「エンターテインメント、人工知能、ゲームマスター」

「エンターテインメント、人工知能、ゲームマスター」

三宅陽一郎

「2時間でわかる人工知能の現在と未来」 Emerging Technology Meetup #1

MIT Technology Review 2016.11.30

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

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）

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





コンテンツ

第一章知能の起源

第二章人工知能とは

第三章ゲームと人工知能

第四章社会と人工知能

第五章サービスと人工知能

第六章人工知能と倫理

第七章まとめ

コンテンツ







第七章まとめ


問い生き物の「視る」とカメラの「視る」はどう違うだろうか？

http://www.free-picture.net/reptiles/lizards/chameleon-wallpapers.jpg.html

生物の持つ目は、生物の知能と身体と深く結びついている能動的な眼であり、カメラは使用者の意思に従う受動的な眼である。







主体と客体はどう結ばれるか？

客体（対象）

関係がない

http://sozai-free.com/sozai/00992.html


客体（対象）

関係がない


関係がある

http://illpop.com/png_insecthtm/aquatic_a02.htm


客体（対象）

関係がある


客体（対象）

関係がある知覚作用

環世界のイメージ

環世界＝「かたつむりの殻」のように、生物それぞれが持ちつつ、それが世界であり、それ以外の世界へ逸脱できない世界。

環境

キャラクターの知能

環境とキャラクター

キャラクターの知能入力出力

http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html

入力を求める出力を決める

タチコマの環世界

環境





入力を見つける出力を決める

キツツキの環世界

Ｐｈｏｔｏｍｍｏ http://free-photos.gatag.net/2015/03/20/140000.html

環境





入力を見つける出力先を決める

カメレオンの環世界

環境




キツツキの環世界



環境





それぞれの生物は自分の環世界を世界から切り取って暮らしている。


環境





環世界はそれぞれの生物にとって完全（完備）な世界。つまり、それが本当に完全でなくても、その生物には完全と感じられる。

環境





本当はその外の世界とつながっているが、環世界のソトのことを、生物は認識することはない。

環境





そのキャラクターの主観的世界を作る＝環世界を作る。それは、そのキャラクターの知能の基盤を作ること。

コンテンツ







第七章まとめ


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）






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


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

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…)

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～）

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…)

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

人間の知能の形/人工知能の知能の形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

人間の知能の形/人工知能の知能の形

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。

人間の知能の形/人工知能の知能の形 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。

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（＝概念）と、人間が得意なこと（＝情報）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（＝概念、イメージ、想像）と、人間が得意なこと（＝情報処理、画像処理、映像処理）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


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）



パソコン



人工知能

クラウド

現実世界（～1995）

インターネット


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）



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



現実とデジタル空間にまたがる人工知能人間はやがて、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



現実とデジタル空間にまたがる人工知能

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。

コンテンツ







第七章まとめ


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）

レベル

Luminous AI Navigation

メタAI

Luminous AI Graph

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

http://piposozai.blog76.fc2.com/

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

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キャラクター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

http://piposozai.blog76.fc2.com/

メタＡＩ

メタＡＩの歴史

1980 1990

メタＡＩというのは、ゲームそのものに埋め込まれたＡＩ。

1980 1990 2000

古典的メタAI

現代のメタＡＩ

キャラクターＡＩ技術の発展

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。

（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－

現代のメタAI より積極的にゲームに干渉する。

メタAI

敵配位敵スパウニングストーリーレベル動的生成

ユーザー

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。

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

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。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.


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)



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。

Precision Medicine

• 「精密医療」「個別化医療」

＝個々人に合わせた医療サービス

http://techon.nikkeibp.co.jp/atcl/news/16/101004476



これからのゲーム

• それぞれのユーザーに応じた

－ストーリー

－地形

－敵の強さ

ゲームマスター

これからのゲーム

• それぞれのユーザーに応じた

－ストーリー

－地形

－敵の強さ

人間と協調するゲームマスター

フィールド

３つのＡＩの連携の例


メタAI

キャラクターAI

状況を監視し、キーとなる役割を適切なタイミングでエージェントに指示する。

自律的な判断。仲間同士の協調

地形を解析する目的に応じた点を見つけ出す目的地までのパスを計算する

Support

エージェントが自律的に戦闘・協調しつつ、ナビゲーションAIが戦術的ポイントを教え、メタAIは、全体の戦闘の流れを作る。 http://piposozai.blog76.fc2.com/



ネットワーク上のグラフ検索法

ダイクストラ法

M

F

L

B

A

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

G

D E

3

2 2 4

L

3

3

5

5 J

F

出発点（S）を中心に、最も短い経路を形成して行く。Gにたどり着いたら終。

各ノードの評価距離＝出発点からの経路

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

戦術位置検索システム

戦略位置検出システム

• ゲーム内の地形を、

• ゲーム内でリアルタイムで把握して、

• 自分の能力に合わせて、

• 最も適した位置を発見する

システム

戦略位置検出システムの歴史

• Tactical Position Picking

Killzone (2005, Guerrilla)で実装される。

• TPS (Tactical Point System)

CRYENGINE (2010, CRYTEK)でツール化・システム化

• EQS(Environment Query System)

UNREAL ENGINE 4 （2014, Epic games）でツール化・システム化

• PQS (Point Query System)

SQUARE ENIX のFFXVの開発で2014年に開発。

戦略位置検出システムの原理ポイント生成（Generation）対象とする領域にポイント群を自動配置する。（例）グリッド状、同心円状など。

フィルタリング（Filtering）生成したポイントから、目的に合わない条件（1）を指定して、削除して行く。

フィルタリング（Filtering）生成したポイントから、目的に合わない条件（２）を指定して、削除して行く。

．．．

フィルタリング（Filtering）生成したポイントから、目的に合わない条件（N）を指定して、削除して行く。

評価（Evaluation）残ったポイント群を、評価式によってスコアをつけて、最高スコアの点を選ぶ。

PQS (Point Query System) 弓兵（AI）が次の目的地を発見したい。

(i) ゲーム現状


(i) ゲーム現状

(ii) AIを中心に点をグリッド状に生成し配置。（Generation）


(i) ゲーム現状


(iii) 足場の悪い点を除く（Filtering） (iv) 敵の近くのポイント、弓が届かな

いポイントを除く。(Filtering)

(v) 味方の近くを除く（Filtering）


(i) ゲーム現状


(iii) 足場の悪い点を除く（Filtering） (iv) 敵の近くのポイント、弓が届かな

いポイントを除く。(Filtering)

(v) 味方の近くを除く（Filtering）

(vi) 最も高い位置にあるポイントを選択する。

このようにして、自分の最適な戦術位置を自分自身で発見する。

キャラクターＡＩ：意思決定

知能とは何か？

知能とは？

環境

知能とは？

環境

身体（内部構造）


環境

知能とは？


知能

知能＝環境と自分（＝身体）を動的に調和させる機能を持つ。


環境

人工知能とは？

人工知能＝人工的な存在（＝身体）を環境の中で活動させる

知能



環境

人工知能とは？

身体

人工知能＝人工的な存在（＝身体）を環境の中で活動させる

入力（センサー）行動（アウトプット）

知能


知能の内部世界

環境世界

エフェクター・身体

センサー・身体

知能の内部世界

環境世界



エージェント・アーキテクチャ＝世界と知能を分けて考える。

思考

環境世界



記憶

思考

環境世界



記憶

環境世界

認識の形成

記憶


記憶体

情報処理過程

情報統合

記憶

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

記憶

環境世界

認識の形成

記憶

意思の決定

身体制御


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

記憶

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


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

エージェント・アーキテクチャ＝世界と知能を分けて考える。

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


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

記憶

キャラクターＡＩ：意思決定ビヘイビアツリー入門

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系

風系プライオリティ

プライオリティ

シークエンス

シークエンス

ランダム

プライオリティランダム


ランダム

ビヘイビア（末端ノード）

層

層

選択ルール

選択ルール

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

この層の中で実行可能なうち、最も優先度の高いノードを実行する

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

この層の中で実行可能なノードを順番に実行する。

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

この層の中で実行可能なノードをランダムに一つ実行する。

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

root

バトル

撤退

休憩

攻撃

隠れる

逃走する

足止めする

立ち止まる

回復する

トラップ

眠る

回復薬を飲む

弓を放つ

剣を振る

森に潜む

穴を掘る

建物に隠れる

攻撃魔法

氷系



シークエンス

シークエンス

ランダム



ランダム


層

層

選択ルール

選択ルール

意思決定モデル

ゴール（目標）ベースAI

ルール（規則）ベースAI

ビヘイビア（振る舞い）ベースAI

意思決定というものは非常に高度で複雑なプロセスです。でも、ゲームで用いるいくつかの簡易モデルが存在します。

シミュレーションベース AI

ユーティリティ（効用）ベース AI

Rule-based AI

State-based AI

Behavior-based AI

Goal-based AI

Utility-based AI

「○○-based AI」とは、○○をAIを構築する基本単位として採用したＡＩということ。

タスク（仕事）ベース AI Task-based AI

意思決定

Simulation-based AI

ステート（状態）ベースAI

キャラクターＡＩ：意思決定ステートマシン入門

ステートベース

ステート自分の行動を記述する。

ステートステート遷移条件

世界と自己の変化を記述する。

ステート・マシン

ステート

ステートステート

ステートマシン（有限状態マシン）

ステートに自分への命令、遷移条件に世界と自分の状況の変化を書く。ループ構造により、フィードバック構造はない。

ステート・マシン

ステートマシン（有限状態マシン）

ステートに自分への命令、遷移条件に世界と自分の状況の変化を書く。ループ構造により、フィードバック構造はない。

待機

攻撃パトロール

警戒

追跡

追いかける

攻撃する

威嚇攻撃

味方に指示

出口をかためる

味方を呼ぶ

味方がいないかつ戦闘範囲外

味方と合流

味方と合流

味方がいる

見失う

見える

見失う見つける

巡回する

１０秒経つ物音を聴く

応答がきた

階層型ステート・マシン

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 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/

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/





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

モーション解析

キャラクターＡＩ

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

アーロンのアルゴリズム • 知識ベースの人工知能 (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。



プロシージャルとは？

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。

http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 宮田一乗「プロシージャル技術の動向」（CEDEC 2008）


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


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


http://www.kenmusgrave.com/

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

コンテンツ







第七章まとめ


データの海が人工知能を育てる

人工知能



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



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


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


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

）

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

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

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

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

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

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。



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。

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

社会と人工知能

• 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。

• 人工知能は「社会インフラ」となる。

コンテンツ







第七章まとめ


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。


• やがて街全体を制御する人工知能が出現する。


• 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

どこで人工知能ビジネスを展開するか？＝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

どこで人工知能ビジネスを展開するか？＝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

どこで人工知能ビジネスを展開するか？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

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。


人間の深さ

どこで人工知能ビジネスを展開するか？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

どこで人工知能ビジネスを展開するか？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

どこで人工知能ビジネスを展開するか？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

コンテンツ第一章知能の起源第二章人工知能とは第三章ゲームと人工知能第四章社会と人工知能第五章サービスと人工知能第七章人工知能と倫理第八章まとめ

コンテンツ第一章知能の起源第二章人工知能とは第三章ゲームと人工知能第四章社会と人工知能第五章スマート・リアリティ第六章人工知能と倫理第七章まとめ


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

第七章まとめ

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

サービス

第七章まとめ

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

サービス

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。

コンテンツ第一章知能の起源第二章人工知能とは第三章ゲームと人工知能第四章社会と人工知能第五章スマート・リアリティ第六章サービスと人工知能第七章人工知能と倫理第八章まとめ

第七章全体のまとめ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。

第七章全体のまとめ

「エンターテインメント、人工知能、ゲームマスター」

Design