教育活動の分野においても、ゲーム人工知能は大きな応用可能性を秘めています。一方で、人々はゲーム人工知能の研究結果を参照して、「ゲームベースの学習」や「教育におけるゲーミフィケーション」などの新しい形式の教育活動を作成または改善し、従来の教育プロセスを改善することができます。ゲームのユニークな要素や仕組みをゲームに組み込んで学習効果を高めるという目的を達成する一方で、「My World」、「StarCraft」、「Glory of the King」などのゲーム環境を利用することもできます。人工知能の教育活動の実施を支援します（実際、ゲーム環境なしで強化学習の教育活動を実施することはほぼ不可能です）。 [9]
シミュレーションからイノベーションまで: AI はゲームから何を学ぶのでしょうか?
Wang Shu テンセント研究所博士研究員
Meng Jingzhi Tencent Research Institute のインターン
7月13日、「サイエンス」誌は「ゲームは人工知能の開発と進歩を牽引し続ける」と題する記事を掲載し、ゲームと人工知能の関係について詳しく論じ、「ゲームは一般の人々にとって有望な応用分野を提供する」と考えている。人工知能を研究するためのプラットフォームとしてゲームを使用することは、2,000 億ドル規模の世界のビデオ ゲーム産業に直接的な利益をもたらします。」 [1]
では、ゲームと人工知能にはどのような関係があるのでしょうか、ゲームは人工知能の開発と進歩をどのように促進し、人々の生活にどのような影響を与えるのでしょうか?
相乗効果と共生: ゲームと人工知能は相互に補完し合います
情報科学やコンピューターサイエンスの発展の歴史全体を振り返ると、人工知能研究の開発プロセス全体にゲームがほぼ貫かれており、人工知能の分野におけるあらゆる画期的な進歩がゲームと密接に関連していることを見つけるのは難しくありません。これまで、アモイ大学ゲーム哲学研究センターなどは、理論、ハードウェア、応用の3つのレベルからゲームと人工知能開発の関係について議論していた。 [2] ：
**このゲームは人工知能の理論にインスピレーションを与え、人工知能の研究開発に役立ちます。 **情報の父であるシャノンが 1950 年にチェスを対象として人工知能の研究を開始したことから、チェッカーに基づく強化学習アルゴリズムを発明した人工知能のパイオニアであるサミュエルに至るまで。チェスやチェッカーなどのボード ゲームは長い間、「AI 研究のショウジョウバエ」、つまり問題を迅速に検証するための低コストで知覚可能な媒体とみなされてきました。今日、ゲーム産業の急速な発展は、人工知能に関する理論研究の繁栄を直接促進しています。 1971 年から 2015 年まで、ゲーム関連の人工知能研究論文の数は 1,000 件未満でしたが、2015 年に AlphaGO がヨーロッパ囲碁チャンピオン 3 回のファン ホイ氏を破って以来、ゲーム関連の人工知能研究は爆発的な成長を遂げました。 to 2022 2019年の7年間で関連論文数は1625本に達し、そのうち17本の論文が『Nature』と『Science』の表紙記事となりました。 [3]
**このゲームは、人工知能コンピューティング電力インフラストラクチャ GPU (グラフィックス グラフィックス カード) の革新と反復を促進します。 **チップ企業の Nvidia を例に挙げると、1995 年から 2022 年までの Nvidia のゲームおよびデータセンター事業の収益と総収益の変化から判断すると、初期の Nvidia の収益のほぼすべてはゲーム事業によるものであり、Nvidia、ゲーム事業に頼って資金の積み上げを完了し、技術的障壁を構築してその後の変革に向けた体力を蓄える。現在、Nvidia は、ゲーム グラフィックス カードにおける豊富な技術蓄積と多額の研究開発投資により、人工知能チップのリーダーとして急速に台頭しており、現在、AI トレーニング チップの市場シェアは 95% となっています。 [4] 。ゲーム グラフィックス カードによって蓄積された多くのテクノロジーは、NVIDIA GPU の重要な基礎機能にもなり、自動運転、医療、ライフ サイエンス、エネルギー、金融サービス、製造などのより多くの分野に応用されています。
**ゲームは、人工知能に制御可能なトレーニング環境と明確な測定基準を提供します。 **ゲームには目標、ルール、課題が含まれており、課題を解決するプロセスは知性を反映します。したがって、あるゲームをクリアするプログラムを作成する場合、そのプログラムはある程度「人間らしい」「知性」を備えていることが想定されます。一方で、このゲームには豊富な人間とコンピューターの対話シーンと安定した制御可能なルールがあり、人工知能の研究シーンの不足の問題を解決できます。一方で、ゲームは人工知能の明確な測定基準を提供しており、ゲーム内で明確で定量化可能なルールで人工知能を評価できるため、テクノロジーの反復とテストの効率が大幅に向上します。
技術の反復とアプリケーションの革新に伴い、ますます多くの企業、大学、科学研究機関がゲームに基づいた人工知能の革新研究を実施し始めています。ゲーム人工知能の研究は、当初から人間に似た知的体を創造し、完全情報／不完全情報環境において人間との対決を実現することに注力してきました（『StarCraft 2』をベースとした人工知能AlphaStar、『DOTA2』をベースとした人工知能など） ") インテリジェント OpenAIFive など) は、人間とコンピューターのインタラクション エクスペリエンスをさらに強化するために、ゲーム (仮想環境) 内のさまざまなコンテンツの自動生成に焦点を当てて拡張されました。つい最近、2023 年の世界人工知能会議で、ゲームと人工知能産業の発展関係に焦点を当て、多くの大学が共同で「ゲーム人工知能大学共同研究センター」を立ち上げました。
単純なルールから複雑なシミュレーションまで: 人間が AI に「歩いて走る」ことを教える
インタラクティブな体験に焦点を当てたゲーム人工知能の研究は数多くありますが、その代表的な研究が知的エージェントの行動生成です。エージェントは、内部および外部のさまざまな条件に応じて動作および反応できるマシンによって制御される仮想または現実のオブジェクトであり、典型的な代表者はゲーム内の非プレイヤー制御キャラクター (NPC) です。インテリジェントボディ動作生成技術は主に、インテリジェントボディの動作を実際の人間と同じようにスムーズかつ自然にし、人間とコンピュータのインタラクションエクスペリエンスをさらに向上させる方法を研究しています。人工知能研究におけるコンピュータービジョンと自然言語処理の分野が、それぞれ画像、テキスト、言語理解の能力に焦点を当てている場合、エージェントアクションの生成は、動作とアクションを制御する人工知能の分野に対応します。
歴史的に、アクション生成テクノロジーの開発は、単純なルールから複雑なシミュレーション、初期の有限状態マシンからモーション マッチング アルゴリズム、そして機械学習に基づくアクション生成へとプロセスを経てきました。人間のアクションをシミュレートすることで、エージェントは徐々に歩行を学習します。そして人間のように走ります。
(1) ルールマッチングに基づくアクション生成
仮想環境では、歩く、走る、ジャンプする、攻撃するなどのエージェントのさまざまな動作が異なる状態として扱われます。初期の開発者は通常、「ステート マシン」を使用して、さまざまな条件に従ってエージェントのさまざまなアクションをつなぎ合わせることによって、エージェントの動作を制御します。このアプローチの利点は、状態間の遷移ルールを明確に定義できることです。たとえば、歩行状態を走行状態やジャンプ状態に変換できることです。以下の図は、ゲーム内でエージェントによって使用される有限状態マシンを示しています。
このアプローチの利点は、状態間の遷移ルールを明確に定義できること (たとえば、歩行状態から走行状態やジャンプ状態に変換できること) であることを見つけるのは難しくありませんが、複雑な状態に対処するのが難しい可能性があるという制限があります。行動の相互作用を分析し、将来の状態変化を予測します。ステート マシンの設計とメンテナンスは、あるノードから別のノードにジャンプするために手書きのロジックが必要になるため、非常に複雑なシステムでは非常に複雑になり、時間がかかる場合があります。
ステート マシンのアプリケーションの制限を解決するために、ゲーム人工知能の科学者はより効率的なモーション生成ソリューションを模索し始め、モーション マッチング テクノロジー (モーション マッチング) が誕生しました。ステートマシンと比較して、この技術は異なるモーション キャプチャ データ セグメントを手動で結合する必要がなくなり、モーション キャプチャ データを使用してアクション ポーズ データベースを構築し、現在の状態に応じて最適なモーション セグメントをリアルタイムで選択して混合します。およびエージェントの目標状態。その結果、キャラクターのリアルタイム状態や環境要因に応じて、より複雑で精細なアニメーション制御が実現でき、知的体がより自然で滑らかな運動効果を表現できるようになる。
もちろん、モーション マッチング技術にも実際には一定の制限があります。たとえば、使用時にすべてのアニメーション データをメモリに保持する必要があり、大量のメモリを消費します。すべてのアニメーションはデータベース内の既存のコンテンツであり、これを実現することはできません。 . モーションアニメーションの革新。 NPCを十分にリアルにしている『レッド・デッド・リデンプション2』でも実現しているのは「スポーツマッチング」だけ。ゲームでは馬の何百もの異なるアクション アニメーションが設計されており、喘ぎ声の数百もの異なるサウンドもありますが、これらは実際の知能ではなく、巨大なステート マシン ルールとアニメーション リソースによって積み重ねられています。
(2) 機械学習に基づくエージェントアクションの生成
ステートマシンに基づくものであっても、モーションマッチング技術に基づくものであっても、本質的には真のインテリジェントなアクション生成を実現しておらず、システムが複雑で、アプリケーションを着陸させるプロセスでの損失が大きいという問題があります。では、モデルをトレーニングするときに好きなだけアクション データを追加し、ゲームを実行するときにこれらの追加データをメモリに入れる必要がない方法はあるのでしょうか?
この目的を達成するために、国内外の学界や産業界は、機械学習に基づく知的身体動作の自動生成を実現するために多くの研究を行ってきました。海外では、2021年にアメリカのEA社がハイパーモーション技術を開発し、FIFAシリーズのゲームにおけるインテリジェントな体の動きのリアルさと反応速度が大幅に向上しました。この技術ソリューションでは、まずモーション キャプチャ テクノロジーを使用して、試合中の 22 人のプロ サッカー選手の 870 万フレーム以上のモーション データをキャプチャし、次に機械学習アルゴリズムを使用して 870 万フレームのデータから継続的に学習し、最終的に本物のパフォーマンスを実現します。 -ゲーム内の知的体の時間移動が生成されます。 [7]
中国では、2019年からテンセントがエージェントのアクション生成ソリューションに自己回帰ニューラルネットワークモデル（ARNN）を適用することを試み、画期的な進歩を遂げた。 ARNN は、時系列データの分析と処理に広く使用されている機械学習アルゴリズムであり、天気や株式市場の予測などのシナリオでよく使用されます。アクションの分野で使用できれば、実際の多数の人物をキャプチャしてトレーニング用のデータを入力し、AI モデルにアクション シーケンス フレームの次のフレームを予測させ、最終的に完全なアクション シーケンスを生成することが可能になります。そして一貫した自然なアクション。
この目標を達成するために、2019年にTianmei J3 Studioの「Reverse Battle Mobile Games」チームはTencent RoboticsX Laboratoryと提携し、ARNNモデルの研究に基づいて、この分野の最先端技術を公開し、徐々に完成させました。ゲームとロボットの「知能行動生成技術」の研究開発。この技術は ARNN モデルの原理に基づいており、モーション キャプチャ データを学習し、データ駆動型の適応アルゴリズムを使用して、NPC やロボットがさまざまな外部反応に応じて、より現実の生き物に近い動作、反応、表現を自動的に生成できるようにします。プレイヤーの操作や環境の変化として。
テンセントの反戦モバイル ゲーム チームが提案したこの一連の ARNN ベースのアクション生成テクノロジー ソリューションは、業界で複数の画期的な成果を達成しました。
まず、自己回帰ニューラル ネットワーク アルゴリズムを実装するために、研究者らは完全なツール チェーンをゼロから確立し、モーション キャプチャ、アニメーションの前処理、トレーニング、チューニングなどの手順を通じて完全な制作パイプラインを確立しました。このテクノロジーをモバイル端末に適用する場合に発生する可能性のあるネットワーク同期とパフォーマンスの最適化の問題を解決するために、チームは軌道マッチングテクノロジー、フュージョンアニメーションテクノロジー、および対応するアルゴリズムレベルのソリューションを採用しました。これにより、全体のパフォーマンスが大幅に向上し、ニューラルパフォーマンスが削減されました。ネットワーク パフォーマンス、推論のためのメモリ オーバーヘッド。
第二に、研究チームはTencent RoboticsX Labと協力して、インテリジェントな体動生成技術を四足ロボットに適用し、インテリジェントな制御と意思決定を実現し、トレーニング効率を大幅に向上させました。アルゴリズム自体の応用では、この一連のテクノロジーはロボットの思考能力を向上させ、ロボットが自律的に意思決定を行うのを助け、外部の反応に基づいてより現実の生き物に近い動作、反応、表現を自動的に生成するのに役立ちます。継続的な研究と訓練により、多くのシミュレーショントレーニングを経て、この技術を搭載したロボットは、歩く、走る、ジャンプする、立つなどの実際の犬の動きを学習し、これらの姿勢を柔軟に使用して、ハイハイ、ハードルを完了することができます。ランニング、障害物間のパルクール シャトル、その他のタスク。事前に分からない障害物に遭遇した場合でも、フラッシュで回避したり、器用に回避したり、軌道を個別に変更したり、さまざまなルート プランを使用して、設定された目標を達成します (下図を参照)。 [8]
模倣から超越へ: ゲーム人工知能が現実世界に影響を与える
ゲーム環境に基づいて、人間は仮想環境で「歩くことと走ること」をより良く実現する方法を人工知能に教えてきましたが、ゲーム人工知能研究の価値はそれだけにとどまりません。 Science 誌の記事で述べられているように、「ゲームにおける人工知能の進歩は、現実世界で動作するより強力で柔軟な AI システムに向けた重要なステップにもなるでしょう。」** 人工知能が「模倣」を通じて学習した 18 の武道ゲームには、現実のさまざまな問題やシナリオにおいて、移植可能で普遍的な特性と価値があります。 **
国内外の学界や産業界の実践において、科学研究機関や企業の研究者は、ゲーム人工知能技術を他の分野にさらに応用し、ゲーム AI を使用して実体経済を結びつけ、より多くの分野でデジタル生産性を形成しようとしています。
医療診断の分野では、ゲーム人工知能の関連技術は、個別化されたスクリーニング、診断、予後、モニタリング、リスクモデリング、創薬、治療反応予測などを含む、医学研究や臨床実践、その他の医療および健康分野でも使用されています。 。特に疾患の特定と診断の速度と精度の向上において、ゲーム人工知能技術は効果的なサポートを提供します。ゲーム人工知能テクノロジーは、過去のデータを通じて患者の状態や手術の仮想シーンをシミュレートし、強化学習を通じて医療意思決定をサポートし、ロボット支援手術も可能にします。
教育活動の分野においても、ゲーム人工知能は大きな応用可能性を秘めています。一方で、人々はゲーム人工知能の研究結果を参照して、「ゲームベースの学習」や「教育におけるゲーミフィケーション」などの新しい形式の教育活動を作成または改善し、従来の教育プロセスを改善することができます。ゲームのユニークな要素や仕組みをゲームに組み込んで学習効果を高めるという目的を達成する一方で、「My World」、「StarCraft」、「Glory of the King」などのゲーム環境を利用することもできます。人工知能の教育活動の実施を支援します（実際、ゲーム環境なしで強化学習の教育活動を実施することはほぼ不可能です）。 [9]
次の期間では、ゲーム人工知能テクノロジーをゲーム環境から取り出すことが主要な応用方向になることが予測されます。また、ゲーム人工知能が仮想世界から出てきた後、あらゆる分野の革新と発展に役立つことも期待しています。
この記事の執筆過程でご指導いただいた Tencent Tianmei J3 Studio の多くの専門家に感謝します。
参照元:
[1] Wurman,P.R.、Stone,P.、および Spranger,M (2023) ゲームによる人工知能の改善。サイエンス、381(6654)、147-148。
[2] 厦門大学ゲーム哲学研究センター他「ゲーム人工知能産業視察報告書」
[3] 中国科学院チームによる最新の研究: ゲームテクノロジーは、人工知能の革新と開発の重要な原動力となっています。
[4] ゲームから AI アクセラレーションまで: 左が Nvidia、右が AMD。
[5] ホールデン、ダニエル「ニューラル ネットワークと機械学習によるキャラクター制御」。
[6] ホールデン、ダニエル「ニューラル ネットワークと機械学習によるキャラクター制御」。
[7] FIFA22 ハイパーモーションテクノロジー
[8] Tencent ロボットの最新開発: 本物の犬から「走ったりジャンプしたりする」ことを学ぶ
[9] 厦門大学ゲーム哲学研究センター「ゲーム人工知能開発報告書2023」