Slide 1

Slide 1 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Generative AI in Game ゲーム業界における生成系AIの活用 Takahiro Kubo Developer Relations Machine Learning

Slide 2

Slide 2 text

© 2023, Amazon Web Services, Inc. or its affiliates. はじめに : 本日フォーカスして話すこと 2 企画 開発 販売 運用・運営 ゲームの企画・開発より販売や運用・運営面での活用にフォーカス してお話しします。

Slide 3

Slide 3 text

© 2023, Amazon Web Services, Inc. or its affiliates. なぜ ? 3 Stable Diffusion 2.1 で作成した画像

Slide 4

Slide 4 text

© 2023, Amazon Web Services, Inc. or its affiliates. 4 https://stability.ai/press-articles/stable-diffusion-xl-1-featured-amazon-aws-bedrock

Slide 5

Slide 5 text

© 2023, Amazon Web Services, Inc. or its affiliates. ゲーム会社が投資家向け資料で挙げる経営課題やリスクは、 開発より完成後の販売、運営・運用に集中しているため (※) 5 ゲームの製造販売工程を書き 起こし 課題やリスクを赤いポスト イットで張った図。 ※モバイルゲームを中心とする MIXI 、ガンホー、コロプラ、 DeNA 、グリーより

Slide 6

Slide 6 text

© 2023, Amazon Web Services, Inc. or its affiliates. 開発タイトル数が減少する中、完成したタイトルをいかに 届け育てるかが重要になっている 1 社あたりの自社開発コンテンツ数は減少傾向の 一方、売上高は上昇しており大作化の傾向がみら れる (※1) 。 売上 Top100 に入るようなヒットタイトルでも 5 年後ランクインしているのは 7~8 本であり (2013 年 ~ 2015 年 )、タイトルの運用には まだまだ課題がある。 (※2) 。 6 ※1「ゲーム制作ビジネスは、グローバル志向;情報通信業基本調査が明らかにする、ゲーム会社の実像とそのビジネス」 より引用 ※2「ヒットしたモバイルゲームでも,5年後生存しているのは7~8本に1本。“長寿”の秘訣が明かされた「超長期ゲーム運営サミッ ト」をレポート」 より引用

Slide 7

Slide 7 text

© 2023, Amazon Web Services, Inc. or its affiliates. 質問 これまでリリースに関わったタイトルの本数は ? ( あと何本のゲームに関われる ?) 7

Slide 8

Slide 8 text

© 2023, Amazon Web Services, Inc. or its affiliates. ゲーム開発からゲーム事業へ視点を広げることで、 関わるタイトルをよりプレイヤーに届け、 プレイヤーと共に育て、 記憶と記録に残るゲームにできるかもしれない。 8

Slide 9

Slide 9 text

© 2023, Amazon Web Services, Inc. or its affiliates. Key Topics ① 「ゲーム製作」から「ゲーム事業」に視点を拡げることが重要なこと ② 機械学習や生成系 AI はゲーム事業の課題の解決に役立つこと ③ 課題解決を進めるのに AWS を選ぶ理由 9

Slide 10

Slide 10 text

© 2023, Amazon Web Services, Inc. or its affiliates. 10 自己紹介 アマゾン ウェブ サービス ジャパン合同会社 Machine Learning Developer Relations 久保隆宏 (Kubo Takahiro) ミッション 「機械学習を実用するなら AWS 」という認知を拡大すること。 10 年以上の業務コンサルタント経験、また研究開発していたテーマをプロダクトと してリリースした経験をもとにお話しします。

Slide 11

Slide 11 text

© 2023, Amazon Web Services, Inc. or its affiliates. 「Python で学ぶ強化学習」などを執筆 11 機械学習を実際のビジネスに役立てるにはどう すればいいのか ? を探るべく文字通りアマゾン の奥地へ旅立ち今に至る。

Slide 12

Slide 12 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 本日のアジェンダ ゲーム事業の課題 機械学習・生成系AIによる課題解決 AWSのサービスとプログラム Next Action 12

Slide 13

Slide 13 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 本日のアジェンダ ゲーム事業の課題 機械学習・生成系AIによる課題解決 AWSのサービスとプログラム Next Action 13

Slide 14

Slide 14 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 14 企画 開発 販売 運用・運営 ゲーム事業の全体像

Slide 15

Slide 15 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ゲーム事業の課題: 経営が外部環境に左右されやすい 15 上場しているゲーム開発会社5社(※)の投資家向け資料で言及されているリスク。 1. ユーザーの嗜好が移り変わるリスク 2. 参入障壁が低いことによる競争激化のリスク 3. Apple、Google等プラットフォーム運営事業者の運営方式が変わるリスク 4. ゲーム内のユーザー同士の交流等から発展するコミュニティ有害化リスク 5. 悪質なユーザーによる不正利用リスク ※モバイルゲームを中心とするMIXI、ガンホー、コロプラ、DeNA、グリーより

Slide 16

Slide 16 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ゲーム事業の課題: 経営が外部環境に左右されやすい 16 上場しているゲーム開発会社5社(※)の投資家向け資料で言及されているリスク。 1. ユーザーの嗜好が移り変わるリスク 2. 参入障壁が低いことによる競争激化のリスク 3. Apple、Google等プラットフォーム運営事業者の運営方式が変わるリスク 4. ゲーム内のユーザー同士の交流等から発展するコミュニティ有害化リスク 5. 悪質なユーザーによる不正利用リスク ※モバイルゲームを中心とするMIXI、ガンホー、コロプラ、DeNA、グリーより 関心を維持するのが大変 治安を維持するのが大変

Slide 17

Slide 17 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 17 企画 開発 販売 運用・運営 いかに創るか いかに接点 を増やすか いかに守るか

Slide 18

Slide 18 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 本日のアジェンダ ゲーム事業の課題 機械学習・生成系AIによる課題解決 AWSのサービスとプログラム Next Action 18

Slide 19

Slide 19 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 19 そもそも生成系 AI とは・・・?

Slide 20

Slide 20 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 20 人工知能 (Artificial Intelligence, AI) 人間の知的判断をコンピュータ上で実現するための技術全般 (ロジック、if-then 文、機械学習(深層学習を含む)) 機械学習 (Machine Learning, ML) AI の一種であり、知的モデルを構築するためにデータの中の傾向を学習する技術 深層学習 (Deep Learning, DL) ML の一種であり、音声・画像認識などのタスクを深い複数レイヤー 構造のニューラルネットワークで実現する技術 生成系 AI (Generative AI) テラバイト規模のデータで学習させた数十億規模のパラメーターを 持つ”基盤モデル”により追加学習なしに高精度の生成を実現する技術。 生成系 AI についておさらい

Slide 21

Slide 21 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 21 基盤モデル (Foundation Model) テキストの入力 出力 テキスト生成モデル (大規模言語モデル) テキストからの画像生成モデル 動画 音声 コード 生成モデル “次の文書を要約してください: …….” [テキスト] “………..” “宇宙飛行士が馬に乗っている写真” “雨の中歩いているカップル” “ダンスに合うヒップホップ音楽” “点数を集計するPythonプログラム” [画像] [動画] [音声] [コード] 生成系 AI の中核は “基盤モデル” 学習した内容により、テキスト以外にも多様な生成ができる。

Slide 22

Slide 22 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 生成系 AI がこれまでの機械学習と異なる点 • 追加学習をほとんど必要としない • 簡単な指示 (Prompt) で多様なタスクを解かせることができる • 高精度である 大規模な事前学習を行った基盤モデルが、上記3点を可能にしている

Slide 23

Slide 23 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ゲーム業界を代表する各社でも活用が進む 23 Roblox ゲーム制作ツール Roblox Studio でテキストからの コード生成機能などを実装 「 [GDC 2023]生成系AIの進化は止まらない!? 「Roblox」でもプラット フォーム内ゲーム開発のサポートにジェネレーティブAIが活躍」より引用 Unity Unity Asset Store に AI を用いたソリューションを販 売できるマーケットプレイスを公開。 「 Unity が AI ソリューションの発表の場として AI マーケットプレイス を新規立ち上げ」より引用 Ubisoft NPC のセリフを AI で生成する Ghostwriter を発表 「UbisoftのNPCセリフAI生成ツール「Ghostwriter」発表。“その他大勢” のセリフ作成をAIに任せる時短ツール」より引用

Slide 24

Slide 24 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ゲーム事業の課題解決にどう役立つか ? 24 企画 開発 販売 運用・運営 いかに創るか いかに接点 を増やすか いかに守るか

Slide 25

Slide 25 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 25 企画 開発 販売 運用・運営 いかに創るか いかに接点 を増やすか いかに守るか ゲーム事業の課題解決にどう役立つか ?

Slide 26

Slide 26 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ゲームとの接点を作ることの重要性 26 モバイルゲームへの課金をやめるきっかけ・理由 の1位は「ゲームに飽きた時 (41.2%)」。 新しいアプリを探す情報源の1位は「特になし (31.6%)」(※)。 ※「ファミ通モバイルゲーム白書2022」を参照

Slide 27

Slide 27 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ゲームとの接点を作ることの重要性 27 ユーザーの過ごす世界で ( 継続的に ) 目に触れる機 会があるかが重要。

Slide 28

Slide 28 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ゲームとの接点を作る : 開発タイトルを中心とした事業展開 28 開発タイトル キャラクターIP 世界観/シナリオ 音楽 サウンドトラック等 テーマパーク等 漫画化・小説化 キャラクターグッズ 他作品/関連タイトル 他デバイスでの提供

Slide 29

Slide 29 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 開発タイトルの知的所有権 (IP) を起点に事業を展開する 29 Illustration: @1957 Disney 1957 年に Walt Disney がすでに発 想したビジネスモデル。 映画作品をコアとし、ディズニーラン ド、テレビ、音楽、出版(小説やコ ミック)、物販ライセンスなど複数の 事業に展開。

Slide 30

Slide 30 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. コンテンツ/ デバイスの分散 ゲームとの接点を作る : 開発タイトルを中心とした事業展開 30 開発タイトル キャラクターIP 世界観/シナリオ 音楽 他作品/関連タイトル サウンドトラック等 テーマパーク等 漫画化・小説化 他デバイスでの提供 キャラクターグッズ

Slide 31

Slide 31 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 他デバイスでの提供例 : Minecraft 31 「他機種とクロスプレイできるスイッチ向け『マインクラフト』アップグレード版の発売日決定」より引用 Minecraft では、Xbox One版、 Windows 10版、Android版、 iOS版、VR版など多種のプラット フォーム向けに提供されているだ けでなく、それらのユーザーが互 いにプレイできるクロスプレイ機 能を提供。

Slide 32

Slide 32 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 事業の分散 32 開発タイトル キャラクターIP 世界観/シナリオ 音楽 サウンドトラック等 テーマパーク等 漫画化・小説化 キャラクターグッズ ゲームとの接点を作る : 開発タイトルを中心とした事業展開 他作品/関連タイトル 他デバイスでの提供

Slide 33

Slide 33 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. IP 展開の例: バンダイナムコ中期経営計画 33 IPxFan : ファンとつながるための新し いチャネルとしてメタバースを IP ごと に開発。 IPxValue : 映像、音楽、ライブイベン ト運営のノウハウ、商品・サービスの創 出を一元化 IPxWorld : IP の世界展開 「IR・投資家情報 中期経営計画 (2022 年 4 月 ~ 2025 年 3 月) 」より引用 IP戦略進化のため合計 400 億円を投資

Slide 34

Slide 34 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. (翻訳による)地域の分散 34 開発タイトル キャラクターIP 世界観/シナリオ 音楽 サウンドトラック等 テーマパーク等 漫画化・小説化 キャラクターグッズ ゲームとの接点を作る : 開発タイトルを中心とした事業展開 他作品/関連タイトル 他デバイスでの提供

Slide 35

Slide 35 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 翻訳による地域分散の例: ファイナルファンタジー XVI 35 ボイスとして日本語/英語 /フランス語/イタリア語 /ドイツ語/スペイン語 (ラテンアメリカ)に対応 「『ファイナルファンタジーXVI』本日発売!」より引用

Slide 36

Slide 36 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 36 IP を起点とした事業展開にどのように 機械学習、生成系 AI は役立つか ?

Slide 37

Slide 37 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 様々な媒体・プラットフォームに展開する上での品質の維持 37 グラフィック品質の維持 Problem: 他媒体で制作を行う際オリジナル の品質が維持されない。 Solution: 元の画像に対し、超解像技術を適 用することで高精細化を実現する Case: Stability AIは4倍の高精細化を行 うAPI Stable Diffusion 4x Upscaler を開発しPhotoshop/Blender向け に提供。 ゲーム体験の維持 Problem: 配信先のデバイスによりスペック が異なり処理落ち等が発生する。 Solution: 機械学習によるデバイスごとの映 像チェック。 Case: Amazon Prime Videoでは8,000を 超える配信デバイスでの動画のフ レーム落ちや音声落ちを機械学習 を用いて検出。 ローカライズ品質の維持 Problem: ローカライズした際にテキストや グラフィックの品質が劣化する。 Solution: 機械学習による自然な現地語会話 アニメーションの生成。 Case: スクウェア・エニックスでは機械 学習を用いてリップシンクアニ メーションを自動生成。

Slide 38

Slide 38 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ローカライズ品質の維持の例: FANTASY VII REMAKE 38 FANTASY VII REMAKEのアセット を訓練データとしてリップシンク アニメーションを生成するモデル を実装。 収録した音声にはアドリブなどが 含まれ、テキストと一致しない課 題があった。そのため、音声から アニメーションを生成。 日本語、英語、ドイツ語、フラン ス語に対応。 「『FF7 リメイク』進化したリップシンク技術を実例付きで紹介。テキスト入力不要でアニメーション生成 が可能! 機械学習により別次元のクオリティーへ【CEDEC2022】」より引用

Slide 39

Slide 39 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 課題解決にどう役に立つか ? 39 企画 開発 販売 運用・運営 いかに創るか いかに接点 を増やすか いかに守るか

Slide 40

Slide 40 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 運用・運営により治安を維持することの重要さ 40 • GDC2022のレポートによれば「ゲーム業界において 2番目に多いプレイヤー減少の要因がコミュニティの有害化」。 • アメリカのセキュリティ会社であるIrdetoの調査によれば、 「多人数プレイゲームにおいて77%のプレイヤーは相手が チートしていると感じたらプレイするのをやめてしまい、 48%はアイテムの購入もしなくなる傾向がある」。

Slide 41

Slide 41 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 運用・運営により治安を維持するための機械学習の活用 41 有害な投稿の検知 不正・異常行動の検知 Problem: コミュニティ内での不快な投稿に よるユーザーの離脱を防止したい。 Solution: 機械学習による有害化につながる 画像やテキストの投稿の検知。 Case: THECOOではAmazon Rekognition で配信動画の不適切なコンテンツ をチェック。DiscordはSentropy を買収しAIを導入。 Problem: 不正行為による正規ユーザーのモ チベーション低下を防止したい。 Solution: 機械学習による不正行為の検知。 Case: CAPCOMではゲームプレイログか ら異常検知の手法を用いて不正行 為を検出。 キャラクター等IPの 不正利用防止 Problem: 模倣品が出回ることによるブラン ドイメージの棄損を防ぎたい。 Solution: 画像検知等の機械学習技術による 模造品の検出。 Case: Amazonブランドプロテクション では機械学習による検知システム を活用。2022年には600万点以 上の模倣品を削除。

Slide 42

Slide 42 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 不正・異常行動の検知の例: CAPCOM でのチート・不正対策事例 42 「機械学習の課題を⽀援するAmazon ML Solutions Labをご存知ですか?」より引用 マップ上通過できない場所を通 過しているユーザーを行動ログ から発見し、疑わしい行動を検 出。

Slide 43

Slide 43 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 課題解決にどう役に立つか ? 43 企画 開発 販売 運用・運営 いかに創るか いかに拡げるか いかに守るか

Slide 44

Slide 44 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 低コストの試作によるゲーム体験テストの有効性: ゼルダの伝説 ブレス オブ ザ ワイルド 44 「まず2Dゲームで開発、社員300人で1週間遊ぶ!? 新作ゼルダ、任天堂の驚愕の開発手法に迫る。「時オ カ」企画書も公開! 【ゲームの企画書:任天堂・青沼英二×スクエニ・藤澤仁】」より引用。 3D のゲームを作る前に、 2D のゲームを試作し 遊び倒す “実は最初、世界全体の物理をまとめるのに、リードプログラマ が2Dの世界に物理法則を乗っけて、最初にシミュレートするのは どうか? と提案してきたんです。” “実際、非常に考えやすかったですからね。とりあえず近場の木 を切り倒したら、それが川に浮いて、向こう岸への橋になって ……みたいなネタの展開が、どんどん2Dの画面で生まれてくるん です。ああ、これなら考えやすいぞ、と思いました。” “任天堂のスタッフの間では1ヶ月くらい、それを稼働させながら、 みんなでワイワイガヤガヤと研究しました。そうして結局、基本 の部分は全て2Dゲームの中でシミュレートしてしまったんです”

Slide 45

Slide 45 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 低コストの試作を実現するための機械学習活用 45 アセット制作の委譲 開発・テストの効率化 Problem: 試作段階ではデザイナーに対し予 算を割くことが難しい。 Solution: キャラクターや音楽等のアセット 作成を生成系AIに委譲する。 Case: InworldAIは、Unityで利用可能 なキャラクター生成機能を公開。 Googleはテキストから音楽を生 成するMusic LMを公開。 Problem: 試作段階ではプログラムを作りこ むことが難しい。 Solution: 機械学習による開発の効率化やテ ストの自動化を行う。 Case: Roblox Studio でテキストからの コード生成機能などを実装。 KLabではモバイルゲームのUIテ ストを自動化。 サポート業務の効率化 Problem: 試作段階でフィードバック収集や 改善等に予算を割くことが難しい。 Solution: カスタマーサポート業務(CRE)の 機械学習による効率化。 Case: MIXIでは1,000以上の回答テンプ レートを、問い合わせ内容に応じ て推薦する仕組みを構築。

Slide 46

Slide 46 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Unity AI Marketplace 46 「Unity が AI ソリューションの発表の場として AI マーケットプレイスを新規立ち上げ」より引用 ゲームの制作を効率化する選別された生成系 AI のソリューションを Unity Asset Store から購入可能。 キャラクターを生成する Inworld AI 会話能力を持たせる Convai 音声を生成する LMNT バーチャル世界を構築する Atlas ノーコードのエフェクト開発 Zibra AI ゲームテストを容易にする Modl.ai など様々。

Slide 47

Slide 47 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ゲーム事業への機械学習・生成系 AI の活用シナリオ 47 企画・開発 販売 運用 課題 低コストな試作で本格的 に開発する前にゲーム体 験を検証したい ユーザーとの接点を増や すため IP を中心とした 事業展開を行いたい ユーザーの離脱を招くコ ミュニティの有害化、不 正プレイを防止したい 解決策 ゲーム制作工程の委譲・ 効率化 ・コンテンツ/デバイス の分散 ・事業の分散 ・地域の分散 コミュニティやゲーム プレイのモニタリング 機械学習 / 生成系 AI の 貢献 アセット制作の委譲 開発・テストの効率化 サポート業務の効率化 グラフィック品質の維持 テキスト品質の維持 ローカライズ品質の維持 有害な投稿の検知 不正・異常行動の検知 キャラクター等IPの不正 利用防止

Slide 48

Slide 48 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 本日のアジェンダ ゲーム事業の課題 機械学習・生成系AIによる課題解決 AWSのサービスとプログラム Next Action 48

Slide 49

Slide 49 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 生成系 AI をゲーム事業に活かす 3 ステップ • Biz: 生成系 AI の役割を決める ゲーム事業のどんな課題をターゲットにするか • Dev: 生成系 AI を選択する 課題解決に必要な生成系 AI を選択し検証する • ML: 生成系 AI を差別化につなげる 生成精度を継続的に改善し事業の差別化につなげる 49

Slide 50

Slide 50 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ゲーム事業への機械学習・生成系 AI の活用シナリオ 50 企画・開発 販売 運用 課題 低コストな試作で本格的 な開発の前にゲーム体験 を検証したい ユーザーとの接点を増や すため IP 中心とした事 業展開を行いたい ユーザーの離脱を招くコ ミュニティの有害化、不 正プレイを防止したい 解決策 ゲーム制作プロセスの効 率化 ・コンテンツ/デバイス の分散 ・事業の分散 ・地域の分散 コミュニティ、ゲームプ レイのモニタリング 機械学習 / 生成系 AI の 貢献 アセット制作の委譲 開発・テストの効率化 サポート業務の効率化 グラフィック品質の維持 テキスト品質の維持 ゲーム体験の維持 有害な投稿の検知 不正・異常行動の検知 キャラクター等IPの不正 利用防止 Biz Dev ML

Slide 51

Slide 51 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Why AWS ? 51

Slide 52

Slide 52 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 生成系 AI の実現で AWS を選択するベネフィット • Biz: 生成系 AI の役割を決める ロードマップの作成を支援するプログラムを無料で提供 • Dev: 生成系 AI を選択する 豊富な品ぞろえのモデルをコスト効率良く提供 • ML: 生成系 AI を差別化につなげる 成長サイクルの運用に不可欠な MLOps をマネージドで提供 52

Slide 53

Slide 53 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ML Enablement Workshop 生成系 AI の お試し 生成系 AI に よるプロダクト 差別化 機械学習の使いどころを学び、実行可能な計画 を立てられるようになるための 無償のワークショップ。 参考 : プロダクトの成長をリードする生成系 AI の活用戦略 理解編 活用事例を参考に自社での生 成系 AI の役割を定義する。 (ビジネスモデルキャンバス) 応用編 成長サイクルが成立する流 れを可視化し共有する。 (Event Storming) 開始編 生成系 AI の試用から差別化 に至るまでの実現可能なス テップを開始する。 生成系 AI のロードマップ作成に対応した場合の流れ 53

Slide 54

Slide 54 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. ML Enablement Workshop のコンテンツは すべて GitHub で公開中。 https://github.com/aws-samples/aws-ml-enablement-workshop AWS からの提供には条件がありますが、 開催者向けガイドを参照しお客様自身で実施 頂くこともできます 54

Slide 55

Slide 55 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 生成系 AI の実現で AWS を選択するベネフィット • Biz: 生成系 AI の役割を決める ロードマップの作成を支援するプログラムを無料で提供 • Dev: 生成系 AI を選択する 豊富な品ぞろえのモデルをコスト効率良く提供 • ML: 生成系 AI を差別化につなげる 成長サイクルの運用に不可欠な MLOps をマネージドで提供 55

Slide 56

Slide 56 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 生成系 AI により、機械学習が事前準備なしに 「まず試せる」ようになった。 今までは「データは ? 」から始まざるを得なかったが、生成系 AI の登場により Biz で設定した課題が解決できそうかまず迅速に試す ことができるようになった。 56

Slide 57

Slide 57 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Bedrock 厳選された基盤モデルを サーバーレス形式で提供 NEW Preview 57

Slide 58

Slide 58 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 厳選された基盤モデルから 課題解決に最適な基盤モデルを選択できる Amazon が提供 最先端スタートアップ企業が提供 Titan Text Titan Embeddings Claude Jurassic-2 Stable Diffusion 58 New York Summit で Cohere が の追加がアナウンス 文書校正や要約 会話 画像生成

Slide 59

Slide 59 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. サーバーレスで利用と追加学習ができ API で他のシステムか ら呼び出せる。学習データは外部に送信されることはない 実績ある AWS の セキュリティ機能 によりデータ保護 を強化 API を通じて 基盤モデルを使用。 生成系 AI アプリケー ション開発を加速 厳選された基盤 モデルから自社業務 に最適な基盤モデル を発見 自社データを使用 し基盤モデルを個 別にカスタマイズ 使いやすい AWS ツー ルで、スケーラブルで 信頼性が高く、安全な 生成系 AI アプリケー ションをデプロイ 59

Slide 60

Slide 60 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 60 Amazon CodeWhisperer コメントなどのテキストからソースコード を自動生成 NEW

Slide 61

Slide 61 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 生成系 AI によるソースコード自動生成 様々な開発環境で、様々なプログラミング言語の開発を支援 リアルタイムに周辺のコメントなどからコードの候補を提案。加えて、提案した コードの出典の追跡とセキュリティスキャンが可能。 & Go, Rust, PHP, Ruby, Kotlin, C, C++, Shell scripting, SQL, and Scala & JupyterLab, CLion, GoLand, WebStorm, Rider, PhpStorm, RubyMine, and DataGrip メールアドレスのみで利用でき、個人開発者は無料で利用可能

Slide 62

Slide 62 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon SageMaker JumpStart 事前学習済みのモデルやソリューションを 数クリックでデプロイ Hot 62

Slide 63

Slide 63 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Machine learning hub 400 以上の事前学習済の基盤モデルやソリューション、 サンプルノートブックを閲覧 モデルもトレーニングコードも推論コードも不要 自前でコードを用意せずに推論したり、 独自のデータセットで Fine Tune 可能 UI も API も マウス操作によるモデルのデプロイだけでなく、 同様のことをする API の準備もあり、試用からシステム統合まで簡単 Amazon SageMaker JumpStart モデルやデータのコラボレーション デプロイしたモデルや、ノートブックは認証認可の元 誰でもアクセス可能 63 セキュリティ VPC エンドポイントで閉域アクセスも可能

Slide 64

Slide 64 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Foundation modelの幅広い選択肢 A M A Z O N S A G E M A K E R J U M P S T A R T か ら 提 供 中 Models Stable Diffusion XL 2.1 base Upscaling Inpainting Tasks Generate photo-realistic images from text input Improve quality of generated images Features Fine-tuning on Stable Diffusion 2.1 base model Models AlexaTM 20B Tasks Machine translation Question answering Summarization Annotation Data generation Models Falcon-7B, 40B Open LlaMA RedPajama MPT-7B, Dolly BloomZ 176B Flan T-5 models (8 variants) DistilGPT2 GPT NeoXT Bloom models (3 variants) Tasks Machine translation Question answering Summarization Annotation Data generation Features Fine-tuning on FLAN T5 models, GPT-6B, Falcon-7B Models Cohere Command XL Tasks Text generation Information extraction Question answering Summarization Models Jurassic-2 Ultra, Mid Contextual answers Summarize Paraphrase Grammatical error correction Tasks Text generation Long-form generation Summarization Paraphrasing Chat Information extraction Question answering Classification Models Lyra-Fr 10B, Mini Tasks Text generation Keyword extraction Information extraction Question answering Summarization Sentiment analysis Classification Models Llama 2 7B, 13B, 70B Tasks Question answering Chat Summarization Paraphrasing Sentiment analysis Text generation

Slide 65

Slide 65 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 65 Meta からリリースされた Llama2 も即日利用可能に

Slide 66

Slide 66 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Stability AI の Stable Diffusion を用いた高精細化 66 https://aws.amazon.com/jp/blogs/machine-learning/upscale-images-with-stable-diffusion-in-amazon-sagemaker-jumpstart/ SageMaker JumpStart から、 Stability AI の公開した Stable Diffusion モデルを立ち上げ 4 倍の画像高精細化を行える。

Slide 67

Slide 67 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 3 種類の方法で基盤モデルを Jump して Start AWS console から JumpStart 67 モデルをホストせずに console から実行 Notebook から JumpStart SageMaker Studio から JumpStart マウスポチポチでモデルを ホストして実行 JumpStart の API を 実行

Slide 68

Slide 68 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. AWS はオープンソースやスタートアップ企業と連携し、 生成系 AI の選択肢を拡充しコスト効率良くする 68

Slide 69

Slide 69 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 生成系 AI の実現で AWS を選択するベネフィット • Biz: 生成系 AI の役割を決める ロードマップの作成を支援するプログラムを無料で提供 • Dev: 生成系 AI を選択する 豊富なモデルをコスト効率良く提供 • ML: 生成系 AI を差別化につなげる 成長サイクルの運用に不可欠な MLOps をマネージドで提供 69

Slide 70

Slide 70 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 機械学習の成長サイクル Customer Experience Traffic Data Data Driven Decision Growth 70

Slide 71

Slide 71 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 基盤モデルの開発にも対応 した機械学習モデルの 統合開発環境 人間参加型 AI(Human-in-the-loop) データセット品質を高め、データラベリングの オーバーヘッドと時間を削減 分散型トレーニング 分散型トレーニング完了を最大40%まで高速化 推論 学習モデルのリアルタイム・非同期推論を 最高のコストパフォーマンスで実現 マネージド・サービス マネージド・インフラによるモデル トレーニング環境 の完全制御 MLOps 機械学習ライフサイクル全般に渡るプロセスを 自動化、標準化 Amazon SageMaker 71

Slide 72

Slide 72 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 運用に効く:統合開発環境としての Amazon SageMaker MLOps 自動化 チューニング 特定ドメイン用の カスタマイズ 監視 バイアスの監視 特徴量貢献度 ドリフト検定 準備 データのラベル付け 人間参加型 AI (human-in-the-loop) の 為のフィードバック提供 デプロイ 最適価格での柔軟な デプロイ 72

Slide 73

Slide 73 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. 73 Amazon EC2 Trn1n Amazon EC2 Inf2 学習専用、推論専用のチップ NEW

Slide 74

Slide 74 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. コスト効率良く生成系 AI を利用するための ハードウェアを開発 AWS Trainium AWS Inferentia 2 大規模言語モデルや拡散モデルの 学習に特化したインスタンス 大規模言語モデルや拡散モデルの 推論に特化したインスタンス 同等の Amazon EC2 インスタンス と比較して最大 75% の学習コスト 削減 同等の Amazon EC2 インスタンス と比較して最大 40% の推論コスト 効率の改善を実現 74

Slide 75

Slide 75 text

© 2023, Amazon Web Services, Inc. or its affiliates. 本日のアジェンダ ゲーム事業の課題 機械学習・生成系AIによる課題解決 AWSのサービスとプログラム Next Action 75

Slide 76

Slide 76 text

© 2023, Amazon Web Services, Inc. or its affiliates. 本日持ち帰って頂きたいこと ① 「ゲーム製作」から「ゲーム事業」に視点を拡げることが重要なこと 人生で関わるゲームを記憶と記録に残すには、経営課題の集中する 販売と運用へも視野を広げることが不可欠。 ② 機械学習や生成系 AI はゲーム事業の課題の解決に役立つこと 生成系 AI だけでなく既存の機械学習も十分有効。 ③ 課題解決を進めるのに AWS を選ぶ理由 Biz Dev ML の 3 ステップを無償のプログラム、迅速に利用できる サービス、コスト効率良く成長サイクルを回せるサービスを提供。 76

Slide 77

Slide 77 text

© 2023, Amazon Web Services, Inc. or its affiliates. 77 本発表 / スライドが異なるチーム間のコミュニケーション のきっかけになれば幸いです! 具体的な機械学習のプロジェクトの立ち上げを検討されたい 方は、 Biz ⽀援の ML Enablement Workshop をぜひ 検討ください。

Slide 78

Slide 78 text

© 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Thank you! © 2023, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon Web Services, AWS, the Powered by AWS logo, and all AWS service names used in this slide deck are trademarks of Amazon.com, Inc. or its affiliates.