Microsoft Museが示すゲーム開発プロセスの映像編集への接近

2025.3.19ゲーム

昨今のクリエイティブAI研究開発では、画像生成や動画生成に続き、ゲーム生成が取り組まれています。こうしたなかMicrosoft researchの研究チームは、ゲーム開発者に業務上のニーズをヒアリングしたうえで開発したゲーム生成モデルを発表しました。本稿では、このモデルの仕組みや機能を解説したうえで、ゲーム開発に与える影響を明らかにします。

7年分の3Dアクションゲームデータを活用

Microsoft researchの研究チームは2025年2月19日、ゲーム生成モデル「Muse」に関するブログ記事と論文を発表しました。同モデルは、プレイヤーが操作するゲームコントローラーの入力に合わせて、TPSのゲーム画面を生成するというものです。

Museは、Microsoftが2020年にリリースしたXbox用ゲーム『Bleeding Edge』のゲームプレイデータを学習して開発されました。プレイヤーの同意の下で収集されたプレイデータは、10億枚以上の画像とコントローラーアクションから構成されており、そのデータ量は7年以上の継続的な人間によるゲームプレイに相当します。

Museのアーキテクチャは、先行するゲーム生成モデルと同様に、Transformerをベースにしています。具体的には、プレイデータを学習したことにより、任意のゲーム画面とコントローラーアクションが入力されると、入力画面に続く確率の高いゲーム画面が生成できるようになりました。こうしたゲーム画面生成を繰り返し実行すれば、プレイヤーの入力と相互作用するゲームプレイが成立するのです。

【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
・『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

Museの学習過程では、学習規模やモデルサイズが大きくなれば、AIモデルの性能も向上する「スケーリング則」が観察されました。1万回のプレイを学習した時点では、ゲームキャラクターの描画と基本的な動作を生成できましたが、ゲーム画面の品質はすぐに劣化しました。10万回のプレイを学習すると、ゲーム画面品質が安定するようになりました。そして、100万回のプレイを学習した時点で、複雑なプレイを習得しました。

ゲーム開発者からヒアリングして実装した3つの機能

研究チームは、Museの開発に伴い、ゲーム開発支援を目的として同モデルを組み込んだツール「WHAMデモンストレーター」も開発しました。なお、「WHAM」とは「World and Human Action Model（世界と人間のアクションモデル）」の略称であり、Museの特徴を説明するAIモデルとしてのカテゴリー名に当たります。

WHAMデモンストレーターの開発にあたっては、多数のゲーム開発者からゲーム開発業務に役立つ機能をヒアリングしました。ヒアリングしたゲーム開発者は、AI開発を牽引する北半球の技術的先進諸国だけではなく、南半球諸国や障がい者が所属するゲームスタジオから集めることで、研究開発の包括性を確保しました。

以上のようにして開発されたWHAMデモンストレーターには、以下のような3つの機能が実装されました。

一貫性：ゲームの特徴を一貫して生成できる機能。具体的には、同一のキャラクターが継続してコントローラー操作と合致して動作すると同時に、壁などを通り抜けることなく正しい物理的挙動が描画される。
多様性：単一のプロンプトから、さまざまなゲームプレイを生成する機能。ゲーム展開の可能性を探求する際に役立つ。
持続性：ツールのユーザーが実行したゲームに関する変更を永続的に有効化する機能。ゲームキャラクターやゲームステージを変更すると、その変更が以後のゲーム生成に反映されるようにする。

こうして開発されたWHAMデモンストレーターは、メイン画面に生成されたゲーム画面、画面下部には生成されたゲーム画面をフレーム画像単位で表示し、画面右側にはゲームコントローラーの入力画面を配置したゲームエンジンと映像編集アプリを合わせたようなものとなりました。YouTubeには、同ツールのチュートリアル動画も公開されています。

研究チームは、以上の3つの機能の性能を評価するテストを実施しました。一貫性と多様性については、1024の生成したゲームプレイについて、AI生成動画の画質を測定する指標値FVDなどを用いて品質を評価しました。この評価は、モデルサイズの異なるMuseを用いて行いました。持続性については、600の生成されたゲームプレイに関して、人間の評価者によって設定変更が反映されているかどうか判定されました。

評価テストの結果、一貫性と多様性については、モデルサイズが大きいほど、また訓練時の計算量が多いほど画質が向上するスケーリング則が認められました。以下の画像は一貫性の評価結果をグラフ化したものであり、横軸は計算量、縦軸はFVD（小さい値ほど良い）となっており、計算量の多いグラフ右側ほどFVDが小さいのがわかります。

持続性については、600の生成ゲームプレイのうち、変更内容の反映に失敗していたのは7事例だけでした。

ゲーム開発は映像編集に接近する？

MuseはXbox開発チームに提供されており、同チームの公式ブログ記事ではゲーム生成AIをゲーム開発に活用する展望が述べられています。そうした展望は、以下のような3項目となります。

『Bleeding Edge』以外のXboxファーストパーティタイトルでMuseを訓練する。こうした取り組みにより、将来的にさまざまなジャンルのゲームを生成するAIモデルを開発できる。
対応しているハードウェアが古くなってプレイが困難となっているクラシックゲームをMuseに学習させることを検討中。この取り組みを実行すれば、クラシックゲームを現在のプレイ環境でプレイできるようにする”クラシックゲームのリメイク”が容易となる。
Museによるゲーム生成が可能なテストプレイ環境「Copilot Game Experiences」を近日中に公開する。

前出のMuseの論文では、同モデルがゲーム開発に与える影響について考察しています。その考察によると、今回の研究では『Bleeding Edge』のみから学習データを収集しましたが、さまざまな3Dゲームを学習することによって、汎用的な3Dゲーム生成AIに進化する可能性があります。また、現在存在しないような新規的なゲームやゲームジャンルに関しては、そうしたゲームに対応した新規のゲーム生成AIが必要になる、とも指摘しています。

以上の考察にもとづけば、近未来のゲーム開発では、いくつかの有力なゲーム生成AIが多用され、革新的なゲームを開発するために新規のゲーム生成AIを開発する、というようなことが起こるかもしれません。

また前出のWHAMデモンストレーターは、ゲームエンジンと映像編集アプリを合わせたようなUIとなっていました。このツールはゲーム開発のアイデア出しに使えそうですが、その使い方はキャラクターとゲームステージを読み込んだうえで、さまざまなプレイを生成して、ゲームが面白くなるかどうかを探求する、というようなものになるでしょう。

このような使い方は、さまざまなバージョンの映像を撮影あるいはCG制作したうえで、ユーザーが求めているシーンを特定して、それらをつないでいく映像編集に似ていると言えるでしょう。さらに言えば、ゲーム生成AIによるゲーム開発業務では、プログラミングスキルはあまり要求されず、さまざまなゲームシーンを生成するスキルのほうが重要となるでしょう。プログラミングスキルが必須ではないという点においても、ゲーム生成AI駆動型ゲーム開発は、映像編集に通じるものとなるでしょう。

もっとも、近い将来にゲーム生成AIがゲーム開発現場に導入されたとしても、それが直ちにゲームエンジンにとって代わるようなことは起こらないでしょう。Museのような実用を意識したゲーム生成AIの普及によって起こるのは、プログラミングが苦手なユーザーでもゲーム開発が可能となる「ゲーム開発の民主化」ではないでしょうか。そして、こうした生成AI時代の新たなゲーム開発は、もしかしたらゲーム配信者のようなゲーム映像に精通したユーザーによって牽引されるかもしれません。

Writer：吉本幸記