Suche senden
Hochladen
人狼知能コンテストとは何か
•
Als PPTX, PDF herunterladen
•
2 gefällt mir
•
2,197 views
Fujio Toriumi
Folgen
2015年人工知能学会研究会合同研究会 人狼知能30周年記念人狼知能大会キックオフ資料
Weniger lesen
Mehr lesen
Wissenschaft
Melden
Teilen
Melden
Teilen
1 von 42
Jetzt herunterladen
Empfohlen
G社のNMT論文を読んでみた
G社のNMT論文を読んでみた
Toshiaki Nakazawa
画像認識と深層学習
画像認識と深層学習
Yusuke Uchida
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
Preferred Networks
ポーカーAIの最新動向 20171031
ポーカーAIの最新動向 20171031
Jun Okumura
数学で解く競馬.pptx
数学で解く競馬.pptx
ssuser83a4fc
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
差分プライバシーとは何か? (定義 & 解釈編)
差分プライバシーとは何か? (定義 & 解釈編)
Kentaro Minami
『データ解析におけるプライバシー保護』勉強会 #2
『データ解析におけるプライバシー保護』勉強会 #2
MITSUNARI Shigeo
Empfohlen
G社のNMT論文を読んでみた
G社のNMT論文を読んでみた
Toshiaki Nakazawa
画像認識と深層学習
画像認識と深層学習
Yusuke Uchida
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
Preferred Networks
ポーカーAIの最新動向 20171031
ポーカーAIの最新動向 20171031
Jun Okumura
数学で解く競馬.pptx
数学で解く競馬.pptx
ssuser83a4fc
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
差分プライバシーとは何か? (定義 & 解釈編)
差分プライバシーとは何か? (定義 & 解釈編)
Kentaro Minami
『データ解析におけるプライバシー保護』勉強会 #2
『データ解析におけるプライバシー保護』勉強会 #2
MITSUNARI Shigeo
古典的ゲームAIを用いたAlphaGo解説
古典的ゲームAIを用いたAlphaGo解説
suckgeun lee
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
機械学習工学への誘い:SES'20チュートリアル
機械学習工学への誘い:SES'20チュートリアル
Fuyuki Ishikawa
生成對抗模式 GAN 的介紹
生成對抗模式 GAN 的介紹
Yen-lung Tsai
深層学習と確率プログラミングを融合したEdwardについて
深層学習と確率プログラミングを融合したEdwardについて
ryosuke-kojima
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
Preferred Networks
捗るリコメンドシステムの裏事情(ハッカドール)
捗るリコメンドシステムの裏事情(ハッカドール)
mosa siru
大富豪に対する機械学習の適用 + α
大富豪に対する機械学習の適用 + α
Katsuki Ohto
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
Kenshi Abe
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
データ利活用を促進するメタデータ
データ利活用を促進するメタデータ
Yahoo!デベロッパーネットワーク
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
Deep Learning JP
IoT案件を70件やってみて分かった事
IoT案件を70件やってみて分かった事
Koichi Sasaki
一般向けのDeep Learning
一般向けのDeep Learning
Preferred Networks
MineRL Competition Tutorial with ChainerRL
MineRL Competition Tutorial with ChainerRL
Preferred Networks
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
2018年01月27日 TensorBoardによる学習の可視化
2018年01月27日 TensorBoardによる学習の可視化
aitc_jp
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
Fixstars Corporation
Mixed Precision Training
Mixed Precision Training
Masao Taketani
新しい言論空間がもたらす社会的リスクとその解決~計算社会科学による情報的健康の実現~
新しい言論空間がもたらす社会的リスクとその解決~計算社会科学による情報的健康の実現~
Fujio Toriumi
「計算社会科学入門」5章 ネットワーク
「計算社会科学入門」5章 ネットワーク
Fujio Toriumi
Weitere ähnliche Inhalte
Was ist angesagt?
古典的ゲームAIを用いたAlphaGo解説
古典的ゲームAIを用いたAlphaGo解説
suckgeun lee
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
機械学習工学への誘い:SES'20チュートリアル
機械学習工学への誘い:SES'20チュートリアル
Fuyuki Ishikawa
生成對抗模式 GAN 的介紹
生成對抗模式 GAN 的介紹
Yen-lung Tsai
深層学習と確率プログラミングを融合したEdwardについて
深層学習と確率プログラミングを融合したEdwardについて
ryosuke-kojima
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
Preferred Networks
捗るリコメンドシステムの裏事情(ハッカドール)
捗るリコメンドシステムの裏事情(ハッカドール)
mosa siru
大富豪に対する機械学習の適用 + α
大富豪に対する機械学習の適用 + α
Katsuki Ohto
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
Kenshi Abe
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
データ利活用を促進するメタデータ
データ利活用を促進するメタデータ
Yahoo!デベロッパーネットワーク
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
Deep Learning JP
IoT案件を70件やってみて分かった事
IoT案件を70件やってみて分かった事
Koichi Sasaki
一般向けのDeep Learning
一般向けのDeep Learning
Preferred Networks
MineRL Competition Tutorial with ChainerRL
MineRL Competition Tutorial with ChainerRL
Preferred Networks
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
2018年01月27日 TensorBoardによる学習の可視化
2018年01月27日 TensorBoardによる学習の可視化
aitc_jp
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
Fixstars Corporation
Mixed Precision Training
Mixed Precision Training
Masao Taketani
Was ist angesagt?
(20)
古典的ゲームAIを用いたAlphaGo解説
古典的ゲームAIを用いたAlphaGo解説
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
機械学習工学への誘い:SES'20チュートリアル
機械学習工学への誘い:SES'20チュートリアル
生成對抗模式 GAN 的介紹
生成對抗模式 GAN 的介紹
深層学習と確率プログラミングを融合したEdwardについて
深層学習と確率プログラミングを融合したEdwardについて
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
捗るリコメンドシステムの裏事情(ハッカドール)
捗るリコメンドシステムの裏事情(ハッカドール)
大富豪に対する機械学習の適用 + α
大富豪に対する機械学習の適用 + α
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
データ利活用を促進するメタデータ
データ利活用を促進するメタデータ
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
IoT案件を70件やってみて分かった事
IoT案件を70件やってみて分かった事
一般向けのDeep Learning
一般向けのDeep Learning
MineRL Competition Tutorial with ChainerRL
MineRL Competition Tutorial with ChainerRL
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
2018年01月27日 TensorBoardによる学習の可視化
2018年01月27日 TensorBoardによる学習の可視化
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
Mixed Precision Training
Mixed Precision Training
Mehr von Fujio Toriumi
新しい言論空間がもたらす社会的リスクとその解決~計算社会科学による情報的健康の実現~
新しい言論空間がもたらす社会的リスクとその解決~計算社会科学による情報的健康の実現~
Fujio Toriumi
「計算社会科学入門」5章 ネットワーク
「計算社会科学入門」5章 ネットワーク
Fujio Toriumi
ソーシャルデータからどこまで社会を見られるか
ソーシャルデータからどこまで社会を見られるか
Fujio Toriumi
計算社会科学におけるWebマイニング
計算社会科学におけるWebマイニング
Fujio Toriumi
人狼知能セミナー資料2017(案)0.4.5対応版
人狼知能セミナー資料2017(案)0.4.5対応版
Fujio Toriumi
AI Wolf Contest -Development of Game AI using Collective Intelligence-
AI Wolf Contest -Development of Game AI using Collective Intelligence-
Fujio Toriumi
ネットコミュニケーションにおけるリスク分析
ネットコミュニケーションにおけるリスク分析
Fujio Toriumi
人狼知能セミナー資料20160507
人狼知能セミナー資料20160507
Fujio Toriumi
人狼知能セミナー資料20160427
人狼知能セミナー資料20160427
Fujio Toriumi
Yet Another ShortShort AI
Yet Another ShortShort AI
Fujio Toriumi
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
Fujio Toriumi
金融情報における時系列分析
金融情報における時系列分析
Fujio Toriumi
SNS とゲーム理論~人はなぜ投稿するのか?~
SNS とゲーム理論~人はなぜ投稿するのか?~
Fujio Toriumi
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
Fujio Toriumi
「人工知能」の表紙に関するTweetの分析・続報
「人工知能」の表紙に関するTweetの分析・続報
Fujio Toriumi
人工知能は人狼の夢を見るか-日本デジタルゲーム学会年次大会2013@函館
人工知能は人狼の夢を見るか-日本デジタルゲーム学会年次大会2013@函館
Fujio Toriumi
Mehr von Fujio Toriumi
(16)
新しい言論空間がもたらす社会的リスクとその解決~計算社会科学による情報的健康の実現~
新しい言論空間がもたらす社会的リスクとその解決~計算社会科学による情報的健康の実現~
「計算社会科学入門」5章 ネットワーク
「計算社会科学入門」5章 ネットワーク
ソーシャルデータからどこまで社会を見られるか
ソーシャルデータからどこまで社会を見られるか
計算社会科学におけるWebマイニング
計算社会科学におけるWebマイニング
人狼知能セミナー資料2017(案)0.4.5対応版
人狼知能セミナー資料2017(案)0.4.5対応版
AI Wolf Contest -Development of Game AI using Collective Intelligence-
AI Wolf Contest -Development of Game AI using Collective Intelligence-
ネットコミュニケーションにおけるリスク分析
ネットコミュニケーションにおけるリスク分析
人狼知能セミナー資料20160507
人狼知能セミナー資料20160507
人狼知能セミナー資料20160427
人狼知能セミナー資料20160427
Yet Another ShortShort AI
Yet Another ShortShort AI
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
金融情報における時系列分析
金融情報における時系列分析
SNS とゲーム理論~人はなぜ投稿するのか?~
SNS とゲーム理論~人はなぜ投稿するのか?~
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
「人工知能」の表紙に関するTweetの分析・続報
「人工知能」の表紙に関するTweetの分析・続報
人工知能は人狼の夢を見るか-日本デジタルゲーム学会年次大会2013@函館
人工知能は人狼の夢を見るか-日本デジタルゲーム学会年次大会2013@函館
人狼知能コンテストとは何か
1.
「人狼知能コンテスト」とは何か ~人狼知能プロジェクト~ 東京大学大学院工学系研究科 鳥海不二夫 2015/11/12 人工知能学会研究会合同研究会 「人狼知能コンテスト」キックオフ
2.
2015年10月16日 「コンピュータ将棋プロジェクト」終了宣言
3.
コンピュータvs人間の歴史 • 1997年チェス – ディープブルーがチェスチャンピオンに勝利 •
2013年将棋 – コンピュータがプロ棋士に勝利 • 2050年サッカー – ロボットによるチームが ワールドカップ優勝チームに勝利(予定)
4.
コンピュータvs人間の歴史 • 2001年 – HAL9000の反乱 •
2004年 – SkyNetによる核戦争勃発 • 2045年 – シンギュラリティ • 2050年 – MATRIXによる人類支配
5.
完全ゲームと不完全情報ゲーム • 完全情報ゲーム – お互いの情報が完全に与えられているゲーム –
将棋,囲碁,チェスなど – 機械学習などの適用 • 不完全情報ゲーム – ゲーム情報が完全には与えられていないゲーム – ポーカー,麻雀など – 「予測」「推定」技術の発展が重要
6.
アナログゲームと定式化 • アナログゲーム – 将棋などのテーブルゲーム –
電源不要ゲーム • アナログゲームの定式化 – 将棋・囲碁・ポーカー:状況と可能手が有限 – 定式化が容易 – 機械学習に注力可能
7.
将棋・チェス・オセロ 完全情報ゲーム・デジタル化可能 プロに勝利するレベルに到達 不完全情報ゲーム 定式化困難ゲーム ゲームにおける人工知能
8.
汝は人狼なりや • 人間陣営を人狼陣営に分かれてプレイ • 各プレイヤの陣営は非公開 –
不完全情報 • 会話によってゲームが進行 – 自由対話の中から情報を推測 – デジタル化困難 不完全情報ゲーム 定式化困難ゲーム
9.
人狼知能プロジェクト • 「人間と自然なコミュニケーションを取りながら 人狼をプレイできるエージェントの構築」 – より高度な知能の創出 –
より高度なコミュニケーションの実現 新しいエージェントの 標準問題として
10.
人狼とは • 誰が人狼かを一定時間の対話で推測 • 追放と襲撃を繰り返し –
人狼:村人と人狼を同数にする – 村人:人狼をすべて追放する • 村人:会話をヒントに人狼を追放 • 人狼:追放されないように村人 のフリをする
11.
人狼ゲームの歴史 • 人狼の歴史 – 1986年:
ソ連で誕生 • Mafia(Russia/USSR) – 2001年: 標準化 • Are you werewolf? (USA) – 2002年~ : 役職の誕生 • Lupus in Tabula (Italy) • The Werewolves of Miller's Hollow (France) – 2003年~ : オンライン人狼 • 人狼BBSとそのクローン • 匿名化・長期化・人狼側の ディスカッション – 2012年~: 魅せる人狼 • 人狼演劇(TLPT) • テレビ放送・映画等
12.
人狼とは
13.
議論 私は村人 ですよ この人 怪しい 私は占い 師です 俺が占い師 だ
14.
投票 投票 追放
15.
襲撃 襲撃 死亡
16.
勝利条件・村人 人狼が全て追放されれば 村人の勝利
17.
勝利条件・人狼 人狼と村人の数が同じになれば 人狼の勝利
18.
占い師(予言者) 人狼じゃ 無い 人狼だ!
19.
霊媒師 追放 人狼じゃ 無い
20.
ボディーガード(狩人) 護衛
21.
狂人(裏切り者)
22.
役職 • プレイヤー役職(能力) – 村人:能力無し –
占い師:毎ターン一人のプレイヤーが人狼かどうか 知ることが出来る – 霊媒師:前回追放したプレイヤーが人狼かどうか知 ることが出来る – 狩人:毎ターン一人を人狼の襲撃から守る – 人狼:毎ターン誰かを襲撃できる – 狂人:能力は無いが,人狼陣営に所属 • 能力を駆使して所属する陣営を勝利させる
23.
対面人狼・オンライン人狼 カード型人狼:パーティゲーム • 一試合十数分程度 – 短い会話で嘘がつけるか •
顔が見える環境での競争 – 相手の性格や反応を見る • 狼同士の会話はジェスチャ オンライン型人狼:言語ゲーム • 一試合数日間 – 熟慮した発言が可能 • キャラクターによる匿名化 – 性別や見た目の影響排除 • 狼同士の会話を平衡で行う – コミュニケーションミスの排除
24.
不完全情報ゲームとしての人狼 • 不完全性から生じる技術 – 推理 •
得られた情報が真かどうか不明 • 文脈からの真偽の判定 – 説得 • 自分がこう思っていると相手が思っているだろう • 相手に情報を与えて信頼を得る • 嘘を前提としたコミュニケーション – 誰かが嘘をついていうという状況 • 村人側:自分が語る事をどうやって信用してもらうか • 人狼側:自分が騙る事をどうやって信用してもらうか – 「説得する人工知能」
25.
コミュニケーションの複雑性 • コンピュータと人の対戦自体にまだ壁が存在 – 思考だけでは無い様々な課題 •
人間との自由対話 – コンピュータに理解しやすい世界ではない – 対面対話(音声理解・音声合成) – 自然言語処理(言語理解・言語発話) • 非言語情報 – 人間の表情や仕草の理解 – エージェントが行う表情や仕草
26.
人狼知能実現のための課題 • 人工知能としての課題 – ゲームとしてのプレイ可能性 –
他者の理解・不完全情報の推測 – 「強い」から「面白い」へ • エージェント技術としての課題 – 自然言語処理 • プロトコル上の行動の自然言語化,自然言語の理解 – ヒューマン・エージェント・インタラクション(HAI) • エージェントインターフェースの実装 • 映像や音声による表現
27.
ロードマップ 人工知能による 作成可能性 人間によるプレイの解析 人狼知能の構築 人狼知能エー ジェントの実装 人間と人狼知能の 対戦 • データ分析 • ゲームフレー ムの解析 •
機械学習 • 強化学習 • ルールベース • 大会開催 • バーチャルエー ジェント • 自然言語処理 • 音声対話・表情 分析 • リアルエージェ ント • 強い人狼知能 • 楽しませる人狼知能 • 魅せる人狼知能
28.
ロードマップ 人工知能による 作成可能性 人間によるプレイの解析 人狼知能の構築 人狼知能エー ジェントの実装 人間と人狼知能の 対戦 • データ分析 • ゲームフレー ムの解析 •
機械学習 • 強化学習 • ルールベース • 大会開催 • バーチャルエー ジェント • 自然言語処理 • 音声対話・表情 分析 • リアルエージェ ント • 強い人狼知能 • 楽しませる人狼知能 • 魅せる人狼知能
29.
人狼知能のエージェント化 • エージェント化に必要な技術は多数 – 画像認識(話者特定,表情からの類推) –
音声対話処理 – 自然言語処理(意味理解) – 推論 – 行動決定 – 自然言語処理(発話生成) – 音声出力 – 表情作成(リアルなプレイのために) 入力 出力 思考
30.
バーチャルエージェント • 人工知能と対面で人狼やりたい – 対面には表情や音声など壁が多い –
バーチャルエージェントならテキストベースで行ける • どうせなら,あの有名キャラに対戦してもらおう 初音ミク:クリプトン・フューチャー・メディア 画像:ちゃっぴー(歌う絵師)さん 異議あり! ミクさんは 間違ってい ます ちゃんと説 明しろ,ミ ク! 人狼はミク さんです. 人狼知能対戦のイメージ
31.
人狼知能(AI)対戦のログ再生プレーヤ を作ってみた[小林15] • Unityによる対戦プレーヤによる再生
32.
身体性を持ったエージェント
33.
ロードマップ 人工知能による 作成可能性 人間によるプレイの解析 人狼知能の構築 人狼知能エー ジェントの実装 人間と人狼知能の 対戦 • データ分析 • ゲームフレー ムの解析 •
機械学習 • 強化学習 • ルールベース • 大会開催 • バーチャルエー ジェント • 自然言語処理 • 音声対話・表情 分析 • リアルエージェ ント • 強い人狼知能 • 楽しませる人狼知能 • 魅せる人狼知能
34.
• 第一回人狼知能大会 – CEDEC2015 –
2015年8月27日 人狼知能大会
35.
大会概要 • 参加登録チーム数 78チーム –
学生チーム:42 / 78 チーム (0.53) • 予選参加チーム 38チーム – 学生チーム:24 / 38 チーム (0.63) • 決勝参加チーム 15チーム – 学生チーム:7 / 15 チーム (0.47)
36.
多数の取材
37.
決勝の一試合の模様
38.
決勝結果順位 名前 村人 占い
霊媒 狩人 狂人 人狼 総合 饂飩 1 1 7 1 1 1 1 働きの悪い村 4 2 8 2 4 3 2 Satsuki 3 3 3 8 14 2 3 wasabi 2 11 12 4 5 4 4 GofukuLab 10 7 1 5 3 5 5 IPA 9 4 9 10 8 6 6 iace10442 11 9 4 6 2 12 7 平兀 6 10 15 3 6 10 8 Y・Y 14 5 10 7 12 7 9 swingby 5 14 2 15 11 8 10 itolab 13 6 11 11 7 13 11 Team Fenrir 8 13 5 12 10 11 12 中村人 12 8 13 13 15 9 13 CanvasSoft 7 15 6 9 9 14 14 昼休みはいつも人狼でつぶれる 15 12 14 14 13 15 15
39.
<人工知能学会30周年記念事業> 「人狼知能」大会@CEDEC2016 JSAI×CEDEC
40.
今後のスケジュール 2015年 12月 大会運営委員会立ち上げ ※人狼知能標準ルールの策定 ※評価方式、対戦方式、予備予選の検討 人狼サーババージョン0.3.0公開予定 2016年 03月8-9日 ゲームAIコンペ大会@電通大 04月上旬
大会方式、ルールの公開 06月01日 サーババージョン確定、登録受付開始 07月上旬 予備予選開始(登録〆切 n 日前まで) 07月中旬 登録〆切 08月08日 プログラム〆切 予選1週間、決勝進出チーム確定 予選敗退チームバイナリ公開 08月16日 決勝進出プログラム提出 決勝1週間 08月下旬 人狼知能大会@CEDEC2016
41.
人狼知能エージェント開発支援 • セミナを開催 – 勉強会 •
2015年11月15日 – ※第1回大会の優勝者が講師 – まだ数名の猶予があります – 入門セミナ (2016年04, 05, 06月3回開催) • 東京、大阪、福岡 or 仙台 を検討 – 開発合宿 (2016年07月予定)
42.
http://aiwolf.org
Hinweis der Redaktion
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
Jetzt herunterladen