|
番外編
ゲームファン必読
「人工知能学会誌vol.14 No.2 1999-3」に掲載された
森川さんの原稿を、ほぼ日でも掲載
テレビゲームへの人工知能技術の利用
Use of Artificial Intelligence for Video Game
森川 幸人
Yukihito Morikawa
（１）はじめに
近年ゲームは、ゲームマシンのスペックの向上に伴い、
グラフィックやサウンド、それに、
キャラクターの生態や振る舞いにも
リアリティーが求められるようになってきました。
一方ゲームの定義はどんどん拡大され、
仮想生命を飼うようなものもゲームの１ジャンルとして
許容されるようになってきました。
そのような背景から、AI技術（人工知能）を利用した
仮想ペットをモニターの中で育てるゲームや
仮想生物が自律的に進化するゲームの開発を試みました。
（２）ビデオゲームにおけるAI技術
パソコンゲームでは、本格的なAI技術を使ったゲームが
いくつか存在します（図１）。
しかし、コンシューマ・ゲームマシン（註１）では、
これまで本格的なAI技術を利用した事例は
ないと考えられます。
これは、コンシューマ・ゲームマシンのCPUやメモリでは、
そのような「コストの高い」エンジンを走らせることが
不可能であったためです。
こうした事情は、いわゆる次世代マシン（註２）の
登場によって変わってきました。
一つは、マシンのスペックが飛躍的に向上して、
ぎりぎりですが、本格的なAI技術を組み込むことが
可能になったこと。もう一つは、ゲーム内容の多様化と
リアリズム嗜好のブームの中、本格的なAI技術に対する
期待が、制作者やプレイヤーに
生まれてきたことがあげられます。
（３）実用例
ここでは、過去にAI技術を利用して作った
ゲーム2作について、具体的な使用例を説明します。
●「がんばれ森川君２号」（註３）
このゲームは、いわゆる「育てゲー」とよばれる
カテゴリーに属するゲームで、テレビの中で仮想のペット
（このゲームでは、PiT(Pet in TVの略)と呼ばれる
ロボット型のペット）を飼うというゲームです。（図２）
ゲーム全体の流れは図３のようになります。
このゲームでは、ステージ中に隠されたAI Chipと呼ばれる
アイテムを探すことが目的となります。このゲームは
通常のゲームと違って、プレイヤーは直接キャラクターを
操作することができません。PiTが自律的にステージを
移動し、アイテムに対して「正しい」アクションを実行し、
目的のアイテムを探し出さなくてはなりません。
ただし、プレイヤーは、PiTに対してアイテムに対する
「正しい」アクションを教育することと、調べさせたい、
向かわせたいアイテムを指示することができます。
これに対して、
PiTはプレイヤーの指示したアクションを学習し、
プレイヤーが指示する毎に、そのアイテムの重要度
（指示される回数が多いアイテムは
「重要なアイテム」だと認識する）を学習していきます。
また、アイテムに対してアクションした際、
その結果から報酬（負の場合もある）を受け取ると、
そのアイテムに対する快か不快かの「印象」を学習します。
（図３）
こうした学習や判断用のエンジンとして、
AIを使っています。
このゲームの場合、初めて遭遇するアイテムに対して、
今までの経験からアクションや印象の推測ができることが
必要であったこと、プレイヤーが教えるという立場で
参加できる必要があったことから、AIモデルとして
教師ありのニューラル・ネットワーク・モデルである
バック・プロパゲーション・モデル（以後BP）を
利用しました。
BPを使おうと決めた理由は、入出力のパターンの作成が
直感的に理解しやすいこと、このアルゴリズムに関する
文献が多いことです（このことは、AIを利用しようとする
一般人には、とても重要な問題となります）。
また、ゲーム進行中に学習の追加や修正が行われない
本能的な判断にもBPを利用しました。
この「本能」としては、出荷前に十分に訓練されたBPが
組み込まれています。
本能的な判断には、以下の2つがあります。
１．ステージでの方針
２．音楽の好み
１．のステージの方針とは、ステージにいるときに、
自分の状態（エネルギー残量や疲労度など）と、
ステージ中のアイテムの印象（重要度や快度など）から、
なにをすべきかを判断することを意味します。
アクション選択のルールは、あらかじめこちらで設定し、
BPに十分な訓練を行いました。（図４）
２．の音楽の選択ですが、
これは極めてゲーム的な要素です。
通常のゲームでは、自動的にBGＭが選択され
プレイされますが、このゲームではPiTがプレイする、
しないの判断と曲の選択を行います。
ステージ中には、音楽（１曲）のデータが入った
CD_ROMが20枚以上落ちています。
PiTはステージ中で手に入れた曲をプレイすることが
可能なのですが、複数の曲を有している場合は、PiTの好み
（そのときの感情やエネルギー残量、疲労度や音楽の種類に
対する本能的嗜好性などを入力としている）で、
プレイする曲を選択する（場合によってはBGMをかけない）
ようになっています。
具体的には、BGMのタイプをあらかじめ5種類に
分類しておき、PiTの体調、そのときの気分、
またPiT個体の個性に応じて、
どのタイプを選択するかを学習させました。
あらかじめ訓練済みのBP（このゲームでは
「本能」にあたる部分）を使う場合は、
BPはゲーム内でも非常に具合よく機能します。
通常のゲームの場合は「エキスパート・ルール」のように、
たくさんのルール群を用意しますが、ゲーム制作者は
必ずしも数学に強くないため（註４）、往々にして
非線形な問題に対して帳尻のあったルールを
設定できないことが起こります。
これに対して、BPのサンプルの作成は、
直感的にわかりやすく、非線形問題であるかどうかなどを
考慮しなくてすむという利点があります。
ただし、ゲームの世界では（そして、おそらく実世界でも
そうだと思うのですが）、多くの事象に関して、
万人に共通な「唯一の正解」などは存在しません。
したがって、唯一絶対の教師信号もなく、
あらかじめ学習を済ませておく、ということができません。
このため、ゲーム中でたびたび学習の追加や修正を
行わなければならなくなります。
これには以下の問題点があります。
１．再学習のたびに、ゲームが中断する。
２．再学習のたびに、（少なくとも一時的には）
学習精度が落ちる。
３．再学習のたびに、（サンプル数が増えるため）
学習時間が長くなり、メモリーも必要になってくる。
これらの問題は、調べた限りでは、
実用的な解決策がありませんでした。
そこで、このゲームでは
脳にパーテーションを切るという仕組みを組み込みました。
あらかじめ、1つのBPは30のサンプルを上限とするように
設定します。31番目からのサンプルが発生すると、
新たな「脳のパーツ」が生成され、そこで学習されます。
新規の入力パターンの推論の際は、
直接BPに入力する前に、すでに学習済みのサンプルとの
「近さ」を測定し、最も近似のサンプルについて
学習された「脳のパーツ」からの出力を利用します。
（図５）
これによって、最も（ゲームとしては）問題な学習時間と
メモリーの肥大化という問題を回避しました。
それとひきかえに、この方法では、学習の精度は、
広くサンプルを学習できないことから、
最終的には悪くなることが予測されます。
これを回避するために、ステージ中で出会うだろう
アイテムの大まかな順序を想定し、なるべく幅広い
ジャンルのアイテムに均等に遭遇するように配慮しました。
（この方策は、このゲームではうまくいきましたが、
全く一般性のない方策ではあります。）
●「アストロノーカ」（註５）
このゲームは、宇宙で農家になるゲームです。（図６）
プレイヤーは、与えられた畑で「宇宙作物」を栽培します。
「宇宙作物」を収穫した際には、その作物の種も
得られますが、この種同士を交配させると
新種の作物の種が合成されます。
収穫した「宇宙作物」は、そのまま売って
お金に換えることもできますが、新種の作物は
コンクール（新種作物の品評会のようなもの）
に出すこともできます。
一方、プレイヤーが育てた作物を狙う害獣「バブー」が
存在します。このバブーから作物を守るために、畑の前の
空き地にトラップ（落とし穴やかかしや扇風機など）を
仕掛けます。これを「トラップバトル」と呼んでいます。
バブーは最初のうち、簡単なトラップにも
ひっかかりますが、やがて耐性を持ったり、
トラップのかわしかたを学習したりして、
ひっかからなくなる進化をみせます。
このため、プレイヤーはトラップの配置や
組み合わせを替えたり、新種のトラップを購入したりして
バブーを撃退します。
作物の交配と栽培、それとバブーとの攻防が
このゲームの主な遊びです。
このゲームでは、バブーの進化に遺伝的アルゴリズム
（以下GA）を利用しました。
GAを使った理由は、
バブーの進化を、（通常のゲームのように）あらかじめ
仕込んでおくのではなく、プレイヤーの仕掛けるトラップの
種類によって、どんどん変わるようにしたかったためです。
また、バブーも我々同様遺伝子を持っていて、
淘汰と交配、突然変異によって進化していくという、
生き物としての「実感」を表現したかったためです。
トラップバトルでの成績を適応度関数として、
トラップに対する耐性や回避方法を獲得するように、
進化していくような仕組みになっています。
次にGAの仕組みに従って、各要素の詳細を説明します。
（図７）
バブーの集団は20個体あり、ゲーム中では３体までしか
畑にやってきませんが、バックグラウンドでは、
全個体がトラップバトルを行っています。
バブーは、身体的特性（体重や身長や腕力、脚力など）、
トラップの特性に対する耐性
（電気、熱などに対する耐性）、
障害物に対する回避アクション
（迂回する、押す、叩くなど）
の情報を遺伝子上に持っています。
各要素の遺伝子の長さは8ビットで、要素の数は
56要素ありますから、バブー１体につき448ビット長の
遺伝子を持っていることになります。
各要素のビットには、（図８）のような数値が
定義されていて、全てのビットが立ったとき、
その要素の値が100になるようになっています。
特徴として、獲得した属性が容易に壊れないように、
2箇所のビットが同じ数値を持つようになっています。
トラップバトルの成績には、
以下のような適応度関数を用いました。
適応度＝成績＋ＴＢ時間*0.3＋エンジョイ*0.5
＋トラップ点＋安全点＋ＨＰ*0.5
全ての項の説明は省きますが、例えば、成績とは、
トラップバトル終了時のバブーのいる位置に対する
ボーナスで、ゴールの位置が最も高く、その周囲が
その次に高いボーナスが与えられます。（図９）
また、ＴＢ時間とは、トラップバトルに要した時間、
安全点とはトラップに対する耐性の余裕の度合いなどを
意味しています。
親選択は、ルーレット方式が取られています。
突然変異確率は３％を標準としていますが、
親の遺伝子の近さ（ハミング距離で測定）に応じて、
突然変異確率が変動します。親が近いほど確率は
大きくなり、遠いほど確率は小さくなります。
また、突然変異が起こる箇所は、完全にランダムではなく、
そのときの環境（配置されたトラップの種類）によって、
おおまかに限定されています。
ゲーム中では、ゲーム中の１日で１世代の世代交代と
説明していますが、実際には、バックグラウンドで
１日で５世代の世代交代を行っています。
これは、GAが必要とする世代数が、ゲーム的には
大きすぎるためです。また、世代交代数は、進化の速度
（適応度の平均点の伸び）を重みとして調整しています。
つまり、進化の速度が遅くなったときは、
バックグラウンドでの世代交代数は大きくなり、
進化が早くなると世代交代数は小さくなります。
これは、バブーの進化の速度が著しく変わるのは
ゲーム的なバランスとして、望ましくないためです。
このゲームの場合、トラップの配置や種類が何度も
変更されます。これはGA的には環境が
つねに変動することを意味しますから、
GAにとっては、とても不都合な条件です。
特に以下の２つの事態が問題となります。
１．学習が収束しにくい。
２．過去に獲得した記憶（トラップの攻略方法など）が、
役に立たない。
１つめの問題は、進化の速度を重みとして
世代交代数を逐次調整していくことで
ある程度解決することができました。
２つめの問題は、突然変異を起こす場所を、
配置されたトラップの種類によって、大ざっぱに
限定することによって解決しました。
これにより、直面するトラップに関係しない遺伝子群は、
突然変異の影響を強く受けることがなく、
過去に獲得した記憶を保存することができます。
（４）まとめ
ゲームマシンとその周辺の機器（センサーや入力装置）の
進化は、さらに「リアル」な表現を可能にしていく
ことでしょう。リアリティーの追求は、今のところ、
主にビジュアル面（３次元化やフルカラー、
フルモーション化など）に集中していますが、
今後は、それにとどまらず、ゲーム中のキャラクター達の
学習や判断の仕組みにも、それが求められていくと
考えられます。
そして、「リアル」な学習や推測、判断、
それに進化など「生き物らしさ」を表現する
エンジンとしては、本格的なAI技術も
有効な技術となるのではないかと考えています。
また、ゲーム内の働きに限らず、
特にGAなどは、ゲーム開発の技術としても期待できます。
例えば、ロールプレイングゲームなどの場合、
配置するモンスターの強さ（パラメータの値）の
チューニングは、現在手作業で調整されています。
パラメータの数は、
昔に比べて非常に多くなってきていますから、
この作業はとても負荷の高い作業となっています
（通常この作業だけで１〜２カ月の時間を要します）。
しかし、GAを使えば、適切な適応度関数さえ設定できれば、
とても短時間でバランスの良いパラメータの値を
探し出すなどことができると思います。
プロフィール
森川 幸人
1959年 岐阜生まれ
1982年 筑波大学芸術専門学群卒業
1990年 有限会社ウルトラ設立 同取締役社長
1995年 有限会社ムームー設立 同取締役社長
1990〜5年
テレビ用CG制作
代表作「アインシュタイン」、「ウゴウゴ・ルーガ」
1995年
プレイステーションソフト
「ジャンピングフラッシュ１」プロデュース
1996年
プレイステーションソフト
「ジャンピングフラッシュ２」プロデュース
1997年
プレイステーションソフト「がんばれ森川君２号」制作
1998年
プレイステーションソフト「アストロノーカ」制作 |
