8%AA%AC アレフゼロ

バートランド・ラッセル(英、1872-1970) • 英の数学者・哲学者・文学者 • ノーベル文学賞を受賞 • ケンブリッジ大学で教える。 • ヴィトゲンシュタインを見出す。 •
政治的運動も展開。 • 数々の著作。 • 論理学者としてラッセルのパラドックス

分析哲学の系譜フレーゲ (独1848-1925) ラッセル (英1872-1970) ブール (英1815-1864) ヴィトゲンシュタイン (墺、1889-1951) ゲーデル
(墺1906-1978) ライプニッツ (独1646-1716) デカルト (仏1596-1650)

述語論理命題一階述語論理二階述語論理～は～である。（例）メアリは女優である。すべての～はーである。 {∀
t | P(t) } （例）すべての人間は生まれた。～というーが存在する。 {∃t | P(t) } （例）体の白いラインが存在する。全称量化記号 (universal quantifier) ∀ と存在量化記号 (existential quantifier) ∃ 命題と変数 P (t) 命題と変数と集合 P (t)、集合S ～という集合が存在するすべての集合について～である。（例）任意のxについて、それは集合に属するか、属さないかである。 ∀S ∀x (x ∈ S ∨ x ∉ S) 現代数学

ラッセル/ホワイトヘッド数学原理（Principia Mathematica） • 数学が論理学で記述できることを示す。 • ラッセルのパラッドクスを回避するラッセル自身の「型理論」 (type theory)が盛り込まれる。 https://archive.org/details/PrincipiaMathematicaVolumeI

ヴィトゲンシュタイン（1889-1951） • オーストリアの哲学者 • 工学からその基礎に疑問を持ち、 • 数学、さらに哲学へ。 • イギリスのケンブリッジのラッセルのもとで哲学を研究する。
• フレーゲと交流。 • 孤高の哲学者。 • ２０代で「論理哲学論考」を著して、小学校教師に。その後、再び、大学で研究する。「哲学論考」 • 講義を受けた聴講者が講義録をまとめる。

ヒルベルト「数理論理学」 • 20世紀最大の数学者 • 「マテマティカ・プリンキピア」の成果を数学的に細分化し、数学基礎論として位置付けた。 • ヒルベルト/アッカーマン「数理論理学」（1927年、オリジナルはゲッティンゲン
大学における講義 1917-1918） • 決定問題を提起

アラン・チューリング（1912-1954） • ヒルベルトの関数計算の記法を体系的かつ有限個の記号だけを使うように変更すれば、その計算体系で証明可能なすべての論理式を見つけることができるような自動機械Ｈを構成できる。（チューリングに論文より引用）（チャールズ・ベゾナルド「チューリングを読む」P.344）

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

Logic Theorist http://www.slideshare.net/umeshmeher/artificial-intelligence-34661808

ジョン・マッカーシー「適切な形式言語（おそらく述語計算の一部）を処理するプログラムは共通の手段となる。基本プログラムは前提から直ちに結論を導き出す。その結論は宣言的かもしれないし命令的かもしれない。命令的な結論が導かれるなら、そのプログラムはその結論に対応した動作をする」（1958年） •
「ALGOL」「LISP」「Prolog」によって数理論理学の人工知能への応用を牽引した。

論理プログラミング人間の思考の記号化の夢人間の思考の記号化の研究人工知能における論理思考＝述語論理プログラミング分析哲学・言語哲学 LISP
/ PROLOG 数理論理学の成果をプログラミングに導入する。

論理プログラミング人間の思考の記号化の夢人間の思考の記号化の研究分析哲学・言語哲学 LISP / PROLOG 数理論理学の成果をプログラミングに導入する。
計算理論

論理プログラミング人間の思考の記号化の夢人間の思考の記号化の研究分析哲学・言語哲学 LISP / PROLOG 数理論理学の成果をプログラミングに導入する。
計算理論哲学論理学数学プログラミング人工知能

人工知能の歴史を学ぶ＝哲学・数学の歴史を知る

人工知能と創造性

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/intromaze.html

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

迷路の自動的な作り方 • 穴掘り法 • 棒倒し法 • 壁伸ばし法

WarFrame における自動生成マップの自動解析による自動骨格抽出 • 自動生成するだけでなく、自動生成したダンジョンを、自動解析します。ここでは、トポロジー（形状）検出を行います。

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 1985 1983

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

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

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）

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

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

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.htm

第十章データ解析・学習によるオンラインゲームのサポート井澤正志株式会社gloops（グループス）データマイニングによって変わった「大熱狂!!プロ野球カード」のKey Performance Indicatorの事例研究 http://cedec.cesa.or.jp/2012/program/BM/C12_P0156.html

A Brief History of Matchmaking in Heroes of the Storm
Alex Zook, Blizzard Entertainment https://archives.nucl.ai/recording/a-brief-history-of-matchmaking-in-heroes-of-the-storm/

Tom Mathews Making "Big Data" Work for 'Halo': A Case
Study http://ai-wiki/wiki/images/d/d8/AI_Seminar_177th.pdf

Gameplay Data Analysis: Asking the Right Questions Ian Thomas (Epic
Games) http://www.gdcvault.com/play/1015482/Gameplay-Data-Analysis-Asking-the

第九章モバイルゲームにおける人工知能

FINAL FANTASY Record Keeper のバトル難易度調整を機械学習で支援する AIによるゲームアプリ運用の課題解決へのアプローチ友部博教、半田豊和（株式会社ディー・エヌ・エー） https://cedil.cesa.or.jp/cedil_sessions/view/1511

人工知能のさまざまな応用

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

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。

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

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 ワトソン新人バックアップ

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。

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

• 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）

学習する人工知能から学ぶことユーザーデータ AI

人工知能は電気、ガス、インターネットのように社会インフラとなる。

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

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

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。

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。

人工知能は自分で問題（フレーム）を作れない。与えられた問題の中で、人間より賢くなる。これからの時代に必要な能力＝問題を作る能力＝人工知能を使役する能力

サービスと人工知能

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

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。

• 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？

• 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。

• 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

• 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

• 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

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

人工知能は二種類ある。社会インフラとなる人工知能。個人をアシストする人工知能。二つともこれからのビジネス。

人間にとって人工知能とは

西欧的知能感神人間人工知能垂直的知能感人間に似ていれば似ているほど良い。＝ Human-like
AI

東洋的知能感神人間人工知能鹿ゾウリムシ初音ミク
AIBO たまごっち水平的知能感すべてに神が宿る（「八百万の神」世界観）

一つの体験経験２さまざまな現実人間は一つの体験をさまざまな経験に変形しながら学習していくメタファー知能とメタファー

一つの知的機能経験２さまざまな現実人工知能はたくさんの体験から一つの知的機能を学習する知能とメタファー抽出

会話ってなんだろう？ http://gahag.net/001633-animal-set/

言語とは世界の分割である

シロアリをつまむ観察された構造行動の構造行動の対象物シロ
アリ階層0 シロアリを棒で釣る階層1 シロアリ棒ヤシの種を台石に載せてハンマーで叩く階層2 ヤシの種台石ハンマ｜台石の下に別の台石をかませてその上にヤシの種をのせてハンマーで叩く階層3 ヤシの種台石ハンマ｜台石松沢哲郎「チンパンジーの心」(岩波書店、2000) より言語構造＝世界の理解の仕方

ペットボトルノートノートパソコン机左にある右にある奥にある奥にある上にある上にある
イス下にある足が四本ある平板がある背もたれがある木でできているシンボルと世界

けものをのけものにしない日本語で難易度の高い例文（考えてみよう）

けものをのけものにしない日本語で難易度の高い例文（考えてみよう）コンピュータが内容を理解するためには、意味ある文章にするためには、 AIで良く使われる形態素解析という行為が必要です。人間で言うと品詞分解です。

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

人工知能は現実が苦手

自然知能と人工知能人間＝自然知能機械＝人工知能人間が人工知能を理解する。人工知能が人間を理解する。

Miracon_2018_12_23_public.pdf

Miracon_2018_12_23_public.pdf

More Decks by miyayou

Featured

Transcript