人工知能とアート

人工知能とアート
三宅陽一郎
三宅陽一郎@miyayou
2020.9
https://www.facebook.com/youichiro.miyake
http://www.slideshare.net/youichiromiyake
y.m.4160@gmail.com

コンテンツ
• 第一章人工知能と創造性
• 第二章街の自動生成
• 第三章ニューラルネットワークによる自動生成
• 第四章 Pixar におけるAI技術の応用
• 第五章アニメーション自動生成
• 第六章物語自動生成

第一章人工知能と創造性

プロシージャルとは？

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 ）

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

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

ダンジョン生成法Rogue Clone
ローグライクゲーム
Rogue NetHack
棒倒し法
穴掘り法
壁延ばし法
Ishida So, 「迷路のプログラム」, 2005
迷路自動生成法
その他、いろいろな方がいろいろなところで独自のアルゴリズムを開発

迷路の自動的な作り方
• 穴掘り法
• 棒倒し法
• 壁伸ばし法

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。

アーロンのアルゴリズム
• 知識ベースの人工知能
＝閉曲線で描くことを学ぶ。
1981

(左) 学んだ知識から描く
（右）架空のものを学んだものから描く
19851983

前後関係を取れるようにする。
1986

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

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。
宮田一乗「プロシージャル技術の動向」（CEDEC 2008）

https://www.youtube.com/watch?v=m4JDNzwFZFI

http://www.kenmusgrave.com

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。

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

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

グラフィックス自動生成

プロシージャルの歴史: CG１９８０
フラクタル・イメージ
地形自動生成
植物自動生成
雲自動生成
フラクタル
幾何学
1975
SIGGRAPH 1987
フラクタル幾何学を基礎とした
プロシージャルなモデル生成
テクスチャ自動生成
3Dモデル生成
1997,2002
パリン・ノイズ
2Dモデル生成
1988 20031994
２０００１９９０
Terragen
natFX MAX
SpeedTree
Pro FX

フラクタルの思想
http://www.mt.crimea.com/climb/red_stone.htm

http://www.geocities.jp/tsushimanaika/_gl_images_/200605062144000.jpg

自然のパターンというのは、
同じ模様がスケールを変えてくり返されている
http://www.mt.crimea.com/climb/red_stone.htm http://image.blog.livedoor.jp/haglofsstore/imgs/5/8/58234b04.jpghttp://www.geocities.jp/tsushimanaika/_gl_images_/200605062144000.jpg

http://weblog.seki.net/image/20070118_0008_b.jpg

http://blog.so-net.ne.jp/photo-library/archive/c40380796

同じ模様をスケールを変えて重ねれば
自然のオブジェクトに見えるはずだ
http://wwwitblpg.kansai.jaea.go.jp/itblpg/resource/Fractal/topics/fractal_topics01.html

同じ模様をスケールを変えて重ねれば
自然のオブジェクトに見えるはずだ
フラクタルによるグラフィクス生成
http://en.wikipedia.org/wiki/Fractal

②グラフィックス自動生成
I. 地形自動生成
II. 植物自動生成
III. 雲自動生成
IV. パスデータ自動生成

地形自動生成
中点変位法
h
h/2
h/4
h/4
h/8
h/8
スケーリングに応じて、振れ幅を変えていく
フラクタルイメージ―理論とプログラミング (ハードカバー)
ハインツ・オットーパイトゲン(編集), ディートマーザウペ(編集), 山口昌哉(翻訳)
シュプリンガー・フェアラーク東京 (1990/08)
中点変位法によるフラクタル曲線の描画,
http://nis-lab.is.s.u-tokyo.ac.jp/~hasimoto/applet/CG/FractalLine.html

地形自動生成
Jacob Olsen, Realtime Procedural Terrain Generation
http://oddlabs.com/download/terrain_generation.pdf
２次元中点変位法ボロノイ図
ノイズ法（濃い＝低い、白い＝高い）
＋＝

Ken Musgrave
http://www.kenmusgrave.com/

Terragen(Planetside Software)
風景、自動生成生成ソフト
http://www.planetside.co.uk/terragen/
海外のゲームや映画の背景として利用されている

文字列からの地形自動生成
Darwinia(Introversion Software)
(1) ４人で製作
(2) ベッドルーム・プログラマー２人
(3) グラフィッカー０人
(4) ２００６年 Independent game festival 大賞
技術情報未公開
Introversion Software, "Procedural Content Generation", GameCareerGuide.com, 2007
小さなプロダクションでも
プロシージャルを使うことで
質の高い大きなゲームを
作ることができる可能性を
知らしめて、英語圏の
ゲーム関係者に衝撃と注目
を集めている
4gamers(体験版):http://www.4gamer.net/patch/demo/darwinia/darwinia.shtml

Age of Empires III における地形自動生成
西川善司, 「3DゲームファンのためのAGE OF EMPIRESエンジン講座(後編)こだわりの影生成と算術合成
されるディテール、次回作はXbox2?」, GAME Watch, 2005

References
(1) Jacob Olsen,Realtime Procedural Terrain Generation
http://oddlabs.com/download/terrain_generation.pdf
(2) Ken Musgrave
http://www.kenmusgrave.com
(3) Terragen(Planetside Software)
http://www.planetside.co.uk/terragen
(4) Introversion Software, "Procedural Content Generation",
GameCareerGuide.com, 2007
http://www.gamecareerguide.com/features/336/procedural_content_.php
(5)西川善司, 「3DゲームファンのためのAGE OF EMPIRESエンジン講座(後
編)こだわりの影生成と算術合成されるディテール、次回作はXbox2?」,
GAME Watch, 2005
http://watch.impress.co.jp/game%2Fdocs/20050313/aoe3.htm
Figures on the pages are from these references.

植物自動生成
Since 1968 A. Lindenmayer
L-system 文法規則構成要素 F,+,-,[,]
規則 F F[-F]F[+F][F]
F
0世代 1世代
F[-F]F[+F][F] F[-F]F[+F][F][- F[-F]F[+F][F]] F[-F]F[+F][F][+ F[-F]F[+F][F]][F[-F]F[+F][F]]
2世代
Ｆ - まっすぐ進む
＋３０度左回転ー３０度右回転 []内は個別のスタック
解釈
研究分野としては
人工生命、ＣＧにまたがる

植物自動生成
Since 1968 A. Lindenmayer
L-system 文法規則
構成要素 F,+,-,[,]
規則 F-> F[-F]F[+F][F]
F
0世代１世代
F[-F]F[+F][F]
２世代３世代４世代５世代
Simulating plant growth by Marco Grubert http://www.acm.org/crossroads/xrds8-2/plantsim.html

The Sketch L-System:
Global Control of Tree Modeling Using Free-form
Strokes
Takashi Ijiri, Shigeru Owada, Takeo Igarashi.
The Sketch L-System:
Global Control of Tree Modeling Using Free-form Strokes
http://www-ui.is.s.u-tokyo.ac.jp/~ijiri/SketchLSystem/index.html
L-system を用いて簡単な操作で木のモデルを作成するツール

デモ
The Sketch L-system
SG06_SketchLSystem
Takashi Ijiri, Shigeru Owada, Takeo Igarashi.
The Sketch L-System: Global Control of Tree Modeling Using Free-form Strokes
http://www-ui.is.s.u-tokyo.ac.jp/~ijiri/SketchLSystem/index.html

発展：確率的 L-system
構成要素 F,+,-,[,]
規則 F -> F[+F]F[-F]F 0.33
F -> F[+F]F 0.33
F -> F[-F] 0.33
植物以外に使えないだろうか？じっと見る
Simulating plant growth by Marco Grubert http://www.acm.org/crossroads/xrds8-2/plantsim.html
規則を変えればいろいろな模様が自動的に生成される

L-system によるダンジョン自動生成（三宅案）
variables : X Y F
constants : + −
start : FX
rules : (X → X+YF+),(Y → -FX-Y)
angle : 90°
http://en.wikipedia.org/wiki/L-system

L-system による街の自動生成
City Engine(central pictures)
Yoav I H Parish, Pascal Müller
http://www.centralpictures.com/ce/tp/paper.pdf
http://www.centralpictures.com/ce/
George Kelly, Hugh McCabe,
A Survey of Procedural Techniques for City Generation
http://www.gamesitb.com/SurveyProcedural.pdf

L-system による街の自動生成
City Engine(central pictures)
Yoav I H Parish, Pascal Müller

自動生成マップ
Introversion Software, "Procedural Content Generation", GameCareerGuide.com, 2007

技術者に大切なこと
一つのプロシージャル技術は、
一つの用途だけでなく、
自分のアイデア一つでいろいろな応用ができる

References
(1) Simulating plant growth by Marco Grubert
http://www.acm.org/crossroads/xrds8-2/plantsim.html
(2) L-System Wiki
http://en.wikipedia.org/wiki/L-system
(3) The Sketch L-System:
Global Control of Tree Modeling Using Free-form Strokes
http://www-ui.is.s.utokyo.ac.jp/~ijiri/SketchLSystem/index.html
(4) Yoav I H Parish, Pascal Müller
(5) City Engine(central pictures) http://www.centralpictures.com/ce/
(6) George Kelly, Hugh McCabe,
A Survey of Procedural Techniques for City Generation
http://www.gamesitb.com/SurveyProcedural.pdf
Figures on following pages are from these references.

Eldritch のプロシージャル/AI技術
3Dダンジョン自動生成。
（モジュールの組み合わせを計算する）
各部屋をモジュール化。
エネミー

部屋の中も自動生成。
制限付き。
Procedural Generation
with restriction.

スポーナーをグループ
化して管理。
ダンジョンで出て来る
各種類の敵、アイテム
の数が決まっている。
プレイヤーから一定距
離離れたスポーナーを
ランダムだが、場所に
よる優先選択。

https://www.youtube.com/watch?v=aFRqSJFp-I0

第三章
ニューラルネットワークによる自動生成

神経素子（ニューロン）とは？
入力
入力
入力
出力
入力
この中にはイオン（電解,Na+,K+）
溶液が入っていて、入力によって電圧が
高まると出力する仕組みになっています。
100mVぐらい
ニューラルネットワーク内シグナル伝達スピード 100(m/sec) … 案外遅
い
http://www.brain.riken.go.jp/jp/aware/neurons.html

ニューラルネットを理解しよう② 基本原理
http://www.pri.kyoto-u.ac.jp/brain/brain/11/index-11.html
医学的知識
http://www.biwako.shiga-u.ac.jp/sensei/mnaka/ut/sozai/ai.html
モデル化
数学的モデル
ニューロン人工ニューロン
入出力関係のグラフ入出力関係の関数（シグモイド関数）

ニューラルネットを理解しよう② 数学的原理
http://www.pri.kyoto-u.ac.jp/brain/brain/11/index-11.html
医学的知識
http://www.biwako.shiga-u.ac.jp/sensei/mnaka/ut/sozai/ai.html
モデル化
数学的モデル
ニューロン
人工ニューロン
入出力関係のグラフ入出力関係の関数（シグモイド関数）
ニューラルネットワーク
（ニューロンをつなげたもの）
道具はこれで全て。これで何ができるだろう？

ニューラルネットを理解しよう③ 数学的原理
数学的モデル
入力信号
＝繋がっている
ニューロンから
やって来ます
ウエイト（重み）
＝各ニューロン間の結合の強さ
「入力信号ｘ重み」＋「バイアス」（初期電位、適当な小さな値）
出力信号
(0~1の間)
バイアスをうまく調整して、
このセンシティブな領域に入力が集中するように
調整しよう！（ニューラルネットの技術的なコツ）

ニューラルネットを理解しよう③ 数学的原理
数学的モデル階層型ニューラルネットワーク
… 一方向にニューロンをつなげたもの
入力層隠れ層出力層
重み重み
最初に定義するもの＝ウエイト（重み）、バイアス
とりあえず全ての結合を定義しておく（ニューロン間の重みを０にすれば切れる）
数値の組み
が入ります
数値の組み
が出ます
これは３層の例だけど、
何層つなげてもよい
一旦定義してから変えることができないもの…全体の構造
変えることができるもの…ウエイト（重み）

生成系ニューラルネットワーク

生成系ニューラルネットワーク技術
GAN （一般敵対的ネット）
（ディープラーニング）
ニューロエヴォリューション
（進化的ニューラルネット）
逆伝播法

数学的モデル
数値の組み
が入ります
階層型ニューラルネットで学習とは、ある入力に対して特定の
出力（学習信号）になるようにウエイトを変化させることを言いま
す。
学習信号
実際の信号
誤差信号
① 手動で少しずつ勘を頼りに変えて行く。まず無理
② えらい人が考えた方法を使ってみる。誤差伝播法
伝播する
誤差信号
伝播する
誤差信号
どうやって？
ニューラルネットを理解しよう逆伝播法学習

数学的モデル
数値の組み
が入ります
教師信号と実際の出力の差を、ウエイトを調整する
ことで、縮めて行く。
学習信号
実際の信号
誤差信号
伝播する
誤差信号
伝播する
誤差信号
ニューラルネットの出力側から、誤差分を、後ろ側に分担して
負担するように、後ろのニューロンへ、そのニューロンが
詰める大きさを含んだ情報を伝播して行く。
誤差伝播法（Back Propagation Method）

数学的モデル教師信号と実際の出力の差を、ウエイトを調整する
ことで、縮めて行く。
伝播する
誤差信号
伝播する
誤差信号
ニューラルネットの出力側から、誤差分を、後ろ側に分担して
負担するように、後ろのニューロンへ、そのニューロンが
詰める大きさを含んだ情報を伝播して行く。
誤差伝播法（Back Propagation Method）
信号絵
画家: ジャスパー・フランシス・クロプシー
Painter: Jasper Francis Cropsey
タイトル: ポンプトン・プレインズ

⑤ニューラルネットワークの構造が進化させる
「NEAT」の技術
Mat Buckland, Chapter 11, AI techniques for game programming, Premier Press, 2002
(実行ファイルとソースコードがCD-ROMにあります)
これまでニューラルネットは、最初に構造を定義した後は変化しなかった。
動的にニューラルネットの構造を変化させる技術
Neuron Evoluation of Augmenting Topologies (NEAT)

NEAT
回路の構成を遺伝子コードで表現する。
Weight: 1.2
From: 1
To: 3
Enabled: Y
Recurrent: N
Innovation: 1
Weight: -3
From: 1
To: 4
Enabled: Y
Recurrent: N
Innovation: 6
Weight: 0.7
From: 2
To: 4
Enabled: Y
Recurrent: N
Innovation: 2
Weight: -2.1
From: 3
To: 4
Enabled: Y
Recurrent: N
Innovation: 6
Weight: 1.1
From: 3
To: 5
Enabled: N
Recurrent: N
Innovation: 3
Weight: 0.8
From: 4
To: 5
Enabled: Y
Recurrent: N
Innovation: 4
Weight: -1
From: 5
To: 3
Enabled: Y
Recurrent: Y
Innovation: 7
ID: 1
Type: Input
ID: 2
Type: Input
ID: 3
Type: hidden
ID: 4
Type: hidden
ID: 5
Type: Output
2
1
4
3
5
つなぎ方を定義する遺伝子
ニューロンを定義する遺伝子
入力出力

NEAT
回路の構成を遺伝子コードで表現する。
Weight: 1.2
From: 1
To: 3
Enabled: Y
Recurrent: N
Innovation: 1
Weight: -3
From: 1
To: 4
Enabled: Y
Recurrent: N
Innovation: 6
Weight: 0.7
From: 2
To: 4
Enabled: Y
Recurrent: N
Innovation: 2
Weight: -2.1
From: 3
To: 4
Enabled: Y
Recurrent: N
Innovation: 6
Weight: 1.1
From: 3
To: 5
Enabled: N
Recurrent: N
Innovation: 3
Weight: 0.8
From: 4
To: 5
Enabled: Y
Recurrent: N
Innovation: 4
Weight: -1
From: 5
To: 3
Enabled: Y
Recurrent: Y
Innovation: 7
ID: 1
Type: Input
ID: 2
Type: Input
ID: 3
Type: hidden
ID: 4
Type: hidden
ID: 5
Type: Output
2
1
4
3
5
リンク（つなぎ方）を定義する遺伝子
ニューロンを定義する遺伝子
Innovation ID によってリンク、
ニューロンを全遺伝子共通の管理す
る。
無効
入力出力

NEATにおける交叉
親１
2
1
7
3
4
1
1->4
2
2->4
3
3->4
6
3->7
7
7->4
12
1->7
1
1->4
2
2->4
3
3->4
4
2->5
5
5->4
8
5->9
9
9->4
15
3->9
親２
2
1
3
95 4
Innovation ID
ID順に並べます。
1
1->4
2
2->4
3
3->4
1
1->4
2
2->4
3
3->4
4
2->5
5
5->4
6
3->7
7
7->4
8
5->9
9
9->4
12
1->7
15
3->9
交
叉
4
2->5
5
5->4
8
5->9
9
9->4
15
3->9
1
1->4
2
2->4
3
3->4

NEATにおける交叉
親１
2
1
7
3
4
1
1->4
2
2->4
3
3->4
6
3->7
7
7->4
12
1->7
1
1->4
2
2->4
3
3->4
4
2->5
5
5->4
8
5->9
9
9->4
15
3->9
親２
2
1
3
95 4
Innovation ID
交
叉
2
1
3
95 4
4
2->5
5
5->4
8
5->9
9
9->4
15
3->9
1
1->4
2
2->4
3
3->4
子供＝新しいニューラルネットワーク

エージェント・アーキテクチャー
身体
センサーエフェクター
ＮＰＣの知能部分
ゲーム世界
相互作用
時間
時間
知覚する行動する
機体
制御
交配の中で発展して行く

第３世代
第９２９世代
第１３６８世
代
左は俯瞰図（赤は衝突してしまってい
る）
右は適応度ベスト４のニューラルネット

https://arxiv.org/pdf/1410.7326.pdf

• Applying Evolutionary Algorithms to the Galactic Arms Race
• http://aigamedev.com/open/interviews/galactic-arms-race/
https://www.youtube.com/watch?v=N8q2uOwWcFc

第四章
PIXAR におけるAI技術の応用

第五章アニメーション自動生成

https://www.youtube.com/watch?v=Ul0Gilv5wvY

RAINWORLD におけるアニメーショ
ンの作り方

RAINWORLDとは？
• 動画
• ぐにゃぐにゃ
https://www.gdcvault.com/play/1023475/Animation-Bootcamp-Rainworld-Animation

何を生成するか？
文章
物語構造
コンセプト

何を生成するか？
文章
物語構造
コンセプト
メアリーは日曜日の朝、
起きると虫になっていた。
メアリーはそのことに特に
驚きもせず、ベッドから這い出て…
虫になる
起きる
這い出る
実存

あらすじ
第一章なぜ、人工知能に物語生成か？
第二章人工知能が何を生み出すか？
第三章文章生成アプローチ
（例）ＫＥＬＤＩＣ
第四章 TRPG的アプロ―チ
（例）人狼知能
第五章知識モデル・ソーシャルモデル
（例） The Sims
第六章作家ですのよ
第七章 Façade の事例
第八章プラン二ングによる物語生成
第九章メタＡＩによる物語生成
第十章まとめ

文章学習アプローチ
大量の文章
学習生成された文章

（例）KELDIC
• クロスボーダー「AI×言語解析」パネルディスカッ
ション（CEDEC 2014）
• https://cedil.cesa.or.jp/cedil_sessions/view/1224
• 講演資料より（上記で無料登録してダウンロード
できます）

KELDIC
• 機械学習によって応答を決定するプログラム
• Twitter上で会話中(@KELDIC) ←フォローしてください！

なめこと通じ合うKELDICの図

KELDIC で行っていること？
状況に応じたセリフ人間が付けた評価値 AIが付けた評価値
それはすごい！ 30 20
無茶するな。 15 49
本当にそう思う？ 15 1
わからないよ！ 1 4
ある文脈において、セリフ（発話候補）に人間が評価値を付ける。
人間がつけた評価値に近い評価値を付けられるように、
学習させて行く。
教師データ付き学習
稲葉通将，平井尚樹，鳥海不二夫，石井健一郎:
「統計的発話選択による非タスク指向型対話エージェントの設計」
Human-Agent Interaction Symposium 2011 (HAI-2011), 2011.
http://www.ii.is.kit.ac.jp/hai2011/proceedings/html/paper/paper-3-1b-1.html
その文脈において…
（稲葉先生の論文を
読んで三宅なりに
まとめてみた）
学習

TRPG的アプローチ
キャラクターが役割（ロール）を持ち
自動的にインタラクションする
剣士：強い
田舎者
20代
英雄になりたい
魔法使い：強い
都会もの
３０代
常にお茶がしたい
僧侶：見習い
海外から来た
１０代
人を助けたい
遊び人：
田舎者
１０代
お金が欲しいhttp://dear-croa.d.dooo.jp/download/illust.html
http://www.anne-box.com/

あらすじ
第一章なぜ、人工知能に物語生成か？
第二章人工知能が何を生み出すか？
第三章文章生成アプローチ
（例）ＫＥＬＤＩＣ
第四章 TRPG的アプロ―チ
（例）人狼知能
第五章知識モデル・ソーシャルモデル
（例） The Sims
第六章作家ですのよ
第七章 Façade の事例
第八章プラン二ングによる物語生成
第九章メタＡＩによる物語生成

（例）「人狼知能」
• 人狼＝村人（９～１２人ぐらい）と人狼（３人）
に分かれて、会話によって人狼を探し出す
ゲーム。人狼側は毎晩、村人を一人ずつ消
すことができるので、人狼と村人が同数にな
れば人狼の勝ち。
• 人狼知能＝人工知能が人狼をプレイする。不
完全情報の上に会話や推論を研究する。
• http://aiwolf.org/

「人狼知能」小説の作り方
• 人狼知能（人狼ＡＩ）同士で会話させる。
• 会話のログを取る。
• 人間が小説に起こす

人狼
ＡＩ
「人狼知能」の仕組み
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
サーバー
何か話して
私は
狼では
ない
サーバーが会話をコントロールする

人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
サーバー
何か話して
私は
狼では
ない
一人の会話をみんなで共有する
共有

人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
サーバー
サーバーが会話をコントロールする
何か話して
Ｃは狼

人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
サーバー
何か話して
Ｃは狼
一人の会話をみんなで共有する

人狼
ＡＩ
それぞれの人狼ＡＩが記憶を持つ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
人狼
ＡＩ
サーバー
何か話して
Ｃは狼
人狼知能がそれぞれ記憶を持ち、
記憶を利用して推論する
記憶
 Aは自分が狼でないと言った
 BはCが狼だと言った
 DはAが狼だと言った
 Eは昨晩処刑されたDが狼だと言った
 --
 --

サーバー
何か話して
私は
狼では
ない
記憶
記憶
記憶
記憶
記憶
記憶

サーバー
何か話して
私は
狼では
ない
記憶
記憶
記憶
記憶
記憶
記憶
人狼知能がそれぞれ記憶を持ち、
記憶を利用して推論する

人狼知能小説の作り方
人狼知能
ログ
人狼知能
小説
人が書く

知識モデル・ソーシャルモデル
• 知識モデル、ソーシャル・モデル（社会モデ
ル）から物語を生成する。

記憶
設定
記憶
設定
記憶
設定
妖精
人間関係の場 http://dear-croa.d.dooo.jp/download/illust.html

記憶
設定
記憶
設定
記憶
設定
妖精
人間関係の場
妖精を
見た？
http://dear-croa.d.dooo.jp/download/illust.html

記憶
設定
記憶
設定
記憶
設定
妖精
人間関係の場
メアリが妖精を
見た人を知って
いると言っていた

記憶
設定
記憶
設定
記憶
設定
妖精
人間関係の場
誰が妖精を
見た？

記憶
設定
記憶
設定
記憶
設定
妖精
人間関係の場
アレックスが
知っているわ

記憶
設定
記憶
設定
記憶
設定
妖精
人間関係の場
妖精どこ？

記憶
設定
記憶
設定
記憶
設定
妖精
人間関係の場
妖精は森

（例）The Sims シリーズ

The Sims シリーズのＡＩの作り方
人をダイナミクス（力学系、動的な数値の仕組み）として動かす。
世界を動かす PeerAI(=キャラクターＡＩ) を構築。
Sub
Peer
Meta
Meta
Peer
Sub
[原則] 周囲の対象に対する、あらゆる可能な行動から、
ムード（幸せ）係数を最大化する行動を選択する。
Sims (not under direct player control) choose what to do by selecting, from all of the
possible behaviors in all of the objects, the behavior that maximizes their current happiness.
Will Wright, AI: A Design Perspective (AIIDE 2005)
http://www.aaai.org/Papers/AIIDE/2005/AIIDE05-041.ppt
Kenneth Forbus, Will Wright, “Some notes on programming objects in The Sims – Example”
http://www.qrg.cs.northwestern.edu/papers/Files/Programming_Objects_in_The_Sims.pdf

The Sims における「モチーフ・エンジン」
Ken Forbus, “Simulation and Modeling: Under the hood of The Sims” (NorthWerstern University)
http://www.cs.northwestern.edu/%7Eforbus/c95-gd/lectures/The_Sims_Under_the_Hood_files/frame.htm
Data
- Needs
- Personality
- Skills
- Relationships Sloppy - Neat
Shy - Outgoing
Serious - Playful
Lazy - Active
Mean - Nice
Physical
- Hunger
- Comfort
- Hygiene
- Bladder
Mental
- Energy
- Fun
- Social
- Room
Motive Engine
Cooking
Mechanical
Logic
Body
Etc.
AIの人格モデル

最適（＝最大効用）な行動を選択する
Hunger +20
Comfort -12
Hygiene -30
Bladder -75
Energy +80
Fun +40
Social +10
Room - 60
Mood +18
Toilet
- Urinate (+40 Bladder)
- Clean (+30 Room)
- Unclog (+40 Room)
Mood +26
Bathtub
- Take Bath (+40 Hygiene)
(+30 Comfort)
- Clean (+20 Room)
Mood +20
[原則] 周囲の対象に対する、あらゆる可能な行動から、
総合的な効用（＝Mood）を最大化する行動を選択する。

ムードの計算方法と各パラメーターのウェイトグラフ
Mood = W_Hunger(X_Hunger) * X_Hunger + W_Engergy(X_Energy) * X_Energy + …
-100 0 100 -100 0 100
-100 0 100 -100 0 100
-100 0 100 -100 0 100
-100 0 100 -100 0 100
W_Hunger W_Energy
W_Comfort W_Fun
W_Hygiene
W_Social
W_Bladder W_Room

効用(Utility)の計算の仕方
W_Hunger
X_Hunger
W_Hunger(-80)
-80 60
W_Hunger(60)

効用(Utility)の計算の仕方
W_Hunger
X_Hunger
W_Hunger(-80)
-80 60
W_Hunger(60)
Hunger degree at -80 ＝ W_Hunger(-80)*(-80)
Hunger degree at 60 ＝ W_Hunger(60)*(60)
Δ ＝ W_Hunger(60)*(60) - W_Hunger(-80)*(-80)
Utility for hunger

限界効用逓減の法則
X_Hunger
W_Hunger(-80)
-80 60
W_Hunger(60)
Δ（-80 → 60）＝W_Hunger(60)*(60) - W_Hunger(-80)*(-80)
Δ (60→90）＝W_Hunger(90)*(90) - W_Hunger(60)*(60)
90
W_Hunger(90)
Δ（-80 → 60） is much larger than Δ(60→90）
ある程度満たされたものを満たすより、
満たされないものをある程度満たす方が大きな満足をもたらす
Utility for hunger
ビールは一杯目が一番おいしい

Happiness を最大化
冷蔵庫が最も総合的にHapinessを上昇させるから

冷蔵庫へ行きます。

お腹が膨れたので、ちょっと退屈だから、女の子と話します。

作家ですのよ
• 星新一の小説を解析
• 物語構造からキーワードを変換
• http://www.fun.ac.jp/~kimagure_ai/

構造解析（人による）
ショートショート
文章
バーに立ち寄る
悪魔に出会う
夢を見る
お酒を飲む

構造入れ替え
ショートショート
文章
薬局に立ち寄る
悪魔に出会う
夢を見る
薬を飲む

プロシージャルの歴史: 会話&自然言語
まだゲームには
十分に応用されていない
Facade
2005
Virtual Avater
岡山県立大学渡辺研究室
（ノンバーバル・コミュニケーション）
http://hint.cse.oka-pu.ac.jp/
シーマンどこでもいっしょくまうた
会話
自然言語
日本のゲームデザインの
巧み
ＭｕｕＭｕｕＳＣＥビバリウム
Michael Mateas, Andrew Stern

ドラマ・ジェネレーター「Facade」
Interactive Story
部屋の中で自動的に演技をする（大規模なストーリーでない）
Beats システム
（全体の流れを制御）
ゴールシステム
(reactive planning system)
ユーザー・インプット
（自然言語）
Surface
Processing
（自然言語処理）
入力した言語を事前に準備した
概念に割り当てる
（例）意見に反対しているのか、
賛成しているのか
まともに言語を解釈しているのではない
全体のシステム
Michael Mateas, Andrew Stern, "Facade", Procedural Arts, 2005

Interactive Story
振る舞い
ゴール
振る舞い
ゴール
振る舞い
ゴール行動
振る舞い
ゴール行動行動
（１）ゴールを単位としたシステム
（２）ゴールは、サブゴールと
行動をコールする（指定する）
（３）平行して実行できる
行動は同時に実行する
行動、或いは
サブゴールを呼ぶ
前提条件
終了条件
ゴールの形

全体の流れ
Beats システム
Michael Mateas and Andrew Stern
Façade: An Experiment in Building a Fully-Realized Interactive Drama
Game Developers Conference, Game Design track, March 2003

sequential behavior AnswerTheDoor()
{
WME w;
with (success test f w = (KnockWME) g )
wait;
act sigh();
subgoal OpenDoor();
subgoal GreetGuest();
mental act f deleteWME(w); }
sequential behavior OpenDoor() {
precondition ｛
(KnockWME doorID :: door)
(PosWME spriteID == door pos :: doorPos)
(PosWME spriteID == me pos :: myPos)
(Util.computeDistance(doorPos, myPos) > 100)
｝
speci¯city 2;
// Too far to walk, yell for knocker to come in
subgoal
YellAndWaitForGuestToEnter(doorID);
}
sequential behavior OpenDoor() ｛
precondition ｛ (KnockWME doorID :: door) ｝
speci¯city 1;
// Default behavior - walk to door and
open ｝
振る舞い
ゴール
振る舞い
ゴール
振る舞い
ゴール行動
振る舞い
ゴール行動行動
条件判定
条件判定
" Michael Mateas and Andrew Stern A Behavior Language for Story-based Believable Agents", appeared in Artificial Intelligence and Interactive Entertainment,
AAAI symposium, March 2002

Interactive Story
協調の仕方
ゴール
Member:
Trips ,Grace
Mission
酒を進める
（ Tripsの役割
Grace の役割））
The wogglesのＡＩ
でも使われた方法
Trip Grace
ゴールが２人のエージェントに打診
Trips はこのミッションの役割を
受けられる状態にあるか？
Graceはこのミッションの役割を
受けられる状態にあるか？
サブゴールサブゴール
両方が Yes なら
Michael Mateas and Andrew Stern A Behavior Language: Joint Action and Behavioral Idioms

Interactive Story
協調の仕方
joint sequential behavior OfferDrink() {
team Grace, Trip;
// The steps of Grace’s and Trip’s
OfferDrink()
// behaviors differ.
}
joint sequential behavior
OfferDrink() {
team Trip, Grace;
// wait for Trip to say first line
with (success_test { OfferDrinkMemory
(CompletedGoalWME name ==
iInitialDrinkOffer
status == SUCCEEDED)})
wait;
subgoal iLookAtPlayerAndWait(0.5);
// react to Martini suggestion
with (synchronize) subgoal
jSuggestMartini();
jFancyCocktailShakers();
}
joint sequential behavior
OfferDrink() {
team Trip, Grace;
with (post-to
OfferDrinkMemory)
// Individual behavior for
initial offer
subgoal
iInitialDrinkOffer();
subgoal
iLookAtPlayerAndWait(0.5);
jSuggestMartini();
// react to Grace’s line
about fancy shakers
jFancyCocktailShakers();
GraceTrip
(At the beginning of the behavior, Trip starts walking
to the bar. If he gets to the bar before the end of the
behavior, he stands behind it while delivering lines.)
Trip: A beer? Glass of wine? (Grace smiles at
player. Short pause)
Trip: You know I make a mean martini. (Grace
glances at Trip with slight frown partway into line.
At the end of line, rolls her eyes at the ceiling.)
Grace: (shaking her head, smiling) Tch, Trip just
bought these fancy new cocktail shakers. He’s
always looking for a chance to show them off. (If
Trip is still walking to the bar, he stops at “shakers”.
At “shakers” Trip looks at Grace and frowns slightly.
At the end of the line he looks back at player and
smiles. If he was still on the way to the bar, he
resumes walking to the bar).
ドラマ生成
" Michael Mateas and Andrew Stern A Behavior Language for Story-based Believable Agents", appeared in Artificial Intelligence and Interactive Entertainment, AAAI symposium, March 2002

プランニングによる物語生成

プランニングによる物語生成技術
アレックスはそこで
ジャンプして
ダンジョンの地図を
手に入れました。
鍵を持っていない
地図を持っていない
地図を持っている
前提条件
あらすじ
結果条件
物語要素

アレックスは地図を
見ながら鍵の隠され
ている宝箱を開きま
した。
鍵を持っている
物語要素

見ながら、ダンジョン
の出口を
目指しました。
物語要素
マップフィールドにいる

見ながら魔王のいる部
屋の扉を開けました。
ラスボスバトルスタート
物語要素

アレックスは
飛龍を呼んで
空を飛んで城に
返りました。
城にいる
物語要素
マップフィールドにいる

「結果条件」と「前提条件」が同じ
物語要素をつなげる
＝チェインニング

チェインニングを続けること
＝プランニング

アレックスはそこで
ジャンプして
ダンジョンの地図を
手に入れました。
見ながら、ダンジョン
の出口を
目指しました。
アレックスは
飛龍を呼んで
空を飛んで城に
返りました。

「トロと流れ星」におけるキーワード・カテゴライズ
（技術が公開されているわけではなく、これは三宅ならこう実装するというものです）
ＴＲ「みやけが好きなものは何かにゃ
～」
Ｍ「じてんしゃ」
ＴＲ「それは食べれるものかにゃ？」
Ｍ「Ｎ」 (Yes or No)
ＴＲ「それは大切なものかにゃ？」
Ｍ「Y」 (Yes or No)
ＴＲ「どれぐらい大切かにゃ？」
Ｍ「とっても」
（例）
(上記はゲーム内のセリフのままではなく、解説のために三宅が構成したものです。)
タグ：じてんしゃ
属性：もの
性質：好き
ランク：１
ＴＲ「この木は何ていうのかにゃ？」
Ｍ「さくら」
ＴＲ「みやけはさくらじてんしゃどっちが好き」
Ｍ「さくら」 (Yes or No)
ＴＲ「トロもさくらと同じぐらい、みやけに大切に
してもらいたいにゃ～。
せめて、じてんしゃぐらいに．．．」
Ｍ「N」
タグ：さくら
属性：木
性質：好き
ランク：１⇒２
①ユーザーに言語データベースを作成させる。
②それを用いてセリフを生成する。
SCE
SCEI どこでもいっしょ http://www.dokodemoissyo.com/index1.html

「トロと流れ星」におけるキーワード・カテゴライズ（推測）
固定したセリフ
特徴
適切な演出的効果
くり返し
誰がプレイしても同じ
ユーザーの入力に応じて
変化するセリフ
特徴
ユーザー個性に合わせた演出効果
ユーザーだけのコンテンツ
SCEI どこでもいっしょ http://www.dokodemoissyo.com/index1.html

ＩＮＴ7 （知的語り技術7）
http://int7.westphal.drexel.edu/?page_id=8
物語自動生成・物語解析技術に関するカンファレンス（２日間）。
まだ未成熟だが、これからの物語技術に関する知見が詰まっている。

人工知能とアート

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to 人工知能とアート

Similar to 人工知能とアート (20)

More from Youichiro Miyake

More from Youichiro Miyake (20)

Recently uploaded

Recently uploaded (8)

人工知能とアート