人工知能- イノベーションエンジン –

人工知能

- イノベーションエンジン –

三宅陽一郎

三宅陽一郎@miyayou

2016.11.1

@六本木アカデミーヒルズ

https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com

http://hiptokyo.jp/events/innovationengine_07/

経歴

京都大学（数学）大阪大学（原子核実験物理）東京大学（エネルギー工学/人工知能）

高エネルギー加速器研究所（半年ぐらい。修士論文）

http://www.facebook.com/youichiro.miyake

Works (2006-2016)

AI for Game Titles

• ThinkIT https://thinkit.co.jp/author/10026

• AI最前線の現場から【スクウェア・エニックス】

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

(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

（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。

内容：宇宙船や地表を舞台にしたＳＦのＦＰＳ

開発元： BUNGIE Studio

出版: Microsoft

Hardware: Xbox, Windows, Mac

出版年：２００２年

Xbox, 全米、世界を代表するＦＰＳの一つ( Halo 500万本 Halo2 700万国内10万本）

「愛嬌のあるＮＰＣ」とその演出で、プレイヤーからの定評を得る。

人工知能とは

http://static.flickr.com/5051/5525304279_65012a492c_s.jpg

？ http://flopdesign.com/download/Human_S/pages/B50.html

自然知能と人工知能

人間＝自然知能

機械＝人工知能

ダートマス会議（1956年）

• ジョン・マッカーシーのいたダートマス大学で、人工知能をテーマとして初めて開催された会議。

• Artificial Intelligence という名称もはじめてここで用いられた。

http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html

ダートマス会議（1956年）

我々は、1956年の夏の2ヶ月間、10人の人工知能研究者

がニューハンプシャー州ハノーバーのダートマス大学に集まることを提案する。そこで、学習のあらゆる観点や知能の他の機能を正確に説明することで機械がそれらをシミュレートできるようにするための基本的研究を進める。機械が言語を使うことができるようにする方法の探究、機械上での抽象化と概念の形成、今は人間にしか解けない問題を機械で解くこと、機械が自分自身を改善する方法などの探究の試みがなされるだろう。我々は、注意深く選ばれた科学者のグループがひと夏集まれば、それらの問題のうちいくつかで大きな進展が得られると考えている。

https://ja.wikipedia.org/wiki/%E3%83%80%E3%83%BC%E3%83%88%E3%83%9E%E3%82%B9%E4%BC%9A%E8%AD%B0

人工知能＝人間の知能を機械に写す（移す）。

機械（マシン）

ソフトウェア

知能

http://www.1999.co.jp/blog/1210192

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%B 3%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

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

意識/無意識の知性

身体の制御につながる

感覚を統合する

知性全体人の意識的な部分意識自身には機能がない

環境

身体

意識

無意識

意識的な知性

無意識的な知性

表象意識に浮かび上がるイメージ

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）

人間の精神

意識

前意識

無意識

生態学的人工知能 ※生態＝環境・身体との結びつきを考える

伝統的な人工知能

身体知

人間の精神

意識

前意識

無意識

知能

解釈

顕在化

運動統合

意志

意識の境界面

知覚の境界面

２つの見えている世界（知覚世界、作用世界）

知覚世界作用世界

機械の精神＝人工知能

意識

前意識

無意識

知能

言語による精神の構造化

言語化のプロセスシンボル/010100000

言語回路（＝プログラム）

人間の精神、機械の精神

意識

前意識

無意識

意識

前意識

無意識

言語・非言語境界面

知覚の境界面

人間の精神、機械の精神

意識

前意識

無意識

意識

前意識

無意識

言語・非言語境界面

知覚の境界面

人工知能は、人間の知能を機械に移したもの。

この３００年の技術の動向

時間

規模

産業革命

情報革命

ネット革命

知能革命

機械化・自動化（オートメーション化）

電子情報化

オンライン化

知能化

第二次産業革命

電動化

1750 1860 1960 1990 Now…

現代は「知能化」の時代に入りつつある。

第一次AIブーム第二次AIブーム第三次AIブーム

社会

機械レイヤー

社会

機械レイヤー

情報処理レイヤー

社会

機械レイヤー

情報処理レイヤー

人工知能レイヤー

人工と社会

時間

規模

産業革命

情報革命

ネット革命

知能革命

機械化・自動化（オートメーション化）

電子情報化

オンライン化

知能化

第二次産業革命

電動化

1750 1860 1960 1990 Now…

現代は「知能化」の時代に入りつつある。

人工知能と社会

ロボット

世代

人口

人工知能

少子高齢化社会ロボットと人工知能で少子高齢化社会を支える

人間はどのように人工知能を発展させて来たか？

記号

自然言語

概念

人間

より人間に近い情報の形を理解できるように進化させて来た。

意味

言葉

記号処理

自然言語処理

セマンティック解析（意味解析）

オントロジー

情報情報処理

情報の海（ネットワーク）

ネット空間の人工知能

人間

とてもしんどい… おいつかない。。。

人間

検索エンジン（Googleなど）

人間は人工知能のおかげで、情報の海を旅することができる。

人工知能

解析・抽出

提出・提案命令・指示

人間

人工知能が情報の海と人間の間のインターフェースとして出現する

記号

自然言語

概念

人間

より人間に近い情報の形を理解できるように進化させて来た。

意味

言葉

記号処理

自然言語処理

セマンティック解析（意味解析）

オントロジー

情報情報処理

人工知能

人はどのように人工知能を使っているか？

ネットに散乱する情報を、人間がより理解しやすい形に咀嚼して、持って来る（例）要約。意味による検索。

人間

記号の海

言葉の海

意味の海

概念の海

情報の海

ネット空間

機械

記号

自然言語

概念

人間

AI 意味

言葉

情報

ＡＩは単なる情報処理ではなく、人間に近い理解を目指す

機械

記号

自然言語

概念

人間

AI 意味

言葉

情報

機械（マシン）が得意なこと（＝情報）と、人間が得意なこと（＝概念）は正反対。

機械

記号

自然言語

概念

人間

AI 意味

言葉

情報画像

範疇

判別

イメージ

意味

映像

判別

時系列

流れ

意味

機械

記号

自然言語

概念

人間

AI 意味

言葉

情報画像

範疇

判別

イメージ

意味

映像

判別

時系列

流れ

意味機械（マシン）が得意なこと（＝情報処理、画像処理、映像処理）と、人間が得意なこと（＝概念、イメージ、想像）は正反対。

人工知能

情報の海を母体として、人工知能が育っている。＝情報の海を母体として人工知能が生まれる

人間

情報の海

人工知能

人間

記号の海

言葉の海

情報の海

人工知能

人間

記号の海

言葉の海

意味の海

概念の海

情報の海

飽和したネット空間のサービス競争（飽和）

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/人工知能ビックデータ

進出・浸食

ロボット

実空間センシング

ドローン

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

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

ドローン

現在起こっていること～ネット空間から現実空間への回帰

ゲーム空間

人工知能

https://www.ingress.com

情報空間の拡大～人工知能の舞台が広がる

• 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

• やがて街全体を制御する人工知能が出現する。

• やがて家全体を制御する人工知能が出現する。

ネット空間

現実空間

進出・浸食

ロボット

ドローン

現実世界とデジタル世界をまたぐゲーム空間

ゲーム空間

人工知能

デジタル世界の人工知能

現実世界の人工知能

未開拓

成熟

巨大な

内部デジタル空間

巨大な外部空間

現実とデジタル空間にまたがる人工知能

ネット空間

現実空間

進出・浸食

ロボット

ドローン

現実世界とデジタル世界をまたぐゲーム空間

ゲーム空間

人工知能

未開拓

成熟

巨大な内部空間

巨大な外部空間

新しい人工知能の誕生

我々は、デジタル空間＝現実空間にまたがる巨大な人工知能を作り出そうとしている。

ネット空間

現実空間

進出・浸食

ロボット

ドローン

ネット空間から現実空間へ、現実世界からネット空間へ

ゲーム空間

人工知能

新しい現実空間の誕生

＝スマート・リアリティ（スマート・シティ）

人工と哲学

テセウスの船（パラドックス）船の老朽化した部分を、新しい木に入れ替えているうちに、

全部を入れ替えてしまった。

はたしてこの船は元の船と同一のものであろうか？

http://img02.hamazo.tv/usr/j/a/g/jagr/629.jpg

テセウスのパラドックス

物質的構成＝循環する

物質によらず不変なもの構造

物質的構成＝循環する

物質によらず不変なもの構造情報

だから、こう言える。生物は物質的存在であると同時に、情報的存在でもあるのだ。

物質

情報

物質

生物は、情報的存在であり、同時に物質的な存在である。物質は情報に存在を与え、情報は物質に構造を与える。

情報と物質

情報

物質

生物は、情報的存在であり、同時に物質的な存在である。物質は情報に存在を与え、情報は物質に構造を与える。

「情報と物質」から「精神と身体」へ

情報

物質

精神・知性

身体

精神と身体、そして進化

情報

物質

精神・知性

身体

進化

精神と身体、そして進化

情報

物質

精神・知性

身体

人工知能

ハードウェア

知能は生き物の情報的側面である。

ゲームと自律型人工知能

キャラクターを表現する

世界

知能

身体

世界

記憶

知能

身体

世界

記憶五感

身体

言語

知識表現型

センサー・物理

知能

身体

世界

記憶五感

身体

言語

知識表現型

知識生成

Knowledge Making

身体

世界

記憶五感

身体

言語

知識表現型

知識生成

Knowledge Making

意思決定

Decision Making

身体

世界

記憶五感

身体

言語

知識表現型

センサー・。物理

知識生成

Knowledge Making

意思決定

Decision Making

運動生成

Motion Making

身体

世界

記憶五感

身体

言語

知識表現型

知識生成

Knowledge Making

意思決定

Decision Making

運動生成

Motion Making

身体・発話・

情報発信

エフェクター

身体

エージェント・アーキテクチャ

世界

記憶五感

身体

言語

知識表現型

知識生成

Knowledge Making

意思決定

Decision Making

運動生成

Motion Making

身体・発話・

情報発信

エフェクター

身体

世界

記憶五感

身体

言語

知識表現型

知識生成

Knowledge Making

意思決定

Decision Making

運動生成

Motion Making

身体・発話・

情報発信

エフェクター

内容：宇宙船や地表を舞台にしたＳＦのＦＰＳ

開発元： BUNGIE Studio

出版: Microsoft

Hardware: Xbox, Windows, Mac

出版年：２００２年

Xbox, 全米、世界を代表するＦＰＳの一つ( Halo 500万本 Halo2 700万国内10万本）

「愛嬌のあるＮＰＣ」とその演出で、プレイヤーからの定評を得る。

Halo AI のアーキテクチャー

「敵発見」「味方志望」「ダメージ受けた」「プレイヤー発砲」などイベントを抽出

状況解析

演出（セリフ）

知能の世界

環境世界

エフェクター・身体

センサー・身体

身体部分

生物の持つ環世界

知能の世界

環境世界

身体部分

知能を構築する根底には「環世界」がある。

知能の世界

環境世界

身体部分

知能を構築する根底には「環世界」がある。知能は、その上に多層的に構築されて行く。

知能の世界

環境世界

身体部分

知能を構築する根底には「環世界」がある。知能は、その上に多層的に構築されて行く。

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

Classical : Central domain All processes of intelligent modules are executed in sequence.

Subsumption : parallel & layered All processes of intelligent modules are executed in parallel.

Rodney Brooks, A robust layered control system for a mobile robot Robotics and Automation, IEEE Journal of (Volume:2 , Issue: 1 ) 1986

Roomba (iRobot)

http://www.irobot.com/en/us/learn/home/roomba.aspx

Roomba has a subsumption architecture.

人工知能とフレーム問題

人間の知能の形/人工知能の知能の形

人間（生物）の知能＝総合的知能一つの知能がいろんなことをできる

お料理できる

将棋が打てる

目的地へ行ける

何でもできる可能性を持つ総合知性

お料理できる将棋が打てる

目的地へ行ける

人工知能＝専門的知能一つのことしかできない。

何でもできる可能性を持つ総合知性がない

お料理ロボット＝お料理しかできない

AlphaGO ＝囲碁しか打てない

ナビ＝目的地へのルート

お掃除ロボット＝お掃除しかできない

IBM ワトソン＝記号の統計情報しかない＝何百万行のテキストの関係を記憶

人工知能＝専門的知能一つのことしかできない。一つのことがとても（人間より）得意。

AlphaGO ＝囲碁しか打てない＝人間より強い

ナビ＝目的地へのルート＝とても正確

お掃除ロボット＝お掃除しかできない＝ 24時間掃除

IBM ワトソン＝記号の統計情報しかない＝何百万行のテキストの関係を記憶

お料理ロボット＝お料理しかできない＝何万と言うレシピ

人工知能＝専門的知能一つのことしかできない。

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

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

人工知能は自ら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。

データの海が人工知能を育てる

人工知能

人間

記号の海

言葉の海

意味の海

概念の海

情報の海

データの海が人工知能を育てる

• Amazon（協調フィルタリング）

• IBMワトソン

• IBM Watson in みずほ銀行

• AlphaGO

• ソニー「デジタルアナウンサー」

• Nvidia「自動運転」

• 医療用診断データベース

人工知能

「人」の間に人工知能

人工知能

「人」の間に人工知能。たとえば予定を自動調整してくれる。

いつ空いている？えーと…

予定表予定表

来週の月曜日の夜どうですか？

Ａｍａｚｏｎ「協調フィルタリング」

ユーザデータ群（たとえば販売サイト）

A B C ?

評価 5 1 4

A,B,C という映画を購入した人に、次にどの映画を推薦するべきか？

A B C M

評価 4 2 5 5

同じ購入履歴で、同じような評価をしている人が高く評価している映画を探して来る。

推薦

IBM ワトソン

ネット上のあらゆるWiki 百科事典データベース

など

りんご赤い 90%

甘い 70%

青森 55%

フランス 40%

果物 32%

しぶい 7%

IBMワトソンは、文章の中の語の相関を学習する。その学習データを用いて、インプットされた語と、相関の強い言葉をリストアップする。

IBM Watson in みずほ銀行

• オペレーターが顧客の要望を復唱する。

• 言葉に変換

• 自動的に関連するマニュアルを表示する

https://www.change-makers.jp/business/10573

ソニー「デジタルアナウンサー」

• ニュース原稿を流し込む

• エージェント（ＡＩ）が身振りをまじえて読み上げる。

ソニー、CGキャラがニュースを自動で読み上げる“デジタルアナウンサー”--渋谷で実験 http://japan.cnet.com/news/service/35087113/

AlphaGO

膨大な棋譜のデータ（人間では多過ぎて

読めない）

この棋譜をそっくり打てるように学習する

自己対戦して棋譜を貯める

この棋譜をそっくり打てるように学習する

AlphaGO

Mastering the game of Go with deep neural networks and tree search http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html https://deepmind.com/research/alphago/

Deep Q-Learning

Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf

画面を入力操作はあらかじめ教えるスコアによる強化学習

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（シンボリズム））

ニューラルネットによる人工知能（コネクショニズム）

IBM ワトソンなど

AlphaGo など

http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html

ニューラルネットを理解しよう① 基本思想

コネクショ二ズム（結合主義）

知性とは脳の活動によって産まれるのだ。

知性とは脳は１００億以上の

ニューロン（神経素子）の結合である。

だったら、ニューロン（のモデル）を用いた

回路（ニューラルネットワーク）によって

知能を作ることが可能ではないか！

（since 1943）

http://www.sanko-junyaku.co.jp/product/bio/catalog/nhc_animal/rat-neuronal-3striatum.html

ニューラルネットだけで知性の機能を

全て再現してみよう！

神経素子（ニューロン）とは？

入力

出力

入力

この中にはイオン（電解,Na+,K+）溶液が入っていて、入力によって電圧が高まると出力する仕組みになっています。

100mVぐらいニューラルネットワーク内シグナル伝達スピード 100(m/sec) … 案外遅い

http://www.brain.riken.go.jp/jp/aware/neurons.html

ニューラルネットを理解しよう② 数学的原理

http://www.pri.kyoto-u.ac.jp/brain/brain/11/index-11.html

医学的知識

http://www.biwako.shiga-u.ac.jp/sensei/mnaka/ut/sozai/ai.html

モデル化

数学的モデル

ニューロン人工ニューロン

入出力関係のグラフ入出力関係の関数（シグモイド関数）

ニューラルネットワーク

（ニューロンをつなげたもの）

道具はこれで全て。これで何ができるだろう？

深階層ニューラルネットワーク

http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html

ニューラルネットワーク＝信号（波形）処理だけで知能を作る。

学習過程解析

Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf

• Pπ ロールアウトポリシー（ロールアウトで討つ手を決める。Pπ（a|s） sという状態でaを討つ確率）

• Pσ Supervised Learning Network プロの討つ手からその手を討つ確率を決める。Pσ（a|s）sという状態でaを討つ確率。

• Pρ 強化学習ネットワーク。Pρ（学習済み）に初期化。 • Vθ(s’) 局面の状態 S’ を見たときに、勝敗の確率を予測する関数。つまり、勝つか、負けるかを返します。

Mastering the game of Go with deep neural networks and tree search http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html https://deepmind.com/research/alphago/

あから２０１０

激指 YSS

合議

Bonanza GPS

将棋

あから2010合議サーバログを可視化してみた（A Successful Failure）http://blog.livedoor.jp/lunarmodule7/archives/1121781.html

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

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

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/

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。

適応型動的ペーシング

[基本的発想]

(1) ユーザーがリラックスしている時に、ユーザーの緊張度が一定の敷居を超えるまで敵をぶつけ続ける。

(2) ユーザーの緊張度が一定の緊張度を超えると敵を引き上げる。

(3) リラックスすると敵を出現し始める（(１)へ）。

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。

より具体的なアルゴリズム

メタＡＩがゲームを認識する方法

キャラクター用に作成されたナビゲーションメッシュをメタＡＩがゲームの状況を認識するために使用する。

メタAIが作用を行う領域

メタＡＩが作用（敵の生成・消滅）を行う領域を、 AAS（= Active Area Set）と言う。

メタAIが作用を行う領域 (AAS=Active Area Set)

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

AAS に対して行うこと。

メタＡＩはプレイヤー群の移動に伴い、その周囲（ＡＡＳ）に敵の群れを生成・消滅させたりする。

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。

敵出現領域

背後前方

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。

モンスター・アイテム出現頻度

敵の種類、アイテムの種類ごとに出現頻度が違うが、頻度に応じて発生させる。

高頻度

低頻度

Wandereｒs (高頻度)

Mobs(中頻度)

Special Infected (中頻度)

Bosses (低頻度)

Weapon Caches (低頻度)

Scavenge Items (中頻度)

ボス出現アルゴリズム (1) Ｎ体を予想される逃走経路上に配置 (2) ３つの出現イベントパターン（何もいない、を含む）（例） Tank, Witch, 何もいない (3) 同じパターンのくり返しは禁止 (例) Witch, 何もいない、Witch はＯＫ。 Witch, Witch はだめ。

何もいない

Tank Witch Witch Tank Witch Tank

具体的なアルゴリズム

(1) 各エリアに、出現数 N を決定する

(2) 出現数Nは予想される逃走経路の長さと要求される密度によって計算される。

(3) あるエリアがAAS の中に入るとクリーチャーがN体生成される。

(4) そのエリアがAAS の外に出ると生成が中止され、クリーチャーは消滅される。

(5) Ｎはそのエリアがプレイヤーから見えている場合、或いは、プレイヤーがリラックスモードの場合には、強制的に０になる。

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。

プロシージャル技術

ゲームAI技術

AI技術プロシージャル

技術

コンテンツ自動生成技術（PCG, Procedural Contents Generation ）

Rogue (1980)のダンジョン生成法

Rect[0] Rect[0] Rect[1]

Rect[0]

Rect[1]

Rect[2] Rect[3]

このようにアセット（ゲームのデータ）をツールなどを通して製作するのではなく、プログラムで作ることを「プロシージャル・コンテンツ・ジェネレーション」（PCG）と言う。

http://racanhack.sourceforge.jp/rhdoc/intromaze.html

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

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

FarCry2 (Dunia Engine ) デモ

草原自動生成時間システム

樹木自動生成動的天候システム

動的天候システム

http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm

• 人間には扱えないような大きなデータから、

• 人間では気づかない特徴を学習している。

学習する人工知能から学ぶこと

• さらに人間の解釈を通過することなく、

• 直接サービスやアクションを展開する

（当然アマゾンの開発者は我々に何を推薦しているか知らない）

学習する人工知能から学ぶこと

ユーザー

データ

ビックデータ

インフラとしてのAI

ビックデータ

インフラとしてのAI

この循環は人間を理解しているわけではない。

「人間たち」の統計的特徴を見つけて行動している。

パーソナルな人工知能（人間のバディになる人工知能）

どこで人工知能ビジネスを展開するか？

＝人工知能に人間の何をどこまで理解させて、

ビジネスを展開するか？

人間の幅＝現れ＝行動

人間の深さ

どこで人工知能ビジネスを展開するか？

人間の内面深く理解する人工知能、はこれから。

人工知能技術は、そこに向かって進化している。

人間の幅＝現れ＝行動

人間の深さ

第八章人工知能と倫理

職業は人工知能でなくなるか？

• 自分の職業の内容を細かくリストアップしてみましょう。

• その中の何割かが人工知能で置き換わるか、考えるか、専門家に聞いてみよう。

• 全くなくなるのではなく、部分的に置き換わる。

• つまり発想を逆にして、人工知能といかに共存するか、その共存の仕方を模索する時代に来た。

• 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。

自分の仕事に何割かが人工知能に置き換わる。

自分の仕事に何割かが人工知能に置き換わる。＝これからは人間と人工知能が協調する時代

自分の仕事に何割かが人工知能に置き換わる。＝これからは人間と人工知能が協調する時代＝人工知能とペアを組んで強いチームが勝つ

単独の人工知能

人間とペアを組む人工知能

社会インフラ

パーソナル・サービス

人間の心人と人の間 /モバイル

システム /ビックデータ

エージェント指向

単独の人工知能

人間とペアを組む人工知能

社会インフラ

パーソナル・サービス

人間の心人と人の間 /モバイル

システム /ビックデータ

エージェント指向

サービスでは「人間とペアを組む人工知能」をまず目指す。社会インフラでは「人間の介在しないシステム」を目指す。

全体のまとめ

１. 人工知能は人間の知能を機械に写そうとしたところから出発した。２．箱庭（ゲーム）で育まれた人工知能は現実世界に出ようとしている。３．そのためにはハードウェア（ロボット、マシン、デジタルサイネージなど）が必要である。４．しかし、まだ人工知能はそこまで賢くない。５．人工知能は人間が与えた問題を解く。人工知能は問題を自ら考えだすことはない。６．しかし、人間が与えた問題において、人間より遥かに優秀になり得る。

7. 人工知能第三次ブームの特徴はデータと学習である。

8. データの蓄積はインターネットによるところが大きい。

9. 人工知能はネット（グローバル）とローカル、現実と仮想を結ぶ。

10. 人工知能の発展は二つ。社会インフラ、とパーソナルなもの。

全体のまとめ

人工知能- イノベーションエンジン –

Data & Analytics

次世代人工知能フレームワーク・テストベッドの研究開発 · 「次世代人工知能・ロボット中核技術開発」（人工知能分野）中間成果発表会

Word2Vec Neologdで作るアニメ人工知能

人工知能の現状と将来動向( - la9hmatsuda.a.la9.jp/page700_opinion/doc_ATCAJ_AI-1.pdf · (1) 人工知能とは何か (2) 人工知能の歴史と問題点 ... 人円知能の現状と将来動向(1)

人工知能とは人工知能の発達がもたらす未来社会量子 ... · 2020. 12. 4. · 人工知能の性能が全人類の知性の総和を越える時点。カーツワイル氏はこの強い

人工知能特論 II 　第 7 回

人工知能特論 II 　第 14 回

人工知能特論 II 　第 5 回

人工知能特論 II 　第 2 回

スーパーサイエンスハイスクール人工知能プログラミング AI programming

Artifical Intelligence (人工知能) の歴史と Augmented Intelligence (知能増幅) について

芸術と人工知能「人工知能に、人工的な美を追求させることは如何にして可能か？」

人工知能知識を用いる探索法 Heuristic Search)

2009 人工知能（２） April 21,2009

人工知能特論 2011 資料 No.6

人工知能 - kasumigaseki-ipo.com · 人工知能のプログラムに使われるオランダ生まれの言語。人工知能分野では現在ではパイソンのみと言っ

人工知能の現状と将来の動向2017/08/24 · 人工知能の種類 3 人工知能（AI：Artificial Intelligence）は、知識ベース型、学習型などに大別される。l

人工知能から人工頭脳へ - isem.co.jp · 1 人工知能から人工頭脳へ nf研自由話題 20160114 宮西洋太郎 •人（人体頭脳）とロボット（人工知能）

実世界の人工知能@DeNA TechCon 2017

人工知能のための哲学塾 : 東洋哲学第1回荘子と人工知能の解体

人工知能特論 II 　第 13 回