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
ディープラーニング機械学習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ラボインタビュー敵対的生成ネットワーク音楽OpenAIQAスクウェア・エニックスシナリオNVIDIAデバッグCEDEC2019河合律子プロシージャルDeepMind人工知能学会FacebookキャラクターAIルールベースビヘイビア・ツリーGoogleCEDEC2020ゲームAI映画SIGGRAPH遺伝的アルゴリズム不完全情報ゲームメタAIナビゲーションAI畳み込みニューラルネットワーク深層学習マイクロソフトAIと倫理グーグルGDC 2021GDC 2019マルチエージェントVR森川幸人ボードゲーム自然言語処理ロボットStyleGAN自動生成GPT-3CNNVFXモリカトロンゲームプレイAIファッションHTN階層型タスクネットワークJSAI2020Microsoftイベントレポート水野勇太アニメーションガイスターNPCCLIPアートtoio吉本幸記JSAI2021スポーツディープフェイク汎用人工知能TensorFlowGDC SummerテストプレイeSportsBLUE PROTOCOL小説DALL-EStyleGAN2AlphaZero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DARPAドローンAI美空ひばり手塚治虫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VAEUbisoftUbisoft La ForgeワークショップGenvid Technologies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ウェイポイントパス検索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ソニーCycleGAN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ナビゲーションメッシュ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RNNReBeL自動運転車VolvoRival Prak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予期知能ユクスキュル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JukeboxGTC2021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DynamixyzモーションキャプチャーU-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CEDEC2021バンダイナムコ研究所ミライ小町GameGANパックマンソサエティ5.0SIGGRAPH 2020DIB-R3D広告

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.17

エンタメにおいても人工知能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。

あらゆる動物の挙動を完全に定量化できるAI

動物の挙動と神経作用の関係を研究する技術が急速に発展する一方で、動作そのものを定量化する技術はそれほど普及していません。デューク大学とハーバード大学の研究者が発表した「DANNCE」(3-Dimensional Aligned Neural Network for Computational Ethology)は、たった1台のカメラで撮影した自由に動き回る動物の映像から、3Dモデルを正確に再現できるディープニューラルネットワーク技術です。

この研究チームは、2020年にも「CAPTURE」(Continuous Appendicular and Postural Tracking using Retroreflector Embedding)というモーションキャプチャとディープラーニングを使った同様の技術を発表していましたが、3Dモデルを作成する動物にあらかじめマーカーを装着しなければならないため、対象によっては困難な作業を強いられる点がボトルネックでした。対して今回のDANNCEは、ビデオカメラで動物を撮影するだけです。

出典:github

DANNCEには、対象の動物にマーカーを取り付ける必要がないという強みのほかに、身体の一部がカメラに映っていなくても動きをトラッキングできるという利点があります。このディープニューラルネットワークの構築に役立ったのが、CAPTUREの研究で集めた700万件におよぶ膨大なデータセットだといいます。

人間をふくめたあらゆる動物の微細構造を容易に定量化できるようになれば、神経発達の研究から医療分野への応用まで、その可能性は無限大です。もちろん、エンタメ分野での活躍も期待できるかもしれません。

【論文】Geometric deep learning enables 3D kinematic profiling across species and environments

プレイスタイルを学習してゲームを手伝ってくれるAI

多くのゲームプラットフォームには、ユーザーのゲームライブラリやプレイ履歴、好みのジャンルといったパーソナライズされた情報を管理するためのゲームプロファイルが設けられています。近年、こういった仕組みにAI技術を積極的に組み込むことで、ユーザー体験を改善しようとする取り組みが活発化しています。

たとえば、PCゲームプラットフォームのSteamは、ユーザーのゲームプレイ履歴のみならず、ゲームストアにおける個人設定をAIに学習させることによって、リコメンド機能や探索アルゴリズムを最適化する技術を導入しています。一方、ソニー・インタラクティブエンタテインメントが米国特許商標庁に出願中の特許技術は、AIにユーザー固有の嗜好やプレイスタイルを学習させることで、ゲーム体験そのものの向上をサポートすることを目的にしています。

出典:PATENTSCOPE

特筆すべきは、ユーザーが普段からどんなジャンルのゲームを遊んでいるかという嗜好だけでなく、どのような遊び方をしているかというプレイスタイルを学習させる点です。3Dアクションゲームを例にあげると、正面から多くの敵に立ち向かっていくスタイルを好むプレイヤーもいれば、できるだけ激しい交戦を避けながら攻略を目指すステルスプレイを好むユーザーもいます。

ソニーが出願している特許の内容は、こうしたユーザーごとに異なる特性をプロファイルとして学習させることで、究極的にはユーザーに代わってゲーム内で特定のタスクを実行できるAIの構築を目指すという技術です。また、目的の達成が困難な場合は、攻略のアドバイスとなる情報を自動的に検索するオンライン機能の実装も想定しているということです。

もし実用化できれば、同じことの繰り返しで面倒なMMORPGのデイリークエストを代わりに処理してくれたり、行き詰まってしまった高難易度コンテンツを攻略するきっかけを作ってくれたり、ゲーム内でユーザーを直接アシストしてくれるAIが誕生するかもしれません。ちなみにソニーは過去にも、PlayStation 5の発売に先立ってゲーム内の音声アシスタントに関する特許を出願していました。

【特許】AUTOMATED ARTIFICIAL INTELLIGENCE (AI) CONTROL MODE FOR PLAYING SPECIFIC TASKS DURING GAMING APPLICATIONS

タッチスクリーンのタイピングを学習するAI

スマートフォンやタブレット端末のタッチスクリーンのキーボードで文字を打ち込む時、パソコンのキーボードを使うときのようなブラインドタッチは通用しません。人間は指先と視線の複雑な動作の組み合わせによってタイピングしています。打ち間違いに気が付いてすぐに修正できるのも、タイピングとプルーフリーディングを同時に行っているからです。人間が意識を効率的に分散させることに長けているからこそ可能な芸当です。

フィンランド人工知能センターとアアルト大学の研究者は、タッチスクリーンタイピングにおける人間の指と目の動きを、強化学習を使った数理モデルで再現することに成功しました。タイプミスに気が付いて打ち直す動作まで、人間そっくりにシミュレートしています。また、スペルの自動補正システムやキーボードデザインの違いによる動作の変化にも対応できます。下記の動画では任意の文章をインプットすると、タイピングする際の指と目の動きをアウトプットする仕組みについて解説しています。

強化学習はトライ・アンド・エラーで問題を解決に導く機械学習モデルです。初めてキーボードを触る人間が指の動きを最適化できるようになるまでのプロセスは、まさにトライ・アンド・エラーの強化学習そのものです。そう考えれば、AIが人間のタイピングを模倣できるようになるのも至極自然な結果といえるでしょう。

現時点では、フィンランド語のコーパスとキーボードレイアウトを使った学習しか行われていませんが、AIモデル自体には言語の制約はないということです。しかしながら、日本語や中国語、韓国語のように、ひらがなやカタカナ、漢字、ハングルへの変換プロセスを含めた2バイト文字のタイピングでは、より複雑な学習が必要になることが予想されます。

こうしたシミュレーションは、より快適にタイピングができるキーボードデザインの開発や、タイピング学習ツールの提供、タッチスクリーンのユーザビリティ向上に役立つことが大いに期待されます。もしかしたら、これまで誰も想像できなかった新たな入力方法の創出に一役を担うかもしれません。

【論文】Touchscreen Typing As Optimal Supervisory Control

Writer: Ritsuko Kawai / 河合律子

RELATED ARTICLE関連記事

【JSAI2021】AIとゲーム開発の接点としてのゲームデザイン、シナリオ生成、行動創発

2021.7.29先端技術

【JSAI2021】AIとゲーム開発の接点としてのゲームデザイン、シナリオ生成、...

トイロボットが運ぶあそびと教育の器:田中章愛氏×森川幸人氏 対談

2020.1.20先端技術

トイロボットが運ぶあそびと教育の器:田中章愛氏×森川幸人氏 対談

アートか犯罪かを問われる音声のディープフェイク:月刊エンタメAIニュース vol.5

2020.5.26先端技術

アートか犯罪かを問われる音声のディープフェイク:月刊エンタメAIニュース vol...

RANKING注目の記事はこちら