Upload
youichiro-miyake
View
1.247
Download
3
Embed Size (px)
Citation preview
人工知能によってプログラムを有機化する
三宅 陽一郎
(ゲームAI開発者)
https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake [email protected]
2016.12.3 @
Red Bull Studios Tokyo
(後篇)
目次
• 第一章 人工知能の作り方
• 第二章 ソフトウェアの構造
• 第三章 人工知能へ
• 第四章 知識構造
• 第五章 ナビゲーションAI
• 第六章 メタAI ゲーム全体の思考
• 第七章 思考
• 第八章 思考の構造
第六章 メタAI ゲーム全体の思考
ゲーム全体の知能化
ゲーム・ソフトウェア 知能化された
ゲーム・ソフトウェア
かつてゲームでは人工知能は独立した部分ではなく、 ゲームシステムの中に含まれていた。
AIの分化
ゲームシステム
メタAI
キャラクターAI ナビゲーションAI
3つのAIシステムは序々に分化して独立して行った。 では、今度はナビゲーションAIについてさらに詳しく見てみよう。
3つのAIの連携の例
フィールド
地形解析・認識 AI
メタAI
エージェントAI
状況を監視し、キーとなる役割を適切なタイミングでエージェントに指示する。
自律的な判断。 仲間同士の協調
地形を解析する 目的に応じた点を見つけ出す 目的地までのパスを計算する
Support
http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/
レベル
ナビゲーションAI
メタAI
キャラクターAI
エージェントを動的に配置 レベル状況を監視 キャラクターに指示 ゲームの流れを作る
自律的な判断 仲間同士の協調 時にチームAIとなる
メタAI, キャラクターAIの為に レベルの認識のためのデータを準備 オブジェクト表現を管理 ナビゲーション・データの管理 パス検索 / 位置解析
Support
敵キャラクタ-
プレイヤー
頭脳として機能
情報獲得
コントロール
http://dear-croa.d.dooo.jp/download/illust.html http://piposozai.blog76.fc2.com/
メタAI
©2016 SQUARE ENIX CO., LTD. All Rights Reserved.
メタAIの歴史
1980 1990
メタAIというのは、ゲームそのものに埋め込まれたAI。
1980 1990 2000
古典的メタAI
現代のメタAI
キャラクターAI技術の発展
メタAIの歴史
1980 1990 2000
古典的メタAI
現代のメタAI
キャラクターAI技術の発展
その歴史は古く、1980年代にまでさかのぼる。 その時代と現代のメタAIは、異なる点も多いので、 古典的メタAI、現代のメタAIと名づけて区別することにしよう。
(例)「ゼビウス」(ナムコ、1983) 敵出現テーブル巻き戻し
敵0
敵1
敵2
敵3
敵4
敵5
『あと面白い機能なんですけれど、 ゼビウスには非常に簡単なAIが組み込まれています。 「プレイヤーがどれくらいの腕か」というのを判断して、 出てくる敵が強くなるんです。 強いと思った相手には強い敵が出てきて、 弱いと思った相手には弱い敵が出てきます。 そういったプログラムが組み込まれています。 ゲームの難易度というのは「初心者には難しくて、上級者には簡単だ」ということが、 ひとつの難易度で(調整を)やっていくと起きてしまうので、 その辺を何とか改善したいな、ということでそういったことを始めてみたのですけれど、 お陰で割合にあまり上手くない人でも比較的長くプレイできる、 うまい人でも最後のほうに行くまで結構ドラマチックに楽しめる、 そういった感じになっています。』
- 遠藤雅伸(出演)、1987、「糸井重里の電視遊戯大展覧会」『遠藤雅伸ゼビウスセミナー』フジテレビ -
現代のメタAI
より積極的にゲームに干渉する。
メタAI
敵配位 敵スパウニング ストーリー レベル 動的生成
ユーザー
メタAI Left 4 Dead の事例
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
今回は Left 4 Dead の事例を見てみる。
適応型動的ペーシング
[基本的発想]
(1) ユーザーがリラックスしている時に、ユーザーの緊張度が一定の敷居を超えるまで敵をぶつけ続ける。
(2) ユーザーの緊張度が一定の緊張度を超えると敵を引き上げる。
(3) リラックスすると敵を出現し始める((1)へ)。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
メタAI(=AI Director)によるユーザーのリラックス度に応じた敵出現度
ユーザーの緊張度
実際の敵出現数
計算によって 求められた 理想的な敵出現数
Build Up …プレイヤーの緊張度が目標値を超えるまで 敵を出現させ続ける。 Sustain Peak … 緊張度のピークを3-5秒維持するために、 敵の数を維持する。 Peak Fade … 敵の数を最小限へ減少していく。 Relax … プレイヤーたちが安全な領域へ行くまで、30-45秒間、 敵の出現を最小限に維持する。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
より具体的なアルゴリズム
メタAIがゲームを認識する方法
キャラクター用に作成された ナビゲーションメッシュを メタAIがゲームの 状況を認識するために使用する。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
メタAIが作用を行う領域
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
メタAIが作用(敵の生成・消滅)を行う領域を、 AAS(= Active Area Set) と言う。
メタAIが作用を行う領域 (AAS=Active Area Set)
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
メタAIが作用を行う領域 (AAS=Active Area Set)
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
安全な領域までの道のり(Flow Distance)
メタAIはプレイヤー群の経路を トレースし予測する。 - どこへ来るか - どこが背面になるか - どこに向かうか
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
AAS に対して行うこと。
メタAIはプレイヤー群の移動に伴い、 その周囲(AAS)に敵の群れを 生成・消滅させたりする。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
プレイヤーからの可視領域
可視領域(プレイヤーから見えている部屋)では、敵のスパウニング(発生)はできない。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
敵出現領域
背後 前方
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
前方と背後のプレイヤー群から見えてない部屋に、 モンスターを発生させる。
モンスター・アイテム出現頻度
敵の種類、アイテムの種類ごとに出現頻度が違うが、頻度に応じて発生させる。
高頻度
低頻度
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
Wanderers (高頻度)
Mobs(中頻度)
Special Infected (中頻度)
Bosses (低頻度)
Weapon Caches (低頻度)
Scavenge Items (中頻度)
ボス出現アルゴリズム (1) N体を予想される逃走経路上に配置 (2) 3つの出現イベントパターン (何もいない、を含む) (例) Tank, Witch, 何もいない (3) 同じパターンのくり返しは禁止 (例) Witch, 何もいない、Witch はOK。 Witch, Witch はだめ。
何もいない
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
Tank Witch Witch Tank Witch Tank
具体的なアルゴリズム
(1) 各エリアに、出現数 N を決定する
(2) 出現数Nは予想される逃走経路の長さと要求される密度によって計算される。
(3) あるエリアがAAS の中に入るとクリーチャーがN体生成される。
(4) そのエリアがAAS の外に出ると生成が中止され、クリーチャーは消滅される。
(5) Nはそのエリアがプレイヤーから見えている場合、或いは、プレイヤーがリラックスモードの場合には、強制的に0になる。
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
まとめ
メタAIは、ゲームの流れを動的に作るAIで、キャラクターAI、イベントなどには命令だけを出す。これは明確に、メタAIと他のモジュールが独立した関係にあるから可能なこと。
まとめ
メタAIを入れ替えるだけで、ゲームコンテンツが入れ替えることができる。メタAIという軽い部分だけを配信することで、コンテンツを入れ替えることが可能になる。
参考文献
(1) Michael Booth, "Replayable Cooperative Game Design: Left 4 Dead," Game Developer's Conference, March 2009.
(2) Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford.
http://www.valvesoftware.com/publications.html
(3) 三宅 陽一郎, “メタAI”,「デジタルゲームの技術」
P.186-190, ソフトバンク クリエイティブ
世界 / データ群 (Undefined)
センサー エフェクター
インフォメーション・フロー
知識 表現
思考
エージェント・アーキテクチャ
世界 / データ群 (Undefined)
センサー エフェクター
インフォメーション・フロー
知識 表現
思考
エージェント・アーキテクチャ
キャラクターAI
センサー
エフェクター
メタAI
目次
• 第一章 人工知能の作り方
• 第二章 ソフトウェアの構造
• 第三章 人工知能へ
• 第四章 知識構造
• 第五章 ナビゲーションAI
• 第六章 メタAI ゲーム全体の思考
• 第七章 思考
• 第八章 思考の構造
第七章 思考
意思決定モデル
ステート(状態)ベースAI
ゴール(目標)ベースAI
ルール(規則)ベースAI
ビヘイビア(振る舞い)ベースAI
ユーティリティ(効用)ベース AI
Rule-based AI
State-based AI
Behavior-based AI
Goal-based AI
Utility-based AI
「○○-based AI」とは、○○をAIを構築する基本単位(アトミック)として採用したAIということ。
タスク(仕事)ベース AI Task-based AI
リアクティブ
非リアクティブ
意思決定
シミュレーションベース AI Simulation-based AI
実際の静物の意思決定というものは非常に高度で複雑なプロセス。 いくつかの簡易モデルが存在する。
ルールベース意思決定
Rule-based decision making
ステート(状態)ベースAI
ゴール(目標)ベースAI
ルール(規則)ベースAI
ビヘイビア(振る舞い)ベースAI
ユーティリティ(効用)ベース AI
Rule-based AI
State-based AI
Behavior-based AI
Goal-based AI
Utility-based AI
タスク(仕事)ベース AI Task-based AI
シミュレーションベース AI Simulation-based AI
ステートベース意思決定
State-based decision making
ステート(状態)ベースAI
ゴール(目標)ベースAI
ビヘイビア(振る舞い)ベースAI
ユーティリティ(効用)ベース AI
Rule-based AI
State-based AI
Behavior-based AI
Goal-based AI
Utility-based AI
タスク(仕事)ベース AI Task-based AI
シミュレーションベース AI Simulation-based AI
ルール(規則)ベースAI
ユーティリティベース意思決定
Utility-based decision making
ステート(状態)ベースAI
ゴール(目標)ベースAI
ビヘイビア(振る舞い)ベースAI
ユーティリティ(効用)ベース AI
Rule-based AI
State-based AI
Behavior-based AI
Goal-based AI
Utility-based AI
タスク(仕事)ベース AI Task-based AI
シミュレーションベース AI Simulation-based AI
ルール(規則)ベースAI
ゴールベース意思決定
Goal-based decision making
ステート(状態)ベースAI
ゴール(目標)ベースAI
ビヘイビア(振る舞い)ベースAI
ユーティリティ(効用)ベース AI
Rule-based AI
State-based AI
Behavior-based AI
Goal-based AI
Utility-based AI
タスク(仕事)ベース AI Task-based AI
シミュレーションベース AI Simulation-based AI
ルール(規則)ベースAI
ゴールベースAI (Goal-Based AI) ゴール(目標)を単位として構築する方法
ゴール・ファースト=まずゴールを決める。 しかるのちにゴールを達成するための行動をデザインする。
ゴール ゴールを達成するために 必要なことを考える思考
行動
2つのゴールベース
ゴールベース
連鎖プランニング
階層型ゴール プランニング
ゴールベース意思決定
連鎖プランニング 階層型プラン二ング
Goal-based decision making
F.E.A.R.におけるゴール指向プランニング
Genre:Horror FPS
Developer: Monolith Production
Publisher : SIERRA
Hardware: Windows
Year: 2004
Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt
統一事実記述形式
統一事実記述形式
場所
方向
感覚
オブジェクト
情報取得時刻
未公開
場所 (位置、信頼度)
方向(方向、信頼度)
感覚のレベル(感覚の種類、信頼度)
オブジェクト(ハンドル、信頼度)
情報取得時刻
キャラクター 事件 欲求 任務 パス オブジェクト
全て以下の形式(フォーマット)で記述する。
ノード
全部で本当は16個の属性がある
Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt
自分の記憶領域に認識した事実を蓄積する
Worlking Memory
Agent Architecture Considerations for Real-Time Planning in Games (AIIDE 2005) http://web.media.mit.edu/~jorkin/AIIDE05_Orkin_Planning.ppt
プランニングのための知識
シンボル
エージェントの認識する世界をもっとシンプルに表現したい
各エージェントについて(Agent-centric)
上記のシンボルは、対象とするエージェントについての情報。
kSymbol_AtNode どのノードにいるか
kSymbol_TargetIs AimingAtMe
どのノードにいるか
kSymbol_ WeaponArmed 武装しているか
kSymbol_ WeaponLoaded 装填されているか
kSymbol_Target IsSuppressed
威嚇されているか
kSymbol_ UsingObject オブジェクトを 使っているか?
kSymbol_ TargetIsDead 死んでいるか
kSymbol_ RidingVehicle
乗り物に乗っているか
kSymbol_AtNodeType どんなタイプのノードにいるか
20個のシンボルで世界を集約して表現する
Jeff Orkin, “3 States and a Plan: The AI of F.E.A.R.", http://web.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.zip
シンボル kTargetAtme = ture
この兵士Bは自分を狙っている kTargetIsDead = ture この兵士Aは死んだ
kWeaponIsLoaded = false 私Cの武器は装填済みでない
Jeff Orkin, “3 States and a Plan: The AI of F.E.A.R.", http://web.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.zip
F.E.A.R.のプランニング② シンボルによる連鎖プランニング
ターゲットAが
死んでいる
ターゲットAが
死んでいる
攻撃
武器が装填
されている
武器が装填
されている
装填する
武器を
持っている 武器を
持っている
武器を拾う
条件なし
プラナー
プランニング
ゴールベース意思決定 連鎖プランニング
階層型ゴールプラン二ング
Goal-based decision making
一つのゴールはより小さなゴールから組み立てられる
Goal
Goal Goal Goal
ゴールはより小さなゴールから組み立てられる
Goal
Goal Goal Goal
Goal
Goal
Goal Goal Goal
クロムハウンズにおけるプランニング
階層型ゴール指向型プランニング
戦略、戦術から、局所的戦闘までの幅広い戦いが できる必要がある
階層型ゴール指向型プランニングとは?
一つのゴールはより小さなゴールから組み立てられる
Goal
Goal Goal Goal
ゴールはより小さなゴールから組み立てられる
Goal
Goal Goal Goal
Goal
Goal
Goal Goal Goal
映画を見たい
映画館に行く
映画を見る
映画館は新宿だ
映画館まで歩く
新宿駅に行く
晴れなら 新宿駅へ歩く
雨なら 電車で新宿へ
駅まで歩く
電車に乗る
ゴール指向型プランニングの考え方
クロムハウンズにおける ゴール指向型プランニング
パスに沿って 移動する
通信塔を 見つける
パスを見つける 通信塔 へ行く
通信塔 を占拠
通信塔を 占領する
撃つ
歩く
止まる 通信塔の 周囲に
10秒間いる
戦術、振る舞い 操作 ハウンズ
ロボット 身体
クロムハウンズにおける
リアルタイムゴール指向型プランニング
通信塔を 占領する
Seek
Shot
Walk
Stop
戦略 戦術、振る舞い 操作 ハウンズ
敵が来た!
パスに沿って 移動する
通信塔を 見つける
パスを見つける
通信塔 へ行く
通信塔 を占拠
通信塔の 周囲に
10秒間いる
敵と戦う
撃つ
歩く
止まる
ロボット 身体
クロムハウンズにおける ゴール指向型プランニング
パスに沿って 移動する
通信塔を 見つける
パスを見つける 通信塔 へ行く
通信塔 を占拠
通信塔を 占領する
撃つ
歩く
止まる 通信塔の 周囲に
10秒間いる
戦術、振る舞い 操作 ハウンズ
ロボット 身体
ゴール指向型AIの開発工程
歩く 撃つ 止まる
2点間を移動 前進しながら戦う
攻撃する パスをたどる
敵を叩く 味方を 守る
操作層
振る舞い層
戦術層
戦略層
通信塔 占拠
その場で静止
周囲を監視 しつつ待機
ゲーム テスト (80回)
問題点を パターンと して抽出
(パターンランゲージによる漸近的成長)
仕様 UML Program
ゴール指向型プログラム構造 (入れ子構造)
Class Goal
クリア条件 +
Activate() Process()
Terminate()
Class Goal
クリア条件 +
Activate() Process()
Terminate()
Class Goal
クリア条件 +
Activate() Process()
Terminate()
Class Goal
クリア条件 +
Activate() Process()
Terminate()
Activate … 初期セッティング
Process … アクティブな間の行動Terminate … 終了処理
(関数の内容を全てスクリプトで記述)
プログラマーのための実装工程
インスタンス
インスタンス
最終的なゴール総合図
歩く 撃つ 止まる
2点間を 移動
歩く、一度 止まる、歩く
攻撃 する
パスを たどる
敵を叩く 味方を 守る
操作層
振る舞い層
戦術層
戦略層
通信塔 占拠
静止 する
ある地点へ 行く
本拠地 防衛
敵本拠地 破壊
味方を 助ける
巡回 する
敵基地 偵察
近付く 合流 する
巡回 する
逃げる
後退 する
前進 する
敵側面 へ移動
ビヘイビアベース意思決定
Behavior-based decision making
ステート(状態)ベースAI
ゴール(目標)ベースAI
ビヘイビア(振る舞い)ベースAI
ユーティリティ(効用)ベース AI
Rule-based AI
State-based AI
Behavior-based AI
Goal-based AI
Utility-based AI
タスク(仕事)ベース AI Task-based AI
シミュレーションベース AI Simulation-based AI
ルール(規則)ベースAI
ビヘイビアベース
ビヘイビア 自分自身の身体的活動をターゲットにしたタスク
ビヘイビアベース
ビヘイビア ビヘイビア
アニメーションほど詳細ではなく、 文脈を形成できるレベルの身体活動を 記述する。
フィードバックは、ツリー構造の 動作に含まれてしまう。 一連の行動を展開することが 目的となる。
ビヘイビアベイスAI (Behavior-Based AI)
ビヘイビア(振る舞い)によって知能を記述する方法ビヘイビアは具体的な身体運動の仕方を定義するものでなくてはならない。
ビヘイビア
ビヘイビア 何らかの意思決定
ビヘイビア
ビヘイビアベース意思決定 ビヘイビアツリー入門
Behavior-based decision making
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
この層の中で実行可能なうち、 最も優先度の高いノードを実行する
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
この層の中で実行可能なノードを 順番に実行する。
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
この層の中で実行可能なノードを ランダムに一つ実行する。
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
root
バトル
撤退
休憩
攻撃
隠れる
逃走する
足止めする
立ち止まる
回復する
トラップ
眠る
回復薬を飲む
弓を放つ
剣を振る
森に潜む
穴を掘る
建物に隠れる
攻撃魔法
氷系
風系 プライオリティ
プライオリティ
シークエンス
シークエンス
ランダム
プライオリティ ランダム
プライオリティ
ランダム
ビヘイビア (末端ノード)
層
層
選択ルール
選択ルール
シミュレーションベース意思決定
Simulation-based decision making
ステート(状態)ベースAI
ゴール(目標)ベースAI
ビヘイビア(振る舞い)ベースAI
ユーティリティ(効用)ベース AI
Rule-based AI
State-based AI
Behavior-based AI
Goal-based AI
Utility-based AI
タスク(仕事)ベース AI Task-based AI
シミュレーションベース AI Simulation-based AI
ルール(規則)ベースAI
シミュレーション・ベース
• シミュレーションは、ここではエージェントの想像のこと。
• 問題を定式化できない場合、実際に頭の中で動かしてみることを意味する。
• ゲームの場合は、実際にゲームのルール・原理に従って運動させてみる。
シミュレーション・ベース
※イメージです。
要所、要所のシミュレーション結果を実際の世界の状況と比較して、 フィードバックをかける。
シミュレーション・ベース
ジャンプするシミュレーションを行うことで、成功するジャンプを見出して実行する。
http://piposozai.blog76.fc2.com/
Warfarmeにおける壁面移動
Daniel Brewer, “The Living AI in Warframe’s Procedural Space Ships” (Game AI Conference 2014) ※登録が必要なサイトです http://archives.nucl.ai/recording/the-living-ai-in-warframes-procedural-space-ships/
プレイヤー
AI
プレイヤーが「ジャンプ・壁面走り・ジャンプ」したデータから 学習して、AIがそのデータをもとに同じ動きをする。
ジャンプ 壁面走り ジャンプ
http://piposozai.blog76.fc2.com/
http://dear-croa.d.dooo.jp/download/illust.html
シミュレーション・ベース
加速・減速など自由な軌道を描けるAIが、複雑な地形を通過するときに、 複数の運動シミュレーションを走らすことで、もっともエレガントな軌道を見出す。
Armored Core V における空中移動
岡村 信幸, ARMORED CORE Vのパス検索 (CEDEC 2011) https://cedil.cesa.or.jp/cedil_sessions/view/593
START GOAL
Armored Core V における空中移動
岡村 信幸, ARMORED CORE Vのパス検索 (CEDEC 2011) https://cedil.cesa.or.jp/cedil_sessions/view/593
START GOAL
Armored Core V における空中移動
岡村 信幸, ARMORED CORE Vのパス検索 (CEDEC 2011) https://cedil.cesa.or.jp/cedil_sessions/view/593
START GOAL
動的計画法によるパス検索
タスクベース意思決定
Task-based decision making
ステート(状態)ベースAI
ゴール(目標)ベースAI
ビヘイビア(振る舞い)ベースAI
ユーティリティ(効用)ベース AI
Rule-based AI
State-based AI
Behavior-based AI
Goal-based AI
Utility-based AI
タスク(仕事)ベース AI Task-based AI
シミュレーションベース AI Simulation-based AI
ルール(規則)ベースAI
「階層型タスクネットワーク」
これから一番有望なアルゴリズム
http://dear-croa.d.dooo.jp/download/illust.html
回復薬を作る方法
• 赤、青、緑を一色づつ集める。
• 緑、赤、緑の順番に集める。
• 青二つと赤一つ。ただし、赤の前に青を集めないといけない。
メソッド
(=タスクの分解の仕方)
回復薬を作る (タスク)
回復薬を運ぶ (タスク)
回復薬を届ける (タスク)
メソッド (=タスクの分解の仕方)
袋入 れる
ブランチ 全色集める
ブランチ 赤と青を集める
ブランチ 赤と緑を集める
青拾う
赤拾う
緑拾う
袋入 れる
緑拾う 緑拾う 袋入 れる
赤拾う 青拾う
赤拾う 青拾う
順序なしタスク
全順序タスク
局所的順序タスク
全色広場にある 広場には赤と緑の宝石がある 赤と青の宝石がある
原初タスク
回復薬を作る (タスク)
前提条件
メソッド
(=タスクの分解の仕方)
回復薬を作る (タスク)
回復薬を運ぶ (タスク)
回復薬を届ける (タスク)
回復薬を運ぶ
• 場所を持ってきて、荷物を載せて、戦場へ運ぶ。
• 荷物に載せるには、宝箱に入れて載せる必要がある。
• 宝箱には札をつけておく必要がある。
メソッド
メソッド
馬車に 載せる
馬車を呼ぶ 戦場まで行
く 荷を載せる
宝箱に 札をつける
宝箱に入れる
順序なしタスク
全順序タスク
局所的順序タスク
馬車を持っている
原初タスク
回復薬を運ぶ (タスク)
前提条件
荷を載せる
馬車が近くにある
局所的順序タスク
袋入 れる
回復薬を届ける (ドメイン)
ブランチ 全色集める
ブランチ 赤と青を集める
ブランチ 赤と緑を集める
青拾う
赤拾う
緑拾う
袋入 れる
緑拾う 緑拾う 袋入 れる
赤拾う 青拾う
赤拾う 青拾う
順序なしタスク
全順序タスク
局所的順序タスク
全色広場にある 広場には赤と緑の宝石がある 赤と青の宝石がある
原初タスク
回復薬を作る (タスク)
袋入 れる
青拾う
赤拾う 青拾う
スタート
馬車を 呼ぶ
戦場まで行く
ゴール
馬車に載せる
宝箱 に札を つける
宝箱に入れる
Scope : movie
Game AI Conference, Paris, June 2009
Architecture
Game AI Conference, Paris, June 2009
Scope
Game AI Conference, Paris, June 2009
Killzone 2 / PS3
• Max 32 players
• Team-based game modes
• Multiple game modes on one map
• Players unlock / mix “badge abilities”
• Offline (1 human player & bots)
• Online (human players & bots)
Scope
Game AI Conference, Paris, June 2009
Badges
• Scout: Cloak, Spot-and-Mark
• Tactician: Spawn Area, Air Support
• Assault: Boost
• Engineer: Sentry Turret, Repair
• Medic: Heal, Med packs
• Saboteur: Disguise, C4
Killzone 2 AI (マルチプレイヤーモード)
(1) Killzone 2 のAI思考
(2) Killzone 2 のマップ自動解析
On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
Killzone 2 Screen
On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
司令官のAI
部隊長のAI
兵 士 の AI
兵 士 の AI
兵 士 の AI
部隊長のAI
兵 士 の AI
兵 士 の AI
兵 士 の AI
部隊長のAI
兵 士 の AI
兵 士 の AI
兵 士 の AI
防衛、前進など戦術を指示
戦術の成功・失敗を報告 (フィードバック)
移動地点を指示
ターゲット指示
指示の再発行要求
指示の再発行要求
「Killzone 2」におけるチームの構造図と コミュニケーション・パス
司令官のAI
部隊長のAI
各メンバ | の AI
各メンバ | の AI
各メンバ | の A
部隊長のAI
各メンバ | の AI
各メンバ | の A
各メンバ | の AI
部隊長のAI
各メンバ | の A
各メンバ | の AI
各メンバ | の A
防衛、前進など戦術を指示
戦術の成功・失敗を報告 (フィードバック)
移動地点を指示
ターゲット指示
指示の再発行要求
指示の再発行要求
Individual AI
Game AI Conference, Paris, June 2009
各メンバーのエージェント・アーキテクチャ
上からの 命令
メッセージ
情報 統合
World State
HTN プランナー
計画
タスク 実行機
コントローラー インプット
知能内部
感覚刺激
認識
脅威
知能の世界
環境世界
認識の 形成
記憶
意思の 決定
身体 制御
エフェクター・身体
運動の 構成
センサー・身体
意思決定 モジュール
意思決定 モジュール
意思決定 モジュール
対象・ 現象
情報の流れ(インフォメーション・フロー)
影響を与える 影響を受ける
各メンバーのエージェント・アーキテクチャ
上からの 命令
メッセージ
情報 統合
World State
HTN プランナー
計画
タスク 実行機
コントローラー インプット
知能内部
感覚刺激
認識
脅威
Squad AI
Game AI Conference, Paris, June 2009
Squad AI
Game AI Conference, Paris, June 2009
Search & Destroy: Defending (2)
Paris Game AI Conference, 2009.
Search & Destroy: Defending (3)
Paris Game AI Conference, 2009.
Ⓒ2014 SQUARE ENIX CO., LTD. All Rights Reserved.
部隊長のエージェント・アーキテクチャ
司令官からの命令
各兵士からの報告
情報 統合
World State
HTN プランナー
計画
タスク 実行機
各メンバーへの命令
知能内部
メモリ領域
実行モジュール
銃で攻撃 ロケットで攻撃
銃で攻撃
ロケットで 攻撃
敵がヒューマノイド 射程距離内
敵はヒューマノイドでも砲台でもない 射程距離内
武器を選択して攻撃 (タスク)
装填
攻撃
終了
装填
攻撃
終了
… 前進
なし
拠点を防衛するように命令する (タスク)
それまでのメンバーデータを消去
新しくメンバーの状況を収集
命令発行シークエンス起動 (これまでの行動を停止せよ)
前進命令を発行
到着したら停止命令
拠点を防衛せよ
かがみながら近づく
治療器具選択
行動する (タスク)
治療プランスタート
治療を周囲に通達
治療する
プラン終了
車
防御
ターゲットを選択
治療器具を使用する
徒歩前進
治療
行動
中止 継続 開始
治療
器具変更なし 器具変更あり
メソッド適用
メソッド適用
メソッド適用
メソッド適用
HTN (Hierarchical Task Network)
Precondition
Task
Precondition
Task
On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
HTN (Hierarchical Task Network) 各AIの思考 On the AI Strategy for KILLZONE 2′s Multiplayer Bots
http://aigamedev.com/open/coverage/killzone2/
TaskList
TaskList
分岐リスト
分岐リスト
分岐(Branch)
分岐(Branch)
On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
On the AI Strategy for KILLZONE 2′s Multiplayer Bots http://aigamedev.com/open/coverage/killzone2/
目次
• 第一章 人工知能の作り方
• 第二章 ソフトウェアの構造
• 第三章 人工知能へ
• 第四章 知識構造
• 第五章 ナビゲーションAI
• 第六章 メタAI ゲーム全体の思考
• 第七章 思考
• 第八章 思考の構造
第八章 思考の構造
コンポジット構造(ゴール、タスク)
要素 要素
要素
要素
要素
要素
要素
コンポジット・パターン(デザインパターン)
連結型アーキテクチャ(ゴール、タスク)
要素 要素 要素
知識
思考
最小の知能の単位 階層型アーキテクチャ
知識 思考
知識 思考
知識 思考
メタ思考
メタ思考アーキテクチャ
思考の構造
• 階層型
• メタ思考型
• コンポジット型
• 連結型アーキテクチャ
思考の構造
• 階層型
• メタ思考型
• コンポジット型
• 連結型アーキテクチャ
静的な思考 動的に生成される思考
コンポジット構造(ゴール、タスク)
要素 要素
要素
要素
要素
要素
要素
コンポジット・パターン(デザインパターン)
動的(リアルタイム)に生成
連結型アーキテクチャ(ゴール、タスク)
要素 要素 要素
動的(リアルタイム)に生成
知識
思考
最小の知能の単位 階層型アーキテクチャ
動的(リアルタイム)に生成
知識 思考
知識 思考
知識 思考
メタ思考
メタ思考アーキテクチャ
動的(リアルタイム)に生成
思考の構造
• 階層型
• メタ思考型
• コンポジット型
• 連結型アーキテクチャ
静的な思考 動的に生成される思考
スクリプト
Scripted AI から自律型AIへの変化
ゲームデザイナーの頭の中 ゲームデザイナーの頭の中
知識 思考
Scripted AI 自律型 AI (Autonomous AI)
操り人形(Scripted AI)から、キャラクターが自分で考えて行動する自律型AI(Autonomous AI)になるためには、
ゲームデザイナーが頭の中で持っている知識と思考をAIに埋め込む必要がある。
スクリプト
Scripted AI から自律型AI、生成型AI
ゲームデザイナーの頭の中
ゲームデザイナーの頭の中
知識 思考
Scripted AI 自律型 AI (Autonomous AI)
知識 その場で 思考 生成
生成的AI (Generative AI)
http://piposozai.blog76.fc2.com/
付録1: 概念とアーキテクチャ
人工知能が用いる概念
• ゴール
• タスク
• ユーティリティ
• エージェント
• 知識
概念構造
ソフトウェア構造
世界に向かってソフトウェアを開いて行く
世界
プログラムの断片
世界に向かってソフトウェアを開いて行く
世界
プログラムの断片
世界に向かってソフトウェアを開いて行く
世界
プログラムの断片
プログラムの断片
プログラムの断片
世界
知能
Abstraction
Time
World
Sensor Effector
World Dynamics
Artificial Intelligence
Object
Object Object
Object
Object
明確に内的対象を 外的事物と同じように 存在するものとして 導入することができる。
Decision-Making
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
Object image on the top
layer
インフォメーション・フローは 志向性の流れを作り出している。
統合された エージェント・アーキテクチャ
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
Sensor Effector
World Dynamics
Artificial Intelligence
Decision-Making
Decision-Making
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
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
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
付録2: 記憶とアーキテクチャ
記憶の海 (Working Memory)
ステージからワーキングメモリに記憶(スタック)する。
注意の焦点 t=T
注意の焦点 t=T
http://piposozai.blog76.fc2.com/
ステージからワーキングメモリに記憶(スタック)する。
注意の焦点 t=T
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
http://piposozai.blog76.fc2.com/
ステージからワーキングメモリに記憶(スタック)する。
注意の焦点 t=T
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
http://piposozai.blog76.fc2.com/
注意の焦点 t=T
ステージからワーキングメモリに記憶(スタック)する。
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
対象Aに対する記憶スタック
意識の流れ
http://piposozai.blog76.fc2.com/
C4 アーキテクチャ (MIT メディアラボ Synthetic Creature Group, 2000)
キャラクターAIの内部モデルとしてのブラックボード・アーキテクチャ
特徴: - AIの各機能が モジュール化されている - モジュール同士は ブラックボードを経由して コミュニケーションを取る。 - 各モジュールはKS
記憶領域
ブラックボードには記憶だけでなく、 知識、身体の情報など、個体の持つ あらゆる情報が表現される
ブラックボード・アーキテクチャ = 記憶の場所 + 制御アーキテクチャ
ブラックボードは、 キャラクター表現そのもの。
古典的機能
エージェントにおける 新しい機能
注意の焦点 t=T
ステージからワーキングメモリに記憶(スタック)する。
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
対象Aに対する記憶スタック
意識の流れ
http://piposozai.blog76.fc2.com/
注意の焦点 t=T
ステージからワーキングメモリに記憶(スタック)する。
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
対象Aに対する記憶スタック
http://piposozai.blog76.fc2.com/
注意の焦点 t=T
テンポラリー記憶の圧縮・パッキング
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
対象Aに対する記憶スタック
情報の圧縮・パッキング =対象Aに対する知識
http://piposozai.blog76.fc2.com/
注意の焦点 t=T
テンポラリー記憶の圧縮・パッキング
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
対象Aに対する記憶スタック
対象Aに 対する知識
対象Aに対する知識
http://piposozai.blog76.fc2.com/
注意の焦点 t=T
ワーキングメモリから短期記憶へさらにスタック。
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
対象Aに対する記憶スタック
対象Aに 対する知識
対象Aに対する知識
短期記憶
書き込み
http://piposozai.blog76.fc2.com/
注意の焦点 t=T
ステージからワーキングメモリに記憶(スタック)する。
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
スイカに対する記憶スタック
注意の焦点 t=T
テンポラリー記憶の圧縮・パッキング
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
スイカに対する記憶スタック
スイカに対する知識
注意の焦点 t=T
テンポラリー記憶の圧縮・パッキング
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
スイカに対する記憶スタック
スイカに対する知識
スイカに対する知識
注意の焦点 t=T
ワーキングメモリから短期記憶へさらにスタック。
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
スイカに対する記憶スタック
スイカに対する知識
スイカに対する知識
短期記憶
書き込み
注意の焦点 t=T
テンポラリー記憶の圧縮・パッキング
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
地形に対する記憶スタック
地形に対する知識
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
注意の焦点 t=T
テンポラリー記憶の圧縮・パッキング
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
地形に対する記憶スタック
地形に対する知識
地形に対する知識
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
注意の焦点 t=T
ワーキングメモリから短期記憶へさらにスタック。
注意の焦点 t=T
注意の焦点 t=T-1
記憶の海 (Working Memory)
注意の焦点 t=T-2
注意の焦点 t=T-3
注意の焦点 t=T-N
注意の焦点 t=T…
意識の流れ
地形に対する記憶スタック
地形に対する知識
地形に対する知識
短期記憶
書き込み
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
注意の焦点
人間は意識の中に世界がどう現われたかを覚えている。
ゴブリンに 対する知識
地形に対する知識
スイカ に対する知識
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
付録: : 記憶の構造
第一節 テンポラリーな記憶のスタック
第二節 記憶のリコール(呼び出し)
第三節 記憶の階層構造
注意の焦点
人間は意識の中に世界がどう現われたかを覚えている。
ゴブリンに 対する知識
地形に対する知識
スイカ に対する知識
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
注意の焦点
記憶のマッチングとリコール
ゴブリンに 対する知識
地形に対する知識
スイカ に対する知識
呼び出し =マッチング
書き込み =対象の判別 && 知識・経験の想起 =リコール
こいつ 出会った ことある!
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://piposozai.blog76.fc2.com/
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
注意の焦点
記憶のマッチングとリコール
ゴブリンに 対する知識
地形に対する知識
スイカ に対する知識
呼び出し =マッチング
書き込み =対象の判別 知識・経験の想起 =リコール
ここ 見たこと ある!
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://piposozai.blog76.fc2.com/
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
注意の焦点
記憶のマッチングとリコール
ゴブリンに 対する知識
地形に対する知識
スイカ に対する知識
呼び出し =マッチング
書き込み =対象の判別 知識・経験の想起 =リコール
これ 見たこと ある!
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://piposozai.blog76.fc2.com/
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
注意の焦点
記憶のマッチングとリコール
ゴブリンに 対する知識
地形に対する知識
スイカ に対する知識
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://piposozai.blog76.fc2.com/
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
注意の焦点
記憶体=プロセッサー(KS)
モンスターに 対する知識
地形に対する知識
スイカ に対する知識
特定の対象に対する知識は専門家(エキスパート)が 受け持っているとみなすことができる。
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://piposozai.blog76.fc2.com/
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
へび
に対する知識
注意の焦点
記憶体=プロセッサー(KS)
ゴブリンに 対する知識
地形に対する知識
スイカ
に対する知識
リンゴに
対する知識
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://piposozai.blog76.fc2.com/
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
付録: 記憶の構造
第一節 テンポラリーな記憶
第二節 記憶のリコール
第三節 記憶の階層構造
へび
に対する知識
注意の焦点
記憶の呼び出しと書き込みも黒板モデルとみなすことができる。
ゴブリンに 対する知識
地形に対する知識
スイカ
に対する知識
リンゴに
対する知識
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html
http://piposozai.blog76.fc2.com/
短期記憶
注意の焦点
マルチスケールな記憶システム構造
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
長期記憶
短期記憶
注意の焦点
マルチスケールな記憶システム構造
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
固定記憶
長期記憶
短期記憶
注意の焦点
マルチスケールな記憶システム構造
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
固定記憶
長期記憶
短期記憶
注意の焦点
マルチスケールな記憶システム構造
スタック
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
固定記憶
長期記憶
短期記憶
注意の焦点
マルチスケールな記憶システム構造
スタック
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
固定記憶
長期記憶
短期記憶
注意の焦点
マルチスケールな記憶システム構造
リコール
スタック
http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
固定記憶
長期記憶
短期記憶
注意の焦点
記憶構造
※時間スケールはそれぞれのスタック・リコールで異なる。 http://www.123rf.com/photo_10039937_foggy-forest-at-the-morning-at-autumn.html http://piposozai.blog76.fc2.com/
記憶のレベル
さまざまな記憶レベルに モンスターに関する記憶が 記録されています。
記憶のレベル
http://piposozai.blog76.fc2.com/