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への扉安藤幸央GANニューラルネットワーク月刊エンタメAIニュース強化学習三宅陽一郎モリカトロンAIラボインタビュー音楽OpenAI敵対的生成ネットワークQAシナリオCEDEC2019NVIDIA人工知能学会Facebookデバッグスクウェア・エニックスDeepMindCEDEC2020ゲームAI映画遺伝的アルゴリズム不完全情報ゲームキャラクターAI深層学習マイクロソフトルールベースAIと倫理ビヘイビア・ツリーGoogleSIGGRAPHGDC 2019VRメタAIボードゲーム畳み込みニューラルネットワークロボットグーグルプロシージャルVFXマルチエージェントナビゲーションAIファッション河合律子StyleGAN自動生成JSAI2020CNNMicrosoftイベントレポートモリカトロンゲームプレイAI森川幸人水野勇太ガイスターCLIP自然言語処理アートtoioHTN階層型タスクネットワークJSAI2021スポーツGPT-3TensorFlowGDC SummereSportsBLUE PROTOCOL小説DALL-EAlphaZeroカメラ環世界中島秀之懐ゲーから辿るゲームAI技術史研究ディープフェイクDARPAドローンAI美空ひばり手塚治虫汎用人工知能メタデータ通しプレイOpenAI Five本間翔太CM倫理ピクサーAdobe作曲中嶋謙互Amadeus CodeMicrosoft Azureキャリアテストプレイeスポーツ音声認識PyTorchDQN眞鍋和子バンダイナムコスタジオシーマンUnity齊藤陽介マインクラフトお知らせAIアートサルでもわかる人工知能VAEアニメーションワークショップGenvid Technologies知識表現IGDANPCどうぶつしょうぎジェイ・コウガミ音楽ストリーミングStyleGAN2マシンラーニングクラウドコンピューティショナル・フォトグラフィーGPT-2完全情報ゲーム坂本洋典釜屋憲彦藤澤仁生物学画像認識NFT長谷洋平鴫原盛之masumi toyota宮路洋一SIGGRAPH ASIA吉本幸記ソニーフェイクニュースシムピープルGPUALife人工生命オルタナティヴ・マシンサウンドスケープASBSマンガぱいどんTEZUKA2020松井俊浩スパーシャルAIElectronic 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認知科学ゲームデザインLUMINOUS ENGINELuminous Productionsパターン・ランゲージちょまどビッグデータ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StarCraft 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ゴティエ・ボエダGautier 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MinecraftGDMC成沢理恵MITメディアラボ著作権マジック・リープ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 2020デバッギングBigGANMaterialGANリップシンキングRNNUbisoftReBeLUbisoft La Forge自動運転車VolvoRival Prakウォッチドッグス レギオンユービーアイソフト北尾まどかHALO将棋メタルギアソリッドVFSMナップサック問題汎用言語モデルSpotifyMITReplica StudioamuseChitrakar巡回セールスマン問題ジョルダン曲線5GMuZeroクラウドゲーミングRival Peak和田洋一リアリティ番組Stadiaジョンソン裕子MILEs対話エンジンインタラクティブ・ストリーミング斎藤由多加インタラクティブ・メディアリトル・コンピュータ・ピープルシーマン人工知能研究所Ludoゴブレット・ゴブラーズTransformerSIGGRAPH 2019ArtEmis絵画ARGROVERFAIRAIりんなチート検出オンラインカジノアップルRealFlowiPhoneシミュレーションDeep FluidsMeInGameAIGraphブレイン・コンピュータ・インタフェースBCILearning from Video予期知能ウェイポイントユクスキュルパス検索カント哲学ドラゴンクエストエージェントアーキテクチャPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者アルスエレクトロニカ2019StyleCLIPDeNAStyleRig逆転オセロニア奥村エルネスト純いただきストリート齋藤精一大森田不可止高橋智隆ロボユニザナック泉幸典仁井谷正充ロボコレ2019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ウロチョロスSuper Phoenix理化学研究所Project Malmo教育TextWorldProject PaidiaProject LookoutWatch ForBingLEFT ALIVE長谷川誠ジミ・ヘンドリックスBaby Xカート・コバーンロバート・ダウニー・Jr.エイミー・ワインハウスMagentaYouTubeダフト・パンクSFGlenn MarshallThe Age of A.I.Story2HallucinationレコメンデーションJukeboxGTC2021CycleGANテンセントSIFTDCGANMOBADANNCE人事ハーバード大学研修デューク大学mynet.aiローグライクゲームNetHack人工音声NeurIPS 2021はこだて未来大学プレイ動画ヒップホップサイレント映画NBA環境音現代アートエージェント粒子群最適化法進化差分法群知能下川大樹ウィル・ライト高津芳希シムシティ大石真史BEiTレベルデザインDETRSporeAIボイスアクターデノイズ南カリフォルニア大学画像処理NVIDIA CanvasSentropyCPUDiscordZorkCALM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 DungeonMCS-AI動的連携モデル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GameGANパックマンソサエティ5.0SIGGRAPH 2020DIB-R3D広告

eスポーツとフィジカルスポーツの選手を強化するAI:月刊エンタメAIニュース vol.9

2020.9.24先端技術

eスポーツとフィジカルスポーツの選手を強化するAI:月刊エンタメAIニュース vol.9

エンタメにおいてもAIは日進月歩で進歩しており、新しい研究成果や試みが次々と発表されています。こちらの連載では、過去1か月間、主に海外で公開された注目すべきゲームAIやエンタメAIに関連したニュース、論文などを紹介していきます。

最適なプレイを推奨するeスポーツコーチングAI

トルコのメディアDaily Sabahは8月31日、トルコ出身のOlcay Yılmazçoban氏らが創業したAIスタートアップFalconAIが開発するeスポーツコーチングAI「SenpAI.gg」を紹介する記事を公開しました。

『League of Legends』のように世界的な人気のあるeスポーツゲームのプレイスキルを上達させようとする場合、対戦を数多く経験するか、プロゲーマーのプレイ動画を見て学習することになります。こうした従来の学習方法では、スキルアップにつながるプレイスタイルの改善箇所を見つけるのに苦労します。SenpAI.ggは、こうした改善箇所を効率的に見つけてくれます。

SenpAI.ggはプレイヤーの過去の対戦データを分析して、プレイスタイルの特徴を抽出します。抽出した特徴にもとづいて、プレイヤーのプレイスタイルにあったキャラクターの推奨、優先的に倒すべき敵キャラクターの特定といったアドバイスを行います。さらには、プレイスタイルをプロゲーマーのそれと比較した上で、プレイスタイルが類似しているプロゲーマーを特定します。そして、そうしたプロゲーマーのプレイ動画を視聴することもおすすめします。

SenpAI.ggのようなAIを活用したeスポーツのコーチングシステムはNVIDIAのような大企業も注目しており、同社はこうしたシステムに関する特許を取得しています。FalconAIやNVIDIAの動向は、eスポーツゲームのプレイスキルを効率的に上達させたいというニーズが急速に高まっていることが背景になっていると考えられます。

スタンフォード大学、トップテニスプレイヤーのプレイを再現するAIを開発

テック系メディアSyncedは8月13日、スタンフォード大学の研究チームがトッププロテニスプレイヤーのプレイを再現するAIを開発したことを報じました。「Vid2Player」と名づけらたこのAIは、例えばジョコビッチ選手とフェデラー選手の対戦動画を生成することができるのです。

Vid2Playerの開発にあたっては、トップテニスプレイヤーのプレイ動画を大量に集めて学習データを構築しました。収集したプレイ動画には、AIがショットの種類やポジションニングを学習できるようにラベル付けをしました。こうした学習データにもとづいて、各テニスプレイヤーのプレイを予測する行動モデルを構築したのです。

Vid2Playerは、任意の初期状態(例えばフェデラー選手のサーブ)が与えられると、その初期状態にリアクションするテニスプレイヤーの行動を予測し、その予測内容に合致したプレイ動画を学習データから抽出して再生します。こうしたプレイの予測と抽出した動画の再生を繰り返せば、トップテニスプレイヤーのプレイを再現できるというわけなのです。

Vid2Playerを開発したスタンフォード大学の研究チームは、このAIをスポーツのコーチングに応用できると考えています。

【参考論文】Vid2Player: Controllable Video Sprites that Behave and Appear like Professional Tennis Players

withコロナ時代に役立つマーカーレスなモーションキャプチャー

映画やゲームの制作においてリアルに動くCGキャラクターを作成するためには、多数のマーカーがついたボディシーツを装着した人の動きをキャプチャー作業工程が発生し、専用の撮影スタジオに多数のスタッフが集まる必要があります。しかし、現状のようなコロナ禍にあっては密集を避けなければならないので、キャプチャー技術を使うのが困難になってしまいました。

ビジネス系メディアVenture Beatは8月27日、コロナ禍でも利用可能なキャプチャー技術を紹介する記事を公開しました。イギリスに拠点をおくAIスタートアップMove.aiが開発したキャプチャー技術は、iPhoneあるいはGalaxyといったハイエンドなスマホで動く人を撮影するだけで、撮影した人の動きを反映した3Dアバターを生成できるというものです。この技術で画期的なのは、撮影される人がマーカーのついたボディスーツを着る必要がない所です。

以上のキャプチャー技術を実現するのに使われているのが、AIによるデータポイントの生成です。具体的には、動く人を撮影することによって10~15ヶ所のデータポイントの動きを収集します。収集したデータポイントの情報にもとづいて、AIが10万か所の動きを生成するのです。撮影時に収集するデータポイント数が少ないのでボディスーツが不要となり、大がかりな撮影スタジオを用意する必要がありません。

Move.aiのCEOであるMark Endemano氏は、同社のマーカーレスなキャプチャー技術を個人でコンテンツを作成するようなインフルエンサーに使ってもらうことによって、モーションキャプチャー技術を民主化したいと述べています。

「私よりも私を知る」AIがはらむデジタル全体主義誕生の危険性

オーストラリアのTHE CONVERSATION紙は8月12日、AIによる全体主義実現の可能性を論じた記事を公開しました。

AmazonやFacebookなどで使われているレコメンドシステムとは、大量のデータを学習した協調フィルタリングと呼ばれるAIが、各ユーザが好みそうなコンテンツをおすすめするシステムのことを指します。こうしたレコメンドシステムをさらに発達させると、ユーザ自身より精確にユーザの嗜好を理解するAIシステムが開発できる可能性が生じます。このような全知的AIが実現してしまうと、「自らの自由意思にしたがって生きる」という人間の根本的なあり方が脅かされることになるかも知れません。というのも、自分の選択にしたがうより全知的AIの決定にしたがうほうが合理的となるからです。

以上のような全知的AIが一部の権力者のみに管理されるようになった時、管理者以外の自由が無価値となるデジタル全体主義が誕生します。デジタル全体主義体制の統治下では、人間は全知的AIに従う以外の選択肢が奪われてしまいます。

デジタル全体主義は、AIを活用することによって「多くを知る権力者」と「知ることが制限された被支配者」という情報格差をともなう社会階層が形成された時に誕生します。この支配体制の誕生を阻止するには、安易に個人情報を提供しないことが重要となります。なぜならば、全知的AIの構築には大量の個人情報が必要であり、言わば動力源である個人情報の供給を制限してしまえば全知的AIの誕生を未然に防ぐことができるからです。

しかしながら、現代社会においては個人情報をシステムに提供することによって、さまざまなメリットを得ていることも事実です。個人情報の提供を完全に絶ってしまうことは不可能だとしても、提供した個人情報が使われる目的について注意を払うことがデジタル全体主義誕生への対抗手段となるのです。

Writer:吉本幸記

RELATED ARTICLE関連記事

ロボットトイをスマホアプリで制御するための開発環境「toio SDK for Unity」

2020.10.23先端技術

ロボットトイをスマホアプリで制御するための開発環境「toio SDK for U...

動物動画のデータから3Dモデルを生成するAI:月刊エンタメAIニュース vol.17

2021.5.21先端技術

動物動画のデータから3Dモデルを生成するAI:月刊エンタメAIニュース vol....

Unityを活用した自動運転車の開発環境:月刊エンタメAIニュース vol.12

2020.12.18先端技術

Unityを活用した自動運転車の開発環境:月刊エンタメAIニュース vol.12

RANKING注目の記事はこちら