デジタルゲームにおける人工知能のワークフローと導入フロー

1. 「デジタルゲームにおける人工知能のワークフローと導入フロー」三宅陽一郎 @miyayou 国際ゲーム開発者協会ゲームAI専門部会代表日本デジタルゲーム学会理事芸術科学会理事 2016.4.8 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com

2. コンテンツ • 第零章人工知能概観 • 第一章デジタルゲームAIの歴史 • 第二章ゲームの人工知能の全体像 • 第三章自律型AI • 第四章ナビゲーションAI • 第五章位置解析システム • 第六章メタAI • 第七章プロシージャルとは？ • 第八章現代のメタＡＩ • 第九章キャラクターＡＩ • 第十章学習の話 • 第十一章学習・進化におけるプロシージャル的アプローチ • 第十二章ディープラーニング • 第十三章社会性を持つAI （ソーシャルAI） • 第十四章人工知能の基本 - 知識表現 -

3. 参考文献（解説論文）三宅陽一郎「ディジタルゲームにおける人工知能技術の応用の現在」（人工知能学会誌 2015年 Vol.30 No.1） http://id.nii.ac.jp/1004/00000517/ https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=556&item_no=1&page_id=13&block_id=8

4. 参考文献 • Georgios Yannakakis さん、Julian Togelius さんの以下の論文と自分の解説論文。 • A Panorama of Artificial and Computational Intelligence in Games (2014) • http://julian.togelius.com/Yannakakis2014Panorama.pdf • この論文は、ゲームAIの Method, Process, Algorithm に分類する。そして、ゲームＡＩの分野と、ゲームＡＩ技術が、どのような関係にあるかを、約４０個のパターンに分類して、一つ一つ事例と参考文献を上げて解説して行く。

5. Works (2006-2012) AI for Game Titles Books

6. WIRED A.I. • WIRED A.I.+ Wired City • １２月１日発売 • 「人工知能＋街特集」なぜぼくらには人工知能が必要なのか──『WIRED』Vol.20「人工知能＋未来都市」 2大特集・特別保存版刊行に寄せてhttp://wired.jp/2015/12/01/vol20-editors-letter-ai/

7. 経歴京都大学（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） http://www.facebook.com/youichiro.miyake

8. 社内AIセミナー（2005-2015） 2005-2011 毎週開催＞２００回（１時間講義＋議論） 2011-2015 毎週開催＞１５０回（１時間講義＋Workshop）

10. 第零章人工知能概観

11. この３００年の技術の動向時間規模産業革命情報革命ネット革命知能革命機械化・自動化（オートメーション化）電子情報化オンライン化知能化第二次産業革命電動化 1750 1860 1960 1990 Now… 現代は「知能化」の時代に入りつつある。

12. エンジニアリングとしての人工知能の二つのアプローチ人工知能を作る (キャラクターAI、ロボット…) 既にあるものを知能化する (家電、電車、ポスター、なんでも…)

13. 知能化 • 工場 → （知能化） → オートスケジューリング • 配送 → （知能化） → 自動分配・自動配送 • 車 → （知能化） → 自動走行・ＩＴＳ • 家電 → （知能化） → コミュニケーション家電（ルンバなど） • インターネット → （知能化） → Web.4.0 (GoogleのDeep Learning など) • TV → （知能化） → キーワード・趣向による自動録画 • 注文サービス → （知能化） → 自動受付・自動サービス社会の隅々にまで、知的機能がインプリメント（実装）される。

14. 知能化 • 工場 → （知能化） → オートスケジューリング • 配送 → （知能化） → 自動分配・自動配送 • 車 → （知能化） → 自動走行・ＩＴＳ • 家電 → （知能化） → コミュニケーション家電（ルンバなど） • インターネット → （知能化） → Web.4.0 (GoogleのDeep Learning など) • TV → （知能化） → キーワード・趣向による自動録画 • 注文サービス → （知能化） → 自動受付・自動サービス社会の隅々にまで、知的機能がインプリメント（実装）される。知能化

15. 知能化社会の隅々にまで、知的機能がインプリメント（実装）される。知能化現実世界（～1995）現実世界 2.0 （2015～）

16. 人間はどのように人工知能を発展させて来たか？記号自然言語概念人間 AI より人間に近い情報の形を理解できるように進化させて来た。意味言葉記号処理自然言語処理セマンティック解析（意味解析）オントロジー情報情報処理

17. 情報の海（ネットワーク）ネット空間の人工知能人間とてもしんどい… おいつかない。。。

18. 情報の海（ネットワーク）人工知能人工知能人工知能解析・抽出提出・提案命令・指示ネット空間の人工知能人間人工知能が情報の海と人間の間のインターフェースとして出現する

19. 人間はどのように人工知能を発展させて来たか？記号自然言語概念人間 AI より人間に近い情報の形を理解できるように進化させて来た。意味言葉記号処理自然言語処理セマンティック解析（意味解析）オントロジー情報情報処理

20. ）人工知能人はどのように人工知能を使っているか？ネットに散乱する情報を、人間がより理解しやすい形に咀嚼して、持って来る（例）要約。意味による検索。人間記号の海言葉の海意味の海概念の海情報の海ネット空間

21. 人間はどのように人工知能を発展させて来たか？記号自然言語概念人間 AI より人間に近い情報の形を理解できるように進化させて来た。意味言葉情報画像自然言語言葉概念意味 Deep Learning （ディープラーニング）

22. 人間はどのように人工知能を発展させて来たか？記号自然言語概念人間 AI 意味言葉情報画像自然言語言葉イメージ意味映像自然言語言葉想像意味

23. ）人工知能人はどのように人工知能を使っているか？情報の海を母体として、人工知能が育っている。＝情報の海を母体として人工知能が生まれる人間記号の海言葉の海意味の海概念の海情報の海

24. デジタル世界現実世界（～1995）パソコンインターネット人工知能クラウド人工知能による新しい空間新しい現実空間の誕生

25. デジタル世界現実世界（～1995）パソコンインターネット人工知能クラウド人工知能による新しい空間新しい現実空間の誕生キーワードは「実世界指向」ソフトウェアは身体を持って現実に出る。それは現実世界を変貌させて行く。「現実世界 2.0」

26. 飽和したネット空間のサービス競争（飽和） IT技術による新しい現実空間のサービス（新規）ネット空間現実空間クラウド/人工知能ビックデータ進出・浸食ロボット実空間センシングドローン IoT 現在起こっていること～ネット空間から現実空間への回帰

27. IT技術による新しい現実空間のサービス（新規）ネット空間現実空間クラウド/人工知能インターネット進出・浸食ロボット実空間センシングドローン IoT 現在起こっていること～ネット空間から現実空間への回帰ゲーム空間人工知能 https://www.ingress.com

28. 情報空間の拡大～人工知能の舞台が広がる • やがて街全体を制御する人工知能が出現する。 http://www.s-hoshino.com

29. 情報空間の拡大～人工知能の舞台が広がる • やがて街全体を制御する人工知能が出現する。 • やがて家全体を制御する人工知能が出現する。 http://www.s-hoshino.com

30. IT技術による新しい現実空間のサービス（新規）ネット空間現実空間クラウド/人工知能インターネット進出・浸食ロボット実空間センシングドローン IoT 現在起こっていること～ネット空間から現実空間への回帰ゲーム空間人工知能 https://www.ingress.com

31. 飽和したネット空間のサービス競争（飽和） IT技術による新しい現実空間のサービス（新規）ネット空間現実空間クラウド/人工知能インターネット進出・浸食ロボット実空間センシングドローン IoT ネット空間から現実空間へ、現実世界からネット空間へゲーム空間人工知能現実世界の人工知能デジタル世界の人工知能新しい現実空間の誕生 @2010-2015 SQUARE ENIX CO., LTD. All Rights Reserved.

32. 飽和したネット空間のサービス競争（飽和） IT技術による新しい現実空間のサービス（新規）ネット空間現実空間クラウド/人工知能インターネット進出・浸食ロボット実空間センシングドローン IoT 現実世界とデジタル世界をまたぐゲーム空間ゲーム空間人工知能デジタル世界の人工知能現実世界の人工知能未開拓成熟巨大な内部デジタル空間巨大な外部空間現実とデジタル空間にまたがる人工知能

33. 飽和したネット空間のサービス競争（飽和） IT技術による新しい現実空間のサービス（新規）ネット空間現実空間クラウド/人工知能インターネット進出・浸食ロボット実空間センシングドローン IoT 現実世界とデジタル世界をまたぐゲーム空間ゲーム空間人工知能デジタル世界の人工知能現実世界の人工知能未開拓成熟巨大な内部空間巨大な外部空間新しい人工知能の誕生我々は、デジタル空間＝現実空間にまたがる巨大な人工知能を作り出そうとしている。

34. 新しい現実/デジタル融合空間とは（１）現実空間と情報空間がリアルタイムに同期している。ネット空間と情報空間がオーバーレイされている。（２）現実空間に出たロボットやデバイスたちが、クラウドを足場として、協力な情報基盤に支えられている。

35. 新しい現実/デジタル融合空間とは（３）人工知能がネット空間と現実空間を自由に行き来することができる。現実世界とデジタル世界の双方にまたがる人工知能が出現する。（４）クラウドはAIによって現実世界とデジタル世界の間の中継基地のような役割を果たす。

36. 新しい人工知能 • 現実空間の検索その時、主流になるのは、「検索エンジン」ではなく、「超検索エンジン」。オーバーレイされたデジタル空間を通して、現実世界から検索できるエンジン。検索を超えて情報の虚偽を人工知能が判定するようになる。（新宿に飛行船が出現→カメラでいないことを確認→真偽が判定） • ロボットを通して、現実空間へのサービスが可能になる。人は現実に対して人工知能を通してアクションを行うことができる。＝実はそれは人間の脳を地球レベルに拡大していることになる。

37. ゲームＡＩ入門書お薦め

38. 参考WEBサイト

39. http://www.jp.square-enix.com/info/library/ 参考WEBサイト

40. 企画とエンジニアの分業 • AIの挙動を仕様書に落とし込む際、どこまで書くか。アクションのシーケンス、思考のアルゴリズムゲームのサイズにもよりますが身体と意思決定は独立かつ、連携しているのが望ましい。できれば、企画さんには、意思決定だけを書いて欲しい。身体と環境の問題と、意思決定の問題を独立に解きつつ、連携する。しかし、身体と意思決定をつなぐ完成したモデルは未だない。これはゲーム産業の大きな課題。

41. レベルデザイナー＝最終的にステージに責任を持つ人 • どこまでが企画の作業か？パラメータ調整だけ？スクリプトをかく？設計も行う？コリジョンの設定は？企画＝レベルデザイナーであるべき。レベルデザイナー＝ AI（NPC）と地形を含めた舞台設計。

42. 国内事例集日本におけるデジタルゲームにおけるＡＩ実装事例のリストです。 ※CeDIL は登録するど資料ががダウンロードできます。 http://cedil.cesa.or.jp/ 三宅陽一郎「クロムハウンズにおける人工知能開発から見るゲームAIの展望」(CEDEC2006) http://cedil.cesa.or.jp/session/detail/50 森川幸人 AI DAY(3) ゲームとAIはホントに相性がいいのか？ (CEDEC 2008) http://cedil.cesa.or.jp/session/detail/156 大橋晴行、高橋義之、鎌田浩平 AI DAY(4) 魔ごころを、きみに～「勇者のくせになまいきだ。」が目指した自己組織化アルゴリズム～ (CEDEC 2008) http://cedil.cesa.or.jp/session/detail/162 田邊雅彦、WCCF AIエンジニアリング (DiGRA JANAN 2009年5月公開講座、東京大学) サッカーゲームＡＩの設計と実装 http://digrajapan.org/?page_id=279 http://digrajapan.org/?wpdmact=process&did=OS5ob3RsaW5r 安藤毅「サカつく」のサッカー試合ＡＩシステム (CEDEC 2010) http://cedil.cesa.or.jp/session/detail/379 並木「ぽかぽかアイルー村における、アフォーダンス指向のAI事例。AIに多様な振る舞いをさせる手法」（CEDEC2011） http://cedil.cesa.or.jp/session/detail/697 佐竹敏久、池谷章「ファンタシースターポータブル２のキャラメイクシステム」 (CEDEC 2010) http://cedil.cesa.or.jp/session/detail/299 小川卓哉「Phantasy Star Online 2におけるプロシージャルBGMシステム」(CEDEC 2012) http://cedil.cesa.or.jp/session/detail/773 岡村信幸「ARMORED CORE Vの対戦AIにおける階層型ゴール指向プランニングと機体制御」（CEDEC2011） http://cedil.cesa.or.jp/session/detail/591 岡村信幸「ARMORED CORE Vのパス検索」（CEDEC2011） http://cedil.cesa.or.jp/session/detail/593 横山貴規氏、グラヴォ・ファビアン FFXIV サーバーサイド経路探索システム http://www.4gamer.net/games/032/G003263/20121205079/ 白神陽嗣, 三宅陽一郎, 並木幸介 FINAL FANTASY XV -EPISODE DUSCAE- におけるキャラクターAIの意思決定システム http://cedec.cesa.or.jp/2015/session/ENG/5953.html http://www.4gamer.net/games/075/G007535/20150831093/ 長谷洋平複数タイトルで使われた柔軟性の高いAIエンジン http://cedec.cesa.or.jp/2015/session/ENG/1077.html CEDEC http://cedil.cesa.or.jp 無料で登録して読めます。

43. 海外タイトル情報源（GDC Vault 一部有料）

45. 第一章デジタルゲームAIの歴史

46. GDC / AI Summit (Game Developer’s Conference) AIIDE (AI and Interactive Digital Entertainment ) IEEE CIG (IEEE Computational Intelligence and Games ) Game AI Conference AI Game Dev.COM AI Game Programmers Guild http://www.aiide.org IEEE CIS (IEEE Computational Intelligence Society ) http://www.ieee-cis.org/http://www.ieee-cig.org/ 主催コミュニティカンファレンス http://www.gdconf.com/ http://gameaiconf.com/ http://aigamedev.com/ http://www.gameai.com AAAI

47. - 2009 年より開催 - GDC 世界最大のゲームAIカンファレンス（２万人） - ５日の最初の２日間にAIチュートリアル = AI Summit - AI ゲームプログラマーズギルドが主催 - ２日間に渡って産学の講演者が各トピックを議論 - これに出ると前の年のゲームAIの傾向が分かる。 - 資料はすべて GDC Vault か AIGameDev.Com で公開 GDC AI Summit (2009～) (Game Developer’s Conference) http://www.gdcvault.com/

48. GDC 世界最大のゲームカンファレンス

49. GDC ２万人の来場者（エキスポ＝展示ブース来場者を含む）

50. GDC

51. GDC

52. Artificial Intelligence in Computer Games Speaker: Neil Kirby (Member of Technical Staff, Bell Laboratories), Steve Rabin (Senior Software Engineer, Nintendo of America) (AI ラウンドテーブル全３日) １日目トピックごとの議論（定員オーバーで欠席）２日目 ①FPS ② Sports & Strategy (出席) ３日目ビギナー向け Quick Q&A （出席）全音声データ＆写真 http://www.intrinsicalgorithm.com/GDC

53. • ゲームAI業界の中心人物が集まるギルド。研究者も多数在籍 • 母体となった IGDA AI-SIG は弱体化（いまいちアクティブに活動できなかった）。 • 主催 Steve Rabin (AI Game Programming Wisdom) • 中心はメイリングリスト（英語）/情報交換 / 毎日５～６通は必ず届く。 • 各種イベント開催(AI Summit)の準備MLを兼ねる • 入会資格は一つのタイトルでAIを担当（実はこの縛りはないので申込むとOK） • 入っておくとゲームAIの動きが見えてとっても便利（発言もしよう） • 産業界でのコネクション、力を持つ野心的なギルドでもある。 AI Game Programmers Guild (2008～)

54. GDCの歴史（なんとなく） 1987 1995 2000 ゲーム開発者も集まって何かする？クリス・クロフォードの自宅で20人ぐらい。少しづつ規模を大きくしたけれど、かなりアットフォーム。（適当な発表も OK！）

55. GDCの歴史（なんとなく） 2000 2006 2010 少しづつ本格化かなり本格化（１万人を超える）どうしようもなく本格化（２万人を超える） http://www.4gamer.net/games/149/G014956/20120306019/ UBMという Gamasutra （世界で一番有名なゲームサイト）を持つゲーム関連のイベント・キャリア企業が主催

56. GDC/AIの歴史（なんとなく） 2000 2006 2010 発表を通して、ゲームAIの知識が蓄積される。（年に２～３個の良い発表）いろいろな企業がAIに力を入れ始める（米が中心）ラウンドテーブル、 AI Programmers Dinner、など、なんとなくコミュニティが形成される。競って発表するゲームの大型化とソーシャル化によりやや迷走

57. Game AI 知識の集積 2000 2006 2010 知識の集積 AI Game Programming Wisdom 20. Precomputed Pathfinding for Large and Detailed Worlds on MMO Servers (Fabien Gravot, Takanori Yokoyama, Youichiro Miyake)

58. Game AI 知識の集積 2000 2006 2010 知識の集積 AI Game Programming Wisdom

59. - ゲームAIの実例紹介・技術紹介 - 開発インタビュー - 論文紹介 - カンファレンス資料 (GDC AI Tutorial, Paris Game AI Conference ) が掲載 -非常に重要な情報源 -登録が必要（無料） -有料会員記事と無料会員記事がある。 -Alex Champandard が主催（研究者からゲーム産業へ。産業と学術を繋ぐ人物） AI Game Dev.COM

60. - ゲームAI業界の産業カンファレンス - パリ・ウィーンなど欧州で開催。 - 主催は、 AIGameDev.Com - 資料は AIGameDev.Com で公開 - 学生も多い。やはり欧州などが中心 - GDC と並んで、AI Programmers Guild も深く関わっているが、学術との交流も志向。 Game AI Conference Artificial Intelligence for Creative Applications http://nucl.ai/

61. デジタルゲームAIの歴史 2000 2006 2010 発表を通して、ゲームAIの知識が蓄積される。（年に２～３個の良い発表）いろいろな企業がAIに力を入れ始める（米が中心）ラウンドテーブル、 AI Programmers Dinner、など、なんとなくコミュニティが形成される。知識が集積する競って発表するゲームエンジンの中に取り込まれつつある

62. Game AI コミュニティの歴史 2000 2006 2010 この分野をきちんと組織化しよう。（IGDA AI SIG ゲームAI標準委員会） -産業、ミドルウェア、学術のコミュニティ AI Game Programmers Guild の発足（もっと産業で影響力を）（IGDAは公正な機関） http://www.igda.org/artificial-intelligence 2015 ゲーム開発の変化・産業の変化により、やや停滞

63. デジタルゲームAIの歴史 2000 2006 2010 発表を通して、ゲームAIの知識が蓄積される。（年に２～３個の良い発表）いろいろな企業がAIに力を入れ始める（米が中心）ラウンドテーブル、 AI Programmers Dinner、など、なんとなくコミュニティが形成される。知識が集積する競って発表する人が集まる

64. デジタルゲームAIの歴史 2000 2006 2010 発表を通して、ゲームAIの知識が蓄積される。（年に２～３個の良い発表）いろいろな企業がAIに力を入れ始める（米が中心）ラウンドテーブル、 AI Programmers Dinner、など、なんとなくコミュニティが形成される。 2015 専門家しつつ、次のステップへ向けて、知識が蓄積される。ゲーム産業外にAIの盛り上がりの影響を受ける。（学習、プロシージャル）

65. デジタルゲームAIの歴史 2000 2006 2010 発表を通して、ゲームAIの知識が蓄積される。（年に２～３個の良い発表）いろいろな企業がAIに力を入れ始める（米が中心）ラウンドテーブル、 AI Programmers Dinner、など、なんとなくコミュニティが形成される。 2015 専門家しつつ、次のステップへ向けて、知識が蓄積される。ゲーム産業外にAIの盛り上がりの影響を受ける。（学習、プロシージャル）

66. GDCのゲームAI全体の傾向 2008年：大型ゲームAI & プロシージャル 2009年：キャラクターAI(アニメーション＆パスファインディング) & メタAI Spore, Halo3, Assassin’s Creed… Morpheme 2.0, Warhammer Online(Kynapse), Halo Wars, Left 4 Dead http://www.digrajapan.org/modules/mydownloads/images/study/20090411.pdf http://igda.sakura.ne.jp/sblo_files/ai-igdajp/AI/IDGA_GDC08_Miyake_public.pdf 2010年：大型ゲームAIの完成 & キャラクター制御の高度化 Uncharted 2, Sprinter Cell:Conviction, Killzone2, The Sims 3, Bioshock 2, FIFA http://igda.sakura.ne.jp/sblo_files/ai-igdajp/GDC2010/YMiyake_GDC_Report_2010_4_3.pdf 2011年：ゲームAIの大型から小型化 & 大型AI技術の固定化有名AI開発者の独立(Halo3, The Sims 3, Killzone 2…)Darkspore, The Sims: Medieval, StarCraft 2, Havok AI, Kynapse, Insomiac PathEnine 2013年： AI技術のデフォルト化＆ゲームエンジンへの導入 Behavior Tree, パス検索、位置解析、プロシージャル Unity, UE, CryEngine 2015年：よりパワフルなAI技術の導入（学習を中心に）潤沢な計算リソースを用いたゲームそのもののリフトアップ

67. GDCのゲームAI全体の傾向 2009 2010 2011 2013 ゲームサイズ大型ゲームAI技術の発展・開発ツールの成熟中・小型ゲームへスピンオフ (独自実装) 2015

68. GDCのゲームAI全体の傾向 2009 2010 2011 2013 ゲームサイズ大型ゲームAI技術の発展・開発ツールの成熟中・小型ゲームへスピンオフエンジンへの導入 2015 ゲームエンジンに組み込まれたAI 他のコンポーネントと融合

69. デジタルゲームAIの歴史 2000 2006 2010 発表を通して、ゲームAIの知識が蓄積される。（年に２～３個の良い発表）いろいろな企業がAIに力を入れ始める（米が中心）ラウンドテーブル、 AI Programmers Dinner、など、なんとなくコミュニティが形成される。黎明期とりあえずどんな知識を使ってもより高いAIを目指そう。発展期ゲームへどんどん組み込もう。事例の蓄積。大規模拡大路線の完成期大型有名タイトルで意識的に活用。分散期さまざまなスケールのゲームへのダイバージェンス停滞期ゲームエンジンへの取り込み・新しい技術開発

70. ゲームＡＩ全体の歴史

71. チェス将棋囲碁デジタルゲームAI 19951960 ロボカップサッカー（ロボカップ） 2010 人狼カーリング 1980 2000 20502020 プロに勝つ（こともある）プロに勝つ（目標）？？？産学で本格的に研究が始まるスポーツなどデータマイニングからのAI 1950 ゲームの人工知能の歴史

72. 将棋アクションゲームゲーム既にある。（AIはゲームの外にある。将棋の中にAIは含まれない）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）ステージ（空間）盤の目・離散的三次元地形・連続時間ターン連続時間（リアルタイム）登場人物駒キャラクター/モンスター AI 将棋の差し手としての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）ゲーム表現ゲームツリー？状況離散的変化連続的変化目的勝利楽しませる。ステージを成立させる。ゲームのつながり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）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）何を作るか？賢いAI, 面白いAI ユーザーの主観的体験（UX） AIそのものが目的ではない。将棋AIとアクションゲームAIの違い

73. 一手先分岐三手先二手先ゲーム状態（＝盤面）探索将棋・チェスなどのAI

74. AI（キャラクター） AIの認識領域プレイヤー計画経路弾アクションゲームのAI

75. ＡＩの分化ゲームシステムメタＡＩキャラクターＡＩナビゲーションＡＩ

76. ＡＩの分化ゲームシステムメタＡＩキャラクターＡＩナビゲーションＡＩメタＡＩ，キャラクターＡＩ、ナビゲーションＡＩは、独立しながらも互いに協調して機能を発揮します。

77. ＡＩの分化ゲームシステムメタＡＩキャラクターＡＩナビゲーションＡＩこのように異なるＡＩが互いに協調して機能を発揮するＡＩシステムを分散人工知能と言います。

78. 参考文献（解説論文）三宅陽一郎「ディジタルゲームにおける人工知能技術の応用の現在」（人工知能学会誌 2015年 Vol.30 No.1） https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action= repository_view_main_item_detail&item_id=559&item_no=1&page_i d=13&block_id=8 https://jsai.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=556&item_no=1&page_id=13&block_id=8

79. 三宅陽一郎「はじめてのゲームAI」（技術評論社 WEB+DB PRESS、2012年、Vol.68）参考文献 http://gihyo.jp/magazine/wdpress/archive/2012/vol68

81. 第二章ゲームの人工知能の全体像

82. 自然知能と人工知能人間＝自然知能機械＝人工知能

83. 機械（マシン）

84. 機械（マシン）ソフトウェア

85. 機械（マシン）ソフトウェア知能 http://www.1999.co.jp/blog/1210192

86. 機械（マシン）ソフトウェア知能身体機能知能 http://www.1999.co.jp/blog/1210192 http://ja.wallpapersma.com/wallpaper/_- %E3%83%AA%E3%82%B9%E3%80%81%E5%A3%81%E7%B4%99%E3%80%81%E3%83%AF%E3%82%A4%E3%83%89%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B3%E3%81%AE%E3%80%81%E3% 83%9E%E3%83%83%E3%82%AF%E3%80%81%E3%83%9A%E3%83%83.html

87. 身体性とインテリジェンス Gray’s anatomy 脳の中心の部位は身体とつながっている。生理機能を司っている。それを囲うように、辺縁体、大脳がある。 http://square.umin.ac.jp/neuroinf/brain/005.html http://www.amazon.co.jp/Grays-Anatomy-Anatomical-Clinical-Practice/dp/0443066841

88. 意識/無意識の知性身体の制御につながる感覚を統合する知性全体人の意識的な部分意識自身には機能がない環境身体意識無意識意識的な知性無意識的な知性表象意識に浮かび上がるイメージ

89. 人間の精神意識前意識無意識知能言語による精神の構造化外部からの情報言語化のプロセスシニフィアン /シニフィエ言語回路（＝解釈）

90. 人間の精神意識前意識無意識外部からの情報生態学的人工知能 ※生態＝環境・身体との結びつきを考える伝統的な人工知能身体知

91. 人間の精神意識前意識無意識外部からの情報知能解釈顕在化運動統合意志意識の境界面知覚の境界面２つの見えている世界（知覚世界、作用世界）知覚世界作用世界

92. 機械の精神＝人工知能意識前意識無意識知能言語による精神の構造化外部からの情報言語化のプロセスシンボル/010100000 言語回路（＝プログラム）

93. 人間の精神、機械の精神意識前意識識外部からの情報意識前意識無意識外部からの情報言語・非言語境界面知覚の境界面

94. 機械（マシン）ソフトウェア知能身体機能知能 http://www.1999.co.jp/blog/1210192 http://ja.wallpapersma.com/wallpaper/_- %E3%83%AA%E3%82%B9%E3%80%81%E5%A3%81%E7%B4%99%E3%80%81%E3%83%AF%E3%82%A4%E3%83%89%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B3%E3%81%AE%E3%80%81%E3% 83%9E%E3%83%83%E3%82%AF%E3%80%81%E3%83%9A%E3%83%83.html

95. AIの分化

96. 技術の動向時間規模産業革命情報革命ネット革命知能革命機械化・自動化（オートメーション化）電子情報化オンライン化知能化第二次産業革命電動化 1750 1860 1960 1990 Now…

97. 技術の動向時間規模産業革命情報革命ネット革命知能革命機械化・自動化（オートメーション化）電子情報化オンライン化知能化第二次産業革命電動化 1750 1860 1960 1990 Now… 現代は「知能化」の時代に入りつつある。

98. 知能化 • 工場 → （知能化） → オートスケジューリング • 配送 → （知能化） → 自動分配・自動配送 • 車 → （知能化）→ 自動走行・ＩＴＳ • 家電 → （知能化） → コミュニケーション家電（ルンバとか） • インターネット →（知能化）→ Web.4.0 (GoogleのDeep Learning など) • TV → （知能化） → キーワード・趣向による自動録画・自動設定など。 • 注文サービス →（知能化）→自動受付・自動サービス社会の隅々にまで、知的機能がインプリメント（実装）される。この中には皆さんが大学で研究されている分野も多くあるはず。

99. ゲーム全体の知能化ゲーム・ソフトウェア知能化されたゲーム・ソフトウェアゲームも知能化の時代を迎えようとしている。では「ゲームの知能化」とはどういうことだろうか？それを見ていこう。

100. 言葉の整理：知能と知性 • 知能＝知的能力のこと。 • 知性＝知能を持つ生命のこと。英語では、どちらも、 “Intelligence” になってしまう。 • 人工知能＝機械による知的能力のこと。 • 人工知性＝知能を持つ自律した機械のこと。英語では、どちらも、 “Artificial Intelligence” になってしまう。ここでは、後者の知性の意味で”AI”という言葉を使っていく。

101. ゲームとはなにか • インタラクティブなデジタル空間。 • もちろん自由に何を作ってもいいが、時代を経て次第に構造化されてきた。 • ＡＩもその中で、いくつかの分類されている。

102. 現代ゲームにおけるＡＩの構造 • ゲームの中で人工知能が果たす役割というのが明確になってきた。 • 主に現代では３つのＡＩの役割がある。（これから増えて行くかもしれない）ゲームそのものをコントロールする人工知能。キャラクターのブレイン（脳）として機能する人工知能。パス検索を始め地形・状況など空間的な情報を抽出する人工知能。メタＡＩキャラクターＡＩナビゲーションＡＩ

103. 人工知能の２つの軸 • 人工知能を考えるときは、その知能が何なのか、を探求するより、どんな問題を解こうとしているか、を考えるとわかりやすい。空間のスケール時間のスケール局所・短時間大局・時間なし大局・長時間メタＡＩキャラクターＡＩナビゲーションＡＩ

104. それぞれのＡＩの役割メタＡＩゲーム局面全体の変化を継続的に監視して、動的に、ゲームバランス、ゲームプレイの緊張感、ゲームの面白さをコントロールする。キャラクターＡＩキャラクターの立場から、自分の周囲の状況を局所的に認識し、自分の行動を自分の身体に応じて一定時間の中でデザインする。ナビゲーションＡＩゲームステージ全体についての、空間的特長、現在の状況を解析する。役割を持つＡＩのことを「エージェント」と言う。上記３つはすべて「エージェント」だが、特にゲームでは「キャラクターＡＩ」のことを「エージェント」と言う。

105. レベルナビゲーション AI メタAI キャラクター AI Support 敵キャラクタ－プレイヤー頭脳として機能情報獲得コントロール古典的ゲーム構造（ＡＩとゲームシステムが混沌）分化ゲームの人工知能は分化し（＝分散人工知能）相互に協調しながら一つのＡＩシステムを構成する http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

106. ３つのＡＩの連携の例フィールドナビゲーション AI メタAI エージェントAI 状況を監視し、キーとなる役割を適切なタイミングでエージェントに指示する。自律的な判断。仲間同士の協調地形を解析する目的に応じた点を見つけ出す目的地までのパスを計算する Support エージェントが自律的に戦闘・協調しつつ、ナビゲーションAIが戦術的ポイントを教え、メタAIは、全体の戦闘の流れを作る。 http://dear-croa.d.dooo.jp/download/illust.html

108. 第三章自律型AI

109. このＡＩはどう作るか？プレイヤーキャラクター岩地面池例として、次のようなキャラクターのＡＩをどう作るか考えてみよう。 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

110. このＡＩはどう組むか？こういったＡＩをゲーム産業では「Scripted AI」と言います。こういったＡＩはゲームデザイナーがスクリプト言語で書く場合多いため。プレイヤーキャラクター岩地面池Ａ B 、（例）プレイヤーがＡにいればＢをうろうろする。プレイヤーがＢにいれば近づいて攻撃する。 http://septieme-ciel.air-nifty.com/nikubanare/2007/08/post_3c38.html http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

111. スクリプト Scripted AI から自律型ＡＩへの変化ゲームデザイナーの頭の中ゲームデザイナーの頭の中知識思考 Scripted AI 自律型 AI (Autonomous AI) http://piposozai.blog76.fc2.com/

112. スクリプト Scripted AI から自律型ＡＩへの変化ゲームデザイナーの頭の中ゲームデザイナーの頭の中知識思考 Scripted AI 自律型 AI (Autonomous AI) 操り人形（Scripted AI）から、キャラクターが自分で考えて行動する自律型ＡＩ（Autonomous AI）になるためには、ゲームデザイナーが頭の中で持っている知識と思考をＡＩに埋め込む必要がある。

113. このＡＩはどう組むか？プレイヤーキャラクター岩地面池地形データ（Way Points）、ステップ１：ＡＩにゲームステージの地形を認識させたい＝地形のデータを与える。ＡＩは地形データによって、自分とプレイヤーの位置関係を知ることができる。 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

114. このＡＩはどう組むか？地形データ（Way Points）ＡＩは地形データによって、自分とプレイヤーの位置関係を知ることができる。（ネットワークグラフの問題に帰着） http://dear-croa.d.dooo.jp/download/illust.htmlhttp://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

115. ナビゲーションＡＩこのＡＩはどう組むか？プレイヤーキャラクター岩地面池、ステップ２：地形データをもとに考える思考を与える。地形データを用いた思考地形データ（Way Points） http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

116. このＡＩはどう組むか？ＡＩは地形データによって、自分とプレイヤーの位置関係を知ることができる。（ネットワークグラフの問題に帰着）地形データ（Way Points）地形データを用いた思考最短経路を計算 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

117. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）ここの点グループはお互いが見えている。ここの点グループはお互いが見えている。地形データを用いた思考ネットワークグラフに可視判定の情報を埋め込む。

118. このＡＩはどう組むか？ナビゲーションＡＩ地形データ（Way Points）ここの点グループはお互いが見えている。ここの点グループはお互いが見えない。地形データを用いた思考ネットワークグラフに可視判定の情報を埋め込む。

119. このＡＩはどう組むか？ナビゲーションＡＩ地形データ（Way Points）地形データを用いた思考プレイヤーからキャラクターが見えていない。 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

120. このＡＩはどう組むか？ナビゲーションＡＩ地形データ（Way Points）地形データを用いた思考プレイヤーから見つけて貰うためにプレイヤーからキャラクターが見えるように動く。 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

121. このＡＩはどう組むか？プレイヤーからキャラクターが見えない位置に動く。ナビゲーションＡＩ地形データ（Way Points）地形データを用いた思考 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

122. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）攻撃する意思決定思考地形データを用いた思考 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

123. ナビゲーションＡＩこのＡＩはどう組むか？地形データ（Way Points）攻撃するか？隠れるか？牽制するか？を選ぶ思考。＝意思決定思考意思決定思考地形データを用いた思考 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

124. このＡＩはどう組むか？プレイヤーキャラクター岩地面池地形データ（Way Points）、これで、キャラクターを知能化することができた。地形データを用いた思考意思決定思考 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

125. ＡＩを作る人間地形データ（Way Points）地形データを用いたロジックオブジェクトを用いたロジック http://piposozai.blog76.fc2.com/

126. ＡＩを作る人間地形データ（Way Points）地形データを用いたロジックオブジェクトを用いたロジックここでキャラクターに知能を与えたプロセスを振り返ってみる。ステップ１：知識を与えた。ステップ２：知識の上で操作する思考を与えた。ステップ３：自分の意志を決定する思考を与えた。 http://piposozai.blog76.fc2.com/

127. 知識思考ＡＩを作る人間地形データ（Way Points）地形データを用いた思考意思決定の思考知識を（データ）表現する。（知識）知識に基づいて思考する。（ＡＩ思考） AI自身に「知識」と「知識の上の思考」を与えることが知能を作る基本。 http://piposozai.blog76.fc2.com/

128. 思考知識ＡＩを作る人間地形データ（Way Points）地形データを用いた思考オブジェクトデータ意思決定の思考自分の身体データ身体運動のロジック知識を（データ）表現する。（知識）知識に基づいて思考する。（ＡＩ思考） http://piposozai.blog76.fc2.com/ 「知識」と「その上の思考」をどんどん増やして行くことでＡＩは成長する。

129. 知能思考知識ＡＩを作る人間地形データ（Way Points）地形データを用いた思考オブジェクトデータ意思決定の思考自分の身体データ身体運動のロジック http://piposozai.blog76.fc2.com/ 知能＝知識 × 思考

130. 知能思考知識ＡＩを作る人間地形データ（Way Points）地形データを用いた思考オブジェクトデータ意思決定の思考自分の身体データ身体運動のロジック http://piposozai.blog76.fc2.com/ これでキャラクター自身が知能を持つことができた。キャラクターの持つ知能をキャラクターＡＩと言う。

131. 知能思考知識ＡＩを作る人間地形データ（Way Points）地形データを用いた思考オブジェクトデータ意思決定の思考自分の身体データ身体運動のロジック http://piposozai.blog76.fc2.com/ この例ではナビゲーションＡＩとキャラクターＡＩが連携していた。

133. 第四章ナビゲーションAI

134. ナビゲーション・データフリー素材屋Hoshino http://www.s-hoshino.com/

135. ナビゲーション・データウェイポイント・グラフ（点を要素とするネットワークグラフ）ナビゲーションメッシュ・グラフ（三角形（凸角形）を要素とするネットワークグラフ）歩くことができる。フリー素材屋Hoshino http://www.s-hoshino.com/

136. パス検索＝ゲーム内で任意の２点間の経路をゲーム進行中に計算する技術 RTS – Pathfinding A* https://www.youtube.com/watch?v=95aHGzzNCY8

137. ネットワーク上のグラフ検索法 M F L B A Ｓ O P D C G S V H Q X K N J R T W E I U Z Y Ｇ 54 6 3 7 23 B C 3 G D E 3 2 24 L 3 3 5 5 J F 出発点（S）を中心に、最も短い経路を形成して行く。Gにたどり着いたら終了。各ノードの評価距離＝出発点からの経路ダイクストラ法

138. ネットワーク上のグラフ検索法ダイクストラ法 M F L B A Ｓ O P D C G S V H Q X K N J R T W E I U Z Y Ｇ 54 6 3 7 23 B C 3 G D E 3 2 24 L 3 3 5 5 J F 出発点（S）を中心に、最も短い経路を形成して行く。Gにたどり着いたら終了。各ノードの評価距離＝出発点からの経路

139. ネットワーク上のグラフ検索法 A*法 M F L B A Ｓ O P D C G S V H Q X K N J R T W E I U Z Y Ｇ 54 6 3 7 23 B C 3 3 2 24 3 5 5 出発点（S）を中心に、そのノードまでの最も短い経路を形成して行く。Gにたどり着いたら終了。ゴール地点がわかっている場合、現在のノードとゴールとの推定距離（ヒューリスティック距離）を想定して、トータル距離を取り、それが最少のノードを探索して行く。各ノードの評価距離＝出発点からの経路＋ヒューリスティック距離ヒューリスティック距離 (普通ユークリッド距離を取る) 3+14.2 3+13.8 G H 3 5+10.5 6+8.4

140. ネットワーク上のグラフ検索法 A*法 M F L B A Ｓ O P D C G S V H Q X K N J R T W E I U Z Y Ｇ 54 6 3 7 23 B C 3 3 2 24 3 5 5 出発点（Ｓ）を中心に、そのノードまでの最も短い経路を形成して行く。Gにたどり着いたら終了。ゴール地点がわかっている場合、現在のノードとゴールとの推定距離（ヒューリスティック距離）を想定して、トータル距離を取り、それが最少のノードを探索して行く。各ノードの評価距離＝出発点からの経路＋ヒューリスティック距離ヒューリスティック距離 (普通ユークリッド距離を取る) 3+14.2 3+13.8 G H 3 5+10.5 6+8.4

141. Counter Strike (2000)におけるナビメッシュ The Official Counter-Strike Bot http://aigamedev.com/insider/presentation/official-counter-strike-bot/

142. Counter Strike (2000)におけるナビメッシュ The Official Counter-Strike Bot http://aigamedev.com/insider/presentation/official-counter-strike-bot/

143. Counter Strike: Path Following (デモ) The Official Counter-Strike Bot http://aigamedev.com/insider/presentation/official-counter-strike-bot/

144. Dragon Age : Way Point Dragon Age pathfinding program put to the test https://www.youtube.com/watch?v=l7YQ5_Nbifo

146. 第五章位置解析システム

147. TPS （Tactical Point System） • 戦術位置検索システム • 目的に応じたポイントをその場で探し出す。 • CryEngine で発想され、2011年ぐらいから実装されている。 • Unreal Engine 4では、EQS（Environment Query System）で同じ機能がある。 • UE4上で、BehaviorTree や、BluePrintから呼び出して使える。

148. 沼高台湖野原敵味方 AI（現在位置）このような状況でAIは次にどこに行くべきか？を自分で考えさせたい。

149. 沼高台湖野原敵味方 AI（現在位置）動的にポイントを生成します生成フェーズ

150. 沼高台湖野原敵味方 AI（現在位置）フィルター１：そもそも足場の悪い点を除外します。フィルタリングフェーズ

151. 沼高台湖野原敵味方 AI（現在位置）フィルター２：敵に近くのポイントも除外しますフィルタリングフェーズ

152. 沼高台湖野原敵味方 AI（現在位置）フィルター３：味方に近くのポイントも除外しますフィルタリングフェーズ

153. 沼高台湖野原敵味方 AI（現在位置）フィルター４：残ったポイントの中で一番高い場所を選択します。評価フェーズ

154. TPS （Tactical Point System）ゲーム中（ランタイム）に、グリッドか円形にポイントを生成。条件を設定して要らないポイントをふるい落とす条件を設定して要らないポイントをふるい落とす残ったポイントを評価する一点だけが残る

155. （例）クエリー（Query）システム＝問い合わせシステム敵目的地味方味方味方 Query(最短パス) Query(安全パス) Query(味方合流パス) Query(武器の届く、高台ポイント)

156. ポイントを動的に配置して評価する Matthew Jack, Mika Vehkala Spaces in the Sandbox: Tactical Awareness in Open World Games (GDC2013) http://www.gdcvault.com/play/1018038/Spaces-in-the-Sandbox-Tactical

159. Matthew Jack, Mika Vehkala Spaces in the Sandbox: Tactical Awareness in Open World Games (GDC2013) http://www.gdcvault.com/play/1018038/Spaces-in-the-Sandbox-Tactical ポイントを動的に配置して評価する

160. Matthew Jack, Mika Vehkala Spaces in the Sandbox: Tactical Awareness in Open World Games (GDC2013) http://www.gdcvault.com/play/1018038/Spaces-in-the-Sandbox-Tactical ゴールデンパスとは、現在のプレイヤーの位置から、プレイヤーが向かうであろう目的地へ、パス検索したパスのことを言う。つまり、ユーザーの予測経路である。

161. ゴールデンパス Matthew Jack, Mika Vehkala Spaces in the Sandbox: Tactical Awareness in Open World Games (GDC2013) http://www.gdcvault.com/play/1018038/Spaces-in-the-Sandbox-Tactical

162. ゴールデンパスとＴＰＳゴールデンパスに沿って TPS を働かす。つまり、ゴールデンパスに沿ってポイントを生成して、選別する。

163. EQS (E) EQS (Environment Query System) in UE4

164. EQS (Environment Query System) in UE4

165. EQS (Environment Query System) in UE4 https://docs.unrealengine.com/latest/JPN/Engine/AI/EnvironmentQuerySystem/UserGuide/index.html

166. ３つのＡＩの連携の例フィールド地形解析・認識 AI メタAI エージェントAI 状況を監視し、キーとなる役割を適切なタイミングでエージェントに指示する。自律的な判断。仲間同士の協調地形を解析する目的に応じた点を見つけ出す目的地までのパスを計算する Support

168. 第六章メタAI

169. ゲーム全体の知能化ゲーム・ソフトウェア知能化されたゲーム・ソフトウェアかつてゲームでは人工知能は独立した部分ではなく、ゲームシステムの中に含まれていた。

170. ＡＩの分化ゲームシステムメタＡＩキャラクターＡＩナビゲーションＡＩ３つのＡＩシステムは序々に分化して独立して行った。では、今度はナビゲーションＡＩについてさらに詳しく見てみよう。

171. メタＡＩの歴史 1980 1990 メタＡＩというのは、ゲームそのものに埋め込まれたＡＩ。 1980 1990 2000 古典的メタAI 現代のメタＡＩキャラクターＡＩ技術の発展

172. メタＡＩの歴史 1980 1990 2000 古典的メタAI 現代のメタＡＩキャラクターＡＩ技術の発展その歴史は古く、1980年代にまでさかのぼる。その時代と現代のメタＡＩは、異なる点も多いので、古典的メタＡＩ、現代のメタＡＩと名づけて区別することにしよう。

173. （例）「ゼビウス」（ナムコ、1983）敵出現テーブル巻き戻し敵0 敵１敵2 敵3 敵4 敵5 『あと面白い機能なんですけれど、ゼビウスには非常に簡単なAIが組み込まれています。「プレイヤーがどれくらいの腕か」というのを判断して、出てくる敵が強くなるんです。強いと思った相手には強い敵が出てきて、弱いと思った相手には弱い敵が出てきます。そういったプログラムが組み込まれています。ゲームの難易度というのは「初心者には難しくて、上級者には簡単だ」ということが、ひとつの難易度で(調整を)やっていくと起きてしまうので、その辺を何とか改善したいな、ということでそういったことを始めてみたのですけれど、お陰で割合にあまり上手くない人でも比較的長くプレイできる、うまい人でも最後のほうに行くまで結構ドラマチックに楽しめる、そういった感じになっています。』－遠藤雅伸（出演）、1987、「糸井重里の電視遊戯大展覧会」『遠藤雅伸ゼビウスセミナー』フジテレビ－

174. 現代のメタAI より積極的にゲームに干渉する。メタAI 敵配位敵スパウニングストーリーレベル動的生成ユーザー

175. メタＡＩ Left 4 Dead の事例 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 今回は Left 4 Dead の事例を見てみる。

176. 適応型動的ペーシング [基本的発想] (1) ユーザーがリラックスしている時に、ユーザーの緊張度が一定の敷居を超えるまで敵をぶつけ続ける。 (2) ユーザーの緊張度が一定の緊張度を超えると敵を引き上げる。 (3) リラックスすると敵を出現し始める（(１)へ）。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

177. メタAI(=AI Director)によるユーザーのリラックス度に応じた敵出現度ユーザーの緊張度実際の敵出現数計算によって求められた理想的な敵出現数 Build Up …プレイヤーの緊張度が目標値を超えるまで敵を出現させ続ける。 Sustain Peak … 緊張度のピークを3-5秒維持するために、敵の数を維持する。 Peak Fade … 敵の数を最小限へ減少していく。 Relax … プレイヤーたちが安全な領域へ行くまで、30-45秒間、敵の出現を最小限に維持する。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html より具体的なアルゴリズム

178. メタＡＩがゲームを認識する方法キャラクター用に作成されたナビゲーションメッシュをメタＡＩがゲームの状況を認識するために使用する。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

179. メタAIが作用を行う領域 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html メタＡＩが作用（敵の生成・消滅）を行う領域を、 AAS（= Active Area Set）と言う。

180. メタAIが作用を行う領域 (AAS=Active Area Set) Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

181. メタAIが作用を行う領域 (AAS=Active Area Set) Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

182. 安全な領域までの道のり(Flow Distance) メタＡＩはプレイヤー群の経路をトレースし予測する。 - どこへ来るか - どこが背面になるか - どこに向かうか Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

183. AAS に対して行うこと。メタＡＩはプレイヤー群の移動に伴い、その周囲（ＡＡＳ）に敵の群れを生成・消滅させたりする。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

184. プレイヤーからの可視領域可視領域（プレイヤーから見えている部屋）では、敵のスパウニング（発生）はできない。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

185. 敵出現領域背後前方 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 前方と背後のプレイヤー群から見えてない部屋に、モンスターを発生させる。

186. モンスター・アイテム出現頻度敵の種類、アイテムの種類ごとに出現頻度が違うが、頻度に応じて発生させる。高頻度低頻度 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html Wandereｒs (高頻度) Mobs(中頻度) Special Infected (中頻度) Bosses (低頻度) Weapon Caches (低頻度) Scavenge Items (中頻度)

187. ボス出現アルゴリズム (1) Ｎ体を予想される逃走経路上に配置 (2) ３つの出現イベントパターン（何もいない、を含む）（例） Tank, Witch, 何もいない (3) 同じパターンのくり返しは禁止 (例) Witch, 何もいない、Witch はＯＫ。 Witch, Witch はだめ。何もいない Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html Tank Witch Witch Tank Witch Tank

188. 具体的なアルゴリズム (1) 各エリアに、出現数 N を決定する (2) 出現数Nは予想される逃走経路の長さと要求される密度によって計算される。 (3) あるエリアがAAS の中に入るとクリーチャーがN体生成される。 (4) そのエリアがAAS の外に出ると生成が中止され、クリーチャーは消滅される。 (5) Ｎはそのエリアがプレイヤーから見えている場合、或いは、プレイヤーがリラックスモードの場合には、強制的に０になる。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html

189. まとめメタＡＩは、ゲームの流れを動的に作るＡＩで、キャラクターＡＩ、イベントなどには命令だけを出す。これは明確に、メタＡＩと他のモジュールが独立した関係にあるから可能なこと。

190. まとめメタAIを入れ替えるだけで、ゲームコンテンツが入れ替えることができる。メタAIという軽い部分だけを配信することで、コンテンツを入れ替えることが可能になる。

191. 参考文献 (1) Michael Booth, "Replayable Cooperative Game Design: Left 4 Dead," Game Developer's Conference, March 2009. (2) Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html (3) 三宅陽一郎, “メタAI”,「デジタルゲームの技術」 P.186-190, ソフトバンククリエイティブ

193. 第七章プロシージャルとは？

194. プロシージャル技術ゲームAI技術 AI技術プロシージャル技術コンテンツ自動生成技術（PCG, Procedural Contents Generation ）

195. Rogue (1980)のレベル生成法 Rect[0] Rect[0] Rect[1] Rect[0] Rect[1] Rect[2] Rect[3] http://racanhack.sourceforge.jp/rhdoc/intromaze.html

196. Rogue (1980)のダンジョン生成法 Rect[0] Rect[0] Rect[1] Rect[0] Rect[1] Rect[2] Rect[3] このようにアセット（ゲームのデータ）をツールなどを通して製作するのではなく、プログラムで作ることを「プロシージャル・コンテンツ・ジェネレーション」（PCG）と言う。 http://racanhack.sourceforge.jp/rhdoc/intromaze.html

197. ブラウン運動ロバート・ブラウン博士によって、１８２７年に発見された現象。微粒が媒質（液体）の中で行う不規則な運動。アインシュタイン博士によって、熱運動する媒質の不規則な衝突によって引き起こされると説明された。 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95

198. ブラウン運動から地形生成ロバート・ブラウン博士によって、１８２７年に発見された現象。微粒が媒質（液体）の中で行う不規則な運動。アインシュタイン博士によって、熱運動する媒質の不規則な衝突によって引き起こされると説明された。 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 宮田一乗「プロシージャル技術の動向」（CEDEC 2008）

199. ブラウン運動から地形生成 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 https://www.youtube.com/watch?v=m4JDNzwFZFI

200. ブラウン運動から地形生成 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 http://www.kenmusgrave.com

201. ブラウン運動から地形生成 http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95 http://www.kenmusgrave.com

202. ゲームのデータ作成 • マニュアル＝手作業（操作）で作る。 • プロシージャル（自動生成）＝計算によって創るプロシージャル比率＝データ総生産量自動生成したデータ生産量

203. ゲームの規模とプロシージャルの比率 1985年ゲームの規模プロシージャル比率中型作りこみゲーム小型作りこみゲーム中型自動生成ゲーム小型自動生成ゲームメモリも少ないので、ゲーム起動時に計算でデータを作りたい

204. Elite (1980, BBC) 宇宙を自動生成 https://en.wikipedia.org/wiki/Elite_(video_game)

205. ゲームの規模とプロシージャルの比率 1995年ゲームの規模プロシージャルの比率大型作りこみゲーム中型作りこみゲーム小型作りこみゲーム中型自動生成ゲームこれからはグラフィックの時代だ。ツールも充実。どんどん、作りこみで作って行こう。

206. トルネコの大冒険（チュンソフト、1993） • ダンジョンを自動生成する。

207. ゲームの規模とプロシージャルの比率 2015年ゲームの規模プロシージャルの比率最近のAAA ゲーム少し前の AAAゲーム技術系インディーゲームソーシャルゲーム計算パワーも、容量もふんだんにある。一つの大きな世界（オープンワールド）を計算とデータで作り上げよう。

208. NO MAN’S SKY (Hello Games, 2016) http://www.no-mans-sky.com/ 宇宙、星系、太陽系、惑星を自動生成する。

209. ゲームの規模とプロシージャルの比率ゲームの規模プロシージャル比率

210. • 固定データ＝どんどん更新不可能になる。 • プロシージャル＝計算により可変。プロシージャルはゲームを柔らかくする。リアルタイムに可変なコンテンツを作る。ゲームの規模とプロシージャルの比率

211. http://www.desura.com/engines/dunia FarCry3 におけるプロシージャル技術

212. FarCry2 におけるプロシージャル技術 50km四方のマップを作るオブジェクト（草木）＆アニメーションデータを自動生成

213. FarCry2 (Dunia Engine ) デモ草原自動生成時間システム樹木自動生成動的天候システム動的天候システム http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm

215. 第八章現代のメタＡＩ

216. 現代のメタAI より積極的にゲームに干渉する。メタAI 敵配位敵スパウニングストーリーレベル動的生成ユーザー

217. 現代のメタAI より積極的にゲームに干渉する。メタAI 敵配位敵スパウニングストーリーレベル動的生成ユーザープロシージャル技術

218. Procedural Generation in WarFrame • Warframe ではダンジョンが自動生成される。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

219. Black Combination in WarFrame • ブロックを組み合わる • 完全に零からの生成ではない。このような生成のことを Semi-procedural と言う。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

220. WarFrame における自動生成マップの自動解析による自動骨格抽出 • 自動生成するだけでなく、自動生成したダンジョンを、自動解析します。ここでは、トポロジー（形状）検出を行います。

221. WarFrame における自動生成マップの自動解析によるナビゲーションデータ作成抽出した骨格に沿って自動的にナビゲーション・データを作成します。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

222. スタートポイント、出口、目的地の自動生成 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

223. ヒートマップ（影響マップ）を用いてゲーム中にプレイヤーの周囲を自動解析 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed ヒートマップ（影響マップ）とは、対象（ここではプレイヤー）を中心に、位置に温度（影響度）を与える方法です。距離に応じて減衰します。また時間が経つと、周囲に熱が拡散します。

224. Tactical Map の例 (影響マップ) （例）敵と自分の勢力をリアルタイムに計算する。 4 6 8 8 8 8 6 4 2 0 -1 -2 -4 -4 -4 -2 4 6 8 8 8 8 4 2 1 0 -2 -4 -4 -2 4 6 8 8 8 6 3 1 0 -2 -4 -4 -4 -2 4 6 8 8 8 6 6 4 1 0 -2 -4 -4 -2 2 4 6 8 6 6 4 4 0 -1 -2 -4 -4 -4 -2 1 2 4 6 6 4 2 2 -4 -5 -3 -3 -4 -4 -2 -1 3 3 3 3 4 2 2 0 -4 -5 -5 -8 -8 -6 -4 -2 3 3 2 2 2 0 -2 -4 -8 -10 -10 -8 -4 -2 3 3 3 2 2 1 0 -4 -8 -10 -10 -8 -8 -4 -2 2 2 2 2 1 1 0 -3 -8 -10 -10 -8 -8 -4 -2 1 1 1 1 0 0 -2 -4 -8 -8 -8 -8 -8 -8 -8 -8 0 0 0 0 0 -1 -1 -2 -5 -6 -6 -6 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -4 -4 -4 -6 -8 -8 -8 -8 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 0 0 0 0 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1

225. ヒートマップ（影響マップ）を用いてゲーム中にプレイヤーの周囲を自動解析「ヒートが増加する＝プレイヤーが近づく点」「ヒートが減少する＝プレイヤーが遠ざかる点」 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

226. アクティブ・エリアセット（Active Are Set） Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed アクティブ・エリアセットは、プレイヤーの周囲の領域で、リアルタイムにメタAIがゲームを調整する領域

227. メタAIがアクティブ・エリアセット内でゲームを調整する「ヒートが増加する＝プレイヤーが近づく点」なので、モンスターを生成する。「ヒートが減少する＝プレイヤーが遠ざかる点」なので、モンスターを停止する。 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

228. メタAI （AI Director,）による動的ペース調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

229. メタＡＩ（自動適応ペーシング）メタAI （AI Director,）による動的ペース調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

230. メタAIによる出会うモンスターの数の大域調整 Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015) http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed プレイヤーのスタート地点から出口までの道のりで、コンスタントにモンスターと出会うようにする。

231. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/

241. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/ Future Work

242. FarCry 4 の事例 Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/ Future Work

243. Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/ FarCry 4 の事例Future Work

244. これからのゲームの作り方オープンワールドプロシージャル（自動生成）適応型的AI （自動AI配置、自動ミッション生成）

245. これからのゲームの作り方オープンワールドプロシージャル（自動生成）適応型的AI （自動AI配置、自動ミッション生成）これからのゲームは、広大なで多様なフィールドを持ちつつ、稠密なゲームプレイを提供できるようなサービスとなる。（低コストで）

247. 第九章キャラクターAI

248. 原始の海＋光＋熱＋稲妻 http://www.yunphoto.net/jp/photobase/yp2863.html

249. 世界外と内の交流エネルギーE をゲットアクション・老廃物物質的な次元のお話。

250. 世界外と内の交流＝非平衡系エネルギーE をゲットアクション・老廃物物質的な次元のお話。内部構造を持つ。（そして内部構造が維持される）

251. 世界生物の特徴＝代謝機能を持つ物質的な次元のお話。内部構造を持つ。 INPUT OUTPUT 代謝機能（内部処理）代謝とは、外から得た物質を化学的に高いエネルギー状態から、低い状態へ還元することで、エネルギーを得ると同時に、自分自身の体をそれによって組み換えて行くこと。

252. 世界外と内の交流＝散逸構造極めてメカニカルな次元。内部構造を持つ。 INPUT OUTPUT 代謝機能生命は散逸構造で、エネルギーを獲得し、自己組織化するので、構造を持ち保てる。

253. 世界存在ってなんだろう？極めてメカニカルな次元。内部構造を持つ。 INPUT OUTPUT 代謝機能生き物の体を構成する分子は常に入れ替わっている。世界の外部と内部を循環によって入れ替えることで、生き物は世界の中で世界を結びついているのだ。

254. 世界外と内の交流＝散逸構造 INPUT OUTPUT

255. 世界物質的循環物質物理的INPUT 物理的OUTPUT 生理的代謝機能

256. 世界情報的循環情報INPUT INFORMATION OUTPUT INFORMATION 情報処理＝情報代謝（つまり思考）物質的存在としての身体がそうであるように、情報的存在として人間は、情報を摂取し、記憶し（＝情報体としての自分を組み換え）、情報をアウトプット・排泄する。

257. 世界情報的・物質的循環物質物理的OUTPUT 代謝機能情報INPUT INFORMATION OUTPUT INFORMATION 情報処理＝情報代謝（つまり思考）生理的代謝機能物理的INPUT

258. 人工知能へ

259. 世界情報的・物質的循環物質物理的OUTPUT 代謝機能情報INPUT INFORMATION OUTPUT INFORMATION 情報処理＝情報代謝（つまり思考）生理的代謝機能物理的INPUT

260. キャラクターの知能を表現する世界 http://piposozai.blog76.fc2.com/

261. 知能身体キャラクターを表現する世界記憶

262. 知能身体キャラクターを表現する世界記憶五感身体言語知識表現型センサー・物理

263. 知能身体キャラクターを表現する世界記憶五感身体言語知識表現型センサー・物理知識生成 Knowledge Making

264. 身体キャラクターを表現する世界記憶五感身体言語知識表現型センサー・物理知識生成 Knowledge Making 意思決定 Decision Making

265. 身体キャラクターを表現する世界記憶五感身体言語知識表現型センサー・。物理知識生成 Knowledge Making 意思決定 Decision Making 運動生成 Motion Making

266. 身体キャラクターを表現する世界記憶五感身体言語知識表現型センサー・物理知識生成 Knowledge Making 意思決定 Decision Making 運動生成 Motion Making 身体・発話・情報発信エフェクター

267. 身体エージェント・アーキテクチャ世界記憶五感身体言語知識表現型センサー・物理知識生成 Knowledge Making 意思決定 Decision Making 運動生成 Motion Making 身体・発話・情報発信エフェクター

268. 身体キャラクターを表現する世界記憶五感身体言語知識表現型センサー・物理知識生成 Knowledge Making 意思決定 Decision Making 運動生成 Motion Making 身体・発話・情報発信エフェクター

269. 身体キャラクターを表現する世界記憶五感身体言語知識表現型センサー・物理知識生成 Knowledge Making 意思決定 Decision Making 運動生成 Motion Making 身体・発話・情報発信エフェクターインフォメーション・フロー（情報回廊）内部循環インフォメーション・フロー（情報回廊）

270. 意思決定モデルステート（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 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 「○○-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 リアクティブ非リアクティブ意思決定シミュレーションベース AI Simulation-based AI 実際の静物の意思決定というものは非常に高度で複雑なプロセス。いくつかの簡易モデルが存在する。

271. ルールベース意思決定 Rule-based decision making 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 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 シミュレーションベース AI Simulation-based AI

272. IF （前置宣言文） then （後置宣言文）ルールベース意思決定 Rule-based Decision Making ルールここでは、この形式の制御文をルールと言う。もちろん、IF ( … IF (.... IF… ) ) ) のような入れ子構造の制御文もルールベースと呼ぶが、ルールベースと言えば、基本的には、ルールを１つの単位として、意思決定を行う、という意味となる。

273. 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。戦略思考、キャラクターの挙動などでよく使われる。 Priority: - 制御ルール＝ IF （行動条件文） then （動作命令文）

274. (例) ルール制御 ID 0 : IF …. THEN … ID 1 : IF …. THEN … ID 3 : IF …. THEN …. ID 4 : IF …. THEN … ID .. : ID 5 : IF …. THEN … Priority: 3Priority: 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。戦略思考、キャラクターの挙動などでよく使われる。 Priority: - 制御思考ルール＝ IF （行動条件文） then （動作命令文）

275. ステートベース意思決定 State-based decision making ステート（状態）ベースAI ゴール（目標）ベースAI ビヘイビア（振る舞い）ベース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 シミュレーションベース AI Simulation-based AI ルール（規則）ベースAI

276. ステート・マシンステートステートステートステートマシン（有限状態マシン）ステートに自分への命令、遷移条件に世界と自分の状況の変化を書く。ループ構造により、フィードバック構造はない。

277. プレイヤーを待ち構えるAI ２体の敵キャラクターが哨戒していて、一人のプレイヤーが部屋に入って来る。 http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/

278. ステート・マシンステートマシン（有限状態マシン）ステートに自分への命令、遷移条件に世界と自分の状況の変化を書く。ループ構造により、フィードバック構造はない。待機攻撃パトロール

279. 警戒追跡追いかける攻撃する威嚇攻撃味方に指示出口をかためる味方を呼ぶ味方がいないかつ戦闘範囲外味方と合流味方と合流味方がいる見失う見える見失う見つける巡回する１０秒経つ物音を聴く応答がきた階層型ステート・マシン

280. ゴールベース意思決定 Goal-based decision making ステート（状態）ベースAI ゴール（目標）ベースAI ビヘイビア（振る舞い）ベース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 シミュレーションベース AI Simulation-based AI ルール（規則）ベースAI

281. ゴールベースAI (Goal-Based AI) ゴール（目標）を単位として構築する方法ゴール・ファースト＝まずゴールを決める。しかるのちにゴールを達成するための行動をデザインする。ゴールゴールを達成するために必要なことを考える思考行動

282. ２つのゴールベースゴールベース連鎖プランニング階層型ゴールプランニング

283. ゴールベース意思決定連鎖プランニング階層型プラン二ング Goal-based decision making

284. F.E.A.R.におけるゴール指向プランニング  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

285. 統一事実記述形式統一事実記述形式場所方向感覚オブジェクト情報取得時刻未公開場所 (位置、信頼度) 方向（方向、信頼度）感覚のレベル（感覚の種類、信頼度）オブジェクト（ハンドル、信頼度）情報取得時刻キャラクター事件欲求任務パスオブジェクト全て以下の形式（フォーマット）で記述する。ノード全部で本当は１６個の属性がある Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt

286. 自分の記憶領域に認識した事実を蓄積する Worlking Memory Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt

287. プランニングのための知識シンボルエージェントの認識する世界をもっとシンプルに表現したい各エージェントについて（Agent-centric）上記のシンボルは、対象とするエージェントについての情報。 kSymbol_AtNode どのノードにいるか kSymbol_TargetIs AimingAtMe どのノードにいるか kSymbol_ WeaponArmed 武装しているか kSymbol_ WeaponLoaded 装填されているか kSymbol_Target IsSuppressed 威嚇されているか kSymbol_ UsingObject オブジェクトを使っているか？ kSymbol_ TargetIsDead 死んでいるか kSymbol_ RidingVehicle 乗り物に乗っているか kSymbol_AtNodeType どんなタイプのノードにいるか２０個のシンボルで世界を集約して表現する Jeff Orkin, “3 States and a Plan: The AI of F.E.A.R.", http://web.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.zip

288. シンボル kTargetAtme = ture この兵士Ｂは自分を狙っているkTargetIsDead = ture この兵士Ａは死んだ kWeaponIsLoaded = false 私Ｃの武器は装填済みでない Jeff Orkin, “3 States and a Plan: The AI of F.E.A.R.", http://web.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.zip

289. F.E.A.R.のプランニング② シンボルによる連鎖プランニングターゲットＡが死んでいるターゲットＡが死んでいる攻撃武器が装填されている武器が装填されている装填する武器を持っている武器を持っている武器を拾う条件なしプラナープランニング

290. ゴールベース意思決定連鎖プランニング階層型ゴールプラン二ング Goal-based decision making

291. 一つのゴールはより小さなゴールから組み立てられる Goal Goal Goal Goal

292. ゴールはより小さなゴールから組み立てられる Goal Goal Goal Goal Goal Goal Goal Goal Goal

293. クロムハウンズにおけるプランニング階層型ゴール指向型プランニング戦略、戦術から、局所的戦闘までの幅広い戦いができる必要がある

294. 階層型ゴール指向型プランニングとは？

295. 一つのゴールはより小さなゴールから組み立てられる Goal Goal Goal Goal

デジタルゲームにおける 人工知能のワークフローと導入フロー

Youichiro Miyake