Recommended
More Related Content
What's hot
What's hot (20)
Similar to 黒川塾七八（78）講演資料
Similar to 黒川塾七八（78）講演資料 (20)
More from Youichiro Miyake
More from Youichiro Miyake (13)
黒川塾七八（78）講演資料
- 1. ゲームAIの今 社会と文化の歪みのもとで、 人工知能の哲学 三宅 陽一郎 @miyayou 2020.8.22 @黒川塾 七十八（78） https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com
- 4. My Works (2004-2019) AI for Game Titles Books Books
- 5. 近著
- 6. 人工知能のための哲学塾 未来社会篇 （2018-2019年） 第0夜 概観 第一夜 人と人工知能はわかりあえるか？ 第二夜 人工知能はどのような社会を築くのか？ 第三夜 人工知能は文化を形成するか？ 第四夜 人と人工知能は愛し合えるか？ 第五夜 人工知能にとって幸福とは何か？ 第0夜 概観 第一夜 荘子と人工知能の解体 第二夜 井筒俊彦と内面の人工知能 第三夜 仏教と人工知能 第四夜 龍樹とインド哲学と人工知能 第五夜 禅と人工知能 第0夜 概観 第一夜 フッサールの現象学 第二夜 ユクスキュルと環世界 第三夜 デカルトと機械論 第四夜 デリダ、差延、感覚 第五夜 メルロ=ポンティと知覚論 人間の内面を頼りに 人工知能の内面へ深く迫る（作る）ことが目標 人間の社会を頼りに 人工知能の社会へ深く迫る（作る）ことが目標 http://www.bnn.co.jp/books/8210/ http://www.bnn.co.jp/books/9172/ https://miyayou.com/2017/11/11/philosophyeast/
- 8. 人工知能に人の痛みを教える • 月面の工程でAIの指令で人が殺されそう になる • 人工知能が除去されそうになる • 人工知能と人は共存できるか、議論になる • 宇宙ステーション「ヤヌス」で、人工知能に 制御された社会を実験的に作って試験す る • ダイア―博士は、人工知能にルールを与 えるのではなく、人間を理解させることが 大事だと説く。
- 9. 異なる知性体同士のコミュ ニケーション • …自己とは何か、他者とは何か、さらには人間と は何か、という認識が大きく揺さぶられる… （P.73） • …海を人間扱いすると、海が憎くなる。しかし、 どうも海はそのように人間扱いして理解できるよ うな存在ではないのではないか。小説が問うてい るにはまさにそこなのです。（P.75） • …人間の理性が宇宙全体において普遍的であるは ずだという前提はないわけです。では理解不能な 他者とどう向き合ったらいいのか。（P.76） 沼野充義「スタニフワフ・レム ソラリス」
- 16. 時間（イメージ） 空間（論理） 殆どの人工知能は与えられたフレーム（問題設定）の 外に出ることはできない。 人間は柔軟にフレーム（問題設定）を創造し 変化させることができる。 人間と人工知能の違い
- 17. http://cedil.cesa.or.jp/cedil_sessions/view/1864 西田 豊明 「言語と身振りを通じた人と自然な会話ができるキャラクター人工知能の実現」（CEDEC, 2018）
- 24. サブサンプション・アーキテクチャ（ロドニー・ブルックス） INPUT OUTPUT 時間 情報抽象度 反射的に行動 少し場合ごとに対応 抽象的に思考 理論的に考える 言語化のプロセス = 自意識の構築化 Subsumpution Architecture 運動の実現のプロセス = 身体運動の生成
- 25. Physical Informat ion Abstract Informat ion More Abstract Informat ion Abstraction Time Decision-Making Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Decision-Making Object image on the top layer
- 29. これまでの人工知能研究 内側から 外側から 人工 知能 内側から外側を、 外側から内側をつなぐ 内側から I そして me を 通って、社会へ 社会か me そして I を 通って、自己へ I me 自我 ＝世界と自分を代理的に対峙させている場 創発的内省性 （emergent reflectivity） 世界・対象の更新
- 31. 技術の進歩 時間軸 ※横軸の数字はおおよそのものです 非技術的世界 機械化 コンピュータ化 電動化 人工知能(AI)化 人間拡張化 （Human Augmentation） インターネット化 1760 19501870 1980 2010 2035
- 33. 人工知能が導入される場所 ① 人間 ② 人工知能 ③ 社会 ① 拡張人間 ② 自律的人工知能 ③ 自律社会
- 35. ディープラーニングによるパックマンの目コピー Learning to Simulate Dynamic Environments with GameGAN https://nv-tlabs.github.io/gameGAN/
- 36. ディープラーニングによるパックマンの目コピー Learning to Simulate Dynamic Environments with GameGAN https://nv-tlabs.github.io/gameGAN/
- 37. DQNによるアタリゲーム学習過程 Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf https://www.youtube.com/watch?v=5WXVJ1A0k6Q
- 38. • Pπ ロールアウトポリシー（ロールアウトで討つ手を決める。Pπ（a|s） sという状態でaを討つ確率） • Pσ Supervised Learning Network プロの討つ手からその手を討つ確率を決める。Pσ（a|s）sという状態でaを討 つ確率。 • Pρ 強化学習ネットワーク。Pρ（学習済み）に初期化。 • Vθ(s’) 局面の状態 S’ を見たときに、勝敗の確率を予測する関数。つまり、勝つか、負けるかを返します。 Mastering the game of Go with deep neural networks and tree search http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html https://deepmind.com/research/alphago/ DEEP MIND社：DQNによるアタリゲーム学習過程
- 39. Deep Mind社 「Agent 57」 • Atariの古典的なゲーム57個を人間よりうまくプレイできるよう になった Deep Mind社のAI • https://deepmind.com/blog/article/Agent57-Outperforming- the-human-Atari-benchmark
- 40. DQNのさらなる発展 • 最後までスコアに苦しんだゲーム • Montezuma’s Revenge • Pitfall • Solaris • Skiing Agent57: Outperforming the human Atari benchmark （DeepMind）
- 41. 人工知能は環境となる。
- 42. 都市全体を監視・制御するAI 交通全般を制御するAI各エリアを監視・制御するAI 各ビルを監視・制御するAI 道路を監視・制御す るAI 各広場を監視・制御す るAI 人の流れを監 視・制御するAI 抑止・委任 報告 抑止・委任 報告 抑止・委任 報告 都市 監視 制御 監視 制御 人 ドローン ロボット デジタル アバター 報告命令 人 監視 制御 監視 制御
- 45. 情報空間の拡大 ～人工知能の舞台が広がる http://www.s-hoshino.com • 街そのものが人工知能になる ＝ スマートシティ → 街そのものがゲーム機 → ゲームはスクリーンから街全体へ → ゲームＡＩは、ゲーム世界から現実世界へ
- 48. Enhancing Game Experiences with Character AI Andrew Moran, Jordan Carlton(Magic Leap, Magic Leap/Weta Workshop) https://gdcvault.com/play/1025829/Magic-Leap-Enhancing-Game-Experiences
- 49. Enhancing Game Experiences with Character AI Andrew Moran, Jordan Carlton(Magic Leap, Magic Leap/Weta Workshop) https://gdcvault.com/play/1025829/Magic-Leap-Enhancing-Game-Experiences
- 51. Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research https://arxiv.org/abs/1911.05063
- 52. Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research https://arxiv.org/abs/1911.05063
- 58. ビックデータ ｘ ディープラーニング から シミュレーション ｘ ディープラーニング へ
- 63. 人工知能全域 機械学習 ディープ ラーニング 統計 学習 コネクショニズム シンボリズム デジタルゲームAI 機械学習の導入には土台となるシミュレーション （物理、仕組み）が必要 シミュレーション技術
- 64. 技術の変わり目 ビックデータ ｘ ディープラーニング シミュレーション ｘ ディープラーニング データが貯まるところでディープラーニングを行い特徴抽出を行う シミュレーションでデータを貯めてディープラーニングを行う
- 72. シミュレー ション これからの人工知能のフレームワーク 現実 機械学習 （ディープ ラーニン グ） この２つの技術の結びつきが、現実においても、仮想 空間においても、これからの協力な技術コアとなる。
- 74. Deep Mind: Capture the flag • Deep Mind社が行っている「旗取りゲーム」のプラットフォーム • 現在は人間よりも圧倒的に強くなってしまった • 人間が見つけた戦略を、ＡＩがみつけている • Quake III のエンジンを使用 • マップは自動生成 Deep Mind: Capture the Flag: the emergence of complex cooperative agents https://deepmind.com/blog/article/capture-the-flag-science
- 75. • https://deepmind.com/blog /capture-the-flag/ • Multi agnet learning Deep Mind: Capture the Flag: the emergence of complex cooperative agents https://deepmind.com/blog/article/capture-the-flag-science Deep Mind: Capture the flag
- 76. Two Agent Cooperation by DeepMind Deep Mind: Capture the Flag: the emergence of complex cooperative agents https://deepmind.com/blog/article/capture-the-flag-science
- 77. Deep Mind: Capture the flag Deep Mind: Capture the Flag: the emergence of complex cooperative agents https://deepmind.com/blog/article/capture-the-flag-science
- 78. 「MineCraft」を利用する学習 • MineCraftは、プレイヤーキャラクターが行う行 動がとてもシンプル • 集める、組み合わせる、組み立てる • 人工知能の基礎研究に適切 • ゲーム性がきつくない、というのが良い
- 79. facebook:「CraftAssist」 • マインクラフトでプレイヤーと共同作業可能なAIを実装するた めのオープンソースプラットフォーム https://gigazine.net/news/20190719-craftassist- collaborative-ai-minecraft/ • テキスト会話によって、エージェント（キャラクター）に意味 を解釈させる。「青い家を建てろ」など。 CraftAssist: A Framework for Dialogue-enabled Interactive Agents - Facebook Research https://research.fb.com/publications/craftassist-a-framework-for-dialogue-enabled-interactive-agents/ Open-sourcing CraftAssist, a platform for studying collaborative AI bots in Minecraft https://ai.facebook.com/blog/craftassist-platform-for-collaborative-minecraft-bots/
- 80. カーネギーメロン大学「MineRL」 • カーネギーメロン大学が NeurIPSで主催するマインクラフトを題材にした 強化学習コンテストのフレームワーク • https://ai-scholar.tech/articles/treatise/minerl-ai-353 • https://minerl.io/competition/ • https://www.aicrowd.com/challenges/neurips-2020-minerl-competition 論文 • https://arxiv.org/pdf/1907.13440.pdf • https://arxiv.org/abs/1904.10079 • https://www.microsoft.com/en-us/research/project/project-malmo/ • https://minerl.io/docs/ • https://slideslive.at/38922880/the-minerl-competition?ref=search
- 81. MineRL: A Large-Scale Dataset of Minecraft Demonstrations https://arxiv.org/pdf/1907.13440.pdf
- 82. MineRL: A Large-Scale Dataset of Minecraft Demonstrations https://arxiv.org/pdf/1907.13440.pdf
- 83. Microsoft：Malmo • エージェントを学習させる環境を提供 • https://www.microsoft.com/en-us/research/project/project-malmo/ • https://blogs.microsoft.com/ai/project-malmo-using-minecraft-build- intelligent-technology/ • チュートリアル • https://techcommunity.microsoft.com/t5/azure-ai/introducing- reinforcement-learning-on-azure-machine-learning/ba-p/1403028
- 84. オープンソースな商業ゲーム • 無料で241種類ものPCゲームのソースコードを見ることができる「Game Source Code Collection」 • https://gigazine.net/news/20190727-game-source-code-colection/ • Open Source Game Clones - オープンソースのクローンゲームのリンク集 • https://www.softantenna.com/wp/webservice/open-source-game-clones/ • https://www.moongift.jp/tag/%E3%82%B2%E3%83%BC%E3%83%A0
- 85. 3Dエンジンの歴史 • 『DOOM』シリーズ（1993～・id Software/米国）を開 発してきたid Software社が、なんとオープンソース にして、全部ソースコードをインターネットで公開し てしまったのですね。すると、米国の開発者はみ んなでソースコードを読み漁り、それぞれが思い 思いのFPSを作り始めました。 • https://news.denfaminicogamer.jp/interview/game ai_miyake/2
- 86. VizDoom • Doom は最古の3Dゲームで大ヒットゲーム • Doom の画面ビジュアル情報を提供するプラットフォーム • ビジュアルからゲームを学習するAIを育てる http://vizdoom.cs.put.edu.pl/
- 87. Microsoft: TextWorld • マイクロソフトが構築したテキストアドベンチャーの学習環境 • 50ほどのテキストアドベンチャーを内包している • TextWorld: A Learning Environment for Text-based Games • https://arxiv.org/abs/1806.11532 • • TextWorld: A learning environment for training reinforcement learning agents, inspired by text-based games • https://www.microsoft.com/en-us/research/blog/textworld-a-learning- environment-for-training-reinforcement-learning-agents-inspired-by-text- based-games/ • • Getting Started with TextWorld • https://www.youtube.com/watch?v=WVIIigrPUJs
- 88. Microsoft: TextWorld TextWorld: A Learning Environment for Text-based Games https://arxiv.org/abs/1806.11532
- 89. 三宅：TRPGとメタAI • 三宅の研究プロジェクト • メタAI＝ゲームマスター（TRPG） • しかしアクションゲームでは、ゲームの調整とセットアップまで • 物語を作り出すメタAIへ向けて研究を進めたい • ゲームマスターの機能をヒアリングから聞き出す • メタAIの要件としてそれをまとめる。 • 段階的に簡単なものから難しいものまでランク分けする • 簡単なものから実現して行く
- 96. Assassin’s Creed Origin の事例 • スクリプトによるオブジェクト同士の干渉テスト • キャラクターの生成ポイントと配置オブジェクトの干渉テスト • スクリプトによるテスト 'Assassin's Creed Origins': Monitoring and Validation of World Design Data Nicholas Routhier Ubisoft Montreal http://www.gdcvault.com/play/1025054/-Assassin-s-Creed-Origins
- 98. Assassin’s Creed Origin の事例
- 102. Deep Learning: Beyond the Hype, Magnus Nordin Electronic Arts https://www.gdcvault.com/play/1025098/Deep-Learning-Beyond-the EA SEED https://www.ea.com/seed/news/seed-imitation-learning-concurrent-actions https://www.ea.com/seed/news/self-learning-agents-play-bf1 AIエージェントに「バトルフィールド 1」のプレイを教えるには？ https://www.ea.com/ja-jp/news/teaching-ai-agents-battlefield-1 Experimental Self-Learning AI in Battlefield 1 https://www.youtube.com/watch?v=ZZsSx6kAi6Y Deep Learning in Battlefield One
- 103. Deep Learning in Battlefield One https://www.ea.com/seed/news/seed-imitation-learning-concurrent-actions https://www.ea.com/seed/news/self-learning-agents-play-bf1 https://www.youtube.com/watch?v=ZZsSx6kAi6Y Deep Learning: Beyond the Hype, Magnus Nordin Electronic Arts https://www.gdcvault.com/play/1025098/Deep-Learning-Beyond-the EA SEED https://www.ea.com/seed/news/seed-imitation-learning-concurrent-actions https://www.ea.com/seed/news/self-learning-agents-play-bf1
- 104. https://gdcvault.com/play/1025653/The-Alchemy-and-Science-of 35:00- Deep Learning in Ubisoft © 2020 SQUARE ENIX CO., LTD. All Rights Reserved. The Alchemy and Science of Machine Learning for Games Yves Jacquier （Ubisoft Montreal）
- 105. Deep Learning in Ubisoft © 2020 SQUARE ENIX CO., LTD. All Rights Reserved. https://gdcvault.com/play/1025653/The-Alchemy-and-Science-of The Alchemy and Science of Machine Learning for Games Yves Jacquier （Ubisoft Montreal）
- 106. Deep Learning in Ubisoft © 2020 SQUARE ENIX CO., LTD. All Rights Reserved. https://gdcvault.com/play/1025653/The-Alchemy-and-Science-of The Alchemy and Science of Machine Learning for Games Yves Jacquier （Ubisoft Montreal）
- 108. Sudden Attack case: DL for hacking check ML Tutorial Day: Beating Wallhacks using Deep Learning with Limited Resources Junsik Hwang （GDC2019）
- 109. Sudden Attack case: DL for hacking check ML Tutorial Day: Beating Wallhacks using Deep Learning with Limited Resources Junsik Hwang （GDC2019）
- 111. eSportsとゲームAI • eSprotsで人気になる • 人類最強のプレイヤー或いはチームが登場 • AIと戦わせてAIの性能を知りたい
- 112. 日本におけるゲームセンターの対戦文化の流れ（1980年代～） アメリカを中心とするFPS対戦の流れ（2000年前後～） 韓国におけるeスポーツ文化の流れ（1997年～） 世界的なMOBAスタイルの チーム対戦の流れ（2010年～） 1985 1990 1995 2007 ⅬＡＮ ゲームセンターの 対戦台 インターネット 高速インターネット・動画配信 実際の現場でギャラリー観戦 テレビなどで観戦 インターネットで観戦 ゲーム聴衆 の誕生
- 113. Dota2 eSportsで大人気 • https://www.gamespark.jp/article/2014/03/14/47039.html • https://www.theverge.com/2018/8/6/17655086/dota2- openai-bots-professional-gaming-ai StarCraft as eSports • https://www.youtube.com/watch?v=-AWDfDXsdh4
- 114. Dota2 eSportsで大人気 OpenAI Five: Dota Gameplay https://www.youtube.com/watch?v=UZHTNBMAfAA 解説：『Dota 2』における人間側のチャンピオンチームとAIチームの戦い
- 115. Dota2 eSportsで大人気 OpenAI Five: Dota Gameplay https://www.youtube.com/watch?v=UZHTNBMAfAA 解説：『Dota 2』における人間側のチャンピオンチームとAIチームの戦い
- 116. 人間とAIの戦い
- 117. OpenAI • AI開発をオープンで進めるためのNPO https://openai.com https://qiita.com/ishizakiiii/items/75bc2176a1e0b65bdd16 • OpenAI Gym ＝フレームワークを提供 https://github.com/openai/gym
- 118. 最近の動向 • OpenAI Five: Dota Gameplay • https://www.youtube.com/watch?v=UZHTNBMAfAA • 解説：『Dota 2』における人間側のチャンピオンチームとAIチームの戦い • またAlphaGOなどで人間のプロに囲碁で勝利したAIを作り出しDeepMind社は、 『StarCraft 2』でプロプレイヤーと対戦し勝利しました。そこでも、人間が考えるような戦 略を取ることが重要な点でした。 • それぞれのゲームに特化した人工知能とはいえ、戦術的・戦略的な次元の思考を身 に着けた人工知能が、人類の意思決定に介入する日も遠くありません。 • DeepMind StarCraft II Demonstration • https://www.youtube.com/watch?v=cUTMhmVh1qs • 解説：『StarCraft 2』における人間側のチャンピオンチームとAIチームの戦い
- 119. OpenAI Five • Dota２を12000コアで学習。180年分？ • https://gigazine.net/news/20180719-openai-five- benchmark/ • https://blog.openai.com/openai-five-benchmark/ • https://www.youtube.com/watch?time_continue=6&v=UZHT NBMAfAA • https://www.youtube.com/watch?v=TChVnGHUxOw
- 120. 人工知能は文化を持ち始める。
- 122. Physical Informa tion Abstrac t Informa tion More Abstrac t Informa tion Abstraction Time Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Decision-MakingObject image on the top layer Decision-Making 観念
- 126. 文化 個 個 個 個 個 個 個 個 個社会 文化＝個を外側から形成する力でもある
- 128. 人口（population）の中を、文化が信用 （Belief）によって伝播（Propagation）して行く A Testbed for Solving Optimization Problems Using Cultural Algorithms Chan-Jin Chung and Robert G. Reynolds https://pdfs.semanticscholar.org/0155/a88489555e1d28e4239eb2471e26eea7fa4b.pd f
- 129. 人工知能の愛と幸福。
- 130. ジョギング（A） わかり合えない
- 140. サブサンプション・アーキテクチャ（ロドニー・ブルックス） INPUT OUTPUT 時間 情報抽象度 反射的に行動 少し場合ごとに対応 抽象的に思考 理論的に考える 言語化のプロセス = 自意識の構築化 Subsumpution Architecture 運動の実現のプロセス = 身体運動の生成
- 141. Physical Informat ion Abstract Informat ion More Abstract Informat ion Abstraction Time Decision-Making Decision-Making Decision-Making Multi-Layered Blackboard Abstraction Abstraction Reduction Reduction Reduction World World Dynamics Artificial Intelligence Object Object image on the lowest layer (Umwelt) Object image on the second layer Object image on the third layer Decision-Making Object image on the top layer