【CEDEC 2010】コーエーの歴史シミュレーションゲームにおける「ＡＩ設計」とは / GameBusiness.jp
歴史シミュレーションのAIに求められるのはどういったことなのでしょうか。 株式会社コーエー ソフトウェア本部 ソフトウェア2部シニアリーダーである入江 禎之氏は、歴史シミュレーションゲームに存在する課題を「ある時点でユーザーの勢力に対抗できる勢力がなくなってしまうこと」であると語ります。 同社の歴史シミュレーションは自由度が高く、ユーザーはどんな弱小勢力でも選択できます。どんな展開になるかはユーザー依存であり、通る道筋も決まっていないため「RPGのようにだんだんボスを強くするわけにはいかない」のです。その一方で、ユーザーが簡単に最強勢力になれるとモチベーションが低下するという問題も存在しています。 これを解消するために求められるのは「ユーザーに負けないスピードで勢力を拡大するAI」。AIが同格の勢力を持つことで、新鮮みや緊張感が持続できるというわけです。 そのために必要なのは、ゲー
ゲームのための人工知能研究 - 武蔵野日記
@myuiくんの紹介で「安藤ケンサク」というゲームを知る。 安藤ケンサク - Wii 出版社/メーカー: 任天堂発売日: 2010/04/29メディア: Video Game購入: 2人 クリック: 79回この商品を含むブログ (18件) を見るGoogle 検索を用いて検索単語のヒット数を競ったりするゲームらしい。ちなみに名前は「AND 検索」から来ているらしい。べ、別にオヤジギャグ好きだから取り上げるんじゃないんだからね! 内容はおいておいて、開発者へのインタビューがおもしろい。少し引用。(「岩田」というのは任天堂現社長である) 岩田 ふつう、ゲームをつくるときは、自分たち自身ですごく汗をかきながら設定をつくり、技を決め、みたいなことをするのですが、今回のソフトのデータは全部Googleさんのサーバのなかにありますので、そこから好きなデータを選んで、それをゲームに活用するだけでいいとい
遺伝的アルゴリズムとニューラルネットワーク、ゲームAIによるキャラクタの「進化」を考える | インサイド
IGDA日本は、ゲームAI連続セミナーの第5回を10月27日に開催しました。今回のメインテーマは遺伝的アルゴリズム（GA）とニューラルネットワーク（NN）で、ともに「生物界の法則」をAIの進化・学習に取り込もうという技術です。講師はフロム・ソフトウェアの三宅陽一郎氏です。三宅氏はXbox360用『クロムハウンズ』のAIの開発者で、CEDECでもAIについての講演を行っています。 今回は、遺伝子アルゴリズムやニューラルネットワークによってNPCをよりよくコントロールする（進化させる）ことがテーマとなりました。遺伝的アルゴリズムでは、「遺伝子」を掛け合わせることで多様なふるまいをするNPCを登場させることができます。また、ニューラルネットワークは個別NPCの行動の精度をあげることができます。 ■遺伝的アルゴリズムは分かりやすく使いやすい 遺伝的アルゴリズムは「集団を一定の方向に進化させる方法」
ゲームAI連続セミナー「ゲームAIを読み解く」 第3回 レポート：CodeZine
IGDA日本は、株式会社フロム・ソフトウェアの協力、日本デジタルゲーム学会（DiGRA JAPAN）の後援の下、5月12日（土）に東京大学本郷キャンパス工学部新2号館（東京都文京区）にて、ゲームAI連続セミナー「ゲームAIを読み解く」の第3回「Chrome Hounds におけるチームAI」を開催しました。本セミナーのコーディネータを務めました筆者がレポートをお届けします。 なお、本連続セミナーの概要などについては、第1回のレポートや第2回のレポートを参照して下さい。 Chrome HoundsにおけるチームAI 第3回は「Chrome HoundsにおけるチームAI」と題して、集団として知性を発揮するAI技術を取り上げました。具体的なテーマは、「群知能」「マルチエージェント」「チームAI」です。第1回、第2回では、個として機能するAIを想定してきましたが、今回はそれらを集団として見た時、
オスロ大学、『進化するコンピュータ』を開発
ノルウェーのオスロ大学の研究チームが、遺伝的アルゴリズム（genetic algorithms=GA）を使って自力で性能を高めることができるコンピュータを開発したようです。 写真はチームのKyrre Glette君とJim Torresen教授。 従来のハードウェアはいったん組み立てるとソフトで命令を下してやらないと変わらなかった、それが彼らが作ったハードでは予め｢遺伝子｣のようなものが備わっていて、目の前のタスクをこなすのに一番効率的なハードのデザインを自力で探し出すことができるんだそうです。 ある問題を解決するのに最良のデザインを探し出すには2～3万世代かかります。これを人力で探そうと思ったら8～90万年もかかってしまうところ、彼らのハードではたったの数秒で済んでしまうそうな。すごいですねー。 チームが2004年に手掛けた最初のロボはニワトリの『Henriette』君で、歩行を学習した
ゲームAI連続セミナー「ゲームAIを読み解く」 第2回 レポート：CodeZine
すると、敵を倒すための計画は、上記の図のとおり4つ、考えられるようになります。どの計画を選ぶか選択に幅が生まれるため、目的を達成する手段が多様になります。キャラクタの特性に合わせて各行動にかかるコストを差別化し計画の選択を行わせたり、状況に応じて特定の行動を選択させないなどとすることができます。近接戦闘能力の低いキャラクタは「攻撃」のコストが高くなり「砲撃」を選択するようになったり、通信手段を失った場合は「索敵」しか選べなくなったりすることが実現できます。 行動の連鎖を実現するには、前提条件と結果の記述方法を明確にして連鎖を自動的に構築させる方法と、後段の行動が前段の行動を呼び出すと考えて、行動の間の呼び出し関係・条件を開発者が明示的に与える方法を考えることができます。前者は自律的な連鎖構築が期待できますが、開発者が与える条件設定が適切でないと、突飛な行動の連鎖を構築してしまいます。後者
人工知能学会 (The Japanese Society for Artificial Intelligence)
· All Rights Reserved. Copyright 2017 The Japanese Society for Artificial Intelligence ·
ゲームAI連続セミナー「ゲームAIを読み解く」 第1回 レポート：CodeZine
IGDA日本は、株式会社フロム・ソフトウェアの協力、日本デジタルゲーム学会（DiGRA JAPAN）の後援の下、12月16日（土）に東京大学本郷キャンパス工学部新2号館（東京都文京区）にて、ゲームAI連続セミナー「ゲームAIを読み解く」の第1回「KillzoneにおけるNPCの動的な制御方法」を開催しました。 手前味噌ではありますが、本セミナーのコーディネータを務めました筆者がレポートをお届けします（写真提供：IGDA日本 新清士）。 セミナー概要 次世代機と呼ばれるXbox 360・Wii・PlayStation 3が次々と発売され、ゲームにあまり興味のない方も報道でご存知のことでしょう。CodeZine読者の皆さんも日々の開発で実感されるように、集積技術の向上に伴って、ソフトウェアが使えるメモリ容量やCPUパワーなどのリソースが、年々潤沢になっています。コンピュータであるゲーム機に
労働集約型人工知能あるいは「半労半算」 - アンカテ
podcastleというポッドキャストを日本語で検索できるサービスがスタートしている。このプロジェクトの最も興味深い所は、「認識結果をみんなで訂正する」という発想だ。 日本語には，同音異義語が多数あります．また，聞きとりにくい音声は，人間が聞いても間違えてしまうことがあります．そのような音声は，コンピュータにも認識できません．また，音声認識技術はまだまだ研究段階なので，人間には容易に聞き分けられる音声でも間違えてしまうことがあります．つまり，音声認識では認識誤りを避けることができないのです． そこでPodcastleでは，音声認識の持つ最大の欠点である認識誤りを， みんなで訂正するという方法で克服できるのではないかと考えました．検索されたポッドキャストは，簡単な操作で認識誤りを訂正することができます．訂正した結果を共有することによって，徐々に正しい認識結果を検索することができるようになって
AI対AI： Linux上のN.E.R.O. | OSDN Magazine
ビデオ・ゲームの人工知能（AI）にいらだちを覚えたことがあるなら、ぜひともN.E.R.O（Neuro-Evolving Robotic Operatives）を試してみてほしい。N.E.R.O.は、独自のインテリジェントな非プレイヤー・キャラクタを鍛えることが勝利への鍵となる、クロスプラットフォームの戦闘ゲームである。対戦場での唯一のルールは、「最も優れたAIに勝たせること」である。私はLinuxクライアントで腕試しをして、N.E.R.O.がとても毛色の変わったゲームであることを知った。 N.E.R.O.は2003年に、テキサス大学オースティン校（UT）で最初に開発された。UTの2003 GameDevカンファレンスにおいて、AI研究者のKen Stanleyが、兵隊ロボットをリアルタイムで訓練し、互いに戦わせるというアイデアを基にしたゲームを提案した。この提案が、UTの多数の学部と学生を
3次元グラフィックスプログラミングの実習
最終更新日：2007年10月12日（渕田） 導言 コンピュータの性能が向上するにつれて、3次元空間をスクリーン上に表現する技術は飛躍的に向上し、いまや3Ｄグラフィックスはゲームや映画で現実・非現実を問わずリアルに表現可能な手法として実用的に利用されている。 しかしながらこれらの技術は、行列演算を基本とする座標変換と光線追跡によるレンダリングやシェーディングといった古典的な基礎に立脚しており、それらの基礎を学ぶことが3次元グラフィックスの最初の一歩となる。このような基本的な3次元描画をサポートするライブラリとして、大きく次の2つのライブラリがある。 OpenGL Direct3D 前者のOpenGLは、シリコングラフィックス社が開発したグラフィックライブラリ "GL" を拡張して誰でも自由に使えるようにしたフリーのグラフィックスライブラリであり、さまざまなプラットフォームで利
Expired
Expired：掲載期限切れです この記事は，Associated Press との契約の掲載期限（30日間）を過ぎましたので本サーバから削除しました。 このページは20秒後にNews トップページに自動的に切り替わります。
人工知能の第一人者J・マッカーシー氏に聞く--AI研究、半世紀の歴史を振り返る - CNET Japan
1956年、コンピュータ科学者のグループがダートマス大学に集まり、当時としては新しいトピックについて議論をかわした。そのトピックとは「人工知能」である。 ニューハンプシャー州ハノーバーで開催されたこのカンファレンスは、コンピュータで人間の認知能力をシミュレートする方法に関する、その後の議論の出発点となった。カンファレンスでは、「コンピュータは言語を使用できるか」「コンピュータは学習できるか」「創造的な思索と非創造的だが有効な思索を分ける要因はランダムさ（偶発性）なのか」といったさまざまな議論が行われた。 議論は、学習能力をはじめとする人間の知能が、原則として、コンピュータのプログラムでシミュレートできるくらい詳細に記述することができるというの大前提のもとで行われた。 出席者には、当時ハーバード大学に籍を置いていたMarvin Minsky氏、ベル研究所のClaude Shannon氏、IB
人工無脳レビュー
Fig. 1に最近の人工無脳の能力の、独断に基づいた分布を示す。横軸は学習能力、縦軸は文脈追跡能力を示している。近年この勢力図は大きく変わった。マルコフ文生成を行なう人工無脳の一派の台頭と、限定的ながら論理を追跡して会話に反映させる人工無脳の技術の出現である。かつて人工無脳の代名詞と考えられていた辞書型はいまや旧世代のアーキテクチャに属し、その範疇では新しい技術開発が停滞している模様である。ログ型アーキテクチャは以前から存在していたのだが、いつの時代にもあまり大きな勢力にはなっていないようである。これらの情勢の変化はマシンパワーの増大と人工無脳業界への形態素解析器の導入に伴って生じたと考えられる。以下に各人工無脳の特徴を簡単に述べる マルコフ文生成型 マルコフ連鎖を用いて文を生成する。後述の辞書型人工無脳は辞書を拡大することでよい反応をするようになるが、マルコフ文生成型は逆で、生成する文の
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
ほぼ日刊イトイ新聞 -マッチ箱の脳（WEB）篇
http://www.h5.dion.ne.jp/~terun/alFrame.html
Amazon.co.jp: ゲームのアルゴリズム 思考ルーチンと物理シミュレーション: ねおだ如: 本
http://www.ai-gakkai.or.jp/jsai/conf/2006/video.html