想定外のイベントや分岐を伴う物語を生成するゲーム開発のためのLLM研究を紹介

2024.9.30ゲーム

LLMの登場は、RPGのようなストーリーテリングを伴うゲームに新たな可能性をもたらしました。例えばプレイヤーとNPCの会話にLLMを活用すれば、ルールベースのそれより柔軟なものとなります。こうしたなかマイクロソフトは、2024年8月に開催されたゲーム技術に関するカンファレンスIEEE CoG（IEEE Conference on Games）においてLLMのゲーム活用に関する2本の論文を発表しました。本稿は、以下でこれらの論文を紹介します。

NPCの挙動をLLMに委ねたテキストゲームを開発

1本目の論文は、プレイヤーとNPCの会話がゲームシナリオに与える影響を考察したものです。テキストアドベンチャーゲームのようなストーリーテリングを伴うゲームでは、そのストーリー展開はゲームデザイナーが事前に作成した流れに沿うようになっているものです。しかし、LLMの登場によって、AIがストーリー展開を生成する可能性が生じました。AIがストーリーを生成するようになると、生成されたストーリーがゲームデザイナーが考えたそれから逸脱することもあり得ます。

マイクロソフトの研究チームが注目したのは、LLMによるストーリー生成によって想定外のイベントがどのように生じるのか、ということでした。この疑問を解明するために、「Dejaboom!」というタイトルのテキストアドベンチャーゲームを開発しました。このゲームの仕様は、以下の箇条書きのようにまとめられます。

ゲームの舞台は爆発事故が起こったとある村で、村人の1人を演じる人間プレイヤーは爆発事故の前日に、その事故の記憶を保ちながら目覚めることからゲームはスタートする。
プレイヤーの目標は、30ターンのあいだ村を移動したり、他の村人と会話したりしながら爆弾の在り処とその解除法をつきとめ、爆発を回避すること。
爆発が回避できなかったら、爆発後、爆発事故前日に戻る。つまり、このゲームは”タイムリープ”ものである。
プレイヤーはコマンドプロンプトに実行したいアクションや、話す内容を入力する。
コマンドプロンプトを入力すると、アクションであればそのアクションから生じる結果が表示され、会話であれば話し相手の返事が表示される。
移動できる場所は家、公園、レストラン、鍛冶屋、図書館、役場の6か所。
話し相手となる村人は6人で、話す内容は事前に設定されておらず、GPT-4が返事を生成する。

村人はセリフにしたがって話しませんが、GPT-4には各村人の性格や爆弾の解除に必要な条件などが設定されています。例えば爆弾の在り処をつきとめるには、村人の1人であるトンプソン夫人に爆弾を止めるつもりであることを説得する必要があります。このようにゲーム進行のための条件は決まっていますが、その条件を満たすまでの行動の順序や会話の内容は事前に決まっていないのです。

もっとも想定外の行動を創出したのは創造的なプレイヤー

以上のDejaboom!のテストプレイには、28名（男性24名、女性3名、性別非公開1名）が参加しました。参加プレイヤーたちは、ゲームプレイ前にゲームをプレイする動機に関するアンケートに回答しました。このアンケートの結果にもとづいて、各プレイヤーをゲーム調査会社Quantic Foundryが提唱する以下のような6つのプレイヤースタイルに分類しました。この分類は、後述するプレイヤーと行動の相関を考察するのに活用しました。

アクション：テンポの速いアクションやスリルを好む
社交的：対戦やチャットを通してコミュニティを築くことを好む
達人：難易度の高いゲームのチャレンジや戦略的思考を好む
達成：すべてのミッションクリアやアイテムのコンプリートを好む
没頭：ストーリーやキャラクターに没頭するのを好む
創造性：発見やカスタマイズが豊富なゲームを好む

各プレイヤーが起こした想定外のイベントの特定には、以下のようなストーリーグラフが用いられました。このグラフはプレイヤーが村で目覚めるスタートから、爆弾を処理するエンドまでの可能なイベントの遷移を視覚化しています。青のイベントは事前に想定されたもので、緑のそれが想定外のものです。

以上の物語グラフを28名のプレイヤー全員について作成したうえで、想定外のイベントについて集計しました。集計結果は、以下の表のようにまとめられます。想定外のイベントは53個であり、もっとも多いのは村人（NPC）から情報を引き出す場合で11個観察できました。反対にもっとも少なかったのが、爆弾を解除する新しい方法の考案で5個観察されました。

想定外のノードの創出をプレイヤースタイル別に集計すると、もっとも多くの想定外ノードを創出したのは創造性に分類されるプレイヤーでした。このスタイルに分類された6名のうち2名が想定外イベントを創出し、この2名が合計して11個創出したので、平均の想定外イベント創出数は5.5となり、ほかのスタイルを圧倒しています。

以上の調査結果から、以下のような2つの事項が明らかになります。

ストーリーテリングを伴うゲームにおいてNPCの会話能力にLLMを活用すると、事前のストーリー展開では想定していなかったイベントや展開の創出が期待できる。
想定外のイベントや展開は、創造性に分類されるプレイヤーが多く創出する傾向がある。

以上の知見は、LLMを活用したオープンワールドのRPGの開発などに役立つことでしょう。例えば、LLM駆動型NPCを登場させて想定外のイベントを多く発生させるには、創造的なプレイヤーが好むような自由度のあるゲームシステムを設計するのが望ましいかもしれません。

LLMが分岐を伴う物語を生成

2本目の論文は、LLMを活用したストーリー作成をテーマとしています。一般にRPGを開発する場合、分岐を伴いながらも1つ以上の結末を迎えるストーリーを作成することがあります。しかし、分岐を伴うストーリーは、小説のような分岐のないそれに比べて理解や作成が困難です。こうした困難を軽減するために、マイクロソフトの研究チームは分岐を伴う物語の作成を支援するLLM駆動型ツール「GENEVA」を開発しました。

GENEVAの仕様は、以下に箇条書きしたように要約できます。

GENEVAとは、GPT-4を活用して分岐を伴う物語のプロットを生成するツール。
同ツールに（『フランケンシュタイン』などの）任意のストーリーを入力すると、ユーザが定めた設定にしたがって分岐のある物語のプロットを生成する。
ユーザが設定する項目は、物語のスタート数、エンディング数、プロット数、そしてコンテキスト。
プロット数は、分岐するプロットの数を意味する。それゆえ、スタート数が1、エンディング数が2、プロット数が4の場合、４つに分岐して2つの結末を迎えるマルチエンディングのプロットが生成される。
コンテキストとは、プロットを生成する際の世界観を表す。例えば『フランケンシュタイン』を入力して、コンテキストを「21世紀」に設定すると遺伝子操作などの21世紀の科学技術がプロットに活用される。
プロット生成時には、読者の感情に訴える瞬間をふくむイベントであるビート（beat：拍）が最小単位となる。
同ツールはプロットの生成後、ビートをつないだ有向グラフとしてプロット構造を可視化する。

以下の画像は、フランケンシュタインを入力して、スタート数1、エンディング数2、プロット数4、コンテキストが21世紀に設定した場合のGENEVAの出力結果です。各ビートにマウスを重ねると、プロットの概要がテキスト表示されます。

マイクロソフトの研究チームは、GENEVAの有用性を検証するために『ドラキュラ』『フランケンシュタイン』『ジャックと豆の木』『赤ずきんちゃん』を入力候補にしたうえで、さまざまな設定でプロット生成を試みました。その結果、以下のようなことが判明しました。

分岐するプロットは似た内容になる場合があるため、改善の余地がある。
生成されたプロットは、コンテキストの設定に左右されやすい。例えば、コンテキストを「21世紀」に設定した場合、「量子領域」を設定した時よりも世界観をうまく活用したプロットが生成された。
コンテキストの設定がプロットの優劣を左右するのは、各コンテキストにおけるGPT-4の表現能力に違いがあるからと考えられる。
特定のコンテキストにおけるプロットの品質を向上させた場合、RAGなどを用いてGPT-4に当該コンテキストに関する知識を増強するのが望ましい。

以上のような検証によりマイクロソフトの研究チームは、GENEVAが分岐を伴う物語の作成をある程度は支援する、と結論づけています。なお、この検証はこちらのデモページから確認できます。

ゲームに想定外のイベントを発生させたり、分岐を伴う物語のプロットを生成させたりする本稿で紹介したゲーム開発におけるLLM研究は、いずれもゲームシステムの根幹に関わる内容でした。こうした研究がさらに発展すれば、LLMを活用してはじめて可能となるような新しいゲームシステムやゲームジャンルが誕生するのではないでしょうか。

Writer：吉本幸記