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
機械学習ディープラーニングCGCGへの扉GAN強化学習ニューラルネットワークモリカトロンAIラボインタビューQA三宅陽一郎音楽CEDEC2019デバッグスクウェア・エニックス月刊エンタメAIニュースCEDEC2020ゲームAI不完全情報ゲームOpenAI敵対的生成ネットワーク深層学習シナリオNVIDIA映画SIGGRAPHGDC 2019VRキャラクターAIボードゲームルールベースAIと倫理ビヘイビア・ツリーグーグルVFX遺伝的アルゴリズムメタAIロボットファッションDeepMindJSAI2020人工知能学会Facebookイベントレポートガイスター畳み込みニューラルネットワークマイクロソフトtoioGoogleTensorFlowGDC SummerモリカトロンマルチエージェントナビゲーションAIeSports小説AlphaZero中島秀之アートStyleGANプロシージャルスポーツ自動生成研究ディープフェイクDARPAGPT-3CNNメタデータOpenAI Five本間翔太CM倫理AdobeAmadeus Codeキャリアテストプレイeスポーツ音声認識PyTorchDQN眞鍋和子シーマンUnity齊藤陽介お知らせ水野勇太サルでもわかる人工知能ワークショップ知識表現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クラウド完全情報ゲーム藤澤仁長谷洋平宮路洋一SIGGRAPH ASIAHTN階層型タスクネットワークソニーフェイクニュースドローンGPUALife人工生命オルタナティヴ・マシンサウンドスケープASBSぱいどんTEZUKA2020AI美空ひばり手塚治虫汎用人工知能Electronic ArtsマーケティングApex LegendsNinjaゲームTENTUPLAYMARVEL Future Fightタイムラプスバスキアブロックチェーン通しプレイ階層型強化学習WANN竹内将馬淵浩希岡島学映像セリア・ホデントUXピクサー認知科学ゲームデザインLUMINOUS ENGINELuminous Productionsパターン・ランゲージ作曲ちょまどビッグデータ中嶋謙互MicrosoftMicrosoft Azureアストロノーカ模倣学習ナラティブFPSマルコフ決定過程スタンフォード大学パラメータ設計テニスバランス調整レコメンドシステム対話型エージェント協調フィルタリング人狼知能Amazon軍事AlphaDogfight TrialsエージェントシミュレーションゲームプレイAIStarCraft IIFuture of Life InstituteIntelロボティクスLAIKARotomationドラゴンクエストライバルズ不確定ゲームDota 2モンテカルロ木探索ソーシャルゲームEmbeddingGTC2020NVIDIA MAXINE淡路滋ビデオ会議グリムノーツバンダイナムコスタジオゴティエ・ボエダBLUE PROTOCOLGautier Boeda階層的クラスタリングaiboJuliusSIETPRGバーチャル・ヒューマン・エージェントtoio SDK for Unityクーガー田中章愛石井敦銭起揚茂谷保伯Minecraft森川幸人GDMCマインクラフト成沢理恵MITメディアラボ著作権マジック・リープAIアートMagic Leap OneMagendaノンファンジブルトークンDDSPサッカー里井大輝KaggleバスケットボールAssassin’s Creed OriginsSea of ThievesGEMS COMPANYmonoAI technologyアバター初音ミクOculus転移学習テストBaldur's Gate 3Candy Crush SagaSIGGRAPH ASIA 2020VAEデバッギングBigGANアニメーションMaterialGANリップシンキングRNNUbisoftReBeLUbisoft La Forge自動運転車VolvoGenvid TechnologiesRival Prakウォッチドッグス レギオンユービーアイソフトNPC北尾まどかHALO将棋メタルギアソリッドVFSMDALL-Eナップサック問題CLIP汎用言語モデル自然言語処理SpotifyReplica Studioamuse5Gクラウドゲーミング和田洋一Stadia対話エンジン斎藤由多加シーマン人工知能研究所ゴブレット・ゴブラーズSIGGRAPH 2019ARAIりんなアップルiPhoneカメラAIGraph環世界予期知能ウェイポイントパス検索ドラゴンクエストPAIR画像認識アルスエレクトロニカ2019DeNA逆転オセロニア奥村エルネスト純齋藤精一高橋智隆ロボユニ泉幸典ロボコレ2019ぎゅわんぶらあ自己中心派意思決定モデルウロチョロス理化学研究所教育LEFT ALIVE長谷川誠Baby Xロバート・ダウニー・Jr.YouTubeSFThe Age of A.I.レコメンデーションテンセントMOBA人事研修mynet.ai人工音声プレイ動画NBA群知能ウィル・ライトシムシティシムピープルレベルデザインSporeデノイズ画像処理CPUGMAITRPGウィザードリィAI Dungeon西川善司サムライスピリッツゼビウスストリートファイター栗原聡山野辺一記大里飛鳥マンガ13フェイズ構造手塚眞不気味の谷Oculus Quest生体情報写真照明山崎陽斗立木創太松井俊浩スパーシャルAIGameGANパックマンソサエティ5.0SIGGRAPH 2020DIB-R3D広告

サルでもわかる人工知能 Vol.2:遺伝的アルゴリズムその2「ナップサック問題」

2019.7.02ゲーム

サルでもわかる人工知能 Vol.2:遺伝的アルゴリズムその2「ナップサック問題」

WebアプリでAIを学べる「サルでもわかる人工知能」。前回の「シンプルGA」では、遺伝的アルゴリズム(以後GA)の基本的な振る舞いを体感してもらえるように、全遺伝子が1になれば良い簡単なシミュレーションをしました。今回は、「ニャンコ盗賊A」というページを追加しました。よりゲームぽい世界観で、GAの学習過程を体感してもらいたいと思います。

ニャンコ盗賊は、博物館に忍び込んでお宝を盗みだそうとします。博物館に展示してあるアイテムは、価値も重さもまちまちです。一方、ニャンコ盗賊のナップサックには重量制限があります。重量制限以上詰め込もうとするとナップサックが壊れて、ミッションが失敗します。また、展示物の中には、なぜだか爆弾があります。これは、持ち出そうとすると爆発します。その瞬間にミッション失敗です。

このため、ニャンコ盗賊は、手当たり次第にアイテムを持ち帰るのではなく、重さの割に価値が高いアイテムを吟味して、ナップサックの総重量限界まで詰め込めるような最適なアイテムの組み合わせを考えなくてはなりません。このように、ある制限の中で複数アイテムがある中、もっとも良いアイテムの組み合わせを見つける問題を「ナップサック問題」と言います。

シミュレーションを走らせると、世代が進むにつれ、だんだんと効率よくお宝を運び出せるようになるようになります。その学習の進み方を体感して下さい。また、今回もGAの各種パラメータを自由に設定できるようになっています。いろいろいじってもらって、学習の速度がどう違ってくるかもぜひ、体験してみてください。

「ナップサック問題」は、最適なパーティー編成やカードデッキの構成の学習など、ゲームにおいて利用範囲が広い問題です。「ナップサック問題」をどう解釈して、どうイメージをふくらませるか、そのあたりも想像していただけたらと思います。

➤画像をクリックするとアプリページに飛びます。「はじめる」の次のページから「ニャンコ盗賊A」を選択してください。

アプリデザイン・イラスト・テキスト:森川幸人、プログラム:服部欣也

RELATED ARTICLE関連記事

発想より技術が先行する時代におけるゲームAIの役割:『ゲームAI技術入門』刊行記念特別対談レポート(後編)

2019.11.20ゲーム

発想より技術が先行する時代におけるゲームAIの役割:『ゲームAI技術入門』刊行記...

【GDCSummer】認知科学からみるゲームデザインにおける感情操作の歴史

2020.9.14ゲーム

【GDCSummer】認知科学からみるゲームデザインにおける感情操作の歴史

音楽業界とAI、その進化と新たな課題とは:デジタル音楽ジャーナリスト ジェイ・コウガミ氏に聞く

2021.1.19ゲーム

音楽業界とAI、その進化と新たな課題とは:デジタル音楽ジャーナリスト ジェイ・コ...

RANKING注目の記事はこちら