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
CGCGへの扉安藤幸央機械学習月刊エンタメAIニュースディープラーニング河合律子生成AI吉本幸記OpenAIGAN音楽NVIDIAGoogle三宅陽一郎強化学習ニューラルネットワークグーグルStable DiffusionChatGPTシナリオQA森川幸人DeepMind人工知能学会GPT-3自然言語処理マイクロソフトFacebook大内孝子大規模言語モデル映画AIと倫理キャラクターAI著作権敵対的生成ネットワークルールベースアート倫理SIGGRAPHゲームプレイAIスクウェア・エニックスモリカトロンAIラボインタビュー画像生成モリカトロンNFTプロシージャルLLMデバッグMinecraftNPCDALL-E2StyleGANMidjourney遺伝的アルゴリズム画像生成AI自動生成VFXAdobeテストプレイメタAIテキスト画像生成ロボット深層学習ファッションCEDEC2019音楽生成AIディープフェイクデジタルツインVRアニメーションボードゲームDALL-ECLIPビヘイビア・ツリーマンガCEDEC2021CEDEC2020ゲームAIメタバース不完全情報ゲームナビゲーションAI小説畳み込みニューラルネットワークGDC 2021JSAI2022作曲MicrosoftNVIDIA OmniverseGDC 2019マルチエージェントCEDEC2022MetaマインクラフトAIアート3DCGStability AIメタ懐ゲーから辿るゲームAI技術史toioジェネレーティブAIスポーツ栗原聡手塚治虫CNNNeRFバーチャルヒューマンBERTUnityOmniverseJSAI2023デジタルヒューマン鴫原盛之HTN階層型タスクネットワークソニーGPT-4マルチモーダル汎用人工知能JSAI2020GTC20233DTensorFlowDALL-E 3インタビューブロックチェーンイベントレポート対話型エージェントAmazonロボティクスDQN水野勇太アバターUbisoftGenvid TechnologiesガイスターStyleGAN2ARELSIGTC2022教育SIGGRAPH ASIANetflixJSAI2021はこだて未来大学Bard研究エージェントシムピープルMCS-AI動的連携モデルプロンプトモーションキャプチャーTEZUKA2020CEDEC2023テキスト生成Electronic Arts音声合成マーケティングメタデータGDC SummerCMMicrosoft Azureアストロノーカキャリア模倣学習動画生成AIeスポーツスタンフォード大学アーケードゲームテニスサイバーエージェントトレーディングカード音声認識メディアアート類家利直eSportsBLUE PROTOCOLシーマンaibo合成音声チャットボットブラック・ジャックEpic GamesAWS徳井直生クラウド斎藤由多加AlphaZeroTransformerGPT-2rinnaAIりんなカメラ環世界中島秀之PaLM哲学ベリサーブPlayable!GPT-3.5ハリウッド理化学研究所Gen-1SFテキスト画像生成AIデータマイニング東京大学現代アートDARPAドローンシムシティゲームエンジンImagenZorkバイアスRed RamマーダーミステリーASBSぱいどんアドベンチャーゲームAI美空ひばり手塚眞インディーゲームバンダイナムコ研究所スパーシャルAINEDOFSM-DNNLEFT 4 DEADイーロン・マスク通しプレイ論文OpenAI FiveStable Diffusion XL本間翔太馬淵浩希Cygames森山和道Audio2Faceピクサープラチナエッグイーサリアム効果音ボエダ・ゴティエビッグデータ中嶋謙互Amadeus Codeデータ分析MILEナラティブNVIDIA RivaOmniverse ReplicatorWCCFレコメンドシステムNVIDIA DRIVE SimWORLD CLUB Champion FootballNVIDIA Isaac Simセガ柏田知大軍事田邊雅彦トレカMax CooperGPTDisneyFireflyPyTorchChatGPT4眞鍋和子バンダイナムコスタジオ大澤博隆SFプロトタイピング齊藤陽介お知らせMagic Leap OneTencentモリカトロン開発者インタビュー宮本茂則バスケットボールGeminiTikToktext-to-imageサルでもわかる人工知能text-to-3DVAEDreamFusionTEZUKA2023リップシンキングRNNUbisoft La Forge自動運転車ワークショップ知識表現ウォッチドッグス レギオンVTuberIGDA立教大学秋期GTC2022市場分析フォートナイトどうぶつしょうぎRobloxジェイ・コウガミ音楽ストリーミングMITAIロボ「迷キュー」に挑戦野々下裕子Adobe MAXマシンラーニング村井源5GMuZeroRival Peakpixivオムロン サイニックエックスGPTs電気通信大学対話エンジン稲葉通将ポケモン3Dスキャン橋本敦史リトル・コンピュータ・ピープルCodexシーマン人工知能研究所コンピューティショナル・フォトグラフィーPreferred Networksゴブレット・ゴブラーズ絵画3D Gaussian SplattingMicrosoft DesignerアップルイラストシミュレーションSoul Machines柿沼太一完全情報ゲーム坂本洋典釜屋憲彦GitHub CopilotウェイポイントLLaMAパス検索対談藤澤仁生物学GTC 2022Apple Vision Pro画像認識SiemensストライキStyleCLIPDeNA長谷洋平クラウドコンピューティングmasumi toyotaIBM宮路洋一OpenSeaGDC 2022SNSTextWorldEarth-2BingMagentaYouTube音声生成AIELYZA PencilScenarioSIGGRAPH2023松尾豊AIピカソGTC2021AI素材.comCycleGANテンセントAndreessen HorowitzAIQVE ONENetHackキャラクターモーションControlNet音源分離NBAフェイクニュースユニバーサルミュージックRPG法律Web3SIGGRAPH 2022世界モデルレベルデザインDreamerV3AIボイスアクターUnreal Engine南カリフォルニア大学NVIDIA CanvasGPUALife人工生命オルタナティヴ・マシンサウンドスケープLaMDATRPGマジック:ザ・ギャザリングAI Dungeonゲーム背景AGI不気味の谷ナビゲーションメッシュ高橋ミレイ深層強化学習松原仁松井俊浩武田英明ELYZAフルコトELYZA DIGEST建築広告西成活裕ハイブリッドアーキテクチャApex LegendsELIZA群衆マネジメントライブポートレイトNinjaコンピュータRPGライブビジネスWonder StudioAdobe Max 2023アップルタウン物語新型コロナ土木MindAgentKELDIC周済涛BIMBing Chatメロディ言語清田陽司インフラBing Image CreatorゲームTENTUPLAYサイバネティックスMARVEL Future FightAstro人工知能史Amazon BedrockAssistant with BardタイムラプスEgo4DAI哲学マップThe Arcadeバスキア星新一X.AISearch Generative Experience日経イノベーション・ラボStyleGAN-XLX Corp.Dynalang敵対的強化学習StyleGAN3TwitterVLE-CE階層型強化学習GOSU Data LabGANimatorXホールディングスWANNGOSU Voice AssistantVoLux-GANMagiAI Act竹内将SenpAI.GGProjected GANEUMobalyticsSelf-Distilled StyleGANSDXLArs ElectronicaニューラルレンダリングRTFKTAI規制岡島学AWS SagemakerPLATONIKE欧州委員会映像セリア・ホデント形態素解析frame.ioClone X欧州議会UXAWS LambdaFoodly村上隆欧州理事会誤字検出MusicLM認知科学中川友紀子Digital MarkAudioLMゲームデザインSentencePieceアールティSnapchatMusicCapsLUMINOUS ENGINEクリエイターコミュニティAudioCraftLuminous ProductionsBlenderBot 3バーチャルペットパターン・ランゲージ竹村也哉Meta AINVIDIA NeMo ServiceMubertちょまどマーク・ザッカーバーグヴァネッサ・ローザMubert RenderGOAPWACULVanessa A RosaGen-2Adobe MAX 2021陶芸Runway AI Film Festival自動翻訳Play.htPreViz音声AINVIDIA ACEAIライティングLiDARCharacter-LLMOmniverse AvatarAIのべりすとPolycam復旦大学FPSQuillBotdeforumChat-Haruhi-Suzumiyaマルコフ決定過程NVIDIA MegatronCopysmith涼宮ハルヒNVIDIA MerlinJasperハーベストEmu VideoNVIDIA MetropolisForGamesNianticパラメータ設計ゲームマーケットペリドットバランス調整岡野翔太Dream Track協調フィルタリング郡山喜彦Music AI Tools人狼知能テキサス大学ジェフリー・ヒントンLyriaGoogle I/O 2023Yahoo!知恵袋AlphaDogfight TrialsAI Messenger VoicebotGoogle I/OインタラクティブプロンプトAIエージェントシミュレーションOpenAI Codex武蔵野美術大学慶應義塾大学StarCraft IIHyperStyleBingAI石渡正人Future of Life InstituteRendering with Style手塚プロダクションIntel林海象LAIKADisneyリサーチヴィトゲンシュタインPhotoshop古川善規RotomationGauGAN論理哲学論考Lightroom大規模再構成モデルGauGAN2京都芸術大学CanvaLRMドラゴンクエストライバルズ画像言語表現モデルObjaverse不確定ゲームSIGGRAPH ASIA 2021PromptBaseBOOTHMVImgNetDota 2モンテカルロ木探索ディズニーリサーチpixivFANBOXOne-2-3-45Mitsuba2バンダイナムコネクサス虎の穴3DガウシアンスプラッティングソーシャルゲームEmbeddingワイツマン科学研究所ユーザーレビューFantiaワンショット3D生成技術GTC2020CG衣装mimicとらのあな高橋力斗NVIDIA MAXINEVRファッションBaidu集英社FGDC淡路滋ビデオ会議ArtflowERNIE-ViLG少年ジャンプ+Future Game Development ConferenceグリムノーツEponym古文書ComicCopilot佐々木瞬ゴティエ・ボエダ音声クローニング凸版印刷コミコパヒストリアGautier Boeda階層的クラスタリングGopherAI-OCRゲームマスターAI Frog Interactive画像判定Inowrld AI新清士JuliusSIE鑑定ラベル付けMODAniqueTPRGOxia PalusGhostwriter中村太一バーチャル・ヒューマン・エージェントtoio SDK for UnityArt RecognitionSkyrimエグゼリオクーガー田中章愛実況パワフルサッカースカイリムCopilot石井敦銭起揚NHC 2021桃太郎電鉄RPGツクールMZComfyUI茂谷保伯池田利夫桃鉄ChatGPT_APIMZserial experiments lainGDMC新刊案内パワサカダンジョンズ&ドラゴンズAI lainマーベル・シネマティック・ユニバースコナミデジタルエンタテインメントOracle RPGPCG成沢理恵MITメディアラボMCU岩倉宏介深津貴之PCGRLアベンジャーズPPOxVASynthDungeons&Dragonsマジック・リープDigital DomainMachine Learning Project CanvasLaser-NVビートルズMagendaMasquerade2.0国立情報学研究所ザ・ビートルズ: Get Back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石川冬樹MERFDemucsサッカースパコンAlibaba音楽編集ソフト里井大輝KaggleスーパーコンピュータVQRFAdobe Audition山田暉松岡 聡nvdiffreciZotopeAssassin’s Creed OriginsAI会話ジェネレーターTSUBAME 1.0NeRFMeshingRX10Sea of ThievesTSUBAME 2.0LERFMoisesGEMS COMPANYmonoAI technologyLSTMABCIマスタリングモリカトロンAIソリューション富岳レベルファイブ初音ミクOculusコード生成AISociety 5.0リアム・ギャラガーSuno AI転移学習テストAlphaCode夏の電脳甲子園グライムスKaKa CreationBaldur's Gate 3Codeforces座談会BoomyVOICEVOXCandy Crush Saga自己増強型AIジョン・レジェンドGenie AISIGGRAPH ASIA 2020COLMAPザ・ウィークエンドSIGGRAPH Asia 2023ADOPNVIDIA GET3DドレイクC·ASEデバッギングBigGANGANverse3DFLAREMaterialGANダンスグランツーリスモSPORTAI絵師エッジワークスMagicAnimateReBeLグランツーリスモ・ソフィーUGC日本音楽作家団体協議会Animate AnyoneGTソフィーPGCFCAインテリジェントコンピュータ研究所VolvoFIAグランツーリスモチャンピオンシップVoiceboxアリババNovelAIさくらインターネットDreaMovingRival PrakDGX A100NovelAI DiffusionVISCUITぷよぷよScratchユービーアイソフトWebcam VTuberモーションデータスクラッチ星新一賞大阪公立大学ビスケット北尾まどかHALOポーズ推定TCGプログラミング教育将棋メタルギアソリッドVメッシュ生成KLabFSMメルセデス・ベンツQRコードVALL-EMagic Leap囲碁Deepdub.aiナップサック問題Live NationEpyllionデンソーAUDIOGEN汎用言語モデルWeb3.0マシュー・ボールデンソーウェーブEvoke MusicAIOpsムーアの法則原昌宏AutoFoleySpotifyスマートコントラクト日本機械学会Colourlab.AiReplica Studioロボティクス・メカトロニクス講演会ディズニーamuseChitrakarQosmoAdobe MAX 2022トヨタ自動車Largo.ai巡回セールスマン問題かんばん方式Cinelyticジョルダン曲線メディアAdobe ResearchTaskade政治Galacticaプロット生成Pika.artクラウドゲーミングがんばれ森川君2号AI Filmmaking Assistant和田洋一リアリティ番組映像解析FastGANStadiaジョンソン裕子セキュリティ4コママンガAI ScreenwriterMILEsNightCafe東芝デジタルソリューションズ芥川賞インタラクティブ・ストリーミングLuis RuizSATLYS 映像解析AI文学インタラクティブ・メディア恋愛PFN 3D ScanElevenLabsタップル東京工業大学HeyGenAbema TVLudo博報堂After EffectsNECラップPFN 4D Scan絵本木村屋SIGGRAPH 2019ArtEmisZ世代DreamUp出版GPT StoreAIラッパーシステムDeviantArtAmmaar Reshi生成AIチェッカーWaifu DiffusionStoriesユーザーローカルGROVERプラスリンクス ~キミと繋がる想い~元素法典StoryBird九段理江FAIRSTCNovel AIVersed東京都同情塔チート検出Style Transfer ConversationOpen AIProlificDreamerオンラインカジノRCPUnity Sentis4Dオブジェクト生成モデルRealFlowRinna Character PlatformUnity MuseAlign Your GaussiansiPhoneCALACaleb WardAYGDeep Fluids宮田龍MAV3DMeInGameAmelia清河幸子ファーウェイAIGraph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西中美和4D Gaussian SplattingBCIGateboxアフォーダンス安野貴博4D-GSLearning from VideoANIMAKPaLM-SayCan斧田小夜Glaze予期知能逢妻ヒカリ宮本道人WebGlazeセコムLLaMA 2NightShadeユクスキュルバーチャル警備システムCode as PoliciesSpawningカント損保ジャパンCaPHugging FaceHave I Been Trained?CM3leonFortnite上原利之Stable DoodleUnreal Editor For Fortnite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コリジョンチェックT2I-AdapterXRPAIROCTOPATH TRAVELERxAI西木康智VolumetricsOCTOPATH TRAVELER 大陸の覇者山口情報芸術センター[YCAM]AIワールドジェネレーターアルスエレクトロニカ2019品質保証YCAM日本マネジメント総合研究所Rosebud AI GamemakerStyleRigAutodeskアンラーニング・ランゲージVoyagerLayer逆転オセロニアBentley Systemsカイル・マクドナルドLily Hughes-RobinsonCharisma.aiワールドシミュレーターローレン・リー・マッカーシーColossal Cave AdventureGDC 2024奥村エルネスト純いただきストリートH100鎖国[Walled Garden]​​プロジェクトAdventureGPT調査齋藤精一大森田不可止COBOLSIGGRAPH ASIA 2022リリー・ヒューズ=ロビンソンMeta Quest高橋智隆DGX H100VToonifyBabyAGIIPロボユニザナックDGX SuperPODControlVAEGPT-3.5 Turbo泉幸典仁井谷正充変分オートエンコーダーカーリング強いAIロボコレ2019Instant NeRFフォトグラメトリウィンブルドン弱いAIartonomous回帰型ニューラルネットワークbitGANsDeepJoin戦術分析ぎゅわんぶらあ自己中心派Azure Machine LearningAzure OpenAI Serviceパフォーマンス測定Lumiere意思決定モデル脱出ゲームDeepLIoTUNetHybrid Reward Architectureコミュニティ管理DeepL WriteProFitXImageFXウロチョロスSuper PhoenixWatsonxMusicFXProject MalmoオンラインゲームAthleticaTextFX気候変動コーチングSoraProject Paidiaシンギュラリティ北見工業大学KeyframerProject Lookoutマックス・プランク気象研究所レイ・カーツワイル北見カーリングホールAppleWatch Forビョルン・スティーブンスヴァーナー・ヴィンジ画像解析Gemini 1.5気象モデルRunway ResearchじりつくんAI StudioLEFT ALIVE気象シミュレーションMake-A-VideoNTT SportictVertex AI長谷川誠ジミ・ヘンドリックス環境問題PhenakiAIカメラChat with RTXBaby Xカート・コバーンエコロジーDreamixSTADIUM TUBESlackロバート・ダウニー・Jr.エイミー・ワインハウスSDGsText-to-ImageモデルPixelllot S3Slack AIソフトバンクPokémon Battle Scopeダフト・パンクメモリスタAIスマートコーチポケットモンスターGlenn MarshallkanaeruThe Age of A.I.Story2Hallucination音声変換Latitude占いレコメンデーションJukeboxDreamboothVeap Japanヤン・ルカンEAPneoAIPerfusionSIFT福井千春DreamIconニューラル物理学DCGAN医療mign毛髪MOBADANNCEメンタルケアstudiffuse荒牧英治人事ハーバード大学Edgar Handy中ザワヒデキ研修デューク大学大屋雄裕QA Tech Night中川裕志mynet.aiローグライクゲーム松木晋祐Adreeseen Horowitz東京理科大学下田純也NVIDIA Avatar Cloud Engine人工音声NeurIPS 2021産業技術総合研究所桑野範久Replica StudiosリザバーコンピューティングSmart NPCsプレイ動画ヒップホップ対話型AIモデルRoblox StudioソニーマーケティングPromethean AIサイレント映画もじぱnote環境音暗号通貨note AIアシスタントMusiioFUZZLEKetchupEndelAlterationAI News粒子群最適化法Art Selfie進化差分法オープンワールドArt TransferSonar群知能下川大樹AIFAPet PortraitsSonar+Dウィル・ライト高津芳希P2EBlob Opera大石真史クリムトDolby AtmosBEiTStyleGAN-NADASonar Music FestivalDETRライゾマティクスSporeクリティックネットワーク真鍋大度デノイズUnity for Industryアクターネットワーク花井裕也画像処理DMLabRitchie HawtinSentropyGLIDEControl SuiteErica SynthCPUDiscordAvatarCLIPAtari 100kUfuk Barış MutluSynthetic DataAtari 200MJapanese InstructBLIP AlphaCALMYann LeCun日本新聞協会プログラミングサム・アルトマン鈴木雅大AIいらすとやソースコード生成コンセプトアートAI PicassoGMAIシチズンデベロッパーSonanticColie WertzEmposyGitHubCohereリドリー・スコットAIタレントウィザードリィMCN-AI連携モデル絵コンテAIタレントエージェンシーUrzas.aiストーリーボードmodi.ai介護大阪大学BitSummit西川善司並木幸介KikiBlenderBitSummit Let’s Go!!サムライスピリッツ森寅嘉Zoetic AIゼビウスSIGGRAPH 2021ペットストリートファイター半導体Digital Dream LabsPaLM APIデジタルレプリカTopaz Video Enhance AICozmoMakerSuiteGOT7DLSSタカラトミーSkebsynthesia山野辺一記NetEaseLOVOTDreambooth-Stable-DiffusionHumanRF大里飛鳥DynamixyzMOFLINActors-HQRomiGoogle EarthSAG-AFTRAU-NetミクシィGEPPETTO AIWGA13フェイズ構造ユニロボットStable Diffusion web UIチャーリー・ブルッカーADVユニボPoint-EXLandGatoアパレル岡野原大輔AI model自己教師あり学習DEATH STRANDINGAI ModelsIn-Context Learning(ICL)Eric Johnson汎用強化学習AIZMO.AILoRAデザインMOBBY’SファインチューニングOculus Questコジマプロダクションロンドン芸術大学モビーディックグランツーリスモ生体情報デシマエンジンGoogle Brainダイビング量子コンピュータSound Controlアウトドアqubit写真SYNTH SUPERAIスキャニングIBM Quantum System 2照明Maxim PeterKarl Sims自動採寸北野宏明Joshua RomoffArtnome3DLOOKダリオ・ヒルハイパースケープICONATESizerジェン・スン・フアン山崎陽斗ワコールHuggingFace立木創太スニーカーStable Audio浜中雅俊UNSTREET宗教ミライ小町Newelse仏教テスラ福井健策CheckGoodsコカ・コーラGameGAN二次流通食品パックマンTesla Bot中古市場Coca‑Cola Y3000 Zero SugarTesla AI DayWikipediaDupe KillerCopilot Copyright Commitmentソサエティ5.0Sphere偽ブランドテラバースSIGGRAPH 2020バズグラフXaver 1000配信京都大学ニュースタンテキ養蜂立福寛東芝Beewiseソニー・ピクチャーズ アニメーション音声解析DIB-R倉田宜典フィンテック感情分析投資Fosters+Partners周 済涛韻律射影MILIZEZaha Hadid Architectsステートマシン韻律転移三菱UFJ信託銀行ディープニューラルネットワーク

【CEDEC2020】メタAIを発展させるパターン・ランゲージからデザインパターンへの応用

2020.9.18ゲーム

【CEDEC2020】メタAIを発展させるパターン・ランゲージからデザインパターンへの応用

スクウェア・エニックス テクノロジー推進部の水野勇太氏は、AIテクニカルゲームデザイナーとして、メタAIを専門に研究を続けています。CEDEC2020のセッション「ゲームデザインにおけるAI活用のための「メタAIデザインパターン」―基本15パターン―」ではメタAIのさまざまなデザインパターンを示し、研究を発展させる礎となるビジョンを示しました。これはメタAIの実装例がまだ少なく作り方が明確ではないという課題を解決するための試みです。

メタAIとは何か

メタAIはゲームAIの一種で、プレイヤーの状況を踏まえて最適な状態にゲームを変化させる役割を果たすためのものです。古くは『パックマン』(1980年、ナムコ)や『ゼビウス』(1983年、ナムコ)でプレイヤーの反応やスキルに応じて敵キャラクターの動きやゲームの難易度を変える仕組みからスタートしており、スクウェア・エニックスのAI研究チームが関連研究を進めているAI分野のひとつです。

3つのゲームAI。キャラクターAI=キャラクターの頭の中、ナビゲーションAI=移動をアシストする、メタAI=ゲームの世界を最適な状態にする

ゲームの世界を飛び出したプロジェクトも生まれています。2019年にはスクウェア・エニックスとオムロンによる共同研究で、卓球ロボット「フォルフェウス」(第6世代)へメタAI機能を搭載し、さまざまなバイタルデータをもとにプレイヤーのモチベーションを高めるフィードバックが行われました。

メタAIを実装することによって、プレイヤーの行動を分析して最適なゲーム展開を考え、ゲームを変化させるなど個々のプレイヤーに対する個別の対応が可能となります。いわばゲームデザイナーあるいはゲームマスターをゲームの中に実装するようなもので、ビデオゲームのオープンワールド化が進むなか今後さらなる発展が期待されています。

では、メタAIはゲーム世界とどのような情報のやり取りをするのでしょうか。水野氏らが提示するメタAIの汎用アーキテクチャは次のとおりです。

メタAIの汎用アーキテクチャ

ゲームワールドからメタAIがセンサーでゲームの情報を取り、その情報をワールドアナライザーで分析します。その分析結果をもとにどのようにゲームを変えるかをゲームメーカーで考え、具体的にどのパラメーターをどれくらい変化させるかをパラメータージェネレーターが計算するという流れです。ここで計算されたパラメーターをエフェクターを通してゲームワールドの変化可能な場所、インタラクションスペースにフィードバックさせます。ここでポイントとなるのは「ゲームワールドの中にプレイヤーもふくまれている」ということです。

キャラクターAIとメタAI

例えばキャラクターAIは剣を持っている時に敵が近ければ持っている剣で敵を攻撃しようと考えて、その運動を生成します。一方、メタAIはワールドアナライザーがどのようなゲーム状況かを分析し、ゲームをどう変化させるかを考えてパラメータを変化させます。ワールドアナライザーはキャラクターAIでいう「認識の形成」、ゲームメーカーは「意思決定」、パラメータージェネレーターは「運動の構成」に相当します。

水野氏は、メタAIとゲームデザインとの兼ね合いを次のように考察します。

挑戦による能力の評価に主眼が置かれているゲームの場合は、メタAIが入るとその基準がブレることになるため好ましくないかもしれません。一方、能力の評価に主眼が置かれない娯楽として楽しむゲームの場合は、メタAIが最適な体験を提供してくれるので好ましいと言えるでしょう。つまり、そのゲームをどのようにプレイするのかによってメタAI導入の向き不向きが変わるということです。(水野勇太氏)

メタAIは必ずしもすべてのゲームに有効とは限りません。こうした理解をエンジニアとゲームデザイナー双方が共有し、自分たちが作ろうとしているゲームのどこにメタAIが有効なのかを見極めることが重要です。そのためには、ゲームデザインという観点からゲームにどのような機能が何のために入っているかを分析する必要があります。

メタAIとゲームデザイン

水野氏は、さまざまなゲームにおいて、それぞれのゲーム機能が何のために入っているのかを分析しました。

何のための機能なのか

難易度を調整するための機能や難易度の”波”を作るための機能であったり、あるいは体験の濃淡をコントロールすることでプレイヤーの飽きを防止するといった機能は、「○○のために○○に基づいて、○○を調整する」という形に変換できます。これにより前項で見たメタAIのアーキテクチャのワールドアナライザーとゲームメーカー、パラメータジェネレーターに対応させることが可能です。例えば、「不満感軽減のためにプレイヤースキルに基づいて難度を調整する」「没入感向上のためにNPCの行動に基づいてゲーム環境を調整する」といったように。「何のための機能なのか」はゲームメーカーのプランの中身、「何に基づくのか」はアナライザーの実際に調査する項目、そして「何を調整するのか」がパラメータジェネレーターの具体的な数字データになります。

一方、水野氏は過去のゲームタイトルにおけるメタAI的な機能についても分析しています。次の図は、各ゲームタイトルごとにワールドアナライザーが何を分析しているのか、ゲームメーカーが何を変化させようとしているのか、パラメータジェネレーターが実際に何を変化させているのかを示したものです。

各ゲームのメタAI要素

何を分析するのかという分析対象がアナライザーに、、なぜその機能が必要なのかという目的がゲームメーカーに、実際に何を変えるかという調整の対象がパラメータジェネレーターに入っていることが分かります。つまり、それぞれのゲームは目的を達成するためにアナライザーの項目を分析し、パラメータージェネレーターの項目を変化させるというメタAIを実装していると言えます。

このように分解して考えてみることで、メタAI導入の検討がより具体的になります。さらに、水野氏がそこで提案するのがパターン・ランゲージです。なぜならビデオゲームへのAIの実装においては、AI側のエンジニアだけではなくゲームの開発エンジニアやゲームデザイナーとのコミュニケーションも重要になってくるからです。

パターン・ランゲージはもともと建築の概念で、建築家であるクリストファー・アレグザンダーが1970年代に提案したものです。現実のさまざまな状況(質)をとらえ、その普遍性を共有して活用するために、暗黙知や実践によるノウハウを共有する仕組みとして、建築以外にも組織マネジメント、あるいはソフトウェア開発などにも取り入れられています。

つまり、ここで水野氏が提唱しているのは「エンジニアとゲームデザイナーの共通言語としてメタAIのためのパターン・ランゲージを考えてみよう」ということです。

パターン・ランゲージとデザインパターン

建築において、なぜパターン・ランゲージが生まれたのか。その理由を水野氏は、1970年代当時の建築が固定的な開発計画に従う形でなされ、基本的な課題を解決できない状態に陥っていたからだと解説します。有機的な秩序、全体性を創造するためにアレグザンダー等は253種のパターンを提示し、パターン・ランゲージによる課題解決を目指したのです。

例えば「手にし得る緑」(手近な緑)と名付けられたパターンは、人々が開放的な緑地を必要とするという前提に基づいています。しかし人がいる場所から3分以上離れていると距離が必要性を圧倒する、つまり3分以上離れた緑地ではダメであるという問題に対して、すべての家や職場から徒歩3分(750フィート≒229メートル)以内に開放的な緑地を作ること、少なくとも面積60,000平方フィート(≒5575平方メートル)、​最も狭い部分で幅員150フィート(≒46メートル)の緑地を作ることが解決策となります。

こうしたフレームで考えることは、あらゆる街に適用できる普遍性を持ちます。どの街、どの地域であっても、この解決法を使って「人にとって快適な緑を提供する」ことができるというわけです。例えば、街よりも規模が小さな大学、大型のショッピングモールにも適用できるでしょう。

パターン・ランゲージは、利用者自身が「何が必要か」を一番知っているにもかかわらず、当時の固定された開発計画による建築ではそれが置いてきぼりにされている状況に対し、利用者自身が参加する計画を作り上げるべきだという思想から始まっています。ここで大切なのは利用者が参加しているという点です。(水野勇太氏)

パターン・ランゲージの3つの段階(抽出→作成→実践)。基本のパターンに基礎知識や原理があり、それが文章化されることでパターン・ランゲージ化され、実際の環境で活用​される

パターン・ランゲージはさまざまな場面で応用できます。例えばオブジェクト指向設計に適用したものが、GoF(Gang of Four)による書籍『オブジェクト指向における再利用のためのデザインパターン』で示された「デザインパターン」です。

パターン・ランゲージとGoFのデザインパターン。ある知見を現場の要求や状況と乖離することなくまとめ上げる手法であるパターン・ランゲージに対し、デザインパターンは設計に特化したパターン・ランゲージの一種と言える
パターン・ランゲージの応用。プロジェクトマネジメントに適用するとエキストリームプログラミングになる。その他にも学ぶこと自体のパターン化、認知症に対するパターン・ランゲージといったものも考えられている

一方、メタAIの実践に足りないものは「参加者」であるエンジニアやゲームデザイナーの意見です。つまり、エンジニアとゲームデザイナーの共有言語を作り上げ、双方の意見を過不足なく反映するための「メタAIのためのパターン・ランゲージ」が必要となります。

メタAIのためのパターン・ランゲージ

下記に水野氏が提案するメタAIのためのパターン・ランゲージの記述フォーマットとメタAIパターン・ランゲージの記述フォーマットを示します。

パターン・ランゲージの記述フォーマット
メタAIパターン・ランゲージの記述フォーマット

どのような状況に対するパターンなのか、そこに起こる問題はどういったものか、それに対しどのような解決策が考えられるのか、それにより、どのようなことが起こってしまうのか(フォース)、どのような結果が得られるのか、その具体例を記述するのがパターン・ランゲージの記述フォーマットです。メタAIのパターン・ランゲージ​ではそれら6つの項目に加え参考文献が挙げられています。

ここでは難度に対するプレイヤーのスコアを監視し、難度を調整できるパターンを例に挙げます。ビデオゲームはプレイヤーごとにスキルが異なるため、同じゲームでもある人には難しく感じられ、ある人には簡単すぎると感じられてしまいます。ここで起こっている問題は「プレイヤースキルに対し最適な難易度のゲーム体験を提供できないこと」です。つまり、簡単すぎたり難しすぎたりしてプレイヤーが離脱してしまう、プレイヤーのスキルやリソースに対し最適なゲームを展開できないということです。

それに対する解決策のひとつとしてスコアの変化を監視するという方法が考えられます。これにより最適な難度でゲームが提供され、難しすぎる/簡単すぎるという理由でプレイヤーが離脱することはなくなります。具体例としては、そのような機能を持つシューティングゲームが考えられます。

しかしその場合、次のような課題も生じます。

【運用可能性】
 ・スコアという形でプレイヤースキルが評価されるゲームにしか適用できない

【制約】
 ・すべてのプレイヤーにまったく同じゲーム展開を提供できない
 ・終了状態がプレイヤーによって異なる

【課題】
 ・スコアが変化するタイミングとプレイヤーの行動のタイミングの間にギャップが生じる

このように、メタAIの機能はパターン・ランゲージで記述できます。さらに水野氏は各ゲームに実装されている具体的なメタAIの機能を分析し6つの大分類に分け、さらにワールドアナライザーで「何を分析するか」で分類することで、22のパターンを抽出しました。

メタAIパターン・ランゲージ​のパターン一覧(1/2)
メタAIパターン・ランゲージ​のパターン一覧(2/2)

メタAIのためのデザインパターン

続いて、パターン・ランゲージ化できたパターンから、実装する際に指針となるデザインパターンへ落とし込んでいきます。記述フォーマットとして用いるのはGoFのデザインパターンのフォーマットです。

GoFのデザインパターンのフォーマット。プログラミングにおける設計のためのパターン・ランゲージとなっており、構造、協調関係といった、具体的なプログラミングにおいて重要となる項目やサンプルコード、使用例、実装といった項目が追加されている

今回はメタAIのデザインパターンもこのGoFと同じフォーマットに則って整理してみました。その際、メタAIの構造をしっかりと踏まえることが大切です。メタAIにはワールドアナライザー、ゲームメーカー、パラメータージェネレーターという3つの要素があります。すなわち「何のためのものなのか」「何に基づくメタAIなのか」、そして「具体的に何を調整するのか」。ゲームメーカーのプラニング、アナライザーの内容、そしてパラメータージェネレーターが生成するパラメーター、この3つを明確にしたデザインパターンにすることが大事です。(水野勇太氏)

水野氏が今回のセッションで提示したメタAIデザインパターンは次の6つです。

  1. スコアベース動的難度低減パターン
  2. 距離ベース緊張度の波生成パターン
  3. スコアベース対戦バランス最適化パターン
  4. プレイヤーの行動ベース評判変化パターン
  5. ゲーム状況ベースBGM変化パターン
  6. 多層セルベースシミュレーションパターン

ここではメタAIパターン・ランゲージ​の部分でも例に挙げた「スコアベース動的難度低減パターン」を説明します。スコアベース動的難度低減パターンは、プレイ状況を示すゲームスコアを監視するパターンで、スコアを記録して平均値と比較しその値に応じて難易度を上げたり下げたりします。同じゲームであってもその人の能力や所持しているアイテムなどリソースによって難易度が変わってしまう場合、このデザインパターンが使えるということになります。

ここで挙げている使用例はサンプルのシューティングゲームですが、実際のゲームでも、シューティングゲーム『バトルガレッガ』*1 がプレイ状況を示すランクを監視して難度をコントロールしています。これは、プレイヤーのさまざまな行動(ミスの数、ボム使用数、パワーアップ状況、無駄撃ちの回数など)に応じてランクを変化させ、そのランクに応じて敵の攻撃の激しさを変化させる仕組みです。

*1:このデザインパターンによって作られているということではなく、このデザインパターンを適用して作ることができる例として上げています。

適用可能性としては、スコアでプレイヤーのスキルが評価できるゲームに適用が可能です。ここで言うスコアはプレイヤーに非公開とすることもでき、敵の数や出現アイテムの種類などにより、難度をコントロールすることができるゲームに適用できます。

プログラムの構造は、上に示すのがワールドアナライザーとしてPlayerSkillAnalyzer、ゲームメーカーとしてDynamicDifficultyAdjuster、パラメータージェネレーターとしてSpawnEnemyNumControllerおよびSpawnEnemySpeedControllerです。下がゲームワールドになり、GameSystemが管理しているスコア、インタラクションスペースのSpawn Systemです。

プレイヤーのスコアをGameSystemが把握しており、そのスコアを分析してプレイヤーのスキルレベルをワールドアナライザーが判別します。そして、プレイヤーのスキルレベルに応じてゲームメーカーが実際に敵の数を増やすのかを決定し、パラメータージェネレーターがその数を算出して、それをゲームワールドのインタラクションスペース側のSpawn Sytemに伝えるという流れで、Spawnされる敵の数やスピードが変化するということになります。

サンプルコードはUnreal Engineのブループリントの形で掲載されました。なお、メタAIのワールドアナライザー、ゲームメーカー、パラメータージェネレーターの3つのパートはメタAI用のブループリントをひとつ作り、その中にワールドアナライザー、ゲームメーカー、パラメータージェネレーターを機能として実装しています。

こちらのデモが示すように、敵をあまり倒せないとスコアの平均値が下がって敵の出現量が少なくなります。一方で、すばやく敵を倒しているとスコアの平均値が上がり、敵の出現量が増えてきます。このようにスコアの平均値に応じて難度が調整されるのがスコアベース動的難度調整パターンです。ここでの紹介はひとつだけとしますので、他の5つについては後ほど公開が予定されている資料をご参照ください。

メタAI デザインパターンの今後の展望

このように、さまざまなメタAIデザインパターンを用いることで、より良い形でビデオゲームにメタAIを実装することができるはずです。とはいえ、パターン・ランゲージの3つの段階を図に示したものの、メタAIに関して今はまだ「抽出」から「作成」の段階です。より多くの事例を踏まえたパターンの追加​や現場での応用によるパターン・ランゲージのブラッシュアップが必要です。もちろん、その際に重要となるのは利用者となるゲームデザイナーやエンジニア自身の参加です。

パターン・ランゲージの実践は、

  1. その実践として利用者自身が参加すること
  2. 少しずつ調整や補修を繰り返してそのパターンランゲージを成長させること
  3. その上で、利用者がどこが活かされているか(いないか)を診断する
  4. そして、それを調整する

といったフローを辿ります。つまり、パターンランゲージを一緒に作り上げていくことでエンジニアとゲームデザイナーのコミュニケーションがスムーズになることが、さまざまな場面でメタAIの実装を推進することにつながるのです。

パターン・ランゲージの実践フロー

水野氏は今後も、誰もが参加可能なメタAIパターンランゲージグループを立ち上げ、新しいパターンやデモの追加、メタAIパターンランゲージの研究などを行っていく予定です。最新情報は下記より入手可能です。

Slack ゲームAIコミュニティ

・ハッシュタグ「#PLoMetaAI

Writer:大内孝子

RELATED ARTICLE関連記事

モリカトロンAIラボ、オープニングにあたって

2019.4.17ゲーム

モリカトロンAIラボ、オープニングにあたって

【CEDEC2020】オンラインゲーム『BLUE PROTOCOL』で敵AIにパーティを組ませる方法

2020.10.19ゲーム

【CEDEC2020】オンラインゲーム『BLUE PROTOCOL』で敵AIにパ...

プレイヤーのゲームコントローラ入力を学習するAIの研究開発

2020.4.10ゲーム

プレイヤーのゲームコントローラ入力を学習するAIの研究開発

RANKING注目の記事はこちら