Enviar búsqueda
Cargar
人工知能は人狼の夢を見るか-日本デジタルゲーム学会年次大会2013@函館
•
Descargar como PPTX, PDF
•
18 recomendaciones
•
7,102 vistas
Fujio Toriumi
Seguir
日本デジタルゲーム学会年次大会2013@はこだて未来大学 で発表した発表資料です. 一部紹介できなかったスライドも入れています.
Leer menos
Leer más
Entretenimiento y humor
Denunciar
Compartir
Denunciar
Compartir
1 de 31
Descargar ahora
Recomendados
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
Kenshi Abe
スマートフォン・タブレット UIガイドライン
スマートフォン・タブレット UIガイドライン
MultiDeviceLab
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
Yoichi Motomura
形態素解析も辞書も言語モデルもいらないend-to-end音声認識
形態素解析も辞書も言語モデルもいらないend-to-end音声認識
Tomoki Hayashi
フリーソフトウェアを通じた多変量解析講習
フリーソフトウェアを通じた多変量解析講習
h_yama2396
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
Shota Imai
Recomendados
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
Kenshi Abe
スマートフォン・タブレット UIガイドライン
スマートフォン・タブレット UIガイドライン
MultiDeviceLab
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
Yoichi Motomura
形態素解析も辞書も言語モデルもいらないend-to-end音声認識
形態素解析も辞書も言語モデルもいらないend-to-end音声認識
Tomoki Hayashi
フリーソフトウェアを通じた多変量解析講習
フリーソフトウェアを通じた多変量解析講習
h_yama2396
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
Shota Imai
Pythonが動く仕組み(の概要)
Pythonが動く仕組み(の概要)
Yoshiaki Shibutani
敵対的学習に対するラデマッハ複雑度
敵対的学習に対するラデマッハ複雑度
Masa Kato
合成変量とアンサンブル:回帰森と加法モデルの要点
合成変量とアンサンブル:回帰森と加法モデルの要点
Ichigaku Takigawa
[DL輪読会]“Highly accurate protein structure prediction with AlphaFold”
[DL輪読会]“Highly accurate protein structure prediction with AlphaFold”
Deep Learning JP
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
The Japan DataScientist Society
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
独立成分分析とPerfume
独立成分分析とPerfume
Yurie Oka
第五回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
Daisuke Yoneoka
[DL輪読会]マテリアルズインフォマティクスにおける深層学習の応用
[DL輪読会]マテリアルズインフォマティクスにおける深層学習の応用
Deep Learning JP
Cv20160205
Cv20160205
Takanori Ogata
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
Satoshi Hara
2018年01月27日 TensorBoardによる学習の可視化
2018年01月27日 TensorBoardによる学習の可視化
aitc_jp
クラシックな機械学習の入門 8. クラスタリング
クラシックな機械学習の入門 8. クラスタリング
Hiroshi Nakagawa
Rでコンジョイント分析
Rでコンジョイント分析
osamu morimoto
Noisy Labels と戦う深層学習
Noisy Labels と戦う深層学習
Plot Hong
cvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tips
cvpaper. challenge
ベータ分布の謎に迫る
ベータ分布の謎に迫る
Ken'ichi Matsui
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII
集団スポーツの戦術に関するデータ解析手法
集団スポーツの戦術に関するデータ解析手法
Keisuke Fujii
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
Fujio Toriumi
人狼知能セミナー資料20160507
人狼知能セミナー資料20160507
Fujio Toriumi
Más contenido relacionado
La actualidad más candente
Pythonが動く仕組み(の概要)
Pythonが動く仕組み(の概要)
Yoshiaki Shibutani
敵対的学習に対するラデマッハ複雑度
敵対的学習に対するラデマッハ複雑度
Masa Kato
合成変量とアンサンブル:回帰森と加法モデルの要点
合成変量とアンサンブル:回帰森と加法モデルの要点
Ichigaku Takigawa
[DL輪読会]“Highly accurate protein structure prediction with AlphaFold”
[DL輪読会]“Highly accurate protein structure prediction with AlphaFold”
Deep Learning JP
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
The Japan DataScientist Society
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
独立成分分析とPerfume
独立成分分析とPerfume
Yurie Oka
第五回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
Daisuke Yoneoka
[DL輪読会]マテリアルズインフォマティクスにおける深層学習の応用
[DL輪読会]マテリアルズインフォマティクスにおける深層学習の応用
Deep Learning JP
Cv20160205
Cv20160205
Takanori Ogata
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
Satoshi Hara
2018年01月27日 TensorBoardによる学習の可視化
2018年01月27日 TensorBoardによる学習の可視化
aitc_jp
クラシックな機械学習の入門 8. クラスタリング
クラシックな機械学習の入門 8. クラスタリング
Hiroshi Nakagawa
Rでコンジョイント分析
Rでコンジョイント分析
osamu morimoto
Noisy Labels と戦う深層学習
Noisy Labels と戦う深層学習
Plot Hong
cvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tips
cvpaper. challenge
ベータ分布の謎に迫る
ベータ分布の謎に迫る
Ken'ichi Matsui
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII
集団スポーツの戦術に関するデータ解析手法
集団スポーツの戦術に関するデータ解析手法
Keisuke Fujii
La actualidad más candente
(20)
Pythonが動く仕組み(の概要)
Pythonが動く仕組み(の概要)
敵対的学習に対するラデマッハ複雑度
敵対的学習に対するラデマッハ複雑度
合成変量とアンサンブル:回帰森と加法モデルの要点
合成変量とアンサンブル:回帰森と加法モデルの要点
[DL輪読会]“Highly accurate protein structure prediction with AlphaFold”
[DL輪読会]“Highly accurate protein structure prediction with AlphaFold”
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
独立成分分析とPerfume
独立成分分析とPerfume
第五回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
[DL輪読会]マテリアルズインフォマティクスにおける深層学習の応用
[DL輪読会]マテリアルズインフォマティクスにおける深層学習の応用
Cv20160205
Cv20160205
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
2018年01月27日 TensorBoardによる学習の可視化
2018年01月27日 TensorBoardによる学習の可視化
クラシックな機械学習の入門 8. クラスタリング
クラシックな機械学習の入門 8. クラスタリング
Rでコンジョイント分析
Rでコンジョイント分析
Noisy Labels と戦う深層学習
Noisy Labels と戦う深層学習
cvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tips
ベータ分布の謎に迫る
ベータ分布の謎に迫る
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
集団スポーツの戦術に関するデータ解析手法
集団スポーツの戦術に関するデータ解析手法
Destacado
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
Fujio Toriumi
人狼知能セミナー資料20160507
人狼知能セミナー資料20160507
Fujio Toriumi
人狼知能プロジェクト・プロトコル解説
人狼知能プロジェクト・プロトコル解説
Hirotaka Osawa
The bursty dynamics of the twitter information network
The bursty dynamics of the twitter information network
Shohei Usui
人狼知能セミナー資料20160427
人狼知能セミナー資料20160427
Fujio Toriumi
Multiplex_Network_usui
Multiplex_Network_usui
Shohei Usui
Decision generalisation from game logs in no limit
Decision generalisation from game logs in no limit
kengo009
Yet Another ShortShort AI
Yet Another ShortShort AI
Fujio Toriumi
'Multilayer Networks' Section3
'Multilayer Networks' Section3
Motoka Fukui
AI Wolf Contest -Development of Game AI using Collective Intelligence-
AI Wolf Contest -Development of Game AI using Collective Intelligence-
Fujio Toriumi
人狼知能コンテストとは何か
人狼知能コンテストとは何か
Fujio Toriumi
ネットコミュニケーションにおけるリスク分析
ネットコミュニケーションにおけるリスク分析
Fujio Toriumi
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
Fujio Toriumi
SNS とゲーム理論~人はなぜ投稿するのか?~
SNS とゲーム理論~人はなぜ投稿するのか?~
Fujio Toriumi
人狼知能プログラミング演習資料2015
人狼知能プログラミング演習資料2015
Kosuke Shinoda
金融情報における時系列分析
金融情報における時系列分析
Fujio Toriumi
「人工知能」の表紙に関するTweetの分析・続報
「人工知能」の表紙に関するTweetの分析・続報
Fujio Toriumi
Destacado
(17)
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
人狼知能セミナー資料20160507
人狼知能セミナー資料20160507
人狼知能プロジェクト・プロトコル解説
人狼知能プロジェクト・プロトコル解説
The bursty dynamics of the twitter information network
The bursty dynamics of the twitter information network
人狼知能セミナー資料20160427
人狼知能セミナー資料20160427
Multiplex_Network_usui
Multiplex_Network_usui
Decision generalisation from game logs in no limit
Decision generalisation from game logs in no limit
Yet Another ShortShort AI
Yet Another ShortShort AI
'Multilayer Networks' Section3
'Multilayer Networks' Section3
AI Wolf Contest -Development of Game AI using Collective Intelligence-
AI Wolf Contest -Development of Game AI using Collective Intelligence-
人狼知能コンテストとは何か
人狼知能コンテストとは何か
ネットコミュニケーションにおけるリスク分析
ネットコミュニケーションにおけるリスク分析
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
SNS とゲーム理論~人はなぜ投稿するのか?~
SNS とゲーム理論~人はなぜ投稿するのか?~
人狼知能プログラミング演習資料2015
人狼知能プログラミング演習資料2015
金融情報における時系列分析
金融情報における時系列分析
「人工知能」の表紙に関するTweetの分析・続報
「人工知能」の表紙に関するTweetの分析・続報
人工知能は人狼の夢を見るか-日本デジタルゲーム学会年次大会2013@函館
1.
デジタルゲーム学会@函館 2014/03/09 人工知能は人狼の夢を見るか? ~人狼知能プロジェクト~ 鳥海不二夫,梶原健吾,稲葉通将 大澤博隆,片上大輔 篠田孝祐,西野順二
2.
恐ろしい夜がやってきました • この村には,人間の姿に化けられる人喰い人 狼が潜んでいる • 人狼は人間と同じ姿をしており,昼間には区 別がつかず,夜になると村人たちを一人ずつ 襲っていく •
村人たちは疑心暗鬼になりながら,話し合い によって人狼と思われる人物を1人ずつ処刑 していくことにした・・・ 「汝は人狼なりや」カバーストーリー
3.
コンピュータvs人間の歴史 • 1997年チェス – ディープブルーがチェスチャンピオンに勝利 •
2013年将棋 – コンピュータがプロ棋士に勝利 • 2050年サッカー – ロボットによるチームが ワールドカップ優勝チームに勝利(予定)
4.
完全ゲームvs不完全ゲーム • 完全情報ゲーム – お互いの情報が完全に与えられているゲーム –
将棋,囲碁,チェスなど – すでにコンピュータが人間を上回るものが多い • 不完全情報ゲーム – ゲーム情報が完全には与えられていないゲーム – 推論の対象が多岐にわたる – 定型的な研究の場は少ない
5.
人狼知能プロジェクト • 「人間と自然なコミュニケーションを取りながら 人狼をプレイできるエージェントの構築」 – より高度な知能の創出 –
より高度なコミュニケーションの実現 新しいエージェントの 標準問題として
6.
人狼とは(1/3) • 村人に隠れた人狼を見つけ出す • 人間13人vs人狼3匹 •
勝利条件 – 村人陣営:人狼を全員処刑する – 人狼陣営:村人陣営の数を人狼以下にする • 与えられる情報 – 村人には自分の役のみ(誰が人狼であるかは不 明) – 人狼陣営には誰が人狼の情報 6
7.
人狼とは(2/3) • 誰が人狼かを一定時間の対話で推測 • 各ターンごとに以下の行動が可能 –
全体:人狼と疑わしいプレイヤー1人を追放 – 人狼:毎晩一人村人を襲撃(ゲームから脱落) • 村人:会話をヒントに人狼を追放 • 人狼:追放されないように村人 のフリをする
8.
人狼とは(3/3) • プレイヤー役職(能力) – 村人:能力無し –
占い師:毎ターン一人のプレイヤーが人狼かどうか 知ることが出来る – 霊媒師:前回追放したプレイヤーが人狼かどうか知 ることが出来る – 狩人:毎ターン一人を人狼の襲撃から守る – 人狼:毎ターン誰かを襲撃できる – 狂人:能力は無いが,人狼陣営に所属 • 能力を駆使して所属する陣営を勝利させる 8
9.
対面人狼・オンライン人狼 カード型人狼:パーティゲーム • 一試合十数分程度 オンライン型人狼:言語ゲーム – 短い会話で嘘がつけるか –
熟慮した発言が可能 • 顔が見える環境での競争 – 相手の性格や反応を見る • 狼同士の会話はジェスチャ • 一試合数日間 • キャラクターによる匿名化 – 性別や見た目の影響排除 • 狼同士の会話を平衡で行う – コミュニケーションミスの排除
10.
不完全情報ゲームとしての人狼 • 人狼のゲーム性 – 場に与えられた情報の非対称性 •
人狼は村人より多くの情報を持つ – 説得・協調 • 相手に情報を与えて信頼を得る – 思考の多段階の予測 • 自分がこう思っていると相手が思っているだろう • コンピュータと人の対戦自体にまだ壁が存在 – 思考だけでは無い様々な課題
11.
人狼ゲームの特徴 1. 客観視点での情報不確定性 – 完全情報ゲームとの違い
12.
人狼ゲームの特徴 2. 推理:他者の意図のモデル化 – 文脈からの真偽の判断 –
重み付けは各プレイヤーが行う
13.
人狼ゲームの特徴 3. 説得:他者から見た 自己のモデル化
14.
人狼知能実現のための課題 • エージェントの対話プロトコル設計 • 推論と思考 –
モデル化した行動(自分は占い師と名乗る,誰々は人狼 だと思うと指摘する,など)の思考 – 他人の行動の理解 – 戦略の構築(強化学習,データ分析) • 自然言語処理 – プロトコル上の行動の自然言語化,自然言語の理解 • ヒューマン・エージェント・インタラクション(HAI) – エージェントインターフェースの実装 – 映像や音声による表現 • エージェント同士を競わせるプラットフォームの開発
15.
人狼知能実現のための課題 • エージェントの対話プロトコル設計 • 推論と思考 –
モデル化した行動(自分は占い師と名乗る,誰々は人狼 だと思うと指摘する,など)の思考 – 他人の行動の理解 – 戦略の構築(強化学習,データ分析) • 自然言語処理 – プロトコル上の行動の自然言語化,自然言語の理解 • ヒューマン・エージェント・インタラクション(HAI) – エージェントインターフェースの実装 – 映像や音声による表現 • エージェント同士を競わせるプラットフォームの開発
16.
人狼プロトコルの開発 • 自然言語は扱いが難しい • 人狼で行われる会話を モデル化した言語設計 –
プログラムに扱える 範囲で、かつ記述可能 な範囲をなるべく広げる
17.
人狼プロトコルの例 • 「Matsubaraさんは人狼でしょう」 – declare
90% (Matsubara wolf) : Matsubaraが人狼で あると90%確信 • 「その意見には反対だな」 – agree 0% (speech 10) :10番目の会話に同意しない • 「Matsubaraさんは処刑しましょう.人間とは思え ないですし」 – Request any 90% (execute Matsubara) because declare 20% (Matsubara humanside) 18
18.
人狼対戦サーバ • 人狼知能をエージェントとして互いに対戦可 能なサーバ • 将来的には人間との対戦も実現 翻訳 モジュール 人狼サーバ 人狼 プロトコル 人狼プロ トコル 人狼 プロトコル 自然言語 感情表現 モジュール 表情
19.
人狼サーバにおけるゲームの流れ ゲーム開始 • 会話 • 会話 •
投票 • 能力者の行動決定 ゲーム終了 • 吊り、襲撃処理 • 占、霊へ情報提供 • 勝敗処理
20.
人狼サーバにおける会話の流れ 1日の始まり 話し合い開 始 人狼の話し合い 共鳴者の会話 話し合いに参加するエージェ ントの並び替え(ランダム) エージェントによる発話 全員の話し合い 人狼エージェントによる 発話 人狼の 話し合い まだ喋 る 会話終了 YES NO 話し合い終 了
21.
人工知能は人狼を夢を見るか • 人工知能エージェントによる人狼の対戦 – 人工知能は人狼をプレイ可能か –
人工知能は人狼を学習可能か • 提案プロトコル・サーバを用いて確認 – 村人陣営,人狼陣営双方のエージェントを作成 – お互いを対戦させ,学習を行う – 最終的に得られた戦略を評価
22.
シンプルな人狼のモデル化 • 人狼のシンプル化 – 発話:特に必要な発話のみ •
役職のカミングアウト • 能力によって得られた情報の共有 • 疑っている対象の報告 – 疑い度:プレイヤーの状態から人狼らしさを推測 • Q学習を用いて戦略を学習 ? ! Q 23
23.
学習内容 • 襲撃,処刑等の対象選択方法 • 発話内容 •
人狼側が嘘をついて装う役職 • プレイヤーの疑い度 24
24.
結果(1/3) • 学習の有無による人間側の勝率の変化 人狼・学習無 人狼・学習有 人間・学習無 38.6% 22.3% 人間・学習有 52.9% 36.4% 戦略の学習によって 勝率の向上が得られた 25
25.
結果(2/3) • 人狼側の戦略ごとの人間側の勝率の変化 • 実データと比較して高い相関(0.766) →人間に近い戦略の学習に成功 26
26.
結果(3/3) • 上級者が用いる手法の発見 – 生き残り人数が5人の時、襲撃における最適戦略 ↓ “誰も襲わない” 高度な戦略の学習が可能であることを発見 27
27.
結論 • 人工知能の標準問題としての人狼 – 不完全情報ゲーム • • • • 人狼知能プロジェクトの提案 人狼プロトコルの開発 人狼対戦サーバの開発 シンプルなゲームにおける学習のテスト –
人間同士による対戦に近い戦略を学習可能 – 上級者の用いる戦略も発見可能
28.
今後の方針 • 2014年度中に大会の実施 – 学習用のデータを準備 •
人狼BBSでプレーされた4778ゲームのデータ • 参加者には配布可能 – プロトコル,サーバの公開 – シンプルなプロトコルによる大会を実施 • 優秀なエージェントのゲームへの実装 – ゲーム会社と交渉中 参加者募集中
29.
人狼知能実現のための課題 • エージェントの対話プロトコル設計 • 推論と思考 –
モデル化した行動(自分は占い師と名乗る,誰々は人狼 だと思うと指摘する,など)の思考 – 他人の行動の理解 – 戦略の構築(強化学習,データ分析) • 自然言語処理 – プロトコル上の行動の自然言語化,自然言語の理解 • ヒューマン・エージェント・インタラクション(HAI) – エージェントインターフェースの実装 – 映像や音声による表現 • エージェント同士を競わせるプラットフォームの開発
30.
詳細情報はこちら http://aiwolf.org/
31.
今後のスケジュール(予定) • 2014年3月 – プロトコル公開 •
2014年夏~秋 – プレテスト大会の実施 • 2015年3月 – 第一回大会実施 • 2015年夏 – 第一回国際大会の実施
Descargar ahora