スマートシティ＝メタバースの設計と構築

スマートシティ＝メタバースの設計と構築

Transcript

1. スマートシティ＝メタバースの 設計と構築 三宅 陽一郎 @miyayou 2022.6 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com https://miyayou.com/
2. 自己紹介
3. Hopper Training Hopper Trained
4. My Works (2004-2022) AI for Game Titles Books
5. 近著
7. リアルタイム ノンリアルタイム 身体を持つ 身体を持たない 身体を持ち リアルタイムに 空間を運動する 身体を持たず 空間を運動しない ゲーム・ロボット ビックデータ解析
8. ゲームＡＩの特徴 リアルタイム インタラクティブ 身体を持つ ゲーム VR/AR ロボット・ 自動運転 デジタルサイネージ ドローン エージェント・サービス
9. ＡＩの分化（1994-2000） 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 ３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。
10. レベルスクリプト ナビゲーションAI キャラクターAI メタAI 1995 2000 2005 2010 1994 (ゲームの3D化) 1999 (スクリプティッドAIによる 大型ゲームのキャラクター制御の限界。 自律型AI技術のアカデミックからの流入) 2005 (ウィル・ライトによる“メタAI”定義) 2008 (“LEFT 4 DEAD”に におけるAI Director) 2010頃～ （オープンワールド型 ゲームの隆盛) スパーシャルAI 1980 PlayStation (1994) Xbox360 (2005) PlayStation3 (2006) スクリプティッドAI 三宅陽一郎、水野勇太、里井大輝、 「メタAI」と「AI Director」の歴史的発展、日本デジタルゲーム学会（2020年、Vol.13, No.2） LS-Modelモデル LCN-AI連携モデル MCS-AI動的連携モデル MCN-AI連携モデル
11. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタ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 Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル（三宅,2020）
12. 都市全体の知能（意識） 交通全般を制御するAI 各エリアを 監視・制御するAI 各ビルを監視・ 制御するAI 道路を 監視・制御 するAI 各広場を 監視・制御 するAI 人の流れを 監視・制御 するAI 抑止・委任 報告 抑止・委任 報告 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御 協調 協調 協調・ 命令 監視 制御 デ ジ タ ル ツ イ ン ／ メ タ バ ス ／ 世 界 モ デ ル 都 市 キャラクターAI ス パ ｜ シ ャ ル AI メタAI 空 間 記 述 表 現 協調 協調
13. 情報処理学会 ７月号（電子） 人工知能学会誌 ７月号
14. 参考文献 • 三宅陽一郎 「デジタルゲームAI技術を応用したスマートシティの設計」 人工知能学会誌、37巻4号（2022年） 10ページ • 三宅陽一郎「メタバースの成立と未来 ―新しい時間と空間の獲得 へ向けて―」, 情報処理, Vol.63 No.7 （2022年） 34ページ https://ipsj.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&ite m_id=218538&item_no=1&page_id=13&block_id=8
15. デジタルゲームAI入門① （キャラクターAI）
16. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタ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 Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル
17. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタ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 Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル
18. 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
19. 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）
20. (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）
21. （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）
22. 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
23. 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
24. 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/
27. 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
28. 機能環 効果器 受容器（刺激→興奮（記号）） 客体 活動神経網 知覚神経網 前野佳彦訳・ユクスキュル「動物の環境と内的世界」 （みすず書房） 知覚世界 活動世界 知覚微表担体 対象化された機構 活動担体 内的世界 興奮（記号） 興奮 興奮 運動形態 ＝特定の筋肉を動かす 中枢神経網
29. Physical Informat ion Abstract Informat ion More Abstract Informat ion Abstraction Time Decision-Making Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Decision-Making Object image on the top layer
30. 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
31. デジタルゲームAI入門② （スパーシャルAI）
32. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタ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 Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル
33. 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
34. パス検索（デモと実例）
35. （メッシュ） コスト : 0.5 見通し: 1.0 地表： 土 （メッシュ） コスト : 0.8 見通し: 0.7 地表： 沼 （オブジェクト） 動かせる : (1.0,0.8)向き 持ち上げる: false 上に乗れる： false 硬さ： 0.9 重たさ： 0.4 （オブジェクト） アクション：レバー倒す 効果： 扉が開く （オブジェクト）扉 メッシュ同士の リンク情報
36. スパーシャルAI 空間解析 状況解析 位置検索技術 パス検索 スマートオブジェクト など多数 影響マップ など多数
37. プレイヤー予測経路（ゴールデンパス） M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical
38. ゴールデンパスに沿った位置検索技術 プレイヤーの 予想目標地点 プレイヤーの現在位置 ゴールデンパス ゴールデンパス上で、20m以上プレイヤーから離れて、 40m以内にある場所で、ゴールデンパスから幅10mの領域でポイントを見つける
39. M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical
40. Tom Mathews Making "Big Data" Work for 'Halo': A Case Study http://ai-wiki/wiki/images/d/d8/AI_Seminar_177th.pdf
41. 位置検索システム
42. 位置検索システム - キャラクターの性能に応じて - 地形毎に - リアルタイムで 最も適したポイントを見つけるシステム
43. Enemy Friend NPC Rock Rock Sea Hole
52. オリジナル
53. オリジナル
54. M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical
55. M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical
56. M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical
57. M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical
58. M. Jack , M. Vehkala, “Spaces in the Sandbox: Tactical Awareness in Open World Games,” GDC 2013, https://www.gdcvault.com/play/1018136/Spaces-in-the-Sandbox-Tactical
59. スパーシャルAI 空間解析 状況解析 位置検索技術 パス検索 スマートオブジェクト など多数 影響マップ など多数
60. スマートオブジェクト、スマートロケーション 物の方に人工知能を持たせて、物からキャラクターを操る仕組み
61. How to use Smart Objects to enhance AI in CRYENGINE | AI & NPCs https://www.youtube.com/watch?v=UvptXSCjDiM
62. https://www.heroengine.com/heroengine/heroengine-details/smart-objects
63. デジタルゲームAI入門③ （メタAI）
64. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタ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 Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル
65. 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。
66. （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 －
67. 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。
68. 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
69. 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
70. 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
71. 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。
72. 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
73. 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
74. 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。
75. 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
76. 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
77. 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。
78. 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
79. 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
80. 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
81. 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 III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed
82. 人間とフレームとＡＩ
83. 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
84. 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。
85. 人と人工知能の非対称性 経験 （人間） 人工知能 人間
86. 人と人工知能の非対称性 経験 （人間） 人工知能 人間
87. 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）
88. 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
89. デジタル世界のエコシステム（AI, IA, A） 自律型人工知能 （汎用型人工知能） ＝自分で感じて、判断して、自分で行動する エージェント（小型人工知能） ＝自分で感じて、判断して、自分で行動する（ただし単機能） 機能特化型人工知能（専門型人工知能） ＝ある問題のために作られた人工知能 知的アプリケーション（IA） ＝知的機能を実現したアプリケーション アプリケーション（A） ほぼ同義 自律性 全体 埋め込み 性
90. デジタル世界のエコシステム（AI, IA, A） 自律型人工知能 （汎用型人工知能） ＝自分で感じて、判断して、自分で行動する エージェント（小型人工知能） ＝自分で感じて、判断して、自分で行動する（ただし単機能） 機能特化型人工知能（専門型人工知能） ＝ある問題のために作られた人工知能 知的アプリケーション（IA） ＝知的機能を実現したアプリケーション アプリケーション（A） ほぼ同義 自律性 全体 埋め込み 性 人間
91. デジタル世界のエコシステム（AI, IA, A） 人間 知的アプリケーション（IA） IA IA アプリケーション（A） アプリケーション（A） アプリケーション（A） 自律型人工知能 自律型人工知能 IA エージェント エージェント エージェント
92. 人工 知能 人 社会 人 社会 構造 変化
93. 社会 人工 知能 人工 知能 人工 知能 人工 知能 人工 知能 場 人工知能が用意した立場に人がエントリーする 人 場 人工知能が用意した立場にエージェントがエントリーする エー ジェン ト
94. 人 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 社会 人
95. 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 人間と人工知能の関係はどうあるべきか
97. 現実世界 メタバース （ゲーム エンジン) 物理法則 化学法則 経済法則 社会法則 生物法則 知能の法則 抽出 実装 物理シミュレーション 化学シミュレーション 経済シミュレーション 社会シミュレーション 生物シミュレーション 知能シミュレーション シミュレーション化 イエンス・エンジニアリング 情報処理 物・運動 データ構造・プログラム
98. 現実世界 デジタル ツイン (ゲーム エンジン) 相互作用 ミラーワールド スマートシティ センシング AIによる干渉
99. 風 頂点 ポリゴン 頂点 移動計算 移動計算 メモリ CPU or GPU 変 更 アーティスト エンジニア ロード （格納) 実行
100. ゲームエンジンの時代 • ゲームエンジンは古くからある（80年代、ナムコのタスクシステム） • ゲームの規模が小さいうちは効果が大きくない • 90年代（ほとんどない。ソースコードレベル） • 00年代（黎明期） • ゲームエンジン群雄割拠時代（2010-2020） • 市販のエンジンに加えて、それぞれのゲーム会社でゲームエンジンが作られた • 現代では、ゲームエンジンなしで大型ゲームは作れない • ゲームエンジン＝ゲームの質に直結、ゲーム開発の技術を集積する場所 • Unreal Engine（Epic)とUnity3Dが生き残った • Unreal Engine アメリカ 巨漢大砲主義の思想 • Unity 3D デンマーク（北欧）Do it yourself の思想
101. ジョブ・コントローラー（ナムコ、ゼビウスなど） 三宅 陽一郎 「タスクシステムの起源について」 2016年 年次大会 予稿集 Digital Games Research Association JAPAN Proceedings of 2016 Annual Conference
102. 大型ゲームエンジン一覧（他にもたくさん） タイトル ゲームエンジン名 会社 Far Cry 3,4 DUNIA ENGINE 2 Ubisoft Montreal THE DIVISION snow drop engine Ubisoft (massive) Assassin’s creed: syndicate AnvilNext 2.0 game engine Ubisoft Montreal For Honor AnvilNext 2.0 game engine Ubisoft Montreal Rise of Tomb Raider Foundation engine Crystal Dynamics The Witcher 3 RED ENGINE CD PROJEKT Dragon Age : Inquisition frostbite engine EA DICE ゲームエンジン名 会社 汎用型 Unity3D Unity Technologies （デンマーク） 汎用型 UNREAL ENGINE 4 Epic Games （米） 汎用型 CryEngine CryTech （独） 汎用型 Lumberyard Amazon 汎用型 Stingray Autodesk
103. メタバース 物・運動 データ構造・プログラム 現実世界 ツールで アーティスト・ デザイナーが 作成 エンジニアが プログラミング 存在 法則
104. 原子 分子＝原子＋力 物質＝分子と力 現象＝物質と力 データ オブジェクト ＝データ＋プロ エンティティ ＝オブジェクト 現象 ＝エンティティ 現実世界 メタバース
105. データ処理 オブジェクト ＝データ＋プログラム エンティティ ＝オブジェクトとプログラム 現象 ＝エンティティ＋プログラム メタバース 情報処理基礎 （プログラミング基礎） オブジェクト指向 プログラミング 大規模システム プログラミング シミュレーション プログラミング
106. https://www.moguravr.com/virtual-shibuya-8/
107. https://www.youtube.com/watch?v=1FOz5dMxn3s
108. ビックデータ ｘ ディープラーニング から シミュレーション ｘ ディープラーニング へ
109. ゲームの中、ゲームの外 ゲーム周辺AI （外＝開発、現実） ゲームAI （中＝コンテンツ） メタAI キャラクター AI ナビゲーション AI 開発支援 AI QA-AI 自動バランス AI インターフェース 上のAI データ マイニング シミュレーショ ン技術 ゲーム 可視化 ユーザーの 生体信号 プロシー ジャルAI
110. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタ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 Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル
111. 人工知能全域 機械学習 ディープ ラーニング 統計 学習 コネクショニズム シンボリズム デジタルゲームAI ゲームAIはシンボリックAIから機械学習へ 今後10年かけて徐々にシフトする 現在、社内でも研究中。
112. 人工知能全域 機械学習 ディープ ラーニング 統計 学習 コネクショニズム シンボリズム デジタルゲームAI ゲームAIはシンボリックAIから機械学習へ 今後10年かけて徐々にシフトする 現在、社内でも研究中。
113. 人工知能全域 機械学習 ディープ ラーニング 統計 学習 コネクショニズム シンボリズム デジタルゲームAI 機械学習の導入には土台となるシミュレーション （物理、仕組み）が必要 シミュレーション技術
114. 技術の変わり目 ビックデータ ｘ ディープラーニング シミュレーション ｘ ディープラーニング データが貯まるところでディープラーニングを行い特徴抽出を行う シミュレーションでデータを貯めてディープラーニングを行う
115. Google 「サッカーシミュレーター」による 強化学習の研究 https://automaton-media.com/articles/newsjp/20190613-95002/ シミュレーション 現実 機械学習 （ディープ ラーニン グ） https://ai.googleblog.com/2019/06/introducing-google-research-football.html
116. シミュレーション 現実 機械学習 （ディープ ラーニン グ） DeepMind社「Capture the flag」による ディープラーニング学習 https://deepmind.com/blog/article/capture-the-flag-science
117. AnyLogic「シミュレーションｘ機械学習」 サービス シミュレーション 現実 機械学習 （ディープ ラーニン グ） https://www.anylogic.com/warehouse-operations/
118. Microsoft 「AirSim」による強化学習の研究 シミュレーション 現実 機械学習 （ディープ ラーニン グ） https://microsoft.github.io/AirSim/
119. Nvidia「ドライビングシミュレーター」によ る強化学習の研究 シミュレーション 現実 機械学習 （ディープ ラーニン グ） https://www.nvidia.com/en-us/self-driving-cars/drive-constellation
120. シミュレー ション これからの人工知能のフレームワーク 現実 機械学習 （ディープ ラーニン グ） この２つの技術の結びつきが、現実においても、仮想 空間においても、これからの協力な技術コアとなる。
121. 現実世界 デジタル ツイン 相互作用 ミラーワールド スマートシティ センシング AIによる干渉 With ディープラーニング
122. 現実世界 デジタル ツイン 相互作用 ミラーワールド スマートシティ センシング AIによる干渉 With ディープラーニング コモングラウンド
123. 時間 知能の規模 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 コネクショニズム 記号主義 デジタルゲームAI 人工知能の歴史
124. リアルタイム ノンリアルタイム 身体を持つ 身体を持たない 身体を持ち リアルタイムに 空間を運動する 身体を持たず 空間を運動しない
125. リアルタイム ノンリアルタイム 身体を持つ 身体を持たない 身体を持ち リアルタイムに 空間を運動する 身体を持たず 空間を運動しない ゲーム・ロボット ビックデータ解析
126. リアル ⇔ デジタル
127. 現実世界 デジタルツイン （３次元モデル）
128. https://free-materials.com/%E3%82%B7%E3%83%A7%E3%83%83%E3%83%94%E3%83%B3%E3%82%B0%E3%83%A2%E3%83%BC%E3%83%AB%E3%81%AE%E9%A2%A8%E6%99%AF03/ 現実世界 デジタルツイン （３次元モデル） フォトグラメトリー
129. https://free-materials.com/%E3%82%B7%E3%83%A7%E3%83%83%E3%83%94%E3%83%B3%E3%82%B0%E3%83%A2%E3%83%BC%E3%83%AB%E3%81%AE%E9%A2%A8%E6%99%AF03/ 現実世界 デジタルツイン （３次元モデル） あるショッピングモールがプロモーションをしたい ショッピングモールそっくりのデジタルツインを構築する 各商店が自分のお店の商品のデジタルツインを構築する それと eコマースを連動させる デジタルアバター（AIキャラクター）による解説がつく
130. フォトグラメトリー https://cgworld.jp/feature/201703-cgw223T1-avatta.html
131. フォトグラメトリー 現実世界 デジタルツイン （３次元モデル） https://www.note.lespace.co.jp/n/n7df1b9c2a020
132. AIアバター 北海道産 です
133. https://free-materials.com/%E3%82%B7%E3%83%A7%E3%83%83%E3%83%94%E3%83%B3%E3%82%B0%E3%83%A2%E3%83%BC%E3%83%AB%E3%81%AE%E9%A2%A8%E6%99%AF03/ 現実世界 デジタルツイン （３次元モデル） 街全体のデジタルツイン ビル全体のデジタルツイン 各商店のデジタルツイン 各商品のデジタルツイン 店員のデジタルツイン https://www.note.lespace.co.jp/n/n7df1b9c2a020
134. Enhancing Game Experiences with Character AI Andrew Moran, Jordan Carlton(Magic Leap, Magic Leap/Weta Workshop) https://gdcvault.com/play/1025829/Magic-Leap-Enhancing-Game-Experiences
135. Enhancing Game Experiences with Character AI Andrew Moran, Jordan Carlton(Magic Leap, Magic Leap/Weta Workshop) https://gdcvault.com/play/1025829/Magic-Leap-Enhancing-Game-Experiences
136. Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research https://arxiv.org/abs/1911.05063
137. Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research https://arxiv.org/abs/1911.05063
138. 現実世界 デジタル ツイン 相互作用 ミラーワールド スマートシティ センシング AIによる干渉
139. https://www.moguravr.com/virtual-shibuya-8/
140. https://www.youtube.com/watch?v=1FOz5dMxn3s
141. スマートシティ
142. データ収集 （DataSF, CityVerve） サービス https://www.softbank.jp/biz/blog/business/articles/202003/overseas-smart-city/
143. スマートシティの全体設計
144. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタ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 Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能 MCS-AI動的 連携モデル（三宅,2020）
145. 都市全体の知能（意識） 交通全般を制御するAI 各エリアを 監視・制御するAI 各ビルを監視・ 制御するAI 道路を 監視・制御 するAI 各広場を 監視・制御 するAI 人の流れを 監視・制御 するAI 抑止・委任 報告 抑止・委任 報告 監視 制御 人 ドローン ロボット デジタル アバター 報告 命令 人 監視 制御 監視 制御 協調 協調 協調・ 命令 監視 制御 デ ジ タ ル ツ イ ン ／ メ タ バ ス ／ 世 界 モ デ ル 都 市 キャラクターAI ス パ ｜ シ ャ ル AI メタAI 空 間 記 述 表 現 協調 協調
146. 都市 環境アクターネットワーク 人工知能 （メタAI, キャラクターAI, スパーシャルAI） 都市の人工知能システム 都市の実体（物質、仕組み、ネットワーク構造）
147. 都市のアクター ネットワーク 物理的な都市 都市の 人工知能 都市の 意識 （都市の無意識） （都市の身体）
148. 都市を囲う環境世界 命令の 構成 世界モデル 世界シミュレーション 都市のセンサー群 都市のアクター群 スパー シャルAI 認識の 形成 意思の 決定 都市のエージェント群 メタAI （都市の人工知能） キャラクターAI
149. 空間型AIの作成
150. スマート環境アクター スマートオブジェクト エージェント スマートポイント スマートスペース エージェント エージェント 制御 制御 制御 ドア ドアノブ スペース オブジェクト（物） ポイント（座標）
151. エージェント 主体 客体 エージェント 主体 客体 転換 環境アクター スマート 環境アクター 主客転換制御
152. メタAI エージェント エージェント自律制御 スマート環境アクター制御 スマート環境アクター制御 スマートスペース スマートオブジェクト スマートポイント コミュニケーション コミュニケーション
153. メタAI エージェント エージェント自律制御 スマート環境アクター制御 スマート環境アクター制御 スマートスペース スマートオブジェクト スマートポイント コミュニケーション コミュニケーション コモングラウンド
154. （メッシュ） コスト : 0.5 見通し: 1.0 地表： 床 推奨高度：5m （メッシュ） コスト : 0.5 見通し: 1.0 地表： 床 推奨高度：10m （メッシュ） コスト : 2.5 見通し: 1.0 地表： 土 推奨高度：10m 壁面：ガラス 壁との衝突は 必ず回避してください エージェント ナビゲーション・メッシュ （メッシュ） コスト : 0.5 見通し: 1.0 地表： 床 推奨高度：7m エレベーターの入り口： 使用する場合は、 メッセージ001を送ってください 空間記述表現
155. 現実空間のためのキャラクターAI, メタAIの検証
156. 現実世界 デジタル ツイン ミラーワールド スマートシティ メタAI 都市 メタバース （世界モデルと して機能する） 同期 現実を認識する 現実を予測する
157. 垂直構造（現実との関連性） 水平構造(世界のスケールの広がり) メタバース 現実世界 デジタル世界 スマート シティ ミラーリングによる同期
158. 現実世界 (1) お金の動き (2) 物の動き (3) 人・動物の動き (4) 自然の動き デジタル ツイン (現実世界 そっくりの メタバース) 同期 引き写し ミラーワールド スマートシティ センシングと情報取り込 みによる(1)-(4)の同期 ロボット・AI・情報提示に よるサービス・干渉
159. 広場 森 都市 大学 道路 同期 同期 同期 同期 同期 現実と同期するメタバース
160. 奈良の鹿ミラーワールド 同期 （ミラー） 現実 メタバース 本物の鹿 デジタルツイン鹿 現実とメタバースをつなぐ
161. 現実世界 現実世界 センサー エフェクタ デジタル ツイン 意思決定・ シミュレーション ゲームエンジン 都市のエージェントの エージェント・ アーキテクチャ 情報経路
162. 現実世界 現実世界 センサー エフェクタ デジタル ツイン × 世界モデル (ディープ ラーニング) 都市の 世界モデルの獲得 世界モデル シミュレーション 意思決定 都市の夢を見る シミュレーション エンジン 都市メタAIの エージェント・ アーキテクチャ 情報経路
163. デジタルゲームから現実＝仮想融合世界へ これまでの研究： デジタルゲームの人工知能の 汎用的フレームの構築 これからの研究：都市のための人工知能の 汎用的フレームの構築
164. 研究方針 (原理と技術の積み上げ) スマートシティ設計の一般的理論の構築 空間型AIの作成と検証 現実空間におけるキャラクターAI,メタAIの作成と検証
165. スマートシティ設計の一般的理論の構築 スマートシティにおける空間型AIの作成 スマートシティ設計の大規模な実験と検証 研究方針 (スマートシティ)
166. これまでの研究： デジタルゲームの人工知能の 汎用的フレームの構築 これからの研究：都市のための人工知能の 汎用的フレームの構築 人工知能が人間 を理解すること 人工知能が社会 を理解すること デジタルゲームから現実＝仮想融合世界へ
167. スマートシティの実現へ向けて６ステップ (1)エージェントのゲームエンジンを用いた運動動作 (2) 環境アクターネットワークの実装と検証 (3)スマート環境アクターの実装と検証 (4)メタAIとスマート環境アクターの連携 (5)スパーシャルAIの構成 (6)都市のメタAIの構成
168. メタバース
169. サンドボックス
170. https://bittimes.net/news/117447.html
171. https://www.youtube.com/watch?v=oi1mis3DGZE
172. SANDBOX • SANDBOX = MineCraft + MMO + NFT + ソシャゲ的要素 • MineCraft要素＝土地を整形＋アイテム作れる • MMO ＝ 多数の人がログイン • NFT ＝ 売れる • ソシャゲ ＝いろんな人が作ったものを買える。アイテム集め。 • アイテムはユーザーが作る（UGC）なので、無限に増える。
173. SANDBOXの歴史 • それ以前 P2Pの会社など４つの会社→P2Pの会社は売却 • 2012年 モバイルゲームとしてスタート • 2016年 続編 • 2017年 行き詰まる → NFT • Ethereumのブロックチェーン上にThe Sandboxを構築すると いう新しい構想 • 2021年 モバイル版のインストール数が合計4,000万件、月間 アクティブユーザー数は最大100万人、クラウド上で7,000万件 の作品を共有する大規模なコミュニティ 「バーチャル空間のデジタル不動産」人気ゲーム The Sandbox COO セバスチャン・ボルジェ氏 （全インタビュー記事） https://blog.btcbox.jp/archives/13452
174. https://hedge.guide/feature/sandbox-bc202111.html ゲーム作れる
175. アニメ―ション作れる
176. アバター作れる
177. 土地買える
178. Sandboxの新しい点？ • これまでもあった。 • セカンドライフとか。 • 何が新しいか？ • ブロックチェインの技術を独自実装 • いろいろな工夫がしやすい • 仮想通貨SANDは、SANDBOX以外の影響を受けない • 対ドルのレートはゲームの人気如何による。見通しが良い。 • あとクリーン。 • デファクトスタンダードを取っている
179. https://www.fisco.co.jp/media/crypto/sandbox-about/#index_id2
180. https://www.fisco.co.jp/media/crypto/sandbox-about/#index_id2
182. https://bittimes.net/news/79128.html
187. https://twitter.com/TheSandboxGame/status/1481626506153668614
188. https://twitter.com/TheSandboxGame/status/1462871109821419523
189. https://www.fisco.co.jp/media/crypto/nftart-about/
190. https://coinpost.jp/?p=302134
191. https://twitter.com/adidasoriginals/status/1471909577658675204
192. https://coinpost.jp/?p=302485
193. メタバースの定義
194. メタバース オンライン ゲーム 現実
195. オンラインゲームとメタバースの違い オンラインゲーム メタバース 世界観 強固、かつ詳細 なるべく緩い設定 物語 大きな物語を準備 物語に沿ってイベントが展開 特になし ユーザーが作り出す キャラクター の役割 世界、物語の中で 最初から定義 特になし ユーザーの関係の中で発生
196. 検索エンジン SNS メタバース 検索サーバー ユーザー ユーザー タイム ライン デジタル空間 インタラク ション デファクト・メジャーの遷移
197. メタバース SNS 検索エンジン 現実の人間関係 現実の情報 現実の情報 現実の人間関係 現実の世界の状態 現実の情報 現実の深度 仮想空間のリアリティ
198. デジタル世界 現実世界 垂直構造（現実との関連性） 水平構造(世界のスケールの広がり) オンライン ゲーム メタバース デジタル空間の水平構造と垂直構造
199. 時代 メタバース世界の多様化 2006 セカンドライフ 2008 meet-me 2018 2006 Roblox 2009 Internet Adventure 2012 The Sandbox 2008 PlayStation Home 2011 2021 Horizon Worlds 2008 ai sp@ce メタバース 創世記 メタバースと ゲーム空間の 融合 セカンド ライフの影響 メタバースと 現実空間・ 経済との融合 2017 フォートナイト 2022 仮想通貨SAND導入(2017年-) 2003 EVE ONLINE 2015 2000 Phantasy Star Online / Phantasy Star Online 2
200. メタバースと現実の接続
201. メタバース 現実 窓 メタバースと現実をつなぐ「窓」
202. メタバース 現実のバスの社内 乗客 現実からメタバースを見る窓 見えている風景を バスの移動に同期 してレンダリング メタバースと現実をつなぐ「窓」
203. 自然 都市 メタバース （都市のデジタルツイン） 仮想から現実を制御する（システム） 自然から仮想への逃走（人） バーチャライズ 監視とコントロール
204. 奈良の鹿ミラーワールド 同期 （ミラー） 現実 メタバース 本物の鹿 デジタルツイン鹿 現実とメタバースをつなぐ
205. 広場 森 都市 大学 道路 同期 同期 同期 同期 同期 現実と同期するメタバース
206. 垂直構造（現実との関連性） 水平構造(世界のスケールの広がり) メタバース 現実世界 デジタル世界 スマート シティ ミラーリングによる同期
207. 現実世界 (1) お金の動き (2) 物の動き (3) 人・動物の動き (4) 自然の動き デジタル ツイン (現実世界 そっくりの メタバース) 同期 引き写し ミラーワールド スマートシティ センシングと情報取り込 みによる(1)-(4)の同期 ロボット・AI・情報提示に よるサービス・干渉
208. メタバースとお金
209. クレジットカードによる オンライン決済 オンライン上の少額決済 （マイクロトランザクション） ブロックチェーン、仮想通貨 の普及 e-コマースの 普及 ソーシャル ゲームの普及 メタバースの 普及 お金の形の変化 インターネットの形の変化 2005 2015 経済原理がメタバースを再生させる
210. 時代 メタバース世界の多様化 2006 セカンドライフ 2008 meet-me 2018 2006 Roblox 2009 Internet Adventure 2012 The Sandbox 2008 PlayStation Home 2011 2021 Horizon Worlds 2008 ai sp@ce メタバース 創世記 メタバースと ゲーム空間の 融合 セカンド ライフの影響 メタバースと 現実空間・ 経済との融合 2017 フォートナイト 2022 仮想通貨SAND導入(2017年-) 2003 EVE ONLINE 2015 2000 Phantasy Star Online / Phantasy Star Online 2
211. 運営元 ポイント お金 ユーザー ポイント を購入 ユーザー お金 仮想通貨 運営元 ポイントを使用 アバター アバター メタバース デジタルゲーム 経済から見たゲームとメタバース
212. メタバース ブロックチェイン上の NFTの仕組み 生産者 購入者 デジタルコンテンツ NFT （トークン） リンク このパッケージを NFTと呼ぶこともある 購入 メタバースとNFT
213. 生産者 NFTオンラインマー ケットプレイスなど、 取り引きの場 購入者 ブロックチェイン上のNFTの仕組み 生産者 メタバース 購入者 ブロックチェイン上のNFTの仕組み メタバースとNFT
214. メタバースとソーシャル
215. ソー シャル 空間 ゲーム 空間 ソーシャル 空間 メタバース ソーシャル 空間 1990 2010 2000 2020 オンラインゲームにおいて 徐々にソーシャル的要素が 入れられていった。SNSに 対抗する必要があった。 1990年代において ゲームはソロプレイか その場の数人でする ものであった。 ゲーム的要素の少ないソーシャル 空間をメインとするメタバースが 台頭する。しかし、ゲームとは つながっている。 ゲーム的要素がまったくない、 独立したソーシャル空間が成立 する。SNSの延長としての ソーシャル空間。 SN S SNS SNS ソーシャル 空間 SNSの台頭と拡大 ゲーム 空間 ゲーム 空間 SNS＋ゲーム空間＝メタバース
216. ゲーム空間とソーシャル空間 の関係 関係図 特徴 ゲーム空間をメインとしつつ、 その周辺のソーシャル空間を 配置する ゲーム空間を補完する形、或いは ゲーム空間で満たされない部分を ソーシャル空間においてみたすよ うに設計する。たとえば、ゲーム 空間が戦闘であれば、ソーシャル 空間は音楽・演劇など。 ソーシャル空間をメインとし つつ、その中にゲーム空間が 埋め込まれる。 ソーシャル空間がメインであり、 そこにそれぞれ独立したゲーム空 間が埋め込まれる。多くの場合、 ユーザーが作成したミニゲームが 点在する形となる。 ゲーム空間-ソーシャル空間 一体型 ゲーム空間とソーシャル空間の区 別ではない。あらゆる場所がゲー ム空間であり、ユーザーが望めば、 あらゆる空間で交流が可能である。 ゲーム空間 ゲーム空間 ソーシャル空間 ソーシャル 空間 ゲーム 空間 ゲーム 空間 ゲーム 空間 ゲーム 空間 ソーシャ ル 空間
217. メタバース＝ゲーム空間の解放 オンラインゲーム
218. 人 人 テキスト テキスト 人 人 画像/声 画像/声 人 人 擬似身体・声 擬似身体・声 空間 メタバース オンライン会議 SNS・チャットなど 拡張するコミュニケーション
219. 人 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 人 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 人 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 人-エージェント-エージェント-人関係 人-人関係 から 人-AI-AI-人 関係へ
220. 文化 社会 文化は社会を変える AI文化はAIを変える 集積された文化を編纂し促進するAI ＝科学者・芸術家 AI文化はAIが集積する 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
221. ゲーム世界 プレイヤー （主人公） プレイする バーチャル アイドル プロデューサー 応援する・ プロデュース する ゲーム世界 （eSports) 観戦者 観戦する メタバース 一参加者 参加する デジタル世界への参加の仕方の変化 デジタル空間への参加の仕方の変化
222. メタバース （コモングラウンド）
223. スマートシティとメタバースの融合、 人間の行動変容
224. レベル キャラクターAI レベルを認識し、 自律的な判断を行い、 身体を動かす． 敵・味方 キャラクタ－ プレイヤー 情報獲得 スパーシャルAI 空間全般に関する思考 メタAI, キャラクターAIの為に 空間認識のためのデータを準備 ナビゲーション・データの管理 パス検索 戦術位置解析 オブジェクト認識 メタ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 Order Ask & Report ゲーム全体をコントロール Support query query 頭脳として機能
225. 現実世界 デジタル ツイン (現実世界 そっくりの メタバース) 相互作用 ミラーワールド スマートシティ センシング AIによる干渉
226. 現実世界 デジタル ツイン ミラーワールド スマートシティ メタAI 都市 メタバース （世界モデルとし て機能する） 同期 引き写し 現実を認識する 現実を予測する
227. 人の知的レベル＝環境との相互作用による知的行動 人 環境（世界） 知的行動 知的行動の拡大
228. 環境（世界） 知的行動 知的行動の拡大 人 他者（自律的存在） 信頼感情の生成 人の知性の拡大
229. スマートシティ エージェント 知的行動 知的行動の拡大 人 メタAI スマートシティによる知的行動の拡大
230. 新しい現実 スマートシティ エージェント 知的行動 知的行動の拡大 メタバース 人 メタAI 人の知性の拡大