人工知能とイノベーション

人工知能とイノベーション

三宅陽一郎

三宅陽一郎@miyayou

2016.11.9

https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake [email protected]

人工知能の歴史

１９５６年１９８６年２０1６年

人工知能発祥

日本人工知能学会発足

現在

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

Books

WIRED A.I.

• WIRED A.I.+ Wired City

• １２月１日発売

• 「人工知能＋街特集」

なぜぼくらには人工知能が必要なのか──『WIRED』Vol.20「人工知能＋未来都市」 2大特集・特別保存版刊行に寄せてhttp://wired.jp/2015/12/01/vol20-editors-letter-ai/

http://wired.jp/2015/12/01/vol20-editors-letter-ai/









「IT、都市、ヘルスケア、あらゆる領域で人工知能と人間が共創する未来」

• WIRED 「INNOVATION INSIGTS」

http://wired.jp/innovationinsights/post/analytics-cloud/w/cocreation_with_ai





• 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】

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

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

目次

• 第一章人工知能とは？

• 第二章なぜ、今、人工知能技術が注目されているか

• 第三章人工知能の発展の方向

• 第四章ゲームＡＩ

• 第五章人工知能の各種事例

• 第六章知能と「フレーム」

• 第七章サービスと人工知能第六章

• 第八章人工知能と倫理

• 第九章人工知能と創造性

• 第十章全体のまとめ

目次











第一章人工知能とは

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












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





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。


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


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


意識

前意識

無意識


意識

前意識

無意識



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。


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

第一章まとめ

• 人工知能は、人間の知能を機械に写したもの。

• 人工知能は、人間の知能を機械に写すこと。

目次











第二章なぜ、今、人工知能技術が注目されているのか？

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。


時間

規模

産業革命

情報革命

ネット革命

知能革命


電子情報化

オンライン化

知能化


電動化

1750 1860 1960 1990 Now…


第一次AIブーム第二次AIブーム第三次AIブーム


社会


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


時間

規模

産業革命

情報革命

ネット革命

知能革命


電子情報化

オンライン化

知能化


電動化

1750 1860 1960 1990 Now…


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

エンジニアリングとしての人工知能の二つのアプローチ

人工知能を作る (キャラクターAI、ロボット…)

既にあるものを知能化する (家電、電車、ポスター、なんでも…)

第三章人工知能の発展の方向


時間

規模

産業革命

情報革命

ネット革命

知能革命


電子情報化

オンライン化

知能化


電動化

1750 1860 1960 1990 Now…


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




知能化

• 工場 → （知能化） → オートスケジューリング

• 配送 → （知能化） → 自動分配・自動配送

• 車 → （知能化） → 自動走行・ＩＴＳ

• 家電 → （知能化） → コミュニケーション家電（ルンバなど）

• インターネット → （知能化） → Web.4.0 (GoogleのDeep Learning など)

• TV → （知能化） → キーワード・趣向による自動録画

• 注文サービス → （知能化） → 自動受付・自動サービス

社会の隅々にまで、知的機能がインプリメント（実装）される。

知能化

• 工場 → （知能化） → オートスケジューリング

• 配送 → （知能化） → 自動分配・自動配送

• 車 → （知能化） → 自動走行・ＩＴＳ

• 家電 → （知能化） → コミュニケーション家電（ルンバなど）

• インターネット → （知能化） → Web.4.0 (GoogleのDeep Learning など)

• TV → （知能化） → キーワード・趣向による自動録画

• 注文サービス → （知能化） → 自動受付・自動サービス


知能化

知能化


知能化

現実世界（～1995）

現実世界2.0

（2015～）




いきなり、人工知能を作ることは難しい。まずは「知能化」を考えてみましょう。

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

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

？

http://flopdesign.com/download/Human_S/pages/B51.html

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


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


お料理ロボット＝お料理しかできない＝何万と言うレシピ


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


空間（論理）



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。

機械

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

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

人はどのように人工知能を使っているか？

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

情報の海（ネットワーク）

ネット空間の人工知能

人間

検索エンジンがあるおかげで、かろうじて人間は情報の世界を渡ることができる。

検索エンジン（Googleなど）


現実世界

人工知能

人工知能

人工知能

解析・抽出

提出・提案命令・指示

センシング


人間

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。


現実世界

人工知能

人工知能

人工知能

解析・抽出

提出・提案命令・指示

センシング


人間

センシング技術やロボットの徘徊、カメラなどによって現実の世界の情報とネットワークの世界が同期する

新しい現実空間

現実世界（～1995）

人工知能

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。


現実世界（～1995）

インターネット

人工知能


パソコン



クラウド

現実世界（～1995）


人工知能


パソコン



人工知能

クラウド

現実世界（～1995）



パソコン



人工知能

クラウド

現実世界（～1995）



パソコン

デジタル空間の発展は、それを内包する現実空間を変容させる。



クラウド

現実世界（～1995）

インターネット人工知能


パソコン


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」

現実空間


パソコン

現実空間


パソコン人工知能

現実空間



現実空間



ゲームという箱庭で育まれた人工知能技術は、現実空間の外に出ようとしている。

飽和したネット空間のサービス競争（飽和）

ネット空間

進出・浸食

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

IT技術による新しい現実空間のサービス（新規）

現実空間



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

IoT



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

IoT


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

http://www.s-hoshino.com


• やがて街全体が情報空間になる。



• 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

IoT


ゲーム空間

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

IoT


ゲーム空間

人工知能

新しい現実空間の誕生


@2010-2015 SQUARE ENIX CO., LTD. All Rights Reserved.



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT

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

現実世界の人工知能

デジタル世界の人工知能

新しい現実空間の誕生



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT

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



難しい～未開拓

成熟



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT

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




ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT


ゲーム空間

人工知能



未開拓

成熟

巨大な

内部デジタル空間

巨大な現実の外部空間



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT


ゲーム空間

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

IoT


ゲーム空間

人工知能



未開拓

成熟

巨大な内部空間


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

IoT


ゲーム空間

人工知能



未開拓

成熟

http://v-english.jp/eikaiwa/staffblog/files/2014/07/20140710_fb.jpg http://d2tu4pb4f28rzs.cloudfront.net/site_img/photo/2013-03-04-055321.jpg http://tocos-wireless.com/assets/IoT/InternetofThings.png http://www.mlab.t.u-tokyo.ac.jp/research/2014/network/img/index_ss.png




人間はやがて、この巨大な人工知能の背中に載って新しい現実空間（情報空間＋オーバーレイされた現実空間）を旅するようになる。



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT


ゲーム空間

人工知能



未開拓

成熟

http://v-english.jp/eikaiwa/staffblog/files/2014/07/20140710_fb.jpg http://d2tu4pb4f28rzs.cloudfront.net/site_img/photo/2013-03-04-055321.jpg http://tocos-wireless.com/assets/IoT/InternetofThings.png http://www.mlab.t.u-tokyo.ac.jp/research/2014/network/img/index_ss.png




そこで重要なのが「物語を産み出せる力」。物語を生み出せる人工知能が人を巻き込むことができる。

第三章まとめ

• 人工知能は現実世界へ進出しようとしている。

• その時にはハードウェア（ロボット、マシン）が必要だ。

目次











第四章ゲームAI

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）

(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）

（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）

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

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

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

世界

外と内の交流＝散逸構造

INPUT

OUTPUT

世界

物質的循環

物質

物理的INPUT

物理的OUTPUT

生理的代謝機能

世界

情報的循環

情報

INPUT INFORMATION

OUTPUT INFORMATION

情報処理＝情報代謝（つまり思考）

物質的存在としての身体がそうであるように、情報的存在として人間は、情報を摂取し、記憶し（＝情報体としての自分を組み換え）、情報をアウトプット・排泄する。

世界

情報的・物質的循環

物質

物理的OUTPUT

代謝機能情報

INPUT INFORMATION

OUTPUT INFORMATION

情報処理＝情報代謝（つまり思考）

生理的代謝機能物理的INPUT

世界

情報的循環

情報

INPUT INFORMATION ＝センサー

OUTPUT INFORMATION ＝エフェクター

情報処理＝情報代謝（つまり思考）＝意志決定

物質的存在としての身体がそうであるように、情報的存在として人間は、情報を摂取し、記憶し（＝情報体としての自分を組み換え）、情報をアウトプット・排泄する。


情報

物質

精神・知性

身体

人工知能

ハードウェア


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。

エージェント・アーキテクチャ

WORLD

INTELLIGENCE

センサーエフェクター

認識 Knowledge

Making

意志決定 Decision Making

運動 Motion Making

記憶体 Memory

情報体としての知能のカタチ


WORLD

INTELLIGENCE


認識 Knowledge

Making



記憶体 Memory


情報の循環＝インフォメーション・フロー


WORLD

INTELLIGENCE


認識 Knowledge

Making



記憶体 Memory


「情報の循環＝インフォメーション・フロー」は物質の循環の情報版。これによって知性は自己を情報的に自己組織化できる。やはり知性も散逸構造である。

レベル

ナビゲーションAI

メタAI

キャラクター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

自律的な判断仲間同士の協調時にチームＡＩとなる

メタAI, キャラクターAIの為にレベルの認識のためのデータを準備オブジェクト表現を管理ナビゲーション・データの管理パス検索 / 位置解析

Support

敵キャラクタ－プレイヤー

頭脳として機能

情報獲得

コントロール

現代ゲームAIの仕組み

http://dear-croa.d.dooo.jp/download/illust.html

http://www.anne-box.com/

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

http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt



Intelligence

World

センサー

Information Flow

エフェクター

Agent Architecture

知能の世界

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

知能の世界

環境世界

認識の形成

記憶

意思の決定


意思決定モジュール



記憶体

情報処理過程

情報統合

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





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

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





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

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




レベル


メタAI





Support



情報獲得

コントロール




パス検索とは

現在の地点から指定したポイントへの経路を、

リアルタイムで計算して導く技術。

RTS - Pathfinding A* https://www.youtube.com/watch?v=95aHGzzNCY8

Counter Strike: Path Following (デモ)

The Official Counter-Strike Bot http://aigamedev.com/insider/presentation/official-counter-strike-bot/

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/


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/

https://www.microsoft.com/en-us/research/project/video-games-and-artificial-intelligence/ 「ダウンロード」より

http://research.microsoft.com/en-us/projects/drivatar/ukstudentday.pptx



http://research.microsoft.com/en-us/projects/mlgames2008/




http://research.microsoft.com/en-us/projects/ijcaiigames/





https://www.microsoft.com/en-us/research/project/video-games-and-artificial-intelligence/












F.E.A.R.のプランニングシンボルによる連鎖プランニング

ターゲットＡが

死んでいる

ターゲットＡが

死んでいる

攻撃

武器が装填

されている

武器が装填

されている

装填する

武器を

持っている武器を

持っている

武器を拾う

条件なし

プラナー

プランニング

Jeff Orkins, Three States and a Plan: The AI of FEAR http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf

http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf


計画を立てるＡＩ/計画を変更するＡＩ

Jeff Orkins, Three States and a Plan: The AI of FEAR http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf



CORE Layer は、Physical Laryer 、Mission Layer のうちで、どの認識を生成するかを決定するコマンドを投げる。

CERA-CRANIUM認識モデル

Arrabales, R. Ledezma, A. and Sanchis, A. "Towards the Generation of Visual Qualia in Artificial Cognitive Architectures". (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf

http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf



CERA-CRANIUM認識モデル

http://aigamedev.com/open/article/conscious-bot/





2K Bot Prize FPSを用いたチューリングテスト

http://www.conscious-robots.com/en/conscious-machines/conscious-robots/conscious-robots-team-wins-the-2k-botprize-2010-competi.html

http://aigamedev.com/open/article/conscious-bot/ Movie:





























2K Bot Prize FPSを用いたチューリングテスト

http://aigamedev.com/open/article/conscious-bot/ Movie:

AI と人間のプレイヤーが混在しながら戦う。人間と一番間違われたAIが優勝。





http://www.botprize.org/2010.html




レベル


メタAI





Support



情報獲得

コントロール




（例）ゼビウス？

遠藤雅伸氏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。

－ゼビウスセミナー－

http://spitfire.client.jp/shooting/xevious2.html

（ゼビウス、ナムコ、1982年）

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

http://www.valvesoftware.com/publications.html

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)



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



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。


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。

第二章まとめ

• ゲームＡＩは、箱庭（ゲーム）の中の人工知能。

• 現実人工知能より進化が早い。

目次











第五章人工知能の各種事例

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

人人工知能

「人」の代わりに人工知能

人

人工知能

「人」の間に人工知能

人

人

人工知能

「人」の間に人工知能

人

いつ空いている？えーと…

人

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。

人

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

要件クライアントさん

IBM ワトソン

オペレーター

バックアップ

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




IBM Watson in 東京大学医学部

• 論文を学習させる。

• 論文を積み上げると富士山ぐらいになりそうな勢い。＝人間では無理。

• 症状を入れると、論文のリストが出て来る。

症状患者さん IBM ワトソン

お医者さん

バックアップ

東大の人工知能「ワトソン」、１０分で遺伝子解析…白血病患者を救うhttps://yomidr.yomiuri.co.jp/article/20160806-OYTET50000/

https://yomidr.yomiuri.co.jp/article/20160806-OYTET50000/




IBM Watson in 保険会社

• 保険会社の判例を学習させる。

• 一人前になるのに数年かかる。

• かつてはベテランが教えていた。

• タブレットからIBMワトソンがアドバイス

事故内容

クライアントさん

IBM ワトソン

新人

バックアップ

IBM ワトソン

IBMワトソンは、社内の暗黙知を吸収し蓄積する。

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/

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

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

http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf


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

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

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


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。



岡野原大輔「一般向けのDeep Learning」 http://www.slideshare.net/pfi/deep-learning-22350063

Deep Learning = 多層型ニューラルネットワーク

http://www.slideshare.net/pfi/deep-learning-22350063







Yurie Oka「実装ディープラーニング」http://www.slideshare.net/yurieoka37/ss-28152060

階層型ニューラルネット＋階層型学習

http://www.slideshare.net/yurieoka37/ss-28152060




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/





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

http://blog.livedoor.jp/lunarmodule7/archives/1121781.html

Nvidia「自動運転」

• 専用のグラフィックボードを開発

• 市場へ向けて投入

• 高速道路用など用途別。

http://www.nvidia.co.jp/object/drive-px-jp.html

http://www.nvidia.co.jp/object/drive-automotive-technology-jp.html

• 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

AI

第四章まとめ

• 人工知能は、オートメーションの新しい姿。

• 人間に近い領域までオートメーションする。

• だから人間には脅威を感じる。

• だからそれは、「社会インフラ」の新しい形でもある。

目次











第六章知能と「フレーム」


空間（論理）



フレーム問題

フレームとは？

フレーム＝問題設定＝「題材と操作とゴール」を与える（例）題材＝積み木操作＝積み木を載せる、積み木を下す、ことができるゴール＝初状態から目的の状態を作り出す

(Simple case)

Initial State

GOAL

A

B

C

B

C

A

© 2015 SQUARE ENIX CO., LTD. All rights reserved

フレームとは？

フレーム＝問題設定＝「題材と操作とゴール」を与える（例）題材＝積み木操作＝積み木を載せる、積み木を下す、ことができるゴール＝初状態から目的の状態を作り出す

(Simple case)

Initial State

GOAL Task１ Carry A to Ground

Task2 Carry B to Ground

Task3 Carry C on B

A

B

C

B

C

A A

B

C A B C A

C

B

Task3 Carry A on C

© 2015 SQUARE ENIX CO., LTD. All rights reserved


空間（論理）



フレーム問題

人間の知能の形/人工知能の形

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＝フレームを創造・変化できる

お料理できる

将棋が打てる


何でもできる可能性を持つ総合知性

車が運転できる言葉を話すことができる


空間（論理）



フレーム問題

人間の知能の形/人工知能の形

お料理できる将棋が打てる


人工知能＝専門的知能＝一つのことしかできない＝それだけが得意＝フレームを与えられ、変化できない。＝それだけを解く

何でもできる可能性を持つ総合知性がない

お掃除ができる目的地へ行く


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


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


お料理ロボット＝お料理しかできない＝何万と言うレシピ


目次







• 第七章サービスと人工知能




第七章サービスと人工知能

スマートシティ構想

• もともとは、ガス、電気など、エネルギーを、知的に融通するシステムのことを指していた。

• 現在は、情報を加えて、街全体が、インテリジェンスを持つ構想のことを言う。

スマートシティ構想

AI

• 街全体を人工知能があらゆるカメラ、センサーを通して監視する。 • ドローン、ロボット、デジタルビジョンを通して街に力を行使する。 • 街全体の中枢の知能を作る。




• その時、人工知能はアプリケーションではなく、

社会インフラとなる。新しく大きな市場。



ビックデータ

インフラとしてのAI

人工知能は人間には見えないものを見て、人間にはできないことをする

• 人の流れ

• 犯罪の早期発見

• 事故現場の発見

• 店内の人の流れ

• その人が注目した商品の共通項

• 紛れ込んだ犯罪者の場所特定

・・・そしてこれらの予測。



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。

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


＝人間の内側の深さに入って行くためには、

人工知能の深みを持つ必要がある。


人間の深さ


意識

前意識

無意識


意識

前意識

無意識



知覚の境界面


＝人間の内側の深さに入って行くためには、

人工知能の深みを持つ必要がある。哲学が必要。

知能の幅＝現れ＝行動

知能の深さ

人間の行動


人工知能が人間を理解するほど、

人間は人工知能に共感する。


人間の深さ


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。


人間の深さ


どこまで人間の内面に食い込んで、サービスを展開するかが、爆発力の鍵となる。


人間の深さ


しかし、深く食い込むほど、高度な人工知能技術が必要となる。


人間の深さ


ビジネスがうまく行くなら、人工知能技術は、

社内であっても社外であっても構わない。


人間の深さ

第五章まとめ

• 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。

• どこまで人間の内面に食い込んで、サービスを展開するかが、爆発力の鍵となる。

• しかし、深く食い込むほど、高度な人工知能技術が必要となる。

目次











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



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＝人間とペアを組むことを前提に人工知能を開発するべき＝単独の人工知能ではなく

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


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


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。

目次











第九章人工知能と創造性

アーロンのアルゴリズム

• 知識ベースの人工知能

＝対象に対する知識をインプットして描かせる



＝対象に対する知識をインプットして描かせる

画家の持っている知識

AARON

IF（）…こんな描き方 IF() …こんな描き方



＝閉曲線で描くことを学ぶ。

1981



(左) 学んだ知識から描く

（右）架空のものを学んだものから描く

1985 1983



前後関係を取れるようにする。

1986

プロシージャルとは？

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)のレベル生成法

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

Rect[0]

Rect[1]

Rect[2] Rect[3]

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


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。



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


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。


宮田一乗「プロシージャル技術の動向」（CEDEC 2008）




https://www.youtube.com/watch?v=m4JDNzwFZFI


https://www.youtube.com/watch?v=m4JDNzwFZFI



http://www.kenmusgrave.com


http://www.kenmusgrave.com/



http://www.kenmusgrave.com


http://www.kenmusgrave.com/

Elite (1980, BBC) 宇宙を自動生成

https://en.wikipedia.org/wiki/Elite_(video_game)

https://en.wikipedia.org/wiki/Elite_(video_game)

トルネコの大冒険（チュンソフト、1993）

• ダンジョンを自動生成する（rougue）。

https://en.wikipedia.org/wiki/Rogue_(video_game)

NO MAN’S SKY (Hello Games, 2016)

http://www.no-mans-sky.com/

宇宙、星系、太陽系、惑星を自動生成する。






FarCry2 におけるプロシージャル技術

50km四方のマップを作るオブジェクト（草木）＆アニメーションデータを自動生成

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








http://www.desura.com/engines/dunia

FarCry3 におけるプロシージャル技術

目次







• 第七章サービスと人工知能




第十章全体のまとめ

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. 人工知能はそれゆえに完全ではない。人間とペアを組むことを考えるべき。

８．将棋も囲碁も強くなった後は、人間と人工知能のペアで指すことを研究している。それは人工知能の未来の縮図である。

９．もう一つ。人間とペアを組まない人工知能は拡大して、社会インフラとなる。

第十章全体のまとめ

人工知能とイノベーション

Automotive