モリカトロン株式会社運営「エンターテインメント×AI」の最新情報をお届けするサイトです。

TAG LIST
CG機械学習ディープラーニングCGへの扉安藤幸央GAN月刊エンタメAIニュースニューラルネットワーク河合律子NVIDIA強化学習三宅陽一郎OpenAI音楽FacebookQAスクウェア・エニックスモリカトロンAIラボインタビュー敵対的生成ネットワーク森川幸人ルールベースDeepMindキャラクターAIシナリオNFTGPT-3デバッグCEDEC2019プロシージャル自動生成人工知能学会映画遺伝的アルゴリズムメタAI自然言語処理深層学習マイクロソフトビヘイビア・ツリー吉本幸記GoogleStyleGANCEDEC2021CEDEC2020ゲームAISIGGRAPH不完全情報ゲームナビゲーションAI畳み込みニューラルネットワークAIと倫理アートグーグルディープフェイクGDC 2021大内孝子VFXメタバースGDC 2019マルチエージェントゲームプレイAIVRボードゲームNPCDALL-EロボットCNNモリカトロンCLIPファッションHTN階層型タスクネットワークJSAI2020TensorFlowMicrosoftイベントレポートデジタルツインテストプレイUnityAIアート水野勇太小説アニメーションガイスターStyleGAN2懐ゲーから辿るゲームAI技術史toioJSAI2021スポーツ研究シムピープル汎用人工知能GDC Summerバーチャルヒューマンブロックチェーン倫理Adobeアストロノーカeスポーツ対話型エージェントAmazoneSportsBLUE PROTOCOLシーマンUbisoftAlphaZeroTransformerGPT-2カメラ環世界中島秀之鴫原盛之ソニーDARPAドローンシムシティAI美空ひばり手塚治虫Electronic ArtsメタデータLEFT 4 DEAD通しプレイOpenAI Five本間翔太CMピクサーBERTプラチナエッグイーサリアム作曲ビッグデータ中嶋謙互Amadeus CodeMicrosoft AzureキャリアNVIDIA OmniverseナラティブレコメンドシステムNVIDIA DRIVE SimNVIDIA Isaac Simサイバーエージェント音声認識ロボティクスPyTorchDQN眞鍋和子バンダイナムコスタジオMinecraft齊藤陽介マインクラフトお知らせチャットボットアバターサルでもわかる人工知能VAEUbisoft La Forge自動運転車ワークショップGenvid Technologiesメタ知識表現ウォッチドッグス レギオンIGDAどうぶつしょうぎジェイ・コウガミ音楽ストリーミングマシンラーニング画像生成テキスト画像生成クラウド対話エンジン斎藤由多加リトル・コンピュータ・ピープルコンピューティショナル・フォトグラフィーゴブレット・ゴブラーズ絵画AIりんなシミュレーション完全情報ゲーム坂本洋典釜屋憲彦ウェイポイントパス検索藤澤仁生物学GTC 2022画像認識GTC2022DeNA長谷洋平masumi toyota宮路洋一OpenSeaGDC 2022教育TextWorldSIGGRAPH ASIADALL-E2GTC2021CycleGANNetHackフェイクニュースエージェントAIボイスアクターNVIDIA CanvasGPUALifeZork人工生命オルタナティヴ・マシンサウンドスケープMCS-AI動的連携モデルASBSマンガモーションキャプチャーぱいどんTEZUKA2020ナビゲーションメッシュ松井俊浩バンダイナムコ研究所スパーシャルAIELYZAELYZA DIGEST3D音声合成マーケティングApex LegendsELIZANinjaコンピュータRPGアップルタウン物語KELDICメロディ言語ゲームTENTUPLAYMARVEL Future FightAstroタイムラプスEgo4Dインタビューバスキア日経イノベーション・ラボ敵対的強化学習階層型強化学習GOSU Data LabWANNGOSU Voice Assistant竹内将SenpAI.GGMobalytics馬淵浩希Cygames岡島学AWS Sagemaker映像セリア・ホデント形態素解析UXAWS Lambda誤字検出認知科学ゲームデザインSentencePieceLUMINOUS ENGINELuminous Productionsパターン・ランゲージ竹村也哉ちょまどボエダ・ゴティエGOAPAdobe MAX 2021模倣学習Omniverse AvatarFPSNVIDIA Rivaマルコフ決定過程NVIDIA MegatronNVIDIA Merlinスタンフォード大学NVIDIA Metropolisパラメータ設計テニスOmniverse Replicatorバランス調整協調フィルタリング人狼知能テキサス大学軍事AlphaDogfight TrialsAI Messenger VoicebotエージェントシミュレーションOpenAI CodexStarCraft IIHyperStyleFuture of Life InstituteRendering with StyleIntelDisneyLAIKADisneyリサーチRotomationGauGANGauGAN2ドラゴンクエストライバルズ画像言語表現モデル不確定ゲームSIGGRAPH ASIA 2021Dota 2モンテカルロ木探索ディズニーリサーチMitsuba2ソーシャルゲームEmbeddingワイツマン科学研究所GTC2020CG衣装NVIDIA MAXINEVRファッション淡路滋ビデオ会議ArtflowグリムノーツEponymゴティエ・ボエダ音声クローニングGautier Boeda階層的クラスタリングGopheraibo合成音声JuliusSIE鑑定TPRGOxia Palusバーチャル・ヒューマン・エージェントtoio SDK for UnityArt Recognitionクーガー田中章愛Meta石井敦銭起揚NHC 2021茂谷保伯池田利夫GDMC新刊案内マーベル・シネマティック・ユニバース成沢理恵MITメディアラボMCU著作権アベンジャーズマジック・リープDigital DomainMagic Leap OneMagendaMasquerade2.0ノンファンジブルトークンDDSPフェイシャルキャプチャーサッカーモリカトロン開発者インタビュー里井大輝Kaggle宮本茂則バスケットボール山田暉Assassin’s Creed OriginsAI会話ジェネレーターSea of ThievesGEMS COMPANYmonoAI technologyLSTMモリカトロンAIソリューション初音ミクOculusコード生成AI転移学習テストAlphaCodeBaldur's Gate 3CodeforcesCandy Crush Saga自己増強型AISIGGRAPH ASIA 2020COLMAPADOPデバッギングBigGANGANverse3DMaterialGANOmniverseリップシンキングRNNグランツーリスモSPORTReBeLグランツーリスモ・ソフィーGTソフィーVolvoFIAグランツーリスモチャンピオンシップRival PrakDGX A100VTuberユービーアイソフトWebcam VTuber星新一賞北尾まどかHALO市場分析将棋メタルギアソリッドVフォートナイトFSMEpic GamesRobloxナップサック問題Live Nation汎用言語モデルWeb3.0AIOpsSpotifyMITスマートコントラクトReplica StudioAWSamuseChitrakarQosmo巡回セールスマン問題徳井直生ジョルダン曲線メディア5GMuZero政治クラウドゲーミングRival Peakがんばれ森川君2号和田洋一リアリティ番組Stadiaジョンソン裕子MILEsNightCafeインタラクティブ・ストリーミングLuis Ruizインタラクティブ・メディアポケモンCodexシーマン人工知能研究所東京工業大学Ludo博報堂ラップSIGGRAPH 2019ArtEmisZ世代AIラッパーシステムARrinnaGROVERプラスリンクス ~キミと繋がる想い~FAIRSTCチート検出Style Transfer ConversationオンラインカジノRCPアップルRealFlowRinna Character PlatformiPhoneデジタルヒューマンDeep FluidsSoul MachinesMeInGameAmeliaAIGraphブレイン・コンピュータ・インタフェースバーチャルキャラクターBCIGateboxLearning from VideoANIMAK予期知能逢妻ヒカリセコムユクスキュルバーチャル警備システムカント損保ジャパン哲学対談上原利之ドラゴンクエストエージェントアーキテクチャアッパーグラウンドPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者Siemensアルスエレクトロニカ2019StyleCLIP品質保証StyleRigAutodesk逆転オセロニアBentley Systemsワールドシミュレーター奥村エルネスト純いただきストリートH100齋藤精一大森田不可止COBOL高橋智隆DGX H100ロボユニザナックDGX SuperPOD泉幸典仁井谷正充クラウドコンピューティングロボコレ2019Instant NeRFartonomousbitGANsぎゅわんぶらあ自己中心派Azure Machine Learning意思決定モデル脱出ゲームHybrid Reward Architectureコミュニティ管理ウロチョロスSuper PhoenixSNS理化学研究所Project Malmoオンラインゲーム気候変動Project PaidiaEarth-2Project Lookoutマックス・プランク気象研究所Watch Forビョルン・スティーブンスBing気象モデルLEFT ALIVE気象シミュレーション長谷川誠ジミ・ヘンドリックス環境問題Baby Xカート・コバーンエコロジーロバート・ダウニー・Jr.エイミー・ワインハウスSDGsMagentaYouTubeダフト・パンクメモリスタSFGlenn MarshallELYZA PencilThe Age of A.I.Story2Hallucination音声変換レコメンデーションJukebox松尾豊Veap JapanEAPテンセントSIFT福井千春DCGAN医療MOBADANNCEメンタルケア人事ハーバード大学Edgar Handy研修デューク大学Netflixデータマイニングmynet.aiローグライクゲーム東京大学東京理科大学人工音声NeurIPS 2021産業技術総合研究所はこだて未来大学リザバーコンピューティングプレイ動画ヒップホップキャラクターモーションソニーマーケティングサイレント映画もじぱNBA環境音暗号通貨現代アートFUZZLEAlteration粒子群最適化法RPG進化差分法オープンワールド群知能下川大樹AIFAウィル・ライト高津芳希P2E大石真史BEiTレベルデザインDETRSporeデノイズ南カリフォルニア大学画像処理SentropyCPUDiscordCALMプログラミングソースコード生成GMAIシチズンデベロッパーTRPGGitHubウィザードリィMCN-AI連携モデルAI Dungeon西川善司並木幸介サムライスピリッツ森寅嘉ゼビウスSIGGRAPH 2021ストリートファイター半導体Topaz Video Enhance AI栗原聡DLSS山野辺一記NetEase大里飛鳥DynamixyzU-Net13フェイズ構造アドベンチャーゲームADVXLandAGI手塚眞DEATH STRANDING不気味の谷Eric JohnsonOculus Questコジマプロダクション生体情報デシマエンジンインディーゲーム写真高橋ミレイ照明Maxim PeterJoshua Romoffハイパースケープ山崎陽斗深層強化学習立木創太ミライ小町テスラGameGANパックマンTesla BotTesla AI Dayソサエティ5.0SIGGRAPH 2020バズグラフニュースタンテキ東芝DIB-R倉田宜典韻律射影広告韻律転移

【GDC 2019】没入感の追求がたどり着く先は、自然言語処理によるAIとの対話

2019.4.17ゲーム

【GDC 2019】没入感の追求がたどり着く先は、自然言語処理によるAIとの対話

アップルのSiriやマイクロソフトのCortana、アマゾンのAlexaといったAIアシスタントがスマートフォンやスマートスピーカーとして人々の日常に溶け込んだ今、音声認識という技術も人工知能と同様に身近な存在となりました。その中枢をなしている研究分野が自然言語処理です。

中でもコンピュータに自然言語を理解、もしくは意図を抽出させることを目的とした自然言語理解は、音声アクティベーションやコンテンツ解析、ニュース収集といった商業的な関心が高まる一方で、コンピュータビジョンやチューリングテストと並ぶAI完全問題であると言われています。

それでもアプリや家電を起動させたり、ニュース記事を音声出力で読み上げるといった技術的に限られた条件下では、少しずつではありますが自然言語理解が実用化されつつあります。一方でグラフィック処理技術の発展にともない、没入感という言葉が定着したVR/AR/MRの領域もふくむビデオゲームにおける、音声認識に基づいたインターフェイスの開発は意外にも進んでいませんでした。

音声認識を使ったゲームの歴史と技術的な限界

本格的に音声認識がゲームソフトに組み込まれた最初の例は、1998年の年末にNINTENDO64向けに発売された『ピカチュウげんきでちゅう』(1998年、任天堂)です。ヘッドセット型のマイクを使ってプレイヤーがピカチュウと意思疎通できる世界初の音声認識ソフトとして大々的に売り出されましたが、実際に認識できるのは特定の単語のみで、話し言葉を全文認識させるにはほど遠いものでした。

そのおよそ半年後、音声認識を使った3D育成シミュレーションゲーム『シーマン』(1999年、ビバリウム)が、ドリームキャスト向けに発売されました。コントローラにマイクデバイスを装着することでペットに直接話しかけられるゲームデザインが特徴で、人語を解する人面魚のシーマンはプレイヤーの年齢や性別、職業といった個人情報を次々と覚えていきます。

ちなみに当時は、シーマンの口の悪さや気難しい性格がやたら憎たらしいと話題になりました。これは音声認識における精度の低さをプレイヤー側に悟らせることなく、できるだけ短くはっきりと話しかける努力を無意識に仕向ける工夫だったと言われています。プレイヤーの言葉が上手く聞き取れずにへそを曲げてしまうシーマンを演出することで、音声認識の限界から生じる失敗の責任をユーザー側に転嫁するという革新的なデザインでした。

その後、2003年には音声認識を活用したPlayStation 2用アクションゲーム『オペレーターズサイド』(2003年、ソニー・コンピュータエンタテインメント)が登場します。コミュニケーションツールや育成ゲームといったそれまでのトレンドとは打って変わって、プレイヤーがオペレーターとなってヒロインのキャラクターに音声で指示を送ることで、移動・探索・戦闘のすべてをこなすアクション性が話題となりました。

しかし、短い単語を組み合わせた限定的な音声入力にしか対応できず、やはりプレイヤーがヒロインとの意思疎通に感情移入できるようなインターフェイスには至っていません。また、自然言語の認識率の低さは、迅速かつ的確な音声指示が要求される敵との戦闘状況において最大の足枷となり、ストレスを感じるプレイヤーは少なくなかったようです。

このほか、Xbox専用の美少女アンドロイド育成ゲーム『N.U.D.E.@ Natural Ultimate Digital Experiment』(2003年、マイクロソフト)や、ゲームキューブ向け人海戦術落城アクション『大玉』(2006年、任天堂)、PlayStation Portable専用の通訳ゲームソフト『TALKMAN』(2005年、ソニー・コンピュータエンタテインメント)など、2000年代には音声認識を活用したビデオゲームが複数登場しましたが、業界全体を巻き込むような技術革新には至りませんでした。

没入感の追求にはAIとの対話が不可欠

メタAIや自立型エージェントをはじめ、近年のゲーム業界ではAI技術がめざましい進化を遂げています。人々が没入感という新たな価値を追求していく上で、音声認識を活用したAIとのインタラクションに回帰することは自然な流れだといえるでしょう。そんな長らく停滞していたといっても過言ではない同分野を切り拓こうとしているのが、スクウェア・エニックスのテクノロジー推進部で自然言語処理によるAIとのコミュニケーションを研究するゴティエ・ボエダ氏です。

2019年3月にサンフランシスコで開催された「Game Developers Conference 2019」にて、ボエダ氏は「NPCs Have Feelings Too: Verbal Interactions with Emotional Character AI」と「Enhanced Immersivity: Using Speech Recognition for More Natural Player AI Interactions」というセッションに登壇。ゲームキャラクターとの自然言語コミュニケーションをとおして、特定状況下における問題解決を目指す音声認識技術のデモンストレーションを披露しました。その内容は、未知の惑星に墜落したプレイヤーが原住民である宇宙人に話しかけて、脱出用シャトルの修理を手伝ってもらうというもの。前述の『オペレーターズサイド』と同様に、プレイヤーは音声指示のみでタスクを完了しなければなりません。

特定の単語や短い言葉の組み合わせにしか反応しなかった過去の音声認識ゲームと決定的に異なるのは、言語処理におけるパイプラインの設計です。通常、音声認識技術は人間の音声を特定の波形として認識することで環境音と区別し、その情報をテキストデータへと変換します。これを自然言語処理によって単語や文章として読み取り、情報要約にかけることで意味を構築していくのですが、ボエダ氏の技術デモではさらに言語の抽象化処理を担うパイプラインを設けています。

たとえば、「巨大なリンゴを拾ってくれ」とキャラクターに指示した場合、AIは「拾う」「巨大な」「リンゴ」といった具合に入力情報を動詞や修飾語、目的語に分解します。この際、「拾う」や「巨大な」という言葉を別の同義語へ自動的に変換することで、同じ意味でも言い回しの異なる自然言語の曖昧さに対応しています。この例の場合、AIは「大きなリンゴを取る」という文章として解釈します。このプロセスを抽象化パイプラインと呼びます。

この抽象化処理には、プリンストン大学の認知科学研究所が運営する概念辞書「WordNet」によって分類された同義語グループ「Synset」が使われています。また、自然言語のテキストデータ化には、オープンソースの音声認識エンジン「Julius」を採用しています。「Julius」は英語と日本語をふくめた多言語に対応しており、数万語彙の連続音声認識をリアルタイムで実行できる軽量さが特徴です。このエンジン側で対応言語を変更することで、ゲームシステムは複数言語の音声認識を同時に実現できます。

一連の音声認識プロセスの最大の利点は、プレイヤーが入力した言語情報に応じてゲームメカニクスの処理を変更するのではなく、入力情報を抽象化するパイプラインを経由させることによって、ゲームメカニクスの処理に沿ったインプットへと最適化できることです。これにより多言語のローカライズが容易になることはもちろん、プレイヤーは可能な限り自然な言葉遣いや言い回しでAIキャラクターと意思疎通できるようになります。

自然言語の曖昧さが生む障壁

それでも言葉の曖昧さから生じる自然言語処理の課題は尽きません。日本語における一例として、音節の区切りによって音声情報が複数の意味に解釈されるケースが挙げられます。たとえば「これをして」という指示と「これ押して」という指示は、後者の助詞が抜けていることで音声データとしては完全に同じ波形と認識されてしまいます。当てはまる目的語によっては指示の内容をまったく理解できなくなってしまうでしょう。

このほか、「これ」「あれ」「そこ」といった抽象代名詞や、「(目的語)の後ろ」や「(目的語)の左側」などの相対的な位置情報も、自然言語処理における課題です。抽象代名詞に関しては、入力された単語のタイムスタンプを記憶することで、どの目的語を指しているかをある程度は特定できます。

相対的な位置情報については、オブジェクトの性質や観測者の視点によって事情が異なります。「テーブルの後ろ」といっても、大抵のテーブルには前も後ろもないため、ほかに情報がない場合はどこを指しているのかが曖昧になってしまいます。一方で「テレビの左」という場合には、例えば観測者がディスプレイ側を正面と認識しているのであれば、主観的にはどこを指しているのかが明確になります。

ただし、こうした位置情報の認識は、音声認識による自然言語処理のみならず、VRヘッドセットなどに搭載されているアイトラッキングによる視線情報などからも補完できるため、必ずしも大きな障壁にはならないといえるでしょう。

このように、最新の音声認識エンジンや膨大なデータベースからなる抽象化パイプラインを用いても、自然言語は曖昧さが残るため、AIがロジックの牢獄に囚われてしまうケースは後を絶ちません。そうした状況下では、どうしてもエージェント側が「お前は何を言っているんだ」という意思表示のフィードバックを生成する必要があります。20年前にプレイヤーを驚愕させたシーマンの悪態は、まさにこのフィードバックの役割を担っていたわけです。

今後、ゲームAIの研究・開発において自然言語処理の技術がさらに発展すれば、シーマンが一方的にプレイヤーの個人情報を収集しては哲学的なウンチクを垂れ流すだけでなく、毒舌の人面魚とラップバトルを繰り広げることも夢ではなくなるかもしれません。また、オペレーターとしてアクションゲームのヒロインを導く際にも、カーナビに話しかけているようなぎこちなさから虚無感が生まれることもなくなるかもしれません。さらには、ロールプレイングゲームで仲間のキャラクターに魔法やアイテムを使わせる際、わざわざキーボードやコントローラに指を伸ばさなくてもいい時代が来るのかもしれません。

Writer:Ritsuko Kawai

RELATED ARTICLE関連記事

CGへの扉 Vol.32:Adobe Sneaks より進化の方向性を知る

2021.11.19ゲーム

CGへの扉 Vol.32:Adobe Sneaks より進化の方向性を知る

大森田不可止氏が語る『いただきストリート』に実装されたキャラクターAI:懐ゲーから辿るゲームAI技術史vol.3

2021.4.28ゲーム

大森田不可止氏が語る『いただきストリート』に実装されたキャラクターAI:懐ゲーか...

20年前に遺伝的アルゴリズムを初めて組み込んだ農業ゲーム『アストロノーカ』が蒔いた種

2019.4.17ゲーム

20年前に遺伝的アルゴリズムを初めて組み込んだ農業ゲーム『アストロノーカ』が蒔い...

RANKING注目の記事はこちら