Slide 1

Slide 1 text

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 [email protected] https://miyayou.com/

Slide 2

Slide 2 text

自己紹介

Slide 3

Slide 3 text

Hopper Training Hopper Trained

Slide 4

Slide 4 text

My Works (2004-2022) AI for Game Titles Books

Slide 5

Slide 5 text

近著

Slide 6

Slide 6 text

No content

Slide 7

Slide 7 text

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

Slide 8

Slide 8 text

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

Slide 9

Slide 9 text

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。

Slide 10

Slide 10 text

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

Slide 11

Slide 11 text

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)

Slide 12

Slide 12 text

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

Slide 13

Slide 13 text

情報処理学会 7月号(電子) 人工知能学会誌 7月号

Slide 14

Slide 14 text

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

Slide 15

Slide 15 text

デジタルゲームAI入門① (キャラクターAI)

Slide 16

Slide 16 text

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

Slide 17

Slide 17 text

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

Slide 18

Slide 18 text

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

Slide 19

Slide 19 text

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)

Slide 20

Slide 20 text

(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)

Slide 21

Slide 21 text

(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)

Slide 22

Slide 22 text

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

Slide 23

Slide 23 text

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

Slide 24

Slide 24 text

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/

Slide 25

Slide 25 text

No content

Slide 26

Slide 26 text

No content

Slide 27

Slide 27 text

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

Slide 28

Slide 28 text

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

Slide 29

Slide 29 text

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

Slide 30

Slide 30 text

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

Slide 31

Slide 31 text

デジタルゲームAI入門② (スパーシャルAI)

Slide 32

Slide 32 text

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

Slide 33

Slide 33 text

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

Slide 34

Slide 34 text

パス検索(デモと実例)

Slide 35

Slide 35 text

(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

Slide 36

Slide 36 text

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

Slide 37

Slide 37 text

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

Slide 38

Slide 38 text

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

Slide 39

Slide 39 text

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

Slide 40

Slide 40 text

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

Slide 41

Slide 41 text

位置検索システム

Slide 42

Slide 42 text

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

Slide 43

Slide 43 text

Enemy Friend NPC Rock Rock Sea Hole

Slide 44

Slide 44 text

No content

Slide 45

Slide 45 text

No content

Slide 46

Slide 46 text

No content

Slide 47

Slide 47 text

No content

Slide 48

Slide 48 text

No content

Slide 49

Slide 49 text

No content

Slide 50

Slide 50 text

No content

Slide 51

Slide 51 text

No content

Slide 52

Slide 52 text

オリジナル

Slide 53

Slide 53 text

オリジナル

Slide 54

Slide 54 text

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

Slide 55

Slide 55 text

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

Slide 56

Slide 56 text

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

Slide 57

Slide 57 text

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

Slide 58

Slide 58 text

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

Slide 59

Slide 59 text

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

Slide 60

Slide 60 text

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

Slide 61

Slide 61 text

How to use Smart Objects to enhance AI in CRYENGINE | AI & NPCs https://www.youtube.com/watch?v=UvptXSCjDiM

Slide 62

Slide 62 text

https://www.heroengine.com/heroengine/heroengine-details/smart-objects

Slide 63

Slide 63 text

デジタルゲームAI入門③ (メタAI)

Slide 64

Slide 64 text

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

Slide 65

Slide 65 text

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。

Slide 66

Slide 66 text

(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 -

Slide 67

Slide 67 text

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。

Slide 68

Slide 68 text

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

Slide 69

Slide 69 text

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

Slide 70

Slide 70 text

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

Slide 71

Slide 71 text

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。

Slide 72

Slide 72 text

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

Slide 73

Slide 73 text

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

Slide 74

Slide 74 text

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。

Slide 75

Slide 75 text

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

Slide 76

Slide 76 text

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

Slide 77

Slide 77 text

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。

Slide 78

Slide 78 text

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

Slide 79

Slide 79 text

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

Slide 80

Slide 80 text

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

Slide 81

Slide 81 text

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

Slide 82

Slide 82 text

人間とフレームとAI

Slide 83

Slide 83 text

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

Slide 84

Slide 84 text

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。

Slide 85

Slide 85 text

人と人工知能の非対称性 経験 (人間) 人工知能 人間

Slide 86

Slide 86 text

人と人工知能の非対称性 経験 (人間) 人工知能 人間

Slide 87

Slide 87 text

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)

Slide 88

Slide 88 text

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

Slide 89

Slide 89 text

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

Slide 90

Slide 90 text

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

Slide 91

Slide 91 text

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

Slide 92

Slide 92 text

人工 知能 人 社会 人 社会 構造 変化

Slide 93

Slide 93 text

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

Slide 94

Slide 94 text

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

Slide 95

Slide 95 text

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

Slide 96

Slide 96 text

No content

Slide 97

Slide 97 text

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

Slide 98

Slide 98 text

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

Slide 99

Slide 99 text

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

Slide 100

Slide 100 text

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

Slide 101

Slide 101 text

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

Slide 102

Slide 102 text

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

Slide 103

Slide 103 text

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

Slide 104

Slide 104 text

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

Slide 105

Slide 105 text

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

Slide 106

Slide 106 text

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

Slide 107

Slide 107 text

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

Slide 108

Slide 108 text

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

Slide 109

Slide 109 text

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

Slide 110

Slide 110 text

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

Slide 111

Slide 111 text

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。

Slide 112

Slide 112 text

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。

Slide 113

Slide 113 text

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

Slide 114

Slide 114 text

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

Slide 115

Slide 115 text

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

Slide 116

Slide 116 text

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

Slide 117

Slide 117 text

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/

Slide 118

Slide 118 text

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/

Slide 119

Slide 119 text

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

Slide 120

Slide 120 text

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。

Slide 121

Slide 121 text

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

Slide 122

Slide 122 text

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

Slide 123

Slide 123 text

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

Slide 124

Slide 124 text

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

Slide 125

Slide 125 text

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

Slide 126

Slide 126 text

リアル ⇔ デジタル

Slide 127

Slide 127 text

現実世界 デジタルツイン (3次元モデル)

Slide 128

Slide 128 text

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

Slide 129

Slide 129 text

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

Slide 130

Slide 130 text

フォトグラメトリー https://cgworld.jp/feature/201703-cgw223T1-avatta.html

Slide 131

Slide 131 text

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

Slide 132

Slide 132 text

AIアバター 北海道産 です

Slide 133

Slide 133 text

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

Slide 134

Slide 134 text

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

Slide 135

Slide 135 text

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

Slide 136

Slide 136 text

Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research https://arxiv.org/abs/1911.05063

Slide 137

Slide 137 text

Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research https://arxiv.org/abs/1911.05063

Slide 138

Slide 138 text

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

Slide 139

Slide 139 text

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

Slide 140

Slide 140 text

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

Slide 141

Slide 141 text

スマートシティ

Slide 142

Slide 142 text

データ収集 (DataSF, CityVerve) サービス https://www.softbank.jp/biz/blog/business/articles/202003/overseas-smart-city/

Slide 143

Slide 143 text

スマートシティの全体設計

Slide 144

Slide 144 text

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)

Slide 145

Slide 145 text

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

Slide 146

Slide 146 text

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)

Slide 147

Slide 147 text

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)

Slide 148

Slide 148 text

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

Slide 149

Slide 149 text

空間型AIの作成

Slide 150

Slide 150 text

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)

Slide 151

Slide 151 text

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

Slide 152

Slide 152 text

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

Slide 153

Slide 153 text

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

Slide 154

Slide 154 text

(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

Slide 155

Slide 155 text

現実空間のためのキャラクターAI, メタAIの検証

Slide 156

Slide 156 text

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

Slide 157

Slide 157 text

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

Slide 158

Slide 158 text

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

Slide 159

Slide 159 text

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

Slide 160

Slide 160 text

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

Slide 161

Slide 161 text

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

Slide 162

Slide 162 text

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

Slide 163

Slide 163 text

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

Slide 164

Slide 164 text

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

Slide 165

Slide 165 text

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)

Slide 166

Slide 166 text

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

Slide 167

Slide 167 text

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

Slide 168

Slide 168 text

メタバース

Slide 169

Slide 169 text

サンドボックス

Slide 170

Slide 170 text

https://bittimes.net/news/117447.html

Slide 171

Slide 171 text

https://www.youtube.com/watch?v=oi1mis3DGZE

Slide 172

Slide 172 text

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。

Slide 173

Slide 173 text

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

Slide 174

Slide 174 text

https://hedge.guide/feature/sandbox-bc202111.html ゲーム作れる

Slide 175

Slide 175 text

アニメ―ション作れる

Slide 176

Slide 176 text

アバター作れる

Slide 177

Slide 177 text

土地買える

Slide 178

Slide 178 text

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

Slide 179

Slide 179 text

https://www.fisco.co.jp/media/crypto/sandbox-about/#index_id2

Slide 180

Slide 180 text

https://www.fisco.co.jp/media/crypto/sandbox-about/#index_id2

Slide 181

Slide 181 text

No content

Slide 182

Slide 182 text

https://bittimes.net/news/79128.html

Slide 183

Slide 183 text

No content

Slide 184

Slide 184 text

No content

Slide 185

Slide 185 text

No content

Slide 186

Slide 186 text

No content

Slide 187

Slide 187 text

https://twitter.com/TheSandboxGame/status/1481626506153668614

Slide 188

Slide 188 text

https://twitter.com/TheSandboxGame/status/1462871109821419523

Slide 189

Slide 189 text

https://www.fisco.co.jp/media/crypto/nftart-about/

Slide 190

Slide 190 text

https://coinpost.jp/?p=302134

Slide 191

Slide 191 text

https://twitter.com/adidasoriginals/status/1471909577658675204

Slide 192

Slide 192 text

https://coinpost.jp/?p=302485

Slide 193

Slide 193 text

メタバースの定義

Slide 194

Slide 194 text

メタバース オンライン ゲーム 現実

Slide 195

Slide 195 text

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

Slide 196

Slide 196 text

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

Slide 197

Slide 197 text

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

Slide 198

Slide 198 text

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

Slide 199

Slide 199 text

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

Slide 200

Slide 200 text

メタバースと現実の接続

Slide 201

Slide 201 text

メタバース 現実 窓 メタバースと現実をつなぐ「窓」

Slide 202

Slide 202 text

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」

Slide 203

Slide 203 text

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

Slide 204

Slide 204 text

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

Slide 205

Slide 205 text

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

Slide 206

Slide 206 text

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

Slide 207

Slide 207 text

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

Slide 208

Slide 208 text

メタバースとお金

Slide 209

Slide 209 text

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

Slide 210

Slide 210 text

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

Slide 211

Slide 211 text

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

Slide 212

Slide 212 text

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

Slide 213

Slide 213 text

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

Slide 214

Slide 214 text

メタバースとソーシャル

Slide 215

Slide 215 text

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

Slide 216

Slide 216 text

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

Slide 217

Slide 217 text

メタバース=ゲーム空間の解放 オンラインゲーム

Slide 218

Slide 218 text

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

Slide 219

Slide 219 text

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

Slide 220

Slide 220 text

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

Slide 221

Slide 221 text

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

Slide 222

Slide 222 text

メタバース (コモングラウンド)

Slide 223

Slide 223 text

スマートシティとメタバースの融合、 人間の行動変容

Slide 224

Slide 224 text

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

Slide 225

Slide 225 text

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

Slide 226

Slide 226 text

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

Slide 227

Slide 227 text

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

Slide 228

Slide 228 text

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

Slide 229

Slide 229 text

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

Slide 230

Slide 230 text

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