人工知能を開発する側から見る人間の条件

人工知能を開発する側から見る人間の条件ー生徒に身につけさせたい力とは－日本デジタルゲーム学会理事三宅陽一郎 2019.8.6 かなっくホール https://www.facebook.com/youichiro.miyake
http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com @miyayou

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

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）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）。

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

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、機械の精神意識前意識無意識外部からの情報意識前意識無意識外部から
の情報言語・非言語境界面知覚の境界面人工知能は、人間の知能を機械に移したもの。

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

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… 第一次ＡＩブーム＝ＡＩ分野の立ち上がりのブーム（専門家の中）。研究の黎明期。第二次ブーム＝パーソナルコンピューターの普及。ニューラルネットの改善。社会にコンピューターが広がって行くとき雰囲気。第三次ブーム＝ビックデータの上に学習する人工知能第一次AIブーム第二次AIブーム第三次AIブーム

人工知能がブームになるとき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？

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。

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 シンボルによる人工知能は堅実に進化する

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。

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

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。

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

医学的知識モデル化数学的モデルニューロンニューラルネットワーク（ニューロンをつなげたもの） 2 第一次ＡＩブーム（1960年代）結合には強さがある。
結合には強さがある。

医学的知識モデル化数学的モデルニューロンニューラルネットワーク（ニューロンをつなげたもの） 2 第一次ＡＩブーム（1960年代）電気電気
電気

2 第一次ＡＩブーム（1960年代）身長体重年齢健康要運動注意学習データからここの重みを
変化させます健康要運動注意新しいデータニューラルネット＝データを分類する人工知能

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） 1 0 0 このように学習させたい

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

第二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」の時代に入りつつある。

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） → 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

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.ht ml ？

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 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（人間より）得意。

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

人と人工知能の非対称性経験（人間）人工知能人間

人と人工知能の非対称性経験ベルクソン＝内部に留保されている渦の集まり人工知能人間人はフレームを作り出せるが、フレームの中の人工知能が経験にたどり着くことはない。人工知能は人間を理解できない。世界を経験をすることはない。
フレームの中で活動することはできても。

時間（イメージ）空間（論理）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。

時間（イメージ）空間（論理）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。人はフレームを創造・変形・細分化できるが、人工知能にその一部を代替させる＝外部知能としての人工知能＝自分の延長としての人工知能

人フレームフレームフレームフレーム（小）＝人工知能の役割フレーム（小）＝人工知能の役割自分の延長としての人工知能
（フレームがつなぐ）

人フレームフレームフレームフレーム（小）＝人工知能の役割フレーム（小）＝人工知能の役割自分の延長としての人工知能
（フレームがつなぐ）これは協調ではない。＝一体となることが協調ではない＝他者でありながら、協調する

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

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

人工知能は一般的な問題は解けない＝部分的な問題を解ける

閉じている開いている総合型専門型直観精密総合型人工知能（汎用人工知能）問題特化型
人工知能フレームが閉じている問題領域

人工知能フレームが閉じている問題領域フレームが閉じていない問題領域

人工知能

人工知能フレームが閉じている問題領域フレームが閉じていない問題領域

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 Deep Learning

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。

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）

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」

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

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

これからは都市全体が人工知能になる時代＝スマートシティ

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？

これからは人工知能は人と人の間に入る時代

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。

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

Deep Q-Learning • https://becominghuman.ai/lets-build-an-atari-ai-part-1-dqn- df57e8ff3b26 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 https://becominghuman.ai/lets-build-an-atari-ai-part-1-dqn-df57e8ff3b26

（コネクショニズム） Google検索,IBM ワトソンなど AlphaGo など http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html

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 https://www.youtube.com/watch?v=5WXVJ1A0k6Q

• 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/

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/

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

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

（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。

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

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

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

人間の精神、機械の精神意識前意識無意識外部からの情報意識前意識無意識外部から
の情報言語・非言語境界面知覚の境界面

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

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。

第三章まとめ • 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。

【ワーク①】 • 人工知能があることで多くエンハンス・縮小されるような仕事は何か（30分） • ①学校の先生 ②コンビニ店長 ③医者 • 15分議論、発表・講評：15分

第三章メタAI・キャラクターAI・ナビゲーションAI

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）

人工知能の社会的受容の位置が違う東洋：横並び西洋：上下関係

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 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。

第三章① メタＡＩ

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ＡＩナビゲーションＡＩのイメージをつかめただろうか？では、最後のメタＡＩについて説明する。

メタＡＩの歴史 1980 1990 メタＡＩというのは、ゲームそのものに埋め込まれたＡＩ。 1980 1990 2000 古典的メタAI 現代のメタＡＩキャラクターＡＩ技術の発展

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 Left 4 Dead の事例 Michael Booth, "The AI Systems
of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 今回は Left 4 Dead の事例を見てみる。

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

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

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。

Procedural Generation in WarFrame • Warframe ではダンジョンが自動生成される。 Daniel Brewer, AI
Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

Black Combination in WarFrame • ブロックを組み合わる • 完全に零からの生成ではない。このような生成のことを
Semi-procedural と言う。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

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。

WarFrame における自動生成マップの自動解析によるナビゲーションデータ作成抽出した骨格に沿って自動的にナビゲーション・データを作成します。 Daniel Brewer, AI Postmortems: Assassin's
Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

スタートポイント、出口、目的地の自動生成 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM:
Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

ヒートマップ（影響マップ）を用いてゲーム中にプレイヤーの周囲を自動解析 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM:
Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed ヒートマップ（影響マップ）とは、対象（ここではプレイヤー）を中心に、位置に温度（影響度）を与える方法です。距離に応じて減衰します。また時間が経つと、周囲に熱が拡散します。

Tactical Map の例 (影響マップ) （例）敵と自分の勢力をリアルタイムに計算する。 4 6 8 8 8
8 6 4 2 0 -1 -2 -4 -4 -4 -2 4 6 8 8 8 8 4 2 1 0 -2 -4 -4 -2 4 6 8 8 8 6 3 1 0 -2 -4 -4 -4 -2 4 6 8 8 8 6 6 4 1 0 -2 -4 -4 -2 2 4 6 8 6 6 4 4 0 -1 -2 -4 -4 -4 -2 1 2 4 6 6 4 2 2 -4 -5 -3 -3 -4 -4 -2 -1 3 3 3 3 4 2 2 0 -4 -5 -5 -8 -8 -6 -4 -2 3 3 2 2 2 0 -2 -4 -8 -10 -10 -8 -4 -2 3 3 3 2 2 1 0 -4 -8 -10 -10 -8 -8 -4 -2 2 2 2 2 1 1 0 -3 -8 -10 -10 -8 -8 -4 -2 1 1 1 1 0 0 -2 -4 -8 -8 -8 -8 -8 -8 -8 -8 0 0 0 0 0 -1 -1 -2 -5 -6 -6 -6 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -4 -4 -4 -6 -8 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1

ヒートマップ（影響マップ）を用いてゲーム中にプレイヤーの周囲を自動解析「ヒートが増加する＝プレイヤーが近づく点」「ヒートが減少する＝プレイヤーが遠ざかる点」 Daniel Brewer, AI Postmortems: Assassin's Creed
III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

アクティブ・エリアセット（Active Are Set） Daniel Brewer, AI Postmortems: Assassin's Creed III,
XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed アクティブ・エリアセットは、プレイヤーの周囲の領域で、リアルタイムにメタAIがゲームを調整する領域

メタAIがアクティブ・エリアセット内でゲームを調整する「ヒートが増加する＝プレイヤーが近づく点」なので、モンスターを生成する。「ヒートが減少する＝プレイヤーが遠ざかる点」なので、モンスターを停止する。 Daniel Brewer, AI Postmortems: Assassin's Creed

メタAI （AI Director,）による動的ペース調整 Daniel Brewer, AI Postmortems: Assassin's Creed

メタＡＩ（自動適応ペーシング）メタAI （AI Director,）による動的ペース調整 Daniel Brewer, AI Postmortems: Assassin's
Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

メタAIによる出会うモンスターの数の大域調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy
Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed プレイヤーのスタート地点から出口までの道のりで、コンスタントにモンスターと出会うようにする。

FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto
for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/

物語を作る人工知能

これからのゲームの作り方オープンワールドプロシージャル（自動生成）適応型的AI （自動AI配置、自動ミッション生成）

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。

第三章② キャラクターＡＩ

アプローチより深い知能に対する知見（サイエンス、哲学）そこから構築（エンジニアリング）人間-人工知能、人工知能-人工知能の関係性の深さ

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

原始の海＋光＋熱＋稲妻 http://www.yunphoto.net/jp/photobase/yp2863.html Photo by (c)Tomo.Yun http://www.yunphoto.net

ユーリーミラーの実験ガスから生命の構成要素であるアミノ酸を合成した。ハロルド・ュ―リーの研究室で、スタンレー・ミラーが実験（1953年） http://ja.wikipedia.org/wiki/%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB:Miller-Urey_experiment_JP.png

極性頭部非極性尾部水と仲良し水と溶けあえない（参考）永田和宏「生命の内と外」（「考える人」（Vol.45））

自己組織化

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

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

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組み換え）、情報をアウトプット・排泄する。

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・知性身体人工知能ハードウェア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

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

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/

第三章③ 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

人工知能の起源

哲学論理学数学、論理学、哲学（＝学問）数学

数学数学＝？数学

数学の歴史代数学幾何学ディオファントス「算術」方程式（当時はそう呼んでいなかったが）ユークリッド (埃、アレクサンドリア、 323-283 ぐらい) x2
- n y2 = 1 などの解を求める

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。

数学の歴史代数学幾何学解析幾何学純粋幾何学

数学の歴史代数学幾何学解析幾何学純粋幾何学 x2 - n y2 =
1 などの方程式によって図形・曲線を表す。記号操作によって、誰でも一定の手順で証明が可能。補助線など「閃き」によって証明する。

デカルトからライプニッツへ幾何学を代数的様式で表す（）。記号操作によって幾何学を行うことが可能。つまり数学を記号操作に還元することができる。デカルトは数学的量を記号で置き換えた（代数）。しかし、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)

デカルトからライプニッツへ幾何学を代数的様式で表す（）。記号操作によって幾何学を行うことが可能。つまり数学を記号操作に還元することができる。デカルトは数学的量を記号で置き換えた（代数）。しかし、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。

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。

デカルト哲学論理学数学確実な推論によって記号の操作によって

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。

ライプニッツ「モナドロジー」 (原著：1714, 翻訳:2005,清水富雄、竹田篤司、飯塚勝久) • 表象も、表象に依存して動くものも、メカニックな理由、つまり形や運動を持ち出しては、説明がつかないということである。ものを考えたり、感じたり、知覚したりできる(p.8)

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

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「概念計算」 • ライプニッツもまた適切な表記法のもつ利点を認識していたし、恐らく、それを過大評価していたのだ。普遍記号学、すなわち、哲学計算（calculus philosophicus）、あるいは計算者（ratiocinator）という彼のアイデアは、あまりにも巨大だったので、それを具体化しようとする試みは単なる準備段階を出ることはなかった。（フレーゲ著作集１、勁草書房勁、P.4-5）

フレーゲ「概念計算」 • われわれは、現存する幾つかの式言語に見られる隙間を埋め、これまでばらばらであったそれらの分野をただ一つの領域へと結合し、更に、これまでそのような式言語を欠いていた領域へとそれを拡張することができるのである。（フレーゲ著作集１、勁草書房勁、P.4-5）

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-」

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/ht docs/scav/frege/frege.html

問３「論理思考と人間と人工知能」人間の思考活動を、記号的な論理法則ですべて表現することは可能か？もし可能なら、それを人工知能に移せば、人間の思考となるか？

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 • 数学は論理学の一部である。 • フレーゲは公理系からそれを実証しようとする。（算術の基礎） • しかし、公理の一つ（５つめの公理）がパラドックスを含むことがわかる。 •
フレーゲはそのパラドックスを回避しようとする。論争。 • 現代ではフレーゲの公理系を修正できるという評価。

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

ラッセルのパラドックス • 「市長は自分が市長をする市以外に住まなくてはならない。市長を集めた不在市長市に、すべての不在市長が住まなくてはならない。誰が市長になれば良いか？」 • 自己言明に対するパラドクス。 • フレーゲによる修正 •
ラッセルによる修正＝型階層理論（集合にはクラスがある）

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)

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

極限の概念「ε-δ論法」 • 「任意のεを取った時、|f(x)-b|がε以下になるような |x-a|<δ となるδが存在する。」 b a

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。

ヴィトゲンシュタイン「論理哲学論考」 • 哲学の目的は思考の論理的明晰化である。 • 哲学は学説ではなく、活動である。 • 哲学の仕事の本質は解明することにある。 • 哲学の成果は、命題ではない。命題の明晰化である。 •
思考はそのままではぼやけている。哲学はそれを明晰にし、限界をはっきりさせねばならない。（ヴィトゲンシュタイン「論理哲学論考」岩波文庫、P.51）

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）

本日のメニュー • 序章前置き－数学、物理学、認識－ • 第一章分析哲学の系譜 • 第二章分析哲学から人工知能へ
• 第三章人工知能の拡がりと論理プログラミング • 第四章ゲームキャラクターにおける応用 • 第五章記号論の反対側 – ニューラルネットワーク –

分析哲学から人工知能へ第二章

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

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 (1956年) • 世界初の人工知能プログラム • ダートマス会議においてデモンストレーション • アレン・ニューエルとハーバート・サイモン（後にノーベル経済学賞）
• 「プリンキピア・マテマティカ」の定理を、プログラム上で、組み合わせにより証明。 • 「プリンキピア・マテマティカ」は定理を組み合わせて証明して行くので、適している。 https://www.ai-gakkai.or.jp/whatsai/AItopics5.htm

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

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

東洋哲学と人工知能、分節化、唯識論

人間の精神意識前意識無意識外部からの情報言語・非言語境界面（シニフィアン/シニフィエ）意識の境界面（表象）
知覚の境界面知能と身体の境界面（仏教で言う：阿頼耶識）世界と自分は一体だと思っている世界と自分は違うと思っている

二つの知能論 •西洋の知能論＝機能論 •エージェントアーキテクチャ/ •環世界 •東洋の知能論＝存在論驚くほど存在について議論しない
驚くほど機能について議論しない

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エージェント・アーキテクチャ記憶

A M B C 表層意識言語アラヤ識 M領域（イマージュ）無意識意識のゼロポイント
象徴化作用意識化深層意識領域意識と本質、岩波文庫、井筒俊彦、P.214

意識と本質我々が「・・・・・・の意識」（＝表層意識）によって対象的に認識し関わり合う無数の事物からなる経験的世界が、存在の有「本質的分節の所産であることは、既に繰り返し述べたところ。事物と我々の日常的出合いに関する限り、この存在分節は、たしかに表層意識領域内での事態でしかない。だが、存在分節の根は深い。それは、表層意識の働きに尽きるものではないし、また表層意識で始めて起こることでもない。存在分節は、実は、意識のもっとずっと深いところで生起するのだ。我々が表層意識の面で見る事物の分節は、深層で第一次的分節の結果、あるいはそれの第二次的展開に過
ぎない。（意識と本質、岩波文庫井筒俊彦、P.229）

存在の混沌生態による分節化言語による分節化世界

存在の混沌生態による分節化言語による分節化世界創造のプロセス＝存在の意味分節

存在の混沌生態による分節化＝環世界による分節化言語による分節化世界創造のプロセス＝存在の意味分節

存在の混沌生態による分節化言葉による分節化見える世界社会による分節化生物レベル教育/社会＝文化の押し付け（恣意性）

内側から外側から人工知能 I m e 創発的内省性（emergent reflectivity）
世界・対象の更新世界の集約点としての自分（me）未来社会篇第弐夜より

存在の混沌生態による分節化言語による分節化世界創造のプロセス＝存在の意味分節文化世界環世界（対世界）

人間の精神意識前意識無意識外部からの情報言語・非言語境界面（シニフィアン/シニフィエ）意識の境界面（表象）
知覚の境界面知能と身体の境界面（仏教で言う：阿頼耶識）世界と自分は一体だと思っている世界と自分は違うと思っている

唯識論世界は識から成り立つとする理論。眼識耳識鼻識舌識身識意識阿頼耶識（一切種子識）
末那識感覚（五識）思考自我執着心根本心表層心深層心言葉なしで対象を直接に把握する。それぞれ固有の対象を持つ。五識と共に働いて感覚を鮮明にする。五識の後に言葉を用いて対象を概念的に把握する常に阿頼耶識を対象として「我」と執する。眼識ないし末那識を生じる。身体を生じて生理的に維持している。自然をつくり出し、それを維持し続けている。一切を生じる種子を有する。（横山紘一「唯識の思想」、講談社学術文庫、P.60 ）

唯識論世界は識から成り立つとする理論。眼識耳識鼻識舌識身識意識阿頼耶識（一切種子識）
末那識感覚（五識）思考自我執着心根本心表層心深層心言葉なしで対象を直接に把握する。それぞれ固有の対象を持つ。五識と共に働いて感覚を鮮明にする。五識の後に言葉を用いて対象を概念的に把握する常に阿頼耶識を対象として「我」と執する。眼識ないし末那識を生じる。身体を生じて生理的に維持している。自然をつくり出し、それを維持し続けている。一切を生じる種子を有する。（横山紘一「唯識の思想」、講談社学術文庫、P.60 ）阿頼耶識から生まれたものが、人間にさまざまなものを見せる。＝煩悩

イブン・アラビーの存在論（イスラーム哲学）イスラーム哲学の原像、岩波新書、井筒俊彦、P.119

言葉のない世界イブン・アラビーの存在論（アラビア哲学）イスラーム哲学の原像、岩波新書、井筒俊彦、P.119 アーラム・アム・ミサール（根源的イマージュの世界）存在的多者の領域対象からなる世界（＝言葉で分節化された世界）

存在的多者の領域アーラム・アム・ミサール上昇過程＝自己の存在を奥深く還元する下降過程
＝奥底の何かが自己を世界において顕現しようとするイブン・アラビーの存在論（イスラーム哲学）イスラーム哲学の原像、岩波新書、井筒俊彦、P.119

存在的多者の領域アーラム・アム・ミサール上昇過程下降過程上昇過程・下降過程仏教：
向上・向下（不覚 → 覚 → 不覚）仏教：向上門・却来門仏教：掃蕩門・建立門浄土真宗：住相・環相スーフィズム：上昇・下降イブン・アラビーの存在論（イスラーム哲学）イスラーム哲学の原像、岩波新書、井筒俊彦、P.119

イブン・アラビーの存在論（イスラーム哲学）存在的多者の領域アーラム・アム・ミサール上昇過程下降過程存在のゼロポイント
＝道（老子）＝絶対的一者（アハド）（イブン・アラビー）＝空＝無＝光の光＝存在の零度（ロラン・バルト）＝絶対の無＝絶対の有＝真空が妙有に切り替わるとおころ＝無極即太極（宋代の易学、周廉渓）イスラーム哲学の原像、岩波新書、井筒俊彦、P.119

自己顕現の流れ共創する場人工知能モデルトップダウンの流れボトムアップの流れ自分自身を形成する流れ自分自身を形成
する流れ種子自分行為自分自身を形成する（認識もその一部。自分自身としての認識）行為を形成する（自分自身を世界へ投げ出す）時間の作用に対してホメオタシス的衝動アポトーシス的衝動行動とは恒常性の破壊形成とは変化の破壊

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「構成的自己＝知能」の形成（創造）「存在的自己・認識・記憶」の形成（創造）一なる全（すべての源泉）受け渡し超時間的自分を時間と世界に投げ出す

人間の二つの自己本性 • 時間を超えて不変的もの・恒久的なものでありたいと願う自己（＝恒常性自己・ホメオスタシス） • 常に世界と共に一つの流れでありたいと願い自己（＝投与的自己・アポトーシス）

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「構成的自己＝知能」の形成（創造）「存在的自己・認識・記憶」の形成（創造）一なる全（すべての源泉）受け渡し超時間的自分を時間と世界に投げ出す自分の中心へ向かって自分自身取り戻す力自分自身の投与によって世界に流れを作る力

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「構成的自己＝知能」の形成（創造）「存在的自己・認識・記憶」の形成（創造）一なる全（すべての源泉）受け渡し超時間的自分を時間と世界に投げ出す自分の中心へ向かって自分自身取り戻す力＝マインドフルネス自分自身の投与によって世界に流れを作る力

知能という場には二つの自己がある世界と共に一つの流れでありたいと思う自己世界から離れて独立不変の自己でありたいと思う自己

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「存在的自己・認識・記憶」の形成（創造）一なる全（すべての源泉）受け渡し超時間的自分を時間と世界に投げ出す「構成的自己＝知能」の形成（創造）

環境世界意思の決定情報処理過程運動創出過程身体部分「存在的自己・認識・記憶」の形成（創造）一なる全（すべての源
泉）超時間的自分を時間と世界に投げ出す「構成的自己＝知能」の形成（創造）

泉）超時間的自分を時間と世界に投げ出す「構成的自己＝知能」の形成（創造）自分の中心常にポップ（浮かび上がっては消える）する自己

泉）超時間的自分を時間と世界に投げ出す「構成的自己＝知能」の形成（創造）自分として世界がある世界として自分がある

泉）超時間的自分を時間と世界に投げ出す「構成的自己＝知能」の形成（創造）自分として世界がある世界として自分がある断絶

泉）超時間的自分を時間と世界に投げ出す「構成的自己＝知能」の形成（創造）自分として世界がある世界として自分がある断絶理

第四章人工知能と創造性

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

Age of Empires III における地形自動生成西川善司, 「3DゲームファンのためのAGE OF EMPIRESエンジン講座(後編)こだわりの影生成と算術合成されるディテール、次回作はXbox2?」,
GAME Watch, 2005

植物自動生成 Since 1968 A. Lindenmayer L-system 文法規則構成要素 F,+,-,[,] 規則
F-> F[-F]F[+F][F] F 0世代１世代 F[-F]F[+F][F] ２世代３世代４世代５世代 Simulating plant growth by Marco Grubert http://www.acm.org/crossroads/xrds8-2/plantsim.html

The Sketch L-System: Global Control of Tree Modeling Using Free-form
Strokes Takashi Ijiri, Shigeru Owada, Takeo Igarashi. The Sketch L-System: Global Control of Tree Modeling Using Free-form Strokes http://www-ui.is.s.u-tokyo.ac.jp/~ijiri/SketchLSystem/index.html L-system を用いて簡単な操作で木のモデルを作成するツール

デモ The Sketch L-system SG06_SketchLSystem Takashi Ijiri, Shigeru Owada, Takeo
Igarashi. The Sketch L-System: Global Control of Tree Modeling Using Free-form Strokes http://www-ui.is.s.u-tokyo.ac.jp/~ijiri/SketchLSystem/index.html

L-system によるダンジョン自動生成（三宅案） variables : X Y F constants : +
− start : FX rules : (X → X+YF+),(Y → -FX-Y) angle : 90° http://en.wikipedia.org/wiki/L-system

L-system による街の自動生成 City Engine(central pictures) Yoav I H Parish, Pascal
Müller http://www.centralpictures.com/ce/tp/paper.pdf http://www.centralpictures.com/ce/ George Kelly, Hugh McCabe, A Survey of Procedural Techniques for City Generation http://www.gamesitb.com/SurveyProcedural.pdf

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

自動生成ダンジョンを取り入れたいくつかのゲームタイトル例 1980年 Rogue 1984年ドルアーガの塔（バンダイナムコゲームス） 1987年 NetHack 1988年ティル・ナ・ノーグ（システムソフト）※シナリオ自動生成、世界自動生成
1993年トルネコの大冒険（エニックス） 1995年風来のシレン（チュンソフト） 1996年 Diablo（Blizzard） 2004年マビノギ（ネクソンジャパン） 2005年 CODED ARMS (コナミ) 2006年テイルズオブエターニアオンライン（バンダイナムコゲームス） 2007年 Hellgate：London （Flagship Studios） ※3Dダンジョンブルードラゴン「シャッフルダンジョン」（MISTWALKER）ファイナルファンタジー11「ナイズル島」（スクウェア・エニックス） 2012年ドラゴンクエストモンスターズテリーのワンダーランド3D （スクウェア・エニックス） 2014年ドラゴンファンク（Toydea） 2018年魔女の迷宮（オレンジキューブ）その他多数植物自動生成・自動配置が応用されているいくつかのタイトル・開発環境 2008年 Far Cry 2 （Ubisoft） 2008年 Spore（Maxis）※自動配置以外にも、さまざなプロシージャル技術を導入 2009年 SpeedTree （IDV社）※専用ミドルウェア 2009年 CryEngine 3（Crytek社）※ゲームエンジン 2017年 Horizon Zero Dawn（Guerilla Games）地形自動生成が応用されているいくつかのタイトル 1996年 The Elder Scrolls:DAGGERFALL（Bethesda Softworks） 1999年 Age of Empire II （Ensemble Studios） 2001年 Empire Earth（Stainless Steel Studios） 2002年 Age OF Mythology（Ensemble Studios） 2003年 Eve Online（CCP Games）※地形というよりも星系 2005年 Age of Empires III（Ensemble Studios） 2009年 Halo Wars（Bonfire Studios）※開発工程において 2010年 A列車で行こう9（アートディンク）※シリーズ通して応用されている 2016年 No Man’s Sky（Hello Games） ※様々な自動生成技術が集積している 2017年 Horizon Zero Dawn （Guerilla Games） ※開発工程において

第五章シンギュラリティ

シンギュラリティ＝人間と人工知能の関係が新しい段階に移ること閉じた問題を設定すれば、今でも人工知能は人間を凌駕する。（例）閉じた問題＝偶発性のない問題。画像診断、将棋、囲碁、など。開いた問題に対して、人工知能は基本的に対応できない。

シンギュラリティ＝人間と人工知能の関係が新しい段階に移ること専門的な状況を設定すれば、今でも人工知能は人間を凌駕する。（例）専門的な状況＝完全に定義された状況。精密組み立て、経路検索総合的な状況に対して、人工知能は基本的に対応できない。

人工知能が解ける問題閉じている開いている総合型専門型人工知能が得意運動、運転、身体性新しい芸術

人工知能が解ける問題閉じている開いている総合型専門型画像診断、将棋、囲碁、文書整形運動、運転、身体性新しい芸術

人工知能が解ける問題閉じている開いている総合型専門型画像診断、将棋、囲碁、文書整形直観精密
運動、運転、身体性新しい芸術

人工知能が解ける問題閉じている開いている総合型専門型運動、運転、身体性新しい芸術画像診断、将棋、囲碁、文書整形
直観精密

人工知能が解ける問題閉じている開いている総合型専門型直観精密総合型人工知能（汎用人工知能）
問題特化型人工知能

人工知能が解ける問題閉じている開いている総合型専門型運動、運転、新しい芸術画像診断、将棋、囲碁、文書整形
直観精密

人工知能最終的に人工知能がカバーする問題群

人工知能最終的に人工知能がカバーする問題群人間が得意とする問題群

人工知能最終的に人工知能がカバーする問題群人間が得意とする問題群完全なシンギュラリティ

人間と人工知能の関係はどうあるべきか

人工知能

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 ＝単一の軸命令＝サーバント

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）話者＝仲間

デジタルの海要素を集めて積み重ね、構築的に人工知能を作る＝西欧的人工知能デジタルの海人工知能電子の海から人工知能を見つけ掘り出す＝東洋的人工知能
積み重ねる掘り出す掘り出す積み重ねる人工知能

まとめ

技術の進歩時間軸非技術的世界機械化コンピュータ化情報化人工知能（AI）化

シンギュラリティ・ライン人工知能の技術の蓄積人間を中心として外部へ向かって環境・空間・身体に宿るインテリジェンス一つの存在へとインタグレ―ションし、新たなる知能を生み出す拡張人間（Human Augmentation による
Augmented-Human ＝人工知能と融合した人間）自律側AI （Autonomous AI ＝人工知能の純粋な結晶）人工知能進化の方向人間側にAI 技術を集約非人間側にAI 技術を集約人間側人工知能

シンギュラリティ・ライン人間を中心として外部へ向かって環境・空間・身体に宿るインテリジェンス一つの存在へとインタグレ―ションし、新たなる知能を生み出す拡張人間（Augmented Human）自律側AI （Autonomous
AI）人工知能進化の方向人間側人工知能現在の人間と人工知能の関係性より高次の新しい関係性アップデ｜ト

シンギュラリティ・ライン拡張人間（Augmented Human）自律側AI （Autonomous AI）人工知能進化の方向発展
進化より高次の新しい関係性さらに発展する関係性

シンギュラリティ・ライン人間を中心として外部へ向かって環境・空間・身体に宿るインテリジェンス一つの存在へとインタグレ―ションし、新たなる知能を生み出す拡張人間（Augmented Human）自律側AI （Autonomous
AI）人工知能進化の方向人間側人工知能現在の人間と人工知能の関係性アップデ｜ト人と人工知能の相互作用する場

シンギュラリティ・ライン人間を中心として外部へ向かって環境・空間・身体に宿るインテリジェンス一つの存在へとインタグレ―ションし、新たなる知能を生み出す ①拡張人間（Augmented Human） ②自律側AI （Autonomous
AI）人工知能進化の方向人間側人工知能現在の人間と人工知能の関係性アップデ｜ト ③人と人工知能の相互作用する場

人工知能が導入される場所 ① 人間 ② 人工知能 ③ 場 ① 拡張人間 ②
自律的人工知能 ③インテリジェントな場

人工知能の描く未来像

社会仕事人仕事をする仕事をするサポート人工知能

ネットワールド人エージェントエージェント仮想人格現実存在

ゲーム世界人工知能アシストゲーム世界プレイヤー人仮想人格プレイヤー仮想人格
仮想身体仮想身体人

ゲーム世界プレイヤー人仮想人格仮想身体本能

物理空間ネット空間 GPS バインディング人間が移動その人間のエージェントが移動

社会マザーAI エージェントエージェントエージェント
エージェントエージェントエージェントエージェントエージェントエージェントエージェント生成する（知識を付与）消滅させる（知識を吸い上げる）知識をやりとり人人とコミュニケーション

拡張人間（Augmented Human）自律側AI （Autonomous AI）人工知能進化の方向発展進
化相互に学習する発展進化相互に学習する相互に学習する

ご質問 • miyakey@square-enix.com • Twitter: @miyayou • Facebook: https://www.facebook.com/youichiro.miyake

人工知能を開発する側から見る人間の条件

人工知能を開発する側から見る人間の条件

More Decks by miyayou

Other Decks in Education

Featured

Transcript