ゲームの中の人工知能

  • CategoryScience

  • View33868

Report
  • 1. ゲームの中の人工知能 三宅 陽一郎 http://www.facebook.com/youichiro.miyake Twitter: @miyayou 感想・ご質問は メイルtwitter やfacebookまで 2014.6.26 @玉川大学
2. 自己紹介 京都大学(数学) 大阪大学(原子核実験物理) 東京大学 (エネルギー工学/人工知能) 高エネルギー加速器研究所(半年ぐらい。修士論文) 3. Works (2006-2012) AI for Game Titles AI for Books 4. ご質問 http://www.facebook.com/youichiro.miyake Twitter: @miyayou 感想・ご質問は メイルtwitter やfacebookまで ゲームAI千夜一夜 http://blogai.igda.jp/ 三宅陽一郎 論文・講演資料集(4) http://blogai.igda.jp/article/92899318.html 5. Books Precomputed Pathfinding for Large and Detailed Worlds on MMO Servers Fabien Gravot, Takanori Yokoyama, and Youichiro Miyake http://www.crcpress.com/product/isbn/9781466565968 Table of Contents General Wisdom ~ Movement and Pathfinding Pathfinding Architecture Optimizations Steve Rabin and Nathan Sturtevant Choosing a Search Space Representation Nathan R. Sturtevant Creating High-Order Navigation Meshes through Iterative Wavefront Edge Expansions D. Hunter Hale and G. Michael Youngblood Precomputed Pathfinding for Large and Detailed Worlds on MMO Servers Fabien Gravot, Takanori Yokoyama, and Youichiro Miyake Techniques for Formation Movement using Steering Circles Stephen Bjore Collision Avoidance for Preplanned Locomotion Bobby Anguelov Crowd Pathfinding and Steering Using Flow Field Tiles Elijah Emerson Efficient Crowd Simulation for Mobile Games Graham Pentheny Animation-Driven Locomotion with Locomotion Planning Jarosław Ciupiński Strategy and Tactics Tactical Position Selection: An Architecture and Query Language Matthew Jack Tactical Pathfinding on a NavMesh Daniel Brewer Beyond the Kung-Fu Circle: A Flexible System for Managing NPC Attacks Michael Dawe Hierarchical AI for Multiplayer Bots in Killzone 3 Remco Straatman, Tim Verweij, Alex Champandard, Robert Morcus, and Hylke Kleve Using Neural Networks to Control Agent Threat Response Michael Robbins ~ 6. FFXIV A Realm Reborn パス検索 [SQEXOC 2012] FFXIVで使われているAI技術 ~敵NPCはどうやって経路を探索しているのか? http://www.4gamer.net/games/032/G003263/20121205079/ 7. コンテンツ 第一章 知能とは何か? 第二章 エージェント・アーキテクチャ 第三章 意識モデル 第四章 認識と運動 第五章 階層化 第六章 知能モデル 第七章 まとめ 8. コンテンツ 第一章 知能とは何か? 第二章 エージェント・アーキテクチャ 第三章 意識モデル 第四章 認識と運動 第五章 階層化 第六章 知能モデル 第七章 まとめ 9. 知能とは何か? 人工知能とは何か? 第一章 10. 知能とは何か? • 知能はハードウェアか、ソフトウェアか? • 知能は身体的存在か、電気的存在か? • 知能は物理的存在か、情報的存在か? ゲームにおける人工知能は、身体的であると同時に、情報的存在、 であると捉える。 11. 社会科学 知能 知能 脳科学 生物学 認知科学 哲学(現象学)心理学 精神医学 動物学 探求する 12. 知能 知能 脳科学 認知科学 哲学(現象学) 精神医学 動物学 知能 探求する 社会科学 生物学 心理学 13. 知能 知能知能 いろいろな学問で明らかになって行く知能の部分 14. 知能と人工知能 知能知能 いろいろな学問で明らかになって行く知能の部分 人工知能 表現する 15. 知能と人工知能 知能知能 いろいろな学問で明らかになって行く知能の部分 人工知能 表現する 探求する サイエンス 16. 人工知能とは? • 人工知能とは、知能をそのまま表現するもの ではない。 • 知能の原理は中心に向かって、序々にしか わかっていない。 • 人工知能は知能の表現である。 • どのレベルで知能を表現するかで、全くアプ ローチが変わって来る。 17. 知能 知能 知能 人 知能 見る いろいろな学問で明らかになって行く知能の部分 人間から「知能の現れ」として見える部分 言葉を使う 警戒しながら歩く 暗くなると眠る なわばりを守る 18. 知能を作るということ。 いろいろな学問で明らかになって行く知能の部分 人間から「知能の現れ」として見える部分 知能の原理、知能の本質。 ゲームにおける 人工知能を作る。 19. 知能を作るということ。 ゲームにおける 人工知能を作る。 どのレベルで人工知能を作るか、ということがまず重要になります。 20. 知能を作るということ。 ゲームにおける 人工知能を作る。 どのレベルで人工知能を作るか、ということがまず重要になります。 時代を経るごとに AIの作り方は深くなる。 21. ゲームAIを創る。 (進化するゲームと進化するAI) 22. ゲームAIを創る。 (進化するゲームと進化するAI) 23. ゲームAIを創る。 (進化するゲームと進化するAI) 24. FC SFC SS, PS PS2,GC,Xbox Xbox360, PS3, Wii DC (次世代)Hardware 時間軸20051999 ゲームの進化と人工知能 複雑な世界の 複雑なAI ゲームも世界も、AIの身体と内面もますます複雑になる。 単純な世界の シンプルなAI 25. (例) スペースインベーダー(1978) プレイヤーの動きに関係なく、決められた動きをする 26. (例)プリンス・オブ・ペルシャ 「プリンス・オブ・ペルシャ」など、 スプライトアニメーションを用意する必要がある場合、 必然的にこういった制御となる。 27. パックマン、Halo パックマン Halo 28. Quake (1996) State-based AI http://www.idsoftware.com/ A Practical Analysis of FSM within the domain of first-person shooter (FPS) computer game http://ai-depot.com/FiniteStateMachines/FSM-Practical.html  Genre:SciFi-FPS  Developer: id Software  Publisher : GT Interactive  Hardware: PC  Year: 1996 29. 知能を作るということ。 ゲームにおける 人工知能を作る。 どのレベルで人工知能を作るか、ということがまず重要になります。 時代を経るごとに AIの作り方は深くなる。 30. コンテンツ 第一章 知能とは何か? 第二章 エージェント・アーキテクチャ 第三章 意識モデル 第四章 認識と運動 第五章 階層化 第六章 知能モデル 第七章 まとめ 31. エージェント・アーキテクチャ 第二章 32. 知能の深さを要求する3つの要因 環境 33. 知能の深さを要求する3つの要因 環境 身体 34. 知能の深さを要求する3つの要因 環境 身体 ロール・ミッション (役割・果たすべきこと) 抽象的な ミッション 35. 知能の深さを要求する3つの要因 • 環境… 深く環境を認識することが必要となる。 • 身体… どのような状態で、次にどんな行動が 可能か? • ロール・ミッション … そこで果たすべき役割、 目的。 36. エージェント(代理、使い魔) 以下の3つの条件を持つもの。 • 身体を持つ(=エフェクターを持つ)。 37. エージェント 以下の3つの条件を持つもの。 • 身体を持つ(=エフェクターを持つ)。 • センサー(感覚)を持つ。 38. エージェント 以下の3つの条件を持つもの。 • 身体を持つ(=エフェクターを持つ)。 • センサー(感覚)を持つ。 • 役割・目標を持つ。 39. 自律型エージェント Autonomous Agent 以下の4つの条件を持つもの。 • 身体を持つ(=エフェクターを持つ)。 • センサー(感覚)を持つ。 • 役割・目標を持つ。 • 自分自身で自分の行動を決定できる。 ! 40. 自律型エージェント 以下の4つの条件を持つもの。 • 身体を持つ(=エフェクターを持つ)。 • センサー(感覚)を持つ。 • 役割・目標を持つ。 • 自分自身で自分の行動を決定できる。 デジタルゲームではエージェント、AI、キャラクターは、 ほぼ同じ意味で使います。 ! 41. デジタルゲームにおけるエージェント “Skyrim” 42. デジタルゲームにおけるエージェント “Halo” series 43. では、このようなエージェントを どのようにして作るのでしょうか? 44. エージェント・アーキテクチャ 環境 身体 ロール・ミッション (役割・果たすべきこと) 抽象的な ミッション 45. エージェント・アーキテクチャ 人工知能 世界 センサー エフェクタ 46. エージェント・アーキテクチャ 世界 五感 身体 言語 知識表 現型 知識 生成 意思決定 身体 運動 生成 47. エージェント・アーキテクチャ 世界 五感 身体 言語 知識表 現型 知識 生成 Knowledge Making 意思決定 Decision Making 身体 運動 生成 Motion Making 48. エージェント・アーキテクチャ 世界 五感 身体 言語 知識表 現型 知識 生成 Knowledge Making 意思決定 Decision Making 身体 運動 生成 Motion Making インフォメーション・フロー(情報回廊) 49. エージェント・アーキテクチャ 世界 五感 身体 言語 知識表 現型 知識 生成 Knowledge Making 意思決定 Decision Making 身体 運動 生成 Motion Making インフォメーション・フロー(情報回廊) 水の流れが水車が動かすように、 情報の流れが知能を動かす。 = 時間連続的な知性 50. エージェント・アーキテクチャ・モデル 51. アカデミックなAIとの違い リアルタイムAI 連続時間、連続空間 ターンベースAI 離散時間、離散空間 http://game.e-frontier.co.jp/ai/shogi16/ 52. 将棋(テーブルゲーム)AIと アクションゲームAIの違い アクションゲーム 将棋 ゲーム 開発当初はゲームがない (ゲームと一緒にAIを作る =AIはゲームの一部) 既にある。 (AIはゲームの外にある。 将棋の中にAIは含まれない) ステージ(空間) 三次元地形・連続 盤の目・離散的 時間 連続時間(リアルタイム) ターン 登場人物 キャラクター/モンスター 駒 AI キャラクターのブレイン/ ゲーム全体の操作するAI(メタAI) 将棋の差し手としてのAI ゲーム表現 ? ゲームツリー 状況 連続的変化 離散的変化 目的 楽しませる。ステージを成立させる。 勝利 ゲームのつながり 一定時間、一定区間で区切れる。ランダ ムな要素も。(1~5秒間の判断) 厳密にすべての手がつながっていない(ツリー 検索が有効) 何を作るか? ユーザーの主観的体験(UX) AIそのも のが目的ではない。 賢いAI, 面白いAI http://igda.sakura.ne.jp/sblo_files/ai-igdajp/image/YMiyake_GPW_2012_11_10.pdf 53. ブラックボード・アーキテクチャ(Blackboard Architecture) Blackboard KS KS KS KS KS KS Arbiter Motivations Emotions Attention Etc. 特徴: - 中央の黒板に情報が蓄積される(されて行く)。 - モジュールはKS(=Knowledge Source)と呼ばれ、特定の専門的な知識や技術に基づいた操作を 黒板の情報に対して行う。 - Arbiter(=調停者)がKSをどのように(順序、タイミングなど)動作させるかを行う。 Bruce Blumberg , Damian Isla, "Blackboard Architectures", AI Game Programming Wisdom (Charles River Media) , 2002 54. 黒板アーキテクチャの歴史 コンピューターの処理速度が遅かった時代に、 取得した科学的統計データを、複数のコンピューターを並列して 分散処理するために発展されたアーキテクチャ。 H. Penny Nii, "The Blackboard Model of Problem Solving and the Evolution of Blackboard Architectures" http://www.aaai.org/ojs/index.php/aimagazine/article/view/537 H. Penny Nii, "Blackboard Application Systems, Blackboard Systems and a Knowledge Engineering Perspective", http://www.aaai.org/ojs/index.php/aimagazine/article/view/550 1970年代には様々な局面で応用される。 1980年代にはいろいろな形に発展される。 1990年代に分散処理、エージェントの概念が発展して一時忘れられる。 2000年代にキャラクターAIの内部記憶モデルとして新しい用途として復活する。 (MIT Media Lab. の C4 アーキテクチャで使用され、以後デジタルゲームの キャラクターAIの内部で用いられる) 55. C4 アーキテクチャ (MIT メディアラボ Synthetic Creature Group, 2000) キャラクターAIの内部モデルとしてのブラックボード・アーキテクチャ 56. C4 アーキテクチャ (MIT メディアラボ Synthetic Creature Group, 2000) キャラクターAIの内部モデルとしてのブラックボード・アーキテクチャ 特徴: - AIの各機能が モジュール化されている - モジュール同士は ブラックボードを経由して コミュニケーションを取る。 - 各モジュールはKS 記憶領域 ブラックボードには記憶だけでなく、 知識、身体の情報など、個体の持つ あらゆる情報が表現される ブラックボード・アーキテクチャ = 記憶の場所 + 制御アーキテクチャ ブラックボードは、 キャラクター表現そのもの。 古典的機能 エージェントにおける 新しい機能 57. C4アーキテクチャ は 黒板アーキテクチャを応用したアーキテクチャ 特徴: - AIの各機能がモジュール化されている - モジュール同士はブラックボードを経由してコミュニケーションを取る。 - 各モジュールはKS 58. AI モジュール(身体と知能を持つ) 黒板 モジュール 1 (センサー) モジュール … モジュール 8 記憶領域 A 記憶領域 B 記憶領域 X(身体) 記憶領域 … アービター 環境 (ゲーム ワールド) 環境 (ゲーム ワールド) モジュール 9 インフォメーション・フロー 59. AI モジュール(身体と知能を持つ) 黒板 モジュール 1 (センサー) モジュール … モジュール 8 記憶領域 A 記憶領域 B 記憶領域 X(身体) 記憶領域 … アービター 環境 (ゲーム ワールド) 環境 (ゲーム ワールド) モジュール 9 インフォメーション・フロー 60. 知能モジュール1 (センサー) 知能モジュール2 知能モジュール… 知能モジュール8 知能モジュール9 記憶領域A 記憶領域B 記憶領域X (身体) 記憶領域…アービター 環境(ゲームワールド) 環境(ゲームワールド) 61. 知能モジュール1 (センサー) 知能モジュール2 知能モジュール… 知能モジュール8 知能モジュール9 記憶領域A 記憶領域B 記憶領域X (身体) 記憶領域…アービター 環境(ゲームワールド) 環境(ゲームワールド) 62. C4 Architecture D. Isla, R. Burke, M. Downie, B. Blumberg (2001)., “A Layered Brain Architecture for Synthetic Creatures”, http://characters.media.mit.edu/Papers/ijcai01.pdf http://naimadgames.com/publications.html MIT Media Lab. Synthetic Characters Group Researching Virtual Pet in Digital World. 63. References for C4 Architecture (1) MIT Media Lab Synthetic Characters Group, http://characters.media.mit.edu/ (2) R. Burke, D. Isla, M. Downie, Y. Ivanov, B. Blumberg, (GDC2001), “CreatureSmarts: The Art and Architecture of a Virtual Brain”,http://characters.media.mit.edu/Papers/gdc01.pdf (3) D. Isla, R. Burke, M. Downie, B. Blumberg (2001)., “A Layered Brain Architecture for Synthetic Creatures”, http://characters.media.mit.edu/Papers/ijcai01.pdf (4) D. Isla, B. Blumberg (2002), “Object Persistence for Synthetic Characters”,http://characters.media.mit.edu/Papers/objectPersistence.pdf (5) Movies of Duncan,http://web.media.mit.edu/~bruce/whatsnew.html (6) Object Persistence for Synthetic Characters. D. Isla, B. Blumberg. In the Proceedings of the First International Joint Conference on Autonomous Agents and Multiagent Systems, AAMAS2002.,http://characters.media.mit.edu/Papers/objectPersistence.pdf Figures on following pages are from these references. 64. C4 アーキテクチャー バーチャルな空間に生きる犬が実現され、後にF.E.A.R. のNPCのAIに応用される。 デジタル空間で生きる生物の知性のために提案されたアーキテクチャー MIT Media Lab. Synthetic Characters Group 論文: (ゲームAIにおける最重要論文の1つ) 生き物の知性をエージェント・アーキテクチャーに写し取る D. Isla, R. Burke, M. Downie, B. Blumberg (2001)., “A Layered Brain Architecture for Synthetic Creatures”, http://characters.media.mit.edu/Papers/ijcai01.pdf 65. Demo Movie Trial-medium Duncanは、どんなバーチャル牧羊犬 なのか見てみよう! (MIT Media Lab Bruce Blumberg’s Web Page) http://web.media.mit.edu/~bruce/whatsnew.html 66. C4 アーキテクチャーの課題 仮想空間でリアルに生きる動物のためのアーキテクチャー (応用)バーチャル牧羊犬“Duncan” プレイヤーは羊飼いとなってボイスで指示したり、訓練(学習)したりする。 67. 認識ツリーとは? センサーから得た情報が、一体何の情報なのか、 分類(抽出)する条件分岐ツリー。 68. 認識ツリーとワーキングメモリー PercepMemoryObjects ワーキングメモリー 抽象・分類 認識ツリー 認識ツリーで分類した情報を、PerceptMemoryObjectとして ワーキングメモリーへ蓄積して行く。 記憶 (時間的に連続な) 69. 記憶によって可能になること = 予測と驚き 見失わない! 予想通りでない =驚く 対象(ボール)が遮蔽物に隠れても、 履歴の記憶から動きを予測することが出来る。 70. 認識ツリーによって可能になること ①判断間違い ゲーム世界 センサー 認識ツリー ワーキングメモリー (感覚から世界を再構成している) 認識ツリーは、間違いを犯すこともある。 人間らしい間違い 羊 羽毛の山 71. 認識ツリーによって可能になること ②学習 ゲーム世界 センサー 認識ツリー ワーキングメモリー (感覚から世界を再構成している) (I) 精緻化 = 条件判定のロジックやパラメーターを、より詳細にして行く。 (II) 発展 = 一般的な概念の学習 72. 認識ツリーによって可能になること ③個性を付け ゲーム世界 センサー 認識ツリー ワーキングメモリー (感覚から世界を再構成している) 生物ごとに必要な認識の仕方は違う。 認識ツリーによるNPCの個性化 動物を詳しく分類 植物を詳しく分類 肉食動物 草食動物 73. Demo Movie Persistence バーチャル牧羊犬Duncanは、記憶を持つ。 一体それが、行動にどう現れるか、見てみよう! (MIT Media Lab Bruce Blumberg’s Web Page) http://web.media.mit.edu/~bruce/whatsnew.html 74. Halo Agent Architecture  Genre:SciFi-FPS  Developer: BUNGIE Studio  Publisher : Microsoft  Hardware: Xbox, Windows, Mac  Year: 2002 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://halo.bungie.net/inside/publications.aspx 75. イベント 「敵発見」 「味方死亡」 「ダメージ受けた」 「プレイヤー発砲」 などイベントを抽出 状況解析 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://halo.bungie.net/inside/publications.aspx Halo Agent Architecture 76. チャージ, 退却, 隠れる場所探す グレネードを投げる、車に入る、死体を確認 単純なロジックで1ページ未満の 簡単なコードからなる。傾向としては、 「グラントはすぐ逃げる。」「エリートは傷つくと隠れる。」 「ジャッカルはシールドを持つ。」 各振る舞いはトリガーを持つ トリガーによって、振る舞いはお互い競合する 位置取り FSM Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://halo.bungie.net/inside/publications.aspx Halo Agent Architecture 77. Halo Agent Architecture Demo Halo AI Retrospective: 8 Years of Work on 30 Seconds of Fun Author: Damian Isla (AI Engineering Lead) http://halo.bungie.net/inside/publications.aspx 78. Halo Agent Architecture  Genre:SciFi-FPS  Developer: BUNGIE Studio  Publisher : Microsoft  Hardware: Xbox, Windows, Mac  Year: 2002 Jaime Griesemer(GDC 2002),The Illusion of Intelligence: The Integration of AI and Level Design in Halo http://halo.bungie.net/inside/publications.aspx 79. F.E.A.R Agent Architecture  Genre:Horror FPS  Developer: Monolith Production  Publisher : SIERRA  Hardware: Windows  Year: 2004 Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt Sensors Working Memory Planner BlackboardNavigation Animation / Movement Targeting Weapons World World 80. Killzone 2 Architecture  Genre: FPS  Developer: Guerrilla Games  Publisher : SCE  Hardware: PlayStation 3  Year: 2009 Based on: Alex Champandard, Tim Verweij, Remco Straatman, "Killzone 2 Multiplayer Bots", http://files.aigamedev.com/coverage/GAIC09_Killzone2Bots_StraatmanChampandard.pdf 81. Killzone 2 Architecture  Genre: FPS  Developer: Guerrilla Games  Publisher : SCE  Hardware: PlayStation 3  Year: 2009 Based on: Alex Champandard, Tim Verweij, Remco Straatman, "Killzone 2 Multiplayer Bots", http://files.aigamedev.com/coverage/GAIC09_Killzone2Bots_StraatmanChampandard.pdf 82. Killzone 2 Architecture  Genre: FPS  Developer: Guerrilla Games  Publisher : SCE  Hardware: PlayStation 3  Year: 2009 Based on: Alex Champandard, Tim Verweij, Remco Straatman, "Killzone 2 Multiplayer Bots", http://files.aigamedev.com/coverage/GAIC09_Killzone2Bots_StraatmanChampandard.pdf 83.  Genre:Simulation  Developer: Maxis  Publisher : EA  Hardware: PC  Year: 2000 The Sims’ Motive Engine The Sims Architecture http://www.cs.northwestern.edu/~forbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/v3_document.htm 84. コンテンツ 第一章 知能とは何か? 第二章 エージェント・アーキテクチャ 第三章 意識モデル 第四章 認識と運動 第五章 階層化 第六章 知能モデル 第七章 まとめ 85. 意識モデル 第三章 86. MC = Machine Consiouness • マシンの持つ意識(MC)についてはゲーム分野 ではあまり研究されてこなかった。 • 最近は、MCの研究が盛り上がりつつある。 • ゲーム分野のAIについてもMCを考えたい。 • ここでは、あまり哲学的な議論に立ち入らない ために、意識⇒注意 と置き換えて考えます。 87. 2つの意識の種類 P - Consciousness (Phenomenal consciousness) 現象的意識(主観的体験、クオリア) A - Consciousness ( Access consciousness) 精神活動に対する意識 (Ned Block, 1942) 88. 2つの意識の種類 P - Consciousness (Phenomenal consciousness) 現象的意識(主観的体験、クオリア) A - Consciousness ( Access consciousness) 精神活動に対する意識 (Ned Block, 1942) 89. A-Consciousness に関する3つのアイデア (1) 黒板モデル =ブラックボード・アーキテクチャ (Blackboard Architecture) (2) GWT = Global Workspace Theory (Baar, 1988) (3) MDM = Multiple Draft Model (Dennett, 1991) 90. (1) ブラックボード・アーキテクチャ(Blackboard Architecture) Blackboard KS KS KS KS KS KS Arbiter Motivations Emotions Attention Etc. 特徴: - 中央の黒板に情報が蓄積される(されて行く)。 - モジュールはKS(=Knowledge Source)と呼ばれ、特定の専門的な知識や技術に基づいた操作を 黒板の情報に対して行う。 - Arbiter(=調停者)がKSをどのように(順序、タイミングなど)動作させるかを行う。 Bruce Blumberg , Damian Isla, "Blackboard Architectures", AI Game Programming Wisdom (Charles River Media) , 2002 91. (2) Baar’s Global Workspace Theory (GWT) フォーカス している対象の 情報 Working Space Processor 92. GWT (Global Workspace Theory) フォーカス している対象の 情報 劇場と観衆のモデル。スポットライトがあたっている部分(注意=フォーカスが向 いている対象)に観衆(プロセッサー)が注意して処理を行う。 Working Space Processor 93. (3) Dennett’s Multiple Draft Model 意識 無意識 協調 http://www.conscious-robots.com/en/conscious-machines/theories-of-consciousness/multiple-draft.html 仮想マシン 94. Dennett’s Multiple Draft Model 意識 無意識 協調 http://www.conscious-robots.com/en/conscious-machines/theories-of-consciousness/multiple-draft.html 仮想マシン 新聞社の編集モデル。新聞社にはたくさんの新しい情報が来て、何度も記事が 書きなおされる。最終版だけがリリースされる。編集者=協調するプロセッサー、 新聞=意識の登る情報。 95. A-Consciousness に関する3つのアイデア (1) 黒板モデル =ブラックボード・アーキテクチャ (Blackboard Architecture) (2) GWT = Global Workspace Theory (Baar, 1988) (3) MDM = Multiple Draft Model (Dennett, 1991) 3つのアイデアをかけあわせる Arrabales, R. Ledezma, A. and Sanchis, A. "Towards the Generation of Visual Qualia in Artificial Cognitive Architectures". (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf 96. Global Workspace Theory (GWT) 注意の焦点 Focus of Attention (スポットライト) 舞台裏の人々=ディレクター、シーンデザイナー、など。 コンテキストの生成とコントロール(舞台裏) ワーキングメモリ (Scene,Stage) 専門 プロセッサー (観客) ブロードキャスト テンポラリー な連携 Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf 97. Baar’s Global Workspace Theory (GWT) 注意の焦点 Focus of Attention (スポットライト) 舞台裏の人々=ディレクター、シーンデザイナー、など。 コンテキストの生成とコントロール(舞台裏) ワーキングメモリ (Scene,Stage) 専門 プロセッサー (観客) ブロードキャスト テンポラリー な連携 意識の構造を舞台に見立てています。ステージ(=ワーキングメモリ)上にスポット ライト(=注意、アテンション)が注ぐところに、注意の焦点があります。 Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf 98. Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf Baar’s Global Workspace Theory (GWT) 注意の焦点 Focus of Attention (スポットライト) 舞台裏の人々=ディレクター、シーンデザイナー、など。 コンテキストの生成とコントロール(舞台裏) ワーキングメモリ (Scene,Stage) 専門 プロセッサー (観客) ブロードキャスト ブロードキャスト テンポラリー な連携 その輝いている領域が、観客(=プロセッサー)と舞台裏のこのお芝居を支えている人々に 向けて見られる(=ブロードキャスト)ことになり、観客から拍手なりアドバイスなりが返され ることで舞台上の演技が変化して行きます。 いろいろな意見や反響が返されることで 舞台上の演技がまた変化していく。 99. Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf Baar’s Global Workspace Theory (GWT) 注意の焦点 Focus of Attention (スポットライト) 舞台裏の人々=ディレクター、シーンデザイナー、など。 コンテキストの生成とコントロール(舞台裏) ワーキングメモリ (Scene,Stage) 専門 プロセッサー (観客) ブロードキャスト ブロードキャスト テンポラリー な連携 観客(=プロセッサー)は必要の応じて連携したグループ(Interim Coalition) になって、その中で意見を戦わせて調整して発表することもあります。 100. Global Workspace Theory (GWT) 注意の焦点 Focus of Attention (スポットライト) 舞台裏の人々=ディレクター、シーンデザイナー、など。 コンテキストの生成とコントロール(舞台裏) ワーキングメモリ (Scene,Stage) 専門 プロセッサー (観客) ブロードキャスト ブロードキャスト テンポラリー な連携 【まとめ】観客(=プロセッサー)はステージ(=ワーキングメモリ)上にスポットライト(=注意、 アテンション)が注がれた役者の演技(=オブジェクトの振る舞い)について考えて(=情報 処理、思考)意見を役者に伝えます(=ワーキングメモリに書き込みます)。 Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf いろいろな意見や反響が返されることで 舞台上の演技がまた変化していく。 101. CERA-CRANIUM認識モデル Arrabales, R. Ledezma, A. and Sanchis, A. "Towards the Generation of Visual Qualia in Artificial Cognitive Architectures". (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf 102. 単純な認識 Single Percept が 得た情報から さらにProcessor が 解釈した情報を、 同じ Workspaceに書き込む CERA-CRANIUM認識モデル Arrabales, R. Ledezma, A. and Sanchis, A. "Towards the Generation of Visual Qualia in Artificial Cognitive Architectures". (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf 103. CORE Layer は、Physical Laryer 、Mission Layer のうちで、 どの認識を生成するかを決定するコマンドを投げる。 CERA-CRANIUM認識モデル Arrabales, R. Ledezma, A. and Sanchis, A. "Towards the Generation of Visual Qualia in Artificial Cognitive Architectures". (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf 104. コンテンツ 第一章 知能とは何か? 第二章 エージェント・アーキテクチャ 第三章 意識モデル 第四章 認識と運動 第五章 階層化 第六章 知能モデル 第七章 まとめ 105. 認識と運動 第四章 106. 認識と運動 • 認識と運動は別々の問題ではない。 • 認識は運動を促し、運動は認識を促す。 • この認識と運動の双方向の連動関係を、協 応の関係、と言います。 107. 認識と運動の協応 人工知能 世界 センサー エフェクタ ボールが来たから避ける。 108. 認識と運動の協応 人工知能 世界 センサー エフェクタ バスケでシュートをするから目をゴールに動かす。 109. 認識と運動の協応 https://karmalifee.files.wordpress.com/2010/08/ept_sports_nba_experts-155186961-1282080011.jpg 110. コンテンツ 第一章 知能とは何か? 第二章 エージェント・アーキテクチャ 第三章 意識モデル 第四章 認識と運動 第五章 階層化 第六章 知能モデル 第七章 まとめ 111. 階層化 第五章 112. AI モジュール 身体の表現としての黒板 五感の情報表現としての黒板 記号的表現としての黒板 環境 (ゲーム ワールド) 環境 (ゲーム ワールド) インフォメーション・フロー(感覚) インフォメーション・フロー(記号) 物理的・化学的な現象のフロー 記号情報 感覚情報 力学作用 抽象化 抽象化 具象化 具象化 記号情報 感覚情報 力学作用 【タイトル】デジタルゲームにおける人工知能エンジン 【内容】エージェント・アーキテクチャの最新のデザインを解説しています。 【日時】2014.2 【誌名】映像情報メディア学会 学会誌 2014年2月号 【ファイル名】YMiyake_ITE_2014_2.pdf 【論文URL】http://igda.sakura.ne.jp/sblo_files/ai-igdajp/academic/YMiyake_ITE_2014_2.pdf 113. インフォメーション・フロー(感覚) インフォメーション・フロー(記号) 物理的・化学的な現象のフロー 仮想的 身体 記号的表現としての黒板 五感の情報表現としての黒板 身体の表現としての黒板 【タイトル】デジタルゲームにおける人工知能エンジン 【内容】エージェント・アーキテクチャの最新のデザインを解説しています。 【日時】2014.2 【誌名】映像情報メディア学会 学会誌 2014年2月号 【ファイル名】YMiyake_ITE_2014_2.pdf 【論文URL】http://igda.sakura.ne.jp/sblo_files/ai-igdajp/academic/YMiyake_ITE_2014_2.pdf 114. 知能 環境 インフォメーション・フローと物理的な力の流れ 身体表現としての黒板 知覚表現としての黒板 記号・象徴としての黒板 知能内部のインフォメーション・フロー 【タイトル】デジタルゲームにおける人工知能エンジン 【内容】エージェント・アーキテクチャの最新のデザインを解説しています。 【日時】2014.2 【誌名】映像情報メディア学会 学会誌 2014年2月号 【ファイル名】YMiyake_ITE_2014_2.pdf 【論文URL】http://igda.sakura.ne.jp/sblo_files/ai-igdajp/academic/YMiyake_ITE_2014_2.pdf 115. 知能 環境 インフォメーション・フローと物理的な力の流れ 身体表現としての黒板 知覚表現としての黒板 記号・象徴としての黒板 アービター 知能内部のインフォメーション・フロー アービターはどう思考するかを決定する。メタ思考、メタ知識のレイヤー。 【タイトル】デジタルゲームにおける人工知能エンジン 【内容】エージェント・アーキテクチャの最新のデザインを解説しています。 【日時】2014.2 【誌名】映像情報メディア学会 学会誌 2014年2月号 【ファイル名】YMiyake_ITE_2014_2.pdf 【論文URL】http://igda.sakura.ne.jp/sblo_files/ai-igdajp/academic/YMiyake_ITE_2014_2.pdf 116. コンテンツ 第一章 知能とは何か? 第二章 エージェント・アーキテクチャ 第三章 意識モデル 第四章 認識と運動 第五章 階層化 第六章 知能モデル 第七章 まとめ 117. 知能モデル 第六章 118. 知能のモデル化の方針(ポリシー) ステート(状態)ベースAI ゴール(目標)ベースAI ルール(規則)ベースAI ビヘイビア(振る舞い)ベースAI 知能というものは非常に高度で基本的には「よくわらない」。 知能全体を模倣することは現段階では難しい。 一つの方向性から知能をモデル化しよう。 知能 … based AI ユーティリティ(効用)ベース AI これらは背反ではない。デジタルゲームの高度なAIの場合は組み合わされるのが普通。 Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI 「○○-based AI」とは、○○をAIを構築する基本単位(アトミック)として採用したAIということ。 タスク(仕事)ベース AI Task-based AI 119. 知能のモデル化の方針(ポリシー) 知能というものは非常に高度で基本的には「よくわらない」。 知能全体を模倣することは現段階では難しい。 一つの方向性から知能をモデル化しよう。 知能 一つの方向性から知能をモデル化しよう、とする試みは、当然、常に不完全なものだが、 それぞれの知的特徴を持ち、その特徴を活かせるように使い分けるしかない。 ステート(状態)ベースAI ゴール(目標)ベースAI ルール(規則)ベースAI ビヘイビア(振る舞い)ベースAI … based AI ユーティリティ(効用)ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI タスク(仕事)ベース AI Task-based AI 120. 知能のモデル化.1 知能 ステート(状態)ベースAI ゴール(目標)ベースAI ルール(規則)ベースAI ビヘイビア(振る舞い)ベースAI … based AI ユーティリティ(効用)ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI タスク(仕事)ベース AI Task-based AI 121. 世界 知性 ステートベースAI (State-Based AI) 状態 状態によって世界を記述、状態によって制御を行う。 内面 状態 状態 122. ステートマシン (State Machine) 知性 状態 状態 状態 状態を遷移条件で結んで、環境の変化を遷移条件で表現し身体制御を行う。 123. (例) Quake HFSM 状態遷移図を用いる http://ai-depot.com/FiniteStateMachines/FSM-Practical.html 124. 知能のモデル化.2 知能 ステート(状態)ベースAI ゴール(目標)ベースAI ルール(規則)ベースAI ビヘイビア(振る舞い)ベースAI … based AI ユーティリティ(効用)ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI タスク(仕事)ベース AI Task-based AI 125. ルールベースAI (Rule-Base AI) ルールを単位として構築する方法 ID 0 : IF … THEN …. ID 1 : IF … THEN …. ID 2 : IF … THEN …. ID .. : …. ID N : IF … THEN …. ID 0 : IF … THEN …. ID 1 : IF … THEN …. ID 2 : IF … THEN …. 126. (例) 推論エンジン A B C D E T F F F F T T F F F T T F T F T T T T F T T T T T F T T T T F F F T T …………………………… …………………………… ………………… T: True F: False True, False が変化し過ぎてゲームでは明示的にはあまり使われない。 しかしゲームの制御はループ構造なので暗黙にこのようなシステムになっていることが多い。 ID 0 : IF A THEN B ID 1 : IF A && D THEN C ID 3 : IF C THEN E ID 4 : IF B THEN D ID .. : ID 4 : IF E THEN ~A ルール内の Statement まで単位(atomic)とする 127. (例) ルール制御 ID 0 : IF …. THEN … ID 1 : IF …. THEN … ID 3 : IF …. THEN …. ID 4 : IF …. THEN … ID .. : ID 4 : IF …. THEN … Priority: 3 Priority: 1 Priority: 4 Priority: 5 Priority: 2 ルールに固定、あるいは変動プライオリティ(優先度)をつけて制御を行う。 あるいはランダムにルールをピックアップする場合もある。 Priority: - 制御 戦略思考、キャラクターの挙動などでよく使われる。 128. (例) ルール制御 ID 0 : IF …. THEN … ID 1 : IF …. THEN … ID 3 : IF …. THEN …. ID 4 : IF …. THEN … ID .. : ID 4 : IF …. THEN … Priority: 3 Priority: 1 Priority: 4 Priority: 5 Priority: 2 或いは、状況判断思考によってルールを振り分ける。 Priority: - 制御 思考 戦略思考、キャラクターの挙動などでよく使われる。 129. 応用可能性例 ID 0 : IF (敵確認) THEN (逆方向) ID 1 : IF (誰もいない) THEN (ランダムウォーク) ID 2 : IF (フルーツ発見) THEN (フルーツゲット) ID 2 : IF (パワー発見) THEN (パワーゲット) ID 0 : IF (敵強い) THEN (攻撃魔法) ID 1 : IF (自分弱い) THEN (弱い敵に攻撃) ID 2 : IF (HP
Description
Slide for my Lecture of Game AI held in Tamagawa University on 2014.6.26