【記事更新】私のブックマーク「ディジタルゲームの人工知能（Artificial Intelligence in Digital Game）」 – 人工知能学会 (The Japanese Society for Artificial Intelligence)

私のブックマーク

ディジタルゲームの人工知能（Artificial Intelligence in Digital Game）

三宅陽一郎（株式会社スクウェア・エニックス）

はじめに

ディジタルゲームにおける人工知能研究は、現実そっくりの仮想シミュレーション空間で、キャラクタという身体を持つ知能を作って試す、という取り組みです。そこでは複雑な３次元の地形を作って、複雑な身体の動作を決めさせることもできれば（例えばファンタジー世界で渓谷を歩かせるなど）、長時間に及ぶ複雑なミッションを解かせる（例えば、敵の基地に潜入して設計書を持って帰る）こともできます。時間を素早く進めて進化アルゴリズムや学習アルゴリズムを用いることもでき、ニューラルネットワークで動作や選択を学習することもできます。ディジタルゲームは多様で巨大な実験の場でもあります。しかしゲーム大国と言われる日本、事実新しい種類のゲームを出すことにおいては他の追随を許さない日本において、2017年現在ディジタルゲームの人工知能の研究者はとても少ない状態にあります。ここでは、研究を始める端緒、ご興味を持って頂く契機としてディジタルゲームの世界を深く広く俯瞰する文献をご紹介できればと思います。導入を考えて、敢えて学術文献・論文のみに絞らずに、Web記事や書籍、Web上の解説なども含ませてありますので、ご了承ください。
(1) ディジタルゲームの人工知能とは
(2) ディジタルゲームAIの産業団体・産業会議
(3) ディジタルゲームAIの学術団体・学術会議
(4) ディジタルゲームAIの書籍
(5) キャラクタAI
(6) ナビゲーションAI
(7) メタAI
(8) 学習・進化アルゴリズムとディジタルゲームAI
(9) 身体アニメーションと人工知能
(10) ソーシャルゲームと人工知能
(11) 会話とキャラクタAI
(12) コンテンツ自動生成のためのプロシージャル技術
(13) 群衆AI
(14) In Game Cinematics（カットシーン）とキャラクタAI
(15) ゲームAIツール
(16) カメラAI
(17) ゲームエンジンの中の人工知能
(18) ディジタルゲームAIの歴史
(19) 哲学とゲームAI
(20) 日本におけるゲームAI事例

(1)ディジタルゲームの人工知能とは

ディジタルゲームの人工知能とは、狭義では「ディジタルゲームの中で使用される人工知能技術」を指しますが、広義では「ゲームに登場するキャラクタにおける技術、ゲームを面白くするダイナミック（動的）な仕組み」まで含みます。通常の「人工知能」の指す領域を定義することが難しいように、「ディジタルゲームAI」の領域は日々成長しており、厳密に定義することは難しいですが、大まかに上記のように言うことができます。
まずこちらのインタビュー形式の解説で概要をつかんでください。
21世紀に“洋ゲー”でゲームAIが遂げた驚異の進化史。（電ファミゲーマー、2017年）[1]
ディジタルゲームAIの現状を解説論文の形でまとめたものです。100以上の参考文献がありますので、参考文献を含めてご利用ください。
三宅陽一郎：ディジタルゲームにおける人工知能技術の応用の現在，〈特集〉エンターテイメントにおけるAI，人工知能，Vol. 30, No. 1, pp. 45-64（2015）[2]
次に、人工知能学会誌 Vol.32.2 では、特集「ゲーム産業における人工知能」が組まれています。こちらAI書庫にてすべての記事を読むことができます。
AI書庫（人工知能学会誌 Vol.32.2, 2017）[3]
また次の２つのサイトによくまとまっています。
Cygames Engineers’ Blog
ゲームAI -基礎編- 『知識表現と影響マップ』[4]
ゲームAI –基礎編(2)–『はじめてのエージェントベースアーキテクチャ』[5]
講義の参考本として、また最初に読む本としては、以下の書籍があります。巻末に参考文献リストが充実しています。
三宅陽一郎「人工知能の作り方―「おもしろい」ゲームAIはいかにして動くのか」（技術評論社、2016年）[6]
ゲームタイトルへの実際的な応用事例としては以下の２つの文献で概要をつかむことができます。
長谷洋平「複数タイトルで使われた柔軟性の高いAIエンジン」（CEDEC2015）[7]
三宅陽一郎ほか：大規模ゲームにおける人工知能─ファイナルファンタジーⅩⅤの実例をもとに─，人工知能，Vol. 32, No. 2, pp. 197-213（2017）[8]
ゲームAIの資料があるのは、主に「CEDiL」（日本のゲーム産業カンファレンスCEDECの講演資料置き場）、「GDCVault」（米の産業カンファレンスGDCの講演資料置き場）、「NUCL.AI」（欧州のゲーム産業カンファレンス）、AIIDE（AAAIの分科会）、IEEECIG、そして人工知能学会 AI書庫です。
CEDiL （無料登録ですべての資料を閲覧可能）[9]
GDCVault (一部有料)[10]
NUCL,AI (有料登録のみ)[11]
AAAI AIIDE (Proceedingsをすべて公開)[12]
IEEE CIG (Proceedingsをすべて公開)[13]
人工知能学会AI書庫[14]
以下では主にこの6つの中から文献を紹介して行きます。

(2) ディジタルゲームAIの産業団体・産業会議

ディジタルゲームAIの世界の進歩は日進・月歩であり、「建設中」という標語が相応しい分野です。さまざまな方向が毎年のように試されます。そこからブレイクスルーが生まれますので、世界的には開発者・研究者の距離も近く、同じフィールドを探索する同士のようです。
ディジタルゲームの開発者・研究者における団体は
AI Game Programmers Guild[15]
です。主にメイリングリストで毎日のように議論が展開されています。上記サイトから登録を申請すると入ることができます。ただ個人が管理しているので、返信が来なくても根気よく何度も申請するのがコツです。ここに登録しておくことで、最先端の産業ゲームAIの動向を知ることができます。
産業のカンファレンスとしては、毎年、２～３月にサンフランシスコで開催される Game Developers Conference (GDC)内の AI Summit 、及び、GDC の Regular Session としてのAI系の講演群が最も大きなものです。
Game Developers Conference[16]
GDC AI Summit[17]
ただAI Summit はGDC 5日間の前2日間のチュートリアルという色合いが濃く、これと併せて後半3日間の中にある各タイトルのAIセッションを聴講したり、発表することで意味があります。
GDC Vault で、講演資料、講演動画（一部有料）が公開されています。
GDC Vault[18]
また、情報サイトとしては、
AIGameDev[19]
が有名ですが、更新頻度は落ちています。このAIGameDev が主催する欧州のカンファレンスは Game AI Conference と言います。毎年、サイトで資料が公開されていました。最近は名前を変えて、Nucl.AI という名前になり継続されています。ただ、これはAlexさんとその会社のプライベートなカンファレンスであり、2017年は休止されています。
NUCL.AI[20]
こちらは有料ですが資料と動画が公開されています。過去の資料はAIGameDev上にもあります。
Paris Game AI Conference ’10: Highlights,Photos & Slides[21]
また、ゲーム情報サイト
Gamasutra[22]
には、時々ゲームAIの記事が掲載されます。その中でも重要な記事は、2005年の「HALO2」（Bungie）に関する人工知能の記事です。
GDC 2005 Proceeding: Handling Complexity in the Halo 2 AI（Gamesutra）[23]
ここで解説された Behavior Tree という方法が、現在のキャラクタの意思決定を作る標準的な形式となって行きますので、必読の記事の一つです。
国内としては、ゲーム産業カンファレンス
CEDEC[24]
があります。毎年8月下旬～9月上旬に横浜で開催されています。かつては数個でしたが、現在はAI関連のセッションが10～20程度あります。
ゲームAIの国内の団体としては、
国際ゲーム開発者協会日本（IGDA日本。毎月、ゲーム開発に関する様々なセミナーを開催している）[25]
の中の
IGDA日本ゲームAI専門部会 [26], [27]
があり、定期的にセミナーを実施しています。セミナーのアナウンスはIGDA日本のサイトで行われます。

(3) ディジタルゲームAIの学術団体・学術会議

ディジタルゲームAIの学術会議としては二つあり、AAAIの分科会の一つである
AIIDE[28]
があり、毎年のプロシ―ディングスが公開されています。発表時間が比較的長く、基調講演は産業からの招待も多いので、産学を近づける場として機能して来ました。一つ一つの発表に重みがあります。これに併設されていた、
Intelligent Narrative Technologies (INT)[29]
は物語自動生成をテーマとするカンファレンスで、萌芽的な研究が発表されています。
また
IEEE CIG (IEEE Computational Intelligence and Games)[30]
があります。こちらもプロシーディングスが公開されています。テーマは広範囲に及びます。AIIDEは産学連携の傾向が強いですが、IEEE CIGは学術的な発表の集合です。

(4) ディジタルゲームAIの書籍

Mat Buckland、”AI Techniques for Game Programming”（ Cengage Learning PTR, 2002）[31]
は学習・進化アルゴリズムをゲームへと応用したデモを作成し解説しています。
ディジタルゲームAI全般については、代表的な教科書があります。
Mat Buckland「実例で学ぶゲームAIプログラミング」（オライリージャパン、2007年）[32]
Mat Buckland[33]
は自身がゲームAI開発でもあり、優れた本や記事の著者です。
2001年から発行されシリーズ化されることになる「Game Programming Gems」（ボーンディジタル）は、さまざまなゲーム開発者によるゲーム開発技術を解説した書籍であり、第八巻まで刊行されています。第一巻のAI章はほぼパス検索の記事ばかりでした。実際、この記事からパス検索が広まって行きました。
Game Programming Gems[34]
ゲームAI開発技術を集めた書籍「AI Game Programming Wisdom」シリーズはそれぞれのゲームAI開発者が記事を寄稿した形の本ですが、2002年以来、全四巻が刊行され、2010年までの代表的なゲームAIの知見が集められています。
AI Game Programming Wisdom[35]
現在は「GAME AI PRO」という名前で第三巻まで刊行されています。刊行から２年経つと記事がWEB公開されますので、以下のサイトから全部の記事を読むことが出来ます。パス検索の記事も豊富です。
GAME AI PRO[36]

(5) キャラクタAI

ディジタルゲームの人工知能の中心的課題は、やはり「キャラクタに知能を入れる」ことです。この分野を「キャラクタAI」と言います。認識、意思決定、身体運動まで、キャラクタの活動のすべてを扱います。またゲーム産業内の方言として、キャラクタのことを単に「AI」という場合もあります。ゲームのキャラクタは身体を持っており、ロボットのように身体を含んだ全体的な知能を築く必要があります。そこで2000年頃からロボティクスの知能の技術を取り入れて自律的な知能の実現を見ざして来ました。
キャラクタAIの歴史については、
「ディジタルゲームにおける人工知能技術の応用」（人工知能学会誌 23巻1号pp.44-51、2008）[37]
にまとめてあります。その起源は。2000年を前後する「MIT Media Laboratory’s Synthetic Characters Group 」の研究にあります。このグループは、現在はありませんが、研究成果をこちらからご覧できます。
MIT Media Laboratory’s Synthetic Characters Group[38]
この研究室に属していた Damian Isla 氏がAIリードを務めた『Halo 2』（2004年）、『Halo3』（2008年）（Bungie Studio）は世界的なヒット作となり、AIにおいても好評を博します。Damian Isla 氏のサイトにその設計書や研究成果が掲載されています。
Naimad Games publications[39]
2006年頃から「エージェント・アーキテクチャ」の枠組みの中で作ることがデフォルトになって来ます。Jeff Orkin 氏の「F.E.A.R.」（Monolith Productions, 2004）における、エージェント・アーキテクチャを基礎として、意思決定モジュールに「ゴール指向アクションプランニング」（GOAP）を組み込んだ仕事は有名です。これはリアルタイムに、ゲームで言うと1/30秒、1/60秒の中で行動プランニングを行うという開発方向の始まりであり、00年代で最もインパクトのあった仕事と言われています。こちらに論文と発表資料があります。
Jeff OrkinさんのAI文献置き場[40]
日本でもこの流れを受けてキャラクタの内面が構造化されて行きます。
長谷洋平：汎用ゲームAI エンジン構築の試みとゲームタイトルでの事例，人工知能，Vol. 32, No. 2, pp. 189-196（2017）[41]
が実例を踏まえてよくまとまっています。さらに、思考を階層化しタスクプランニングまで用いたのが『KILLZONE2』（Guerrilla Games、2009）というタイトルで、階層型タスクネットワーク（Hierarchical Task Network）という方法で毎秒500個に及ぶ思考を生成します。
Alex J.Champandard, “Hierarchical Task Networks for Mission Generation and Real-time Behavior”, (AIGameDev, 2010) [42]
キャラクタAIの研究の方向は「リアルタイム」（ゲームでは1/30秒など）でいかに深い意思決定を行えるかです。リアルタイムで動いていなかったさまざまな意思決定アルゴリズムをリアルタイムに動かす方向で、ゲーム産業は学術における成果を援用して来たのです。

(6) ナビゲーションAI

キャラクタはまた環境を認識する必要があります。環境認識のための知能を「ナビゲーションAI」と言います。これはカーナビのようにパス検索をしたり、雪が降って地表の状態が変わったり、木が倒れて道が塞がったり、車が移動して障害物になったりする環境の変化を認識する役割を持っています。ディジタルゲームでは、ナビゲーションを行う母体となる「ナビゲーションデータ」を衝突モデルと呼ばれる物理のインタラクションのためのデータから自動生成します。さらにその上で、Dijkstra アルゴリズムやA*アルゴリズムでパスをリアルタイムに検索します。
まずこちらの記事や動画からパス検索のイメージをつかんで頂ければと思います。
［SQEXOC 2012］FFXIVで使われているAI技術～敵NPCはどうやって経路を探索しているのか？（4gamer.net、2012年）[43]
YouTubeなどで「A* pathfinding」などで検索するとたくさんのデモが見られます。
RTS – Pathfinding A*[44]
ナビゲーションAIは比較的独立した分野として開発される場合が多く、『Dragon Age:Origins』（BioWare、2009）では、カナダのアルバータ大学のゲームAI研究室と共同開発がされています。
The University of Alberta GAMES Group[45]
『Dragon Age:Origins』のパス検索動画（公式サイト）[46]
パス検索は現在ではほぼデフォルトの技術になっていますが、検索するだけでなく周囲の地形を深く理解することで、より環境を用いた行動ができるようにすることが重要な役割です。
ナビゲーションAIの研究の方向は、変化し続ける環境をいかに自分の身体性能に応じて認識するか、です。つまり、環境の中で今自分が何を行えるかを局所的、大局的に瞬時に把握することが課題です。
CGF-AI[47]
こちらのサイトでは、ナビゲーションAIの作りこみで有名な「Killzone」（Guerrilla Games、2005）のナビゲーションAIを作ったチームの解説文書の置き場です。
また
NavPower[48]
Autodesk Navigation[49]
のように、市販されているパス検索ミドルウェアも複数存在します。
また、最新の技術として「位置解析技術」があります。これはキャラクタ自ら、自分の能力に合った地点を地形の中から見つけ出す能力です。
CryEngine[51]
において実装され、「Lichdom」(Maximum Games, 2014)というゲームで応用されています。
Matthew Jack, Mika Vehkal, “Spaces in the Sandbox: Tactical Awareness in Open World Games” (GDC 2013)[52]
UNREAL ENGINE （EPIC GAMES）では、EQSという名称で用意され利用することができます。
Environment Query System[52]
こちらのビデオでEQSに導入からさまざまな応用までを知ることができます。
「スクウェア・エニックスにおける UNREAL ENGINE 4 を用いた人工知能技術の開発事例」[53]

(7) メタAI

「メタAI」は物理的実体を持ちませんが、ゲーム全体を観測し、ユーザーが楽しめるようにゲーム全体の展開を持って行きます。戦闘中などにはプレイヤーに楽しんで貰えるように、敵チームがうまく戦闘で緩急をつけたり、一度にプレイヤーを襲わなかったり、逃げる方向をわざと空けておいたり、味方チームが回復魔法を適切なタイミングで掛けたり、敵の攻撃から体を張って助けてくれたり、という、ゲーム全体の調整を施します。
プレイヤーが役者だとすれば、「メタAI」は映画監督で「AIディレクター」と呼ばれる場合もありますが、メタAIは、俯瞰的に状況を認識し、ゲームが面白くなるようにキャラクタや地形変化を動的に行います。
メタAIの歴史は古く「パックマン」（ナムコ、1979年）まで遡ります。こちらの起源については、パックマンの作者である岩谷徹教授のインタビューがこちらにあります。
“世界最古”にして現代ゲームAIの先駆。21世紀に『パックマン』が再評価される理由を、作者・岩谷徹氏×AI開発者・三宅陽一郎氏が解説【仕様書も一部公開！】（電ファミゲーマー、2017）[54]
この記事に掲載されている通り、古典的メタAIは「パックマン」に起源を持ち、現代のメタAIは「LEFT 4 DEAD」（Valve、2009）に始まります。Valve Corporation は、ゲームAIを牽引して来た企業です。彼らの「AI Director」の発表資料はこちらで公開されています。2009年の3つの資料が「AI Director」に関する資料です。
Valve publications[55]
「メタAI」はこれからの技術です。古くて新しく、ようやくメタAIが活躍する土台が出来上がったのが、この数年と言えます。それは「プロシージャル技術」や「物語生成」と結びつき、ゲームそのものを作り出す人工知能へと変貌しようとしています。
「Warframe」（Digital Extremes,2013）では、ダンジョン自動生成から敵の配置、出現タイミングまですべてメタAIが管理しています。
Daniel Brewer, “AI Postmortems: Assassin’s Creed III, XCOM: Enemy Unknown, and Warframe” (GDC 2013)[56]
また戦闘の場を整えるAIとしてもメタAIは機能しています。
上段達弘, 下川和也, 高橋光佑, 並木幸介「FINAL FANTASY XV におけるレベルメタAI制御システム」（CEDEC2016）[57]
『FFXV』におけるAI制御の事例・対応例を解説　AI技術がどのようにコンテンツを成立させていくのか【CEDEC 2016】（ファミ通.COM）[58]
さらにサッカーゲームの試合を組立てるプランニング技術を用いた人工知能としてもメタAIは現れます。
安藤毅：リアルタイムサッカーシミュレーションゲームのAI システムの一手法について，人工知能, Vol. 32,No. 2, pp. 180-189（2017）[59]
田邊雅彦「WCCF AIエンジニアリング」 (DiGRA JANAN 2009年5月公開講座、東京大学)　サッカーゲームＡＩの設計と実装
[60], [61]
ロボカップサッカーシミュレーション[62]
は、同じディジタルゲームということで、ゲーム産業の人工知能と近い位置にある。
「WORLD CLUB Champion Football を支える5つのAI　−DiGRA JAPAN5月公開講座」（Inside Games, 2009）[63]
では日本ディジタルゲーム学会のセミナー（於：東京大学山上会館）として、セガの田邊雅彦氏と電気通信大学の西野順二氏の講演と対談が行われた。

(8) 学習・進化アルゴリズムとディジタルゲームAI

「学習・進化アルゴリズム」はゲームAIではそれほど多く使われません。年に数タイトルが使う程度です。ディジタルゲームの多くは商業作品ですので、どちらかと言うと、きっちりとデータを作ってしまう伝統的な知識ベースの人工知能がほとんどです。「学習・進化アルゴリズム」は、学習結果、進化結果にさまざまな可能性があります。ゲームから見ると、これはユーザーに提供するコンテンツが揺らいでしまうので、その揺らぎをうまくゲームデザインに取り込む必要があります。学習・進化アルゴリズムとゲームデザインの間の関係を見事に説明した、この分野の世界的パイオニアである森川幸人氏の解説論文があります。
森川幸人：ビデオゲームとAI は相性が良いのか？，人工知能，Vol. 32, No. 2, pp. 166-171（2017）[64]
森川氏はまた自身の開発したゲームでニューラルネットワークと遺伝的アルゴリズムを用いています。
森川幸人：テレビゲームへの人工知能技術の利用，人工知能学会誌，Vol. 14, No. 2, pp. 214-218（1999）[65]
またMicrosoft Research では格闘ゲームやレーシングゲームを使って強化学習などの研究が推進されています。（DOWNLOADから）
Microsoft Research、Video Games and Artificial Intelligence[66]
ディジタルゲームは工業製品でもありますので、厳密なワークフローを作ります。そこで学習や進化アルゴリズムは強い自律発展性を持っており、その特性をワークフローやゲームデザインに組み込む必要があります。そういった知見がまだ圧倒的に不足しています。
またこれとは全く違った視点で、ゲーム自体を進化させる「ゲーム進化」という方向があります。これはたとえばゲームデザインの要素を遺伝子として設定して、遺伝的アルゴリズムによってゲームの進化させて行く方法です。以下のサイトにゲーム進化の情報がんまとまっています。
M.J.Nelson, Bibliography: Encoding and generating videogame mechanics[67]
「Black & White」(Lionhead Studios, 2001)は、ニューラルネットワークでキャラクタを進化させており
Richard Evans (Lionhead Studios), “Varieties of Learning”（AI Game Programming Wisdom 1巻）[68]
また、「Supreme Commander 2」（Gas Powered Games、2010）ではニューラルネットワークで敵ターゲッティング選択を学習させている。
Chris Jurney, Michael Robbins, Ben Sunshine-Hill, “Off the Beaten Path: Non-Traditional Uses of AI” (GDC 2012)[69]
Creatures シリーズは90年代にニューラルネットワークでキャラクタをユーザーとにインタラクションの中で学習させたか画期的なゲームでした。
Creatures Wiki （参考文献に技術文書へのリンクがあります）[70]
Grand, Steve; Cliff, Dave; Mahotra, Anil. (1996). “Creatures: Artificial Life Autonomous Software Agents for Home Entertainment”, AGENTS ’97 Proceedings of the first international conference on Autonomous agents [71]

(9) 身体アニメーションと人工知能

キャラクタは身体を持ちます。身体動作を研究するのは「アニメーション」分野ですが、身体動作の指示を出すのはAIや反射動作だったりします。この身体と知能をどう結んでいいかは明確なモデルがなく、これからの研究分野です。知能と身体という二つを結ぶことは見掛け以上の深い問題をはらんでいます。キャラクタのアニメーションは、かつては「手付け」と言ってモーションデザイナーがツール上で作成していましたが、現在は、モーション・キャプチャーで役者を使って実際のモーションを取ってから加工するのが主流です。もう一方の考え方が計算によって動作を作り出す「プロシージャルアニメーション」です。
［CEDEC 2011］リアルな動きを無限に作り出す，機械学習＆データ駆動によるプロシージャルアニメーションの試み（4gamer.net,2011）[72]
［CEDEC 2012］「クララが立った！」的なバイナリードメインのボスの二足立ちに，キミはAIとアニメーションの相互連携の可能性を見るか（4gamer.net, 2011）[73]
プロシージャルアニメーションとプリセットで作るアニメーションを組み合わすのが現代的な作り方です。
「FFXV-EPISODE DUSCAE-」のAI＆アニメはどう作られたか？（GameWatch, 2015）[74]
2016年から注目されているのが、「モーション・フィールド」の考え方で、たくさんのモーションを取った後で、高次元のベクトルの流れに展開し、行動の指針に応じてそれらの間を遷移するというモデルです。
Simon Clavet “Motion Matching road to next-gen animation”(GDC2017)[75]
このように、キャラクタ・アニメーションの目的は、本来柔軟な身体を持つ人間を、簡単化した身体モデルの上に、もう一度人間らしい動きをリアルタイムに実現しようとするところにあり、プロセッシングパワーの上昇に応じてより高度な技術が導入されています。このようなアニメーションによる身体の制御と共に、キャラクタの意思決定と身体認識能力の向上を同期させて向上させることができていないことが、これからの課題です。

(10) ソーシャルゲームと人工知能

2008年以降、携帯電話上のゲームが著しく、この分野では蓄積されるデータを時間ごと、日ごとに解析しゲームの展開・調整・進行へフィードバックする必要があります。特にユーザー同士のインタラクションを前提とするゲームをソーシャルゲームと言います。ソーシャルゲームは主に携帯電話上からプレイできますが、PCからも参加することができます。そこでデータ解析としての人工知能が必要となって来ます。
井澤正志「データマイニングによって変わった「大熱狂!!プロ野球カード」のKey Performance[76]
森貴寛伊藤茂雄「今更訊けない！データマイニングに基づいたソーシャルゲーム運営法[77]
野上大介「決定版：サービスの盛り上がり具合をユーザの数（DAU）から読み解く方法」[78]
村松祐希「SED勉強会第5回ソーシャルゲームの行動解析」[79]
データサイエンスの流れがゲーム産業に入って来たのは、2010年以来の流れです。日々積み重なるデータから特徴やパターンを抽出しゲームを変化させて行くのは、イテレーションが多く更新の素早いソーシャルゲームのワークフローに融合したのでした。
少し視点を変えてみて、人工知能がゲームを理解できるのか、という問題があります。ソーシャルゲームのデータの痕跡から、人工知能がゲーム全体を認識できるかという挑戦でもあります。

(11) 会話とキャラクタAI

ディジタルゲームにおいてキャラクタの会話はほぼ予め脚本で作られた台詞を話すことがほとんどです。それはディジタルゲームが一般的なシチュエーションではなく、「プレイヤーの代わりになって敵と戦う」とか「命をかけてメッセージを届けに来る」など特殊な状況に応じたドラマティックな役者的な役割を持っているからです。
しかし街のキャラクタや状況にある程度決まったキャラクタには会話の能力が必要です。また会話をメインとするゲームでは特にそれが必要とされます。言語を扱う分野はゲーム産業では応用例が少なく、2016年以降急速に世の中の流れに沿って必要とされているにもかかわらず追いついていません。しかし、その中でも「シーマン」は会話AIのゲームとして絶大な人気を博しました。人工知能学会誌上のインタビューがあります。
シーマンは来たるべき会話型エージェントの福音となるか？：斎藤由多加インタビュー，人工知能，Vol. 32,No. 2, pp. 172-179（2017）[80]
ディジタルゲームにとって会話はこれからの課題ですが、状況やゲームの抽象的な設定（オントロジー）を用いて高度な会話を生成する貴重な研究の場でもあります。
人狼知能プロジェクト[81]
は会話ゲームである「人狼知能」をテーマとした人工知能研究であり、ここからも、ディジタルゲームで役立つ成果が出て来ると期待されます。

(12) コンテンツ自動生成のためのプロシージャル技術

ディジタルゲームの人工知能技術は、キャラクタAIやメタAIのような人工知能技術と、それとはまったく違う「プロシージャル技術」に分かれます。ここで言う「プロシージャル技術」とは「コンテンツ自動生成」のことで、ゲームのアセット（ゲームに必要な要素）を自動的に作る技術です。つまりアーティストの代わりに人工知能技術が作成するという意味で人工知能なのです。たとえば、最も古くから行われているのがダンジョン自動生成、その次に地形自動生成です。
三宅陽一郎「オンラインゲームにおける人工知能・プロシージャル技術の応用」
知能と情報 : 日本知能情報ファジィ学会誌　22(6), 745-756, 2010-12[82]
3D空間の地形やオブジェクトの自動地形生成はACM SIGGRAPHで探求されて来た分野ですが、2000年代に入ってゲーム産業にも応用されるようになりました。「FarCry2」（Ubisoft）は植物を自動生成するDUNIA ENGINE を作り上げました。
Far Cry 2 Dunia Engine – Growing Vegetation[83]
このような植物生成、自動配置は現在では各企業のゲームエンジンに組み込まれています。「The Witcher 3」(CD Projekt RED) は RED ENGINE という自社エンジンに地形自動生成が組み込まれています。
Marcin Gollent, “Landscape Creation and Rendering in REDengine 3” (GDC 2014)[84]
「No Man’s Sky」(Hello Games, 2016)は惑星まるごとをそこに住まう生物を含めて自動生成しています。
Innes McKendrick, “Continuous World Generation in ‘No Man’s Sky’”[85]
また一歩進んでカットシーン（会話シーン）を自動生成する人工知能も組み込まれています。ツール上で書かれたシナリオとシークエンス、シーン設定情報からカットシーンを自動生成します。
Piotr Tomsinski , “Behind the Scenes of Cinematic Dialogues in ‘The Witcher 3: Wild Hunt’”（GDC 2016）[86]
通常、カットシーンは大型ゲームでは何百とありますから、最初の段階だけでもこのように自動生成し、徐々にカスタマイズして行けば大幅な工程削減とクオリティアップになります。この手法は「HORIZON ZERO DAWN」（Guerrilla Games, 2016）でも同様に使用されています。
Dan Sumaili & Sander van der Steen,”CREATING A TOOLS PIPELINE FOR HORIZON ZERO DAWN” (GDC 2017)[87]
また同タイトルでは植物を、地形を認識しながら適切な位置に自動配置します。
Jaap van Muijden, “GPU-BASED PROCEDURAL PLACEMENT IN HORIZON ZERO DAWN” (GDC2017)[88]
自動生成の手法はさらなるゲームの大規模化に対してますます必須の技術となって行きます。ディジタルゲームのあらゆる領域に対する自動生成の研究が待たれています。

(13) 群衆AI

ゲームではたくさんのキャラクタを一度に出して臨場感を表現するという手法があります。それだけではなく、それぞれのキャラクタとインタラクティブに戦うなどで、単なる見せる群衆ではなく、戦う群衆、或いは障害物となる群衆を表現する必要があります。
このようなゲームの代表格として「Assassin’s Creed」（Ubisoft）シリーズがあります。これは群衆に満ちた街の中でミッションを行う、というゲームですので、群衆の出来がゲームに影響します。
古典的にはクレイグ・レイノルズ氏の生物学的な群れ（フロック）の有名な仕事があります。
RED３D（レイノルズ氏のページ。多数のデモがある）[89]
この視点を起点として、さまざまなゲームで群衆が探求されて来ました。
Sylvain Bernard, “Taming the Mob: Creating believable crowds in ASSASSIN’S CREED”　　(GDC2008)[90]
群衆のAIでは通常 LOD (Level of Detail)という技術が使われます。これは、グラフィクスであればプレイヤーからの距離に応じてモデルやアニメーションをラフにして行くことです。プレイヤーから見れば遠くのキャラクタは小さく見えるだけなので、ラフなモデルやラフな動作でもわかりません。３段階ぐらいの距離に分けるのが普通です。またAIの制御も距離に応じて変化させます。これを　AI LODと言います。
Francois Cournoyer, “Massive Crowd on Assassin’s Creed Unity: AI Recycling”(GDC2015)[91]
また映像では、映画「トロン・レガシー」や「ロード・オブ・ザ・リング」で使われた Massive というミドルウェアが有名です。
Massive software[92]
またIGDA日本のSIG-AIセミナー
三宅陽一郎「社会シミュレーションとディジタルゲーム」[93]
でも情報が集約されている。

(14) In Game Cinematics（カットシーン）とキャラクタAI

ゲームの中のキャラクタは自律的な生命という側面と、舞台の上の役者という二重性を持ちます。ゲームの進行に合わせて台詞を喋り、演技をする必要があります。このような演技をするシーンを「カットシーン」と言います。キャラクタは自律的な知性としての行動と、この「カットシーン」の間をスムーズに行き来する必要があります。これもゲームAIの重要な課題です。
ゲーム内でのリアルタイムな演出映像”In-Game Cinematics(IGC)”の現状をゲーム開発者が語り合うパネルディスカッション【CEDEC2013】(famitsu.com、2013年)[94]

(15) ゲームAIツール

ゲーム産業はエンジニアとアーティストの共同作業です。そこでゲームデザイナーができるだけコードを書くことなしに人工知能を作れる仕組みが必要です。それはまた制作ワークフローを円滑にし、制作パイプラインを効率化します。
［CEDEC 2015］「FFXV」で導入されるゲームAIの仕組みが明らかに。ゲームエンジン「Luminous Studio」の先進的AIシステム（4gamer）[95]

(16) カメラAI

３Dゲームでは、いったん３D空間を作成した後には、その空間をある座標、ある角度から見る仮想的なカメラを設置することで、平面の絵を作ります。カメラの位置取りはまた「カメラマンのAI」として重要な研究課題です。
Remi Lacoste, “Creating an Emotionally Engaging Camera for Tomb Raider” (GDC2013)[96]
また、ゲーム内の「格好いい」スクリーンショットを自動的に撮る、という必要が時にあります。どのタイミングで、どの構図を写すという判断を人工知能を使って判断させる、という場合もあります。
How Prompto’s AI-driven selfie system in Final Fantasy XV was built（Gamasutra）[97]
【電撃PS】『FF15』の信頼できる仲間たちは挑戦的AIで作られた。開発者がその手法を解説！(電撃オンライン)[98]

(17) ゲームエンジンの中の人工知能

現代のゲーム開発はゲームエンジンの上で行われます。ゲームエンジンとは、ゲームの開発を支える全体の仕組みのことです。描画、物理、アセット管理、などのどんなゲームでも共通に必要な機能の集合体と、ゲームを実際に動作させるランタイムからなります。コンテンツに近い、人工知能のモジュールは最も後回しになりますが、それでも、パス検索、ビヘイビア・ツリーなどは、標準的に実装されていることが多くあります。
代表的なゲームエンジンとしては、
Unreal Engine[99]
Unity3D[100]
がありますが、現在では、ある程度利益が出るまでは無料で使えるようになっています。

(18) ディジタルゲームAIの歴史

ディジタルゲームは４０年の歴史がありますが、ゲームAIという分野がぼんやりと形成されて来たのは１９９０年代前半、ちょうど、ディジタルゲームが俯瞰的な2Dゲームから3Dゲームへと移行する時期が、その中で活動するキャラクタの人工知能にとっても分化の時期でありました。よってそのほとんどの文献は、90年代中期以降となります。それは主にゲーム産業内において開発が進められて来ましたが、ディジタルゲームのアカデミックな研究は、95年程からMITメディアラボなどのいくつかの大学で研究されて来ました。
さらに、ディジタルゲームの人工知能という分野がはっきりと形成されて来たのは、この２０００年代以降のことです。大きな意味では、2017年現在、日本のゲーム産業がこういった欧米の流れに未だに合流していません。また同時にそれがアカデミックにおいても同様です。技術的には見かけ上キャッチアップしていてもリードする状況になっていないのが現状です。それは極端に言ってしまうと、欧米のゲームがゲーム世界をシミュレーション世界として作りそこに生きる・戦う存在としてキャラクタの人工知能を形成するのに対して、日本のディジタルゲームが各ステージの細かい仕掛けの作り込みによってゲームを成立させキャラクタの知能に対する負荷がそれなりに軽減されている、という対照によります。
しかし時代は大きく移り、ゲームの規模は以前より遥かに大きくオープンワールドと呼ばれる５０ｋｍ四方の広大で地続きのステージとなり、その中でキャラクタたちはある時は仲間として、ある時は敵として、ある時は野生動物として、ある時は導き手として活動と演技をしなければなりません。また一方で、2008年以降、携帯ゲーム機、携帯電話上のゲームが著しく、この分野では蓄積されるデータを時間ごと、日ごとに解析しゲームの展開・調整・進行へフィードバックする必要があります。
山根信二「ゲームAIにおける産学連携戦略の10年」（CEDEC 2009）[101]
大学からゲームメーカーへ――AI研究で広がるステキなゲームの世界とは？
(ITMedia)[102],[103]

(19) 哲学とゲームAI

キャラクタの知能を作る、ということは、時計仕掛けの機会を作ることと違う領域があります。そこには、キャラクタが内側から感じる主観的な世界を形成したい、という場合があるからです。そのためには、外部からの部品を組み上げるだけでなく、生物が世界と共に主観を作り上げる、環境と主体の相互作用をそこに実現する必要があります。そのような工学を支える哲学は、現象学をはじめ、今世紀に誕生した哲学たちが多く、開発の足場を支える哲学として機能します。
三宅陽一郎「人工知能のための哲学塾」（BNN新社、2016年）[104]

(20) 日本におけるゲームAI事例

以下に上記でご紹介できなかった国内ゲームAI事例の文献を挙げておきます。

三宅陽一郎「クロムハウンズにおける人工知能開発から見るゲームAIの展望7」(CEDEC2006)[105]
森川幸人「AI DAY(3) ゲームとAIはホントに相性がいいのか？」 (CEDEC 2008)[106]
大橋晴行、高橋義之、鎌田浩平「AI DAY(4) 魔ごころを、きみに～「勇者のくせになまいきだ。」が目指した自己組織化アルゴリズム～」(CEDEC 2008)[107]
田邊雅彦、WCCF AIエンジニアリング (DiGRA JANAN 2009年5月公開講座、東京大学)サッカーゲームＡＩの設計と実装[108], [109]
安藤毅「サカつく」のサッカー試合ＡＩシステム (CEDEC 2010)[110]
並木幸介「ぽかぽかアイルー村における、アフォーダンス指向のAI事例。AIに多様な振る舞いをさせる手法」（CEDEC2011）[111]
佐竹敏久、池谷章「ファンタシースターポータブル２のキャラメイクシステム」(CEDEC 2010)[112]
小川卓哉「Phantasy Star Online 2におけるプロシージャルBGMシステム」(CEDEC 2012)[113]
岡村信幸「ARMORED CORE Vの対戦AIにおける階層型ゴール指向プランニングと機体制御」（CEDEC2011）[114]
岡村信幸「ARMORED CORE Vのパス検索」（CEDEC2011）[115]
横山貴規、グラヴォ・ファビアン FFXIV サーバーサイド経路探索システム[116]
三宅陽一郎「次世代キャラクタＡＩアーキテクチャーの構築」（CEDEC2012）[117]
長谷洋平「LOST REAVERSにおけるAI Directorの試み」（CEDEC2015）[118]
長谷洋平「複数タイトルで使われた柔軟性の高いAIエンジン」（CEDEC2015）[119]
長谷洋平「プレイヤーに反応するだけのAIはもう古い！ゲームAIへのプランニング技術の導入」（CEDEC2016）[120]
松本吉高、友部博教「FINAL FANTASY Record Keeperにおけるユーザー体験の定量化に基づくゲームバランス設計事例」（CEDEC2015）[121]
友部博教、半田豊和「AIによるゲームアプリ運用の課題解決へのアプローチ」[122]
佐藤勝彦「ShadowverseのゲームデザインにおけるAIの活用事例、及び、モバイルTCGのための高速柔軟な思考エンジンについて」（CEDEC20167）[123]
7ゲームAI 実践編 −Shadowverseに見るTCG AI開発の事例(1)− CygamesEngineers’ Blog[124]
ゲームAI – 基礎編(2)– 『はじめてのエージェントベースアーキテクチャ』−Cygames Engineers’ Blog[125]
ゲームAI -基礎編- 『知識表現と影響マップ』CygamesEngineers’ Blog[126]
白神陽嗣、三宅陽一郎、並木幸介、横山貴規「FINAL FANTASY XV -EPISODE DUSCAE- におけるキャラクタAIの意思決定システム」（CEDEC2015）[127]
上段達弘、下川和也、高橋光佑、並木幸介「FINAL FANTASY XV におけるレベルメタAI制御システム」（CEDEC2016）[128]

Credit