Upgrade to Pro — share decks privately, control downloads, hide ads and more …

スマートシティとメタバースにおける人工知能技術の活用

miyayou
April 11, 2022

 スマートシティとメタバースにおける人工知能技術の活用

スマートシティとメタバースにおける人工知能技術に関する講演資料です。

miyayou

April 11, 2022
Tweet

More Decks by miyayou

Other Decks in Science

Transcript

  1. 三宅 陽一郎
    2022.4.1
    「スマートシティとメタバース
    における人工知能技術の活用」
    https://www.facebook.com/youichiro.miyake
    http://www.slideshare.net/youichiromiyake
    [email protected] @miyayou

    View full-size slide

  2. My Works (2004-2020)
    AI for Game Titles
    Books

    View full-size slide

  3. 発刊(先週)
    • 戦略ゲームにおける人工知能の技術を、
    起源から集めた著作
    • 2021年10月15日
    • 300ページぐらい

    View full-size slide

  4. Hopper Training Hopper Trained

    View full-size slide

  5. 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

    View full-size slide

  6. 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

    View full-size slide

  7. 人工知能とは

    View full-size slide

  8. 自然知能と人工知能
    人間
    =自然知能
    機械
    =人工知能

    View full-size slide

  9. 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)。

    View full-size slide

  10. 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

    View full-size slide

  11. 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

    View full-size slide

  12. 人間の精神
    意識
    前意識
    無意識
    知能
    言語による
    精神の構造化
    外部からの
    情報
    言語化のプロセス
    シニフィアン
    /シニフィエ
    言語回路
    (=解釈)
    意識の形成
    世界を分節化している

    View full-size slide

  13. 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。

    View full-size slide

  14. 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

    View full-size slide

  15. 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

    View full-size slide

  16. 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?

    View full-size slide

  17. 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。

    View full-size slide

  18. 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

    View full-size slide

  19. 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。

    View full-size slide

  20. 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

    View full-size slide

  21. 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

    View full-size slide

  22. 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

    View full-size slide

  23. 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。

    View full-size slide

  24. 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

    View full-size slide

  25. 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

    View full-size slide

  26. 3 第二次AIブーム(1980年代)
    0 1 0
    このように学習させたい

    View full-size slide

  27. 3 第二次AIブーム(1980年代)
    0 0 1
    このように学習させたい

    View full-size slide

  28. 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。

    View full-size slide

  29. 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

    View full-size slide

  30. 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

    View full-size slide

  31. 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

    View full-size slide

  32. 人間とフレームとAI

    View full-size slide

  33. 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

    View full-size slide

  34. 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。

    View full-size slide

  35. 人と人工知能の非対称性
    経験
    (人間)
    人工知能
    人間

    View full-size slide

  36. 人と人工知能の非対称性
    経験
    (人間)
    人工知能
    人間

    View full-size slide


  37. 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)

    View full-size slide


  38. 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

    View full-size slide

  39. 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

    View full-size slide

  40. 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

    人間

    View full-size slide

  41. 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

    View full-size slide

  42. 人工
    知能

    社会

    社会
    構造
    変化

    View full-size slide

  43. 社会
    人工
    知能
    人工
    知能
    人工
    知能
    人工
    知能
    人工
    知能

    人工知能が用意した立場に人がエントリーする


    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

    View full-size slide


  44. エー
    ジェン

    エー
    ジェン

    エー
    ジェン

    エー
    ジェン

    エー
    ジェン

    エー
    ジェン

    エー
    ジェン

    エー
    ジェン

    エー
    ジェン

    エー
    ジェン

    社会

    View full-size slide

  45. 人工知能と社会
    ロボッ

    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

    View full-size slide

  46. ゲームエンジン

    View full-size slide

  47. 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
    サイエンス・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
    現実
    世界
    メタ
    バース

    View full-size slide

  48. 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

    View full-size slide


  49. 頂点
    ポリゴン
    頂点
    移動計算
    移動計算
    メモリ
    CPU or
    GPU


    アーティスト
    エンジニア
    ロード
    (格納)
    実行

    View full-size slide

  50. 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

    View full-size slide

  51. 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

    View full-size slide

  52. 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

    View full-size slide

  53. 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

    View full-size slide

  54. 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

    View full-size slide

  55. 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

    View full-size slide

  56. https://www.moguravr.com/virtual-shibuya-8/

    View full-size slide

  57. https://www.youtube.com/watch?v=1FOz5dMxn3s

    View full-size slide

  58. 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

    View full-size slide

  59. 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

    View full-size slide

  60. 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

    View full-size slide

  61. 知能の内部世界
    環境世界
    エフェクター・
    身体
    センサー・
    身体

    View full-size slide

  62. 思考
    環境世界
    エフェクター・
    身体
    センサー・
    身体
    記憶

    View full-size slide

  63. 思考
    環境世界
    エフェクター・
    身体
    センサー・
    身体
    記憶

    View full-size slide

  64. 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
    記憶

    View full-size slide

  65. 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
    記憶

    View full-size slide

  66. 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
    記憶

    View full-size slide

  67. 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
    記憶

    View full-size slide

  68. (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)

    View full-size slide

  69. (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)

    View full-size slide

  70. 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

    View full-size slide

  71. 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
    記憶

    View full-size slide

  72. 意思決定モデル
    ゴール(目標)ベースAI
    ルール(規則)ベースAI
    ビヘイビア(振る舞い)ベースAI
    意思決定というものは非常に高度で複雑なプロセスです。
    でも、ゲームで用いるいくつかの簡易モデルが存在します。
    シミュレーションベース AI
    ユーティリティ(効用)ベース AI
    Rule-based AI
    State-based AI
    Behavior-based AI
    Goal-based AI
    Utility-based AI
    「○○-based AI」とは、○○をAIを構築する基本単位として採用したAIということ。
    タスク(仕事)ベース AI
    Task-based AI
    意思決定
    Simulation-based AI
    ステート(状態)ベースAI

    View full-size slide

  73. キャラクターAI:意思決定
    ビヘイビアツリー入門

    View full-size slide

  74. root
    バトル
    撤退
    休憩
    攻撃
    隠れる
    逃走する
    足止めする
    立ち止まる
    回復する
    トラップ
    眠る
    回復薬を飲む
    弓を放つ
    剣を振る
    森に潜む
    穴を掘る
    建物に隠れる
    攻撃魔法
    氷系
    風系
    プライオリティ
    プライオリティ
    シークエンス
    シークエンス
    ランダム
    プライオリティ
    ランダム
    プライオリティ
    ランダム
    ビヘイビア
    (末端ノード)


    選択ルール
    選択ルール

    View full-size slide

  75. CHARACTER
    BEHAVIOR
    LEARNING
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.
    Chapter 3-2

    View full-size slide

  76. Reinforcement Learning
    (Ex) Fighting Game
    Kick
    Punc
    h
    Magic
    R_0 : Reward = Damage
    http://piposozai.blog76.fc2.com/
    http://dear-croa.d.dooo.jp/download/illust.html
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.

    View full-size slide

  77. Early in the learning process … … after 15 minutes of learning
    Reward for decrease in Wulong Goth’s health

    View full-size slide

  78. Early in the learning process … … after 15 minutes of learning
    Punishment for decrease in either player’s health

    View full-size slide

  79. Black & White (Lionhead,2000)
    Training of creature by learning
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.
    http://www.youtube.com/watch?v=2t9ULyYGN-s
    http://www.lionhead.com/games/black-white/
    14:20-

    View full-size slide

  80. キャラクターの人工知能
    =キャラクターに煩悩を与える

    View full-size slide

  81. 人工知能
    人間
    仏教と人工知能
    • 仏教 = 煩悩から解脱する
    • 人工知能 = むしろ煩悩を与えたい(執着)
    煩悩 煩悩
    解脱 執着
    人工知能=どのようにして煩悩を与えることができるか?
    人工知能
    (人工知性)

    View full-size slide

  82. World
    Sensor
    知識
    生成
    Knowledg
    e
    Making
    意思決定
    Decision
    Making
    運動
    生成
    Motion
    Making
    Information Flow
    記憶
    Principle of Learning
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.
    Action
    Result Decision
    Making
    Body

    View full-size slide

  83. World
    Sensor
    知識
    生成
    Knowledg
    e
    Making
    意思決定
    Decision
    Making
    運動
    生成
    Motion
    Making
    Information Flow
    記憶
    Principle of Learning
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.
    Action
    Result Decision
    Making
    Body

    View full-size slide

  84. Deep Learning in Ubisoft
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.
    https://gdcvault.com/play/1025653/The-Alchemy-and-Science-of
    The Alchemy and Science of Machine Learning for Games
    Yves Jacquier (Ubisoft Montreal)

    View full-size slide

  85. Deep Learning in Ubisoft
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.
    https://gdcvault.com/play/1025653/The-Alchemy-and-Science-of
    The Alchemy and Science of Machine Learning for Games
    Yves Jacquier (Ubisoft Montreal)

    View full-size slide

  86. https://gdcvault.com/play/1025653/The-Alchemy-and-Science-of
    35:00-
    Deep Learning in Ubisoft
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.
    The Alchemy and Science of Machine Learning for Games
    Yves Jacquier (Ubisoft Montreal)

    View full-size slide

  87. 年 企業 テーマ Open
    2003 Microsoft 「Teo Feng」における強化学習
    2005 Microsoft 「Forzamotor Sports」における強化学習
    2013 DeepMind AtariのゲームをDQNで学習
    2015 DeepMind 囲碁 AlphaGO
    2017 AnyLogic 倉庫・機械などモデルのシミュレーション
    Microsoft 「パックマン」多報酬学習
    Hybrid Reward Architecture for Reinforcement Learning
    2019 Google 「サッカーシミュレーター」による強化学習の研究 〇
    DeepMind 「Capture the flag」によるディープラーニング学習
    Microsoft 「AirSim」ドローンシミュレーター 〇
    Nvidia 「ドライビングシミュレーター」
    Mircrosoft 「TextWorld」アドベンチャーゲームを題材に言語学習 〇
    facebook 「CraftAssist」マインクラフト内で会話研究 〇
    CarMelon カーネギーメロン大学「MineRL」マインクラフトを使ったAIコンテスト 〇
    facebook 「LIGHT」ファンタジーワールドを構築してクラウドワーカーで会話研究 〇
    OpenAI 「Dota2」OpenAIによる「OpenAIFive」 〇
    DeepMind 「StarCraft2」AlphaStar 〇
    DeepMind 「Capture the Flag」QuakeIII エンジン 〇
    2020 Nvidia GameGAN「ディープラーニングによるパックマンの目コピー」 〇
    DeepMind 「Agent57」AtariのほとんどのゲームをDQN+LSTMなどで学習 〇
    OpenAI 「HIDE AND SEEK」かくれんぼを用いたマルチエージェントのカリキュラム学習 〇

    View full-size slide

  88. OpenAI「HIDE AND SEEK」 による学習
    (2019年)

    View full-size slide

  89. 「かくれんぼ」によってマルチエージェ
    ントを学習させる
    • オブジェクトがあって、動かしたり固
    定したりできる。
    • オブジェクトは直方体、傾斜台、長い
    板がある。
    • 一度固定したオブジェトは動かせない
    • エージェントは次第にオブジェクトを
    利用してかくれんぼをするようになる
    • 6種類の戦術を順番に発見・学習して
    いく
    https://openai.com/blog/emergent-tool-use/

    View full-size slide

  90. 自分の座標
    周囲の状況
    (LIDARによる)
    他のエージェ
    ントの座標
    ボックスの
    座標、速度
    傾斜台の
    座標、速度
    全結合
    全結合
    全結合
    自分
    コンボリューション
    円方位ID 全結合
    エージェント
    埋め込みベクトル
    ボックス
    ボックス
    マスクされた平均プーリング
    エンティティ間のアテンション
    マスクされた要素
    (壁などで見えない)
    LSTM
    移動
    アクション
    つかむ
    アクション
    ロック
    アクション
    自分
    エージェント ボックス
    傾斜台
    メモリーステート

    View full-size slide

  91. 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

    View full-size slide

  92. メタAI

    View full-size slide

  93. 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。

    View full-size slide

  94. 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

    View full-size slide

  95. 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。

    View full-size slide

  96. (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 -

    View full-size slide

  97. 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

    View full-size slide

  98. 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。

    View full-size slide

  99. 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

    View full-size slide

  100. 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

    View full-size slide

  101. 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

    View full-size slide

  102. 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。

    View full-size slide

  103. 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)

    View full-size slide

  104. 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。

    View full-size slide

  105. メタバースと人工知能

    View full-size slide

  106. 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

    View full-size slide

  107. メタバース
    オンライン
    ゲーム 現実
    2. メタバースとは
    3. メタバースとオンラインゲームの違い
    4. メタバースの水平構造と垂直構造
    5. 経済とメタバースの接続
    6. メタバース-現実の二重世界、
    ミラーワールド
    7. メタバースへのターニングポイント、2017年
    8. オンラインゲームからメタバースへの拡張
    9. オンラインゲームとメタバースの関係
    10. ユーザー生成コンテンツとメタバースの関係
    メタバースとオンラインゲーム
    メタバースの構造

    View full-size slide

  108. 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

    View full-size slide

  109. 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

    View full-size slide

  110. メタバース
    現実 窓

    View full-size slide

  111. 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

    View full-size slide

  112. 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

    View full-size slide

  113. 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
    メタバース

    View full-size slide

  114. 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

    View full-size slide

  115. 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

    View full-size slide

  116. 広場

    都市
    大学
    道路
    同期
    同期
    同期
    同期
    同期
    メタバース

    View full-size slide

  117. 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

    View full-size slide

  118. 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
    プレイするもので
    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
    SNS
    SNS
    SNS
    ソーシャル空

    SNSの台頭と拡大
    ゲーム
    空間
    ゲーム
    空間

    View full-size slide

  119. 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、
    その周辺にソーシャル空間
    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

    View full-size slide

  120. 未来のメタバース
    現在の
    メタバース
    第18章
    NFT
    第16章
    スマート
    シティ
    第13章
    エージェント
    第14章
    文化
    第12章
    ビジネス
    空間
    第20章
    コモン
    グラウンド
    第15章
    価値指標
    第17章
    世界
    モデル
    第19章
    実況

    View full-size slide



  121. テキスト
    テキスト


    画像/声
    画像/声


    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

    View full-size slide


  122. 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 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
    人-エージェント-エージェント-人関係
    図17

    View full-size slide

  123. 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

    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

    View full-size slide

  124. 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
    時代

    View full-size slide

  125. 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
    図20

    View full-size slide

  126. 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

    View full-size slide

  127. 都市全体を監視・制御するAI
    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
    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

    監視
    制御
    監視
    制御
    監視
    制御
    監視
    制御
    協調
    協調
    協調
    協調・
    命令
    監視
    制御
    監視
    制御
    監視
    制御















    キャラクターAI






    AI
    メタAI
    図22

    View full-size slide

  128. 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

    View full-size slide

  129. 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

    View full-size slide

  130. 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

    View full-size slide

  131. メタバース
    (コモングラウンド)

    View full-size slide

  132. プロシージャル技術

    View full-size slide

  133. プロシージャル技術(自動生成技術)
    ゲーム内の自動生成技術は、メタAIに属する技術

    View full-size slide

  134. 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

    View full-size slide

  135. 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)

    View full-size slide

  136. 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

    View full-size slide

  137. 地形自動生成
    Jacob Olsen, Realtime Procedural Terrain Generation
    http://oddlabs.com/download/terrain_generation.pdf
    2次元中点変位法 ボロノイ図
    ノイズ法(濃い=低い、白い=高い)
    + =

    View full-size slide

  138. Ken Musgrave
    http://www.kenmusgrave.com/

    View full-size slide

  139. Terragen(Planetside Software)
    風景、自動生成生成ソフト
    http://www.planetside.co.uk/terragen/
    海外のゲームや映画の背景として利用されている

    View full-size slide

  140. 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

    View full-size slide

  141. 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

    View full-size slide

  142. https://www.youtube.com/watch?v=NfizT369g60

    View full-size slide

  143. https://www.youtube.com/watch?v=FzoY062kY1s

    View full-size slide

  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

    View full-size slide

  145. スパーシャルAI

    View full-size slide

  146. レベル
    Character AI
    Enemy
    character
    Player
    情報獲得
    Spatial AI
    Meta-AI
    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 dynamic co-
    operative model
    © 2021 SQUARE ENIX CO., LTD. All Rights
    Reserved.
    Dynamic allocation of enemies
    Observing level in real-time
    Direction for agents
    Making progress of game
    Autonomous thinking
    Cooperation
    Team AI
    Preparing data to make Meta-AI and
    Character AI recognize the level
    Managing object representation
    Managing Navigation data
    Path-finding / Tactical point analysis

    View full-size slide

  147. Navigation Data
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.
    フリー素材屋Hoshino http://www.s-hoshino.com/

    View full-size slide

  148. Navigation Data
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.
    Waypoint・Graph
    (Networked Graph with points)
    Navigation Mesh(Networked
    Graph with polygons)
    Walk-able
    フリー素材屋Hoshino http://www.s-hoshino.com/

    View full-size slide

  149. 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

    O
    P
    D
    C
    G
    S
    V
    H
    Q
    X
    K
    N
    J
    R
    T
    W
    E
    I
    U
    Z
    Y

    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

    View full-size slide

  150. ネットワーク上のグラフ検索法
    A*法
    M
    F
    L
    B
    A

    O
    P
    D
    C
    G
    S
    V
    H
    Q
    X
    K
    N
    J
    R
    T
    W
    E
    I
    U
    Z
    Y

    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

    View full-size slide

  151. RTS demo
    RTS - Pathfinding A*
    https://www.youtube.com/watch?v=95aHGzzNCY8
    © 2021 SQUARE ENIX CO., LTD. All Rights Reserved.

    View full-size slide

  152. 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

    View full-size slide

  153. スマートシティ

    View full-size slide

  154. 人工知能の発展の方向

    View full-size slide

  155. 新しい現実空間
    ゲームエンジン
    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。

    View full-size slide

  156. 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」

    View full-size slide

  157. 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
    ゲームエンジン

    View full-size slide

  158. 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

    View full-size slide

  159. 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

    View full-size slide

  160. 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

    View full-size slide

  161. 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

    View full-size slide

  162. 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

    View full-size slide

  163. 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

    View full-size slide

  164. 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

    View full-size slide

  165. 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

    View full-size slide

  166. 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/

    View full-size slide

  167. 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/

    View full-size slide

  168. 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

    View full-size slide

  169. 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。

    View full-size slide

  170. 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

    View full-size slide

  171. スマートシティ=都市自体が持つ知能
    • 自律型AI 『ドラえもん』
    • 人間拡張 『009』
    • スマートシティ 『アップルシード』のオリュンポス

    View full-size slide

  172. 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

    View full-size slide

  173. 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

    View full-size slide

  174. 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

    View full-size slide

  175. 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

    View full-size slide

  176. 都市全体を監視・制御するAI
    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
    抑止・委任 報告
    都市
    監視
    制御
    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

    監視
    制御
    監視
    制御

    View full-size slide

  177. 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

    View full-size slide

  178. 都市全体を監視・制御するAI
    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
    抑止・委任 報告
    都市
    監視
    制御
    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

    監視
    制御
    監視
    制御
    スマートシティへの応用
    キャラクターAI






    A
    I
    メタAI

    View full-size slide

  179. 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

    View full-size slide

  180. 都市全体を監視・制御するAI
    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
    抑止・委任 報告
    都市
    監視
    制御
    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

    監視
    制御
    監視
    制御
    スマートシティへの応用
    キャラクターAI






    A
    I
    メタAI

    View full-size slide

  181. 人工知能と社会
    ロボッ

    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

    View full-size slide

  182. 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。

    View full-size slide

  183. インフラとしての
    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

    View full-size slide