『マインクラフト』プレイ画面やADV画面を生成。進化が著しいゲーム生成AIの最新事例

2024.11.25ゲーム

エンタメ業界における生成AI研究の最前線に位置しているのは、ゲーム生成AIです。このジャンルのAI研究は、動画生成AIの可能性を拡張したものと、LLMをゲーム開発に活用したものに大別できます。本稿ではこれら二つの方向性について、最新事例を紹介します。

『マインクラフト』のさまざまなエリアをリアルタイムに生成

ひとつ目に紹介する事例は、動画生成AIの可能性を拡張する研究事例です。2024年2月にOpenAIが発表した動画生成AI「Sora」は、『マインクラフト』のプレイ動画を生成したことで動画生成AIをゲームエンジンに転用できる可能性を示唆しました。この可能性を実証したのが、Googleが同年8月に発表したGameNGenです。このAIは、『DOOM』のゲームプレイを再現しました。

参考記事：ゲーム開発を刷新するポテンシャルをもつ「動画ゲーム生成モデル」の最前線

以上のような研究成果をふまえて、AIスタートアップDecartとAIチップメーカーEtchedが2024年10月末に共同発表したのが、マインクラフトにおける砂漠や森といったさまざまなエリアのゲームプレイを生成するAI「Oasis」です。同AIの公式サイトには、デモプレイ画面へのリンクが設置されています。デモプレイ画面に遷移後、プレイしたいエリアを選択すると、そのエリアにおいてマインクラフトを実際にプレイできます。

Oasis公式サイトに掲載された解説によると、同AIのアーキテクチャには画像生成AIの一種である拡散Transformerが使われており、任意のゲーム画面の1フレームが入力されると、そのフレームに続く1フレームを出力することでゲームプレイを生成しています。

後続するフレームの予測は、事前にマインクラフトのプレイ画面を大量に学習することで可能となりました。プレイヤーのゲーム操作情報については、フレーム生成時における条件付けとして処理されます。こうした一連の仕組みは、GameNGenを継承していると言えます。

Oasisについて論じたDecartのブログ記事によれば、同社はこのAIを開発するにあたって、ゲーム画面生成の高速化に取り組みました。現状の動画生成AIは非常に計算負荷が大きく、例えばSoraであっても1秒の動画を生成するのに10～20秒を要する場合があります。このように動画生成に時間を要してしまっては、ゲームのリアルタイム性が損なわれてしまいます。

以上の問題を解決するために、Decartは動画生成時の演算の高速化技術を独自に開発しました。その結果、1秒間に生成できるフレーム数が既存の動画生成AIの20倍以上になりました。

もっとも、Oasisには生成画面が不明瞭になったり、何フレームも前の画面を呼び出せないなどの、「長期記憶力に乏しい」といった課題があります。こうした課題は、同AIのモデルサイズを大きくしたり、学習データを多くしたりすることで解決すると予想されます。つまり、ゲーム生成AIについてもスケーリング則が成立すると考えられているのです。

4K画質のゲーム生成に不可欠な特化型チップ

Decartにとって、Oasisは同社のビジョンを実現するための第1歩に過ぎません。同社は、現在のオンラインゲームの開発と配信をゲーム生成AIに置き換えることを目指しています。このビジョンの実現には、AIの演算パフォーマンスの大幅な効率化によるコストダウンが不可欠となります。

AIの演算パフォーマンス効率化は、AI演算に特化したチップの導入によって実現します。Decartは、Etchedが開発したAIチップ「Sohu」を活用することによって、4K画質のゲーム画面の生成が可能になると考えています。また、同チップを使えばOasis運用時に対応できるユーザ数を、NVIDIAの高性能GPUであるH100を活用した場合に比べて10倍にできると試算しています。

SohuがAI演算を効率化できる理由は、Etchedが2024年6月に公開したブログ記事で解説されています。同社がAIチップを開発するにあたって着目したのは、LLMの進化に見られるようにAIモデルは大規模化の一途をたどっている一方で、それらで実行されている演算は一貫してTransformerをベースにしているという事実でした。こうした事実により、Transformerの演算に特化したチップを開発すれば、チップを高密化しなくても演算の効率化が実現する、と考えたのです。

AIチップに搭載されたトランジスタをTransformerの演算のためだけに設計したSohuは、汎用的なAI演算のために設計されたH100やNVIDIA B200と比較して、Transformer演算時に限り非常に効率的になりました。その演算能力は、H100の20倍以上となりました。

終わりのないストーリーをプレイできるアドベンチャーゲーム『Unbounded』

Oasisは、動画生成AIをゲーム開発に転用する事例でした。ゲーム生成AI開発におけるもうひとつのトレンドは、LLMの活用です。このトレンドの事例には、マインクラフトの研究チームが2024年8月に発表したテキストアドベンチャーゲーム（ADV）『Dejaboom!』があります。このゲームは、LLMを活用することでゲーム開発者が想定していなかったストーリー展開を可能としています。

参考記事：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

グーグルらの研究チームが2024年10月に発表したゲーム『Unbounded（「無制限な」を意味する英単語）』は、生成的無限ゲーム（generative infinite game）と名づけられたジャンルの原初的な事例となっています。このジャンルは、LLMを活用することで終わりのないストーリーをプレイできるというものです。

Unboundedのゲームシステムは、以下の画像のように表せます。プレイヤーは最初（画像左上の「Step1」）に、プレイするキャラクターと冒険のテーマを入力します。初期設定を入力すると、ゲームの舞台を複数の画像から選択します（画像左下の「Step2」）。ゲームの舞台を選択したら、プレイヤーはプロンプト入力することでキャラクターの行動を指示します（画像右上）。

Unboundedに実装されたLLMは、プレイヤーのプロンプトを適切に解釈してから、そのプロンプトから引き起こされる結果をキャラクター画像と背景画像の両方に反映します。更新された画像に対して、プレイヤーは再びプロンプトを入力してゲームを続けます。このゲームには事前に決められたエンディングがないので、プレイヤーがプロンプトを入力し続ける限り、ゲームは終わりません。

Unboundedのアーキテクチャは、キャラクター画像と背景画像を個別に生成してからそれらを統合するRegional IP-Adapterと、プレイヤーが入力したプロンプトにもとづいて各種画像を生成するプロンプトを出力すると同時に、キャラクターとストーリーの相互作用を更新する機能をつかさどるLLM駆動型ゲームエンジンから構成されています。

Regional IP-Adapterは、LLM駆動型ゲームエンジンが出力したプロンプトにもとづいてキャラクター画像と背景画像を生成して、それらを1枚のゲーム画像に統合します。画像統合時には、それぞれの画像の特徴が損なわれないようにする処理が実行されます。

LLM駆動型ゲームエンジンは、以下の画像に示すような2段階のLLM活用を経て開発されました。

第１段階（画像左側）：GPT-4oを活用して、キャラクターとストーリーのテーマをペアにしたトピックデータ（例えば「騎士とドラゴン退治」）を生成する。類似したデータが生成された場合は除外して、トピックデータ全体の多様性を確保する。
第２段階（画像右側）：任意のテピックデータにもとづいてキャラクターの行動などを含めたストーリーを生成するワールドLLMと、ワールドLLMからの入力にもとづいてキャラクターのリアクションを生成するキャラクターLLMを用意したうえで、これら2つのLLMを相互作用させてUnboundedのシミュレーションデータを収集する。

以上のようにして収集した5,000件のUnboundedシミュレーションデータを学習データとして、グーグルが開発したオープンソースのLLMであるGemma 2を訓練したのが、LLM駆動型ゲームエンジンとなります。このゲームエンジンを実装したことでUnboundedは、どんなプロンプトが入力されても整合性のあるストーリーを生成できるようになりました。

Unboundedが生成するゲーム画面はテキストと静止画像から構成されていますが、将来的には生成音声と動画あるいは3Dオブジェクトから構成されたリッチなコンテンツに進化する可能性があるでしょう。

本稿で紹介したOasisは新たなゲーム開発技法に関するトレンドを代表するものである一方で、Unboundedは新たなゲームシステムに関するトレンドを代表しています。これら2つのトレンドは当面のあいだは別個の技術潮流として進化していくと考えられるので、それぞれを注視するのが望ましいでしょう。

Writer：吉本幸記