人工知能が作る芸術

人工知能が作る芸術
三宅陽一郎
（日本デジタルゲーム学会理事）
2018.6.21 @東京造形大学
https://www.facebook.com/youichiro.miyake
http://www.slideshare.net/youichiromiyake
y.m.4160@gmail.com
https://miyayou.com

• 第一章ニューラルネット
• 第二章人工知能と創造性
• 第三章メタAIとプロシージャル技術
• 第四章 RAINWORLD におけるアニメーションの作り方
• 第五章プロシージャル的なレベル/AIの作り方
• 第六章 CITY ENGINE - VR 対応
• 第七章プロシージャル技術
• 第八章音声プロシージャル技術
• 第九章 EVE ONLINE におけるプロシージャル技術
• 第十章ヒートマップと自動生成
• 第十一章ヒートマップと自動生成

第一章ニューラルネット

目次
• 第一節ニューラルネットの歴史
• 第二節ニューラルネットワーク基礎
• 第三節生成系ニューラルネットワーク
• 第四節プロシージャル技術入門

第一節ニューラルネットの歴史

この３００年の技術の動向
時間
規模
産業革命
情報革命
ネット革命
知能革命
機械化・自動化（オートメーション化）
電子情報化
オンライン化
知能化
第二次産業革命
電動化
1750 1860 1960 1990 Now…
現代は「知能化」の時代に
入りつつある。
第一次AIブーム第二次AIブーム第三次AIブーム

二つの人工知能
IF (s_collison==true)
register_all(s_star);
assign_edge();
assign_vertex();
mix_all();
シンボルによる人工知能
（シンボリズム））
ニューラルネットによる人工知能
（コネクショニズム）
IBM ワトソン
Gooogle検索
など
AlphaGo
など
http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html

神経素子（ニューロン）とは？
入力
入力
入力
出力
入力
この中にはイオン（電解,Na+,K+）
溶液が入っていて、入力によって電圧が
高まると出力する仕組みになっています。
100mVぐらい
ニューラルネットワーク内シグナル伝達スピード 100(m/sec) … 案外遅い
http://www.brain.riken.go.jp/jp/aware/neurons.html

ニューラルネットを理解しよう② 数学的原理
http://www.pri.kyoto-u.ac.jp/brain/brain/11/index-11.html
医学的知識
http://www.biwako.shiga-u.ac.jp/sensei/mnaka/ut/sozai/ai.html
モデル化
数学的モデル
ニューロン
人工ニューロン
入出力関係のグラフ入出力関係の関数（シグモイド関数）
ニューラルネットワーク
（ニューロンをつなげたもの）
道具はこれで全て。これで何ができるだろう？

深階層ニューラルネットワーク
ニューラルネットワーク＝信号（波形）処理だけで知能を作る。

人工知能がブームになるとき
時間
規模
1960 1990 2000
1970 1980 2010
シンボルによる人工知能は
堅実に進化する

2 第一次ＡＩブーム（1960年代）
もし A ならば B
もし B ならば C
よって、
もし A ならば C
（記号主義）
推論ベースニューラルネット
誕生

3 第二次ＡＩブーム（1980年代）
IF （A） then B
IF （C） then D
IF （E） then F
IF （G） then H
IF （ I ） then J
（記号主義）
ルールベース
新しい学習法＝
逆伝搬法

3 第二次ＡＩブーム（1980年代）
0 0 0
【逆伝播法】
ここが１になるように、
結合の強さを、
さかのぼって変えて行く。

4 第三次ＡＩブーム（2010年代）
（記号主義）
データベース
新しい学習法＝
ディープラーニング
データベース
検索エンジン
キーワード検索結果
検索
人
次の章で
説明
します

ある層の限定した領域を次の層に向けて足し合わせて
集約する＝折り畳み（コンボリューション）
その時にちょっとづつずらしながら折り畳みを行う。

インターネットによる
膨大なデータ
4 第三次ＡＩブーム（2010年代）
時間
規模
1960 1990 2000
1970 1980 2010
ルールベース
逆伝播法
データベース
ディープ
ラーニング
推論ベース
ニューラル
ネット誕生
小型・中型
コンピュータの普及
大型コンピュータ
専門家のみのブーム

AlphaGO
膨大な棋譜のデータ
（人間では多過ぎて
読めない）
この棋譜を
そっくり打てる
ように学習する
自己対戦して
棋譜を貯める
この棋譜を
そっくり打てる
ように学習する
AlphaGO

Deep Q-Learning
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
画面を入力
操作はあらかじめ教える
スコアによる強化学習

二つの人工知能
IF (s_collison==true)
register_all(s_star);
assign_edge();
assign_vertex();
mix_all();
（記号主義）
IBM ワトソン
など
AlphaGo
など

• 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
https://deepmind.com/research/alphago/

第二節
ニューラルネットワーク基礎

ニューラルネットを理解しよう② 基本原理
http://www.pri.kyoto-u.ac.jp/brain/brain/11/index-11.html
医学的知識
http://www.biwako.shiga-u.ac.jp/sensei/mnaka/ut/sozai/ai.html
モデル化
数学的モデル
ニューロン人工ニューロン
入出力関係のグラフ入出力関係の関数（シグモイド関数）

ニューラルネットを理解しよう③ 数学的原理
数学的モデル
入力信号
＝繋がっている
ニューロンからやっ
て来ます
ウエイト（重み）
＝各ニューロン間の結合の強さ
「入力信号ｘ重み」＋「バイアス」（初期電位、適当な小さな値）
出力信号
(0~1の間)
バイアスをうまく調整して、
このセンシティブな領域に入力が集中するように
調整しよう！（ニューラルネットの技術的なコツ）

ニューラルネットを理解しよう③ 数学的原理
数学的モデル階層型ニューラルネットワーク
… 一方向にニューロンをつなげたもの
入力層隠れ層出力層
重み重み
最初に定義するもの＝ウエイト（重み）、バイアス
とりあえず全ての結合を定義しておく（ニューロン間の重みを０にすれば切れる）
数値の組み
が入ります
数値の組み
が出ます
これは３層の例だけど、
何層つなげてもよい
一旦定義してから変えることができないもの…全体の構造
変えることができるもの…ウエイト（重み）

第三節
生成系ニューラルネットワーク

生成系ニューラルネットワーク技術
GAN （一般敵対的ネット）
（ディープラーニング）
ニューロエヴォリューション
（進化的ニューラルネット）
逆伝播法

数学的モデル
数値の組み
が入ります
階層型ニューラルネットで学習とは、ある入力に対して特定の出
力（学習信号）になるようにウエイトを変化させることを言います。
学習信号
実際の信号
誤差信号
① 手動で少しずつ勘を頼りに変えて行く。まず無理
② えらい人が考えた方法を使ってみる。誤差伝播法
伝播する
誤差信号
伝播する
誤差信号
どうやって？
ニューラルネットを理解しよう逆伝播法学習

数学的モデル
数値の組み
が入ります
教師信号と実際の出力の差を、ウエイトを調整する
ことで、縮めて行く。
学習信号
実際の信号
誤差信号
伝播する
誤差信号
伝播する
誤差信号
ニューラルネットの出力側から、誤差分を、後ろ側に分担して
負担するように、後ろのニューロンへ、そのニューロンが
詰める大きさを含んだ情報を伝播して行く。
誤差伝播法（Back Propagation Method）

数学的モデル教師信号と実際の出力の差を、ウエイトを調整する
ことで、縮めて行く。
伝播する
誤差信号
伝播する
誤差信号
ニューラルネットの出力側から、誤差分を、後ろ側に分担して
負担するように、後ろのニューロンへ、そのニューロンが
詰める大きさを含んだ情報を伝播して行く。
誤差伝播法（Back Propagation Method）
信号絵
画家: ジャスパー・フランシス・クロプシー
Painter: Jasper Francis Cropsey
タイトル: ポンプトン・プレインズ

⑤ニューラルネットワークの構造が進化させる
「NEAT」の技術
Mat Buckland, Chapter 11, AI techniques for game programming, Premier Press, 2002
(実行ファイルとソースコードがCD-ROMにあります)
これまでニューラルネットは、最初に構造を定義した後は変化しなかった。
動的にニューラルネットの構造を変化させる技術
Neuron Evoluation of Augmenting Topologies (NEAT)

Neuro Evolution
を詳しく解説

NEAT
回路の構成を遺伝子コードで表現する。
Weight: 1.2
From: 1
To: 3
Enabled: Y
Recurrent: N
Innovation: 1
Weight: -3
From: 1
To: 4
Enabled: Y
Recurrent: N
Innovation: 6
Weight: 0.7
From: 2
To: 4
Enabled: Y
Recurrent: N
Innovation: 2
Weight: -2.1
From: 3
To: 4
Enabled: Y
Recurrent: N
Innovation: 6
Weight: 1.1
From: 3
To: 5
Enabled: N
Recurrent: N
Innovation: 3
Weight: 0.8
From: 4
To: 5
Enabled: Y
Recurrent: N
Innovation: 4
Weight: -1
From: 5
To: 3
Enabled: Y
Recurrent: Y
Innovation: 7
ID: 1
Type: Input
ID: 2
Type: Input
ID: 3
Type: hidden
ID: 4
Type: hidden
ID: 5
Type: Output
2
1
4
3
5
つなぎ方を定義する遺伝子
ニューロンを定義する遺伝子
入力出力

NEAT
回路の構成を遺伝子コードで表現する。
Weight: 1.2
From: 1
To: 3
Enabled: Y
Recurrent: N
Innovation: 1
Weight: -3
From: 1
To: 4
Enabled: Y
Recurrent: N
Innovation: 6
Weight: 0.7
From: 2
To: 4
Enabled: Y
Recurrent: N
Innovation: 2
Weight: -2.1
From: 3
To: 4
Enabled: Y
Recurrent: N
Innovation: 6
Weight: 1.1
From: 3
To: 5
Enabled: N
Recurrent: N
Innovation: 3
Weight: 0.8
From: 4
To: 5
Enabled: Y
Recurrent: N
Innovation: 4
Weight: -1
From: 5
To: 3
Enabled: Y
Recurrent: Y
Innovation: 7
ID: 1
Type: Input
ID: 2
Type: Input
ID: 3
Type: hidden
ID: 4
Type: hidden
ID: 5
Type: Output
2
1
4
3
5
リンク（つなぎ方）を定義する遺伝子
ニューロンを定義する遺伝子
Innovation ID によってリンク、ニュー
ロンを全遺伝子共通の管理する。
無効
入力出力

NEATにおける交叉
親１
2
1
7
3
4
1
1->4
2
2->4
3
3->4
6
3->7
7
7->4
12
1->7
1
1->4
2
2->4
3
3->4
4
2->5
5
5->4
8
5->9
9
9->4
15
3->9
親２
2
1
3
95 4
Innovation ID
ID順に並べます。
1
1->4
2
2->4
3
3->4
1
1->4
2
2->4
3
3->4
4
2->5
5
5->4
6
3->7
7
7->4
8
5->9
9
9->4
12
1->7
15
3->9
交
叉
4
2->5
5
5->4
8
5->9
9
9->4
15
3->9
1
1->4
2
2->4
3
3->4

NEATにおける交叉
親１
2
1
7
3
4
1
1->4
2
2->4
3
3->4
6
3->7
7
7->4
12
1->7
1
1->4
2
2->4
3
3->4
4
2->5
5
5->4
8
5->9
9
9->4
15
3->9
親２
2
1
3
95 4
Innovation ID
交
叉
2
1
3
95 4
4
2->5
5
5->4
8
5->9
9
9->4
15
3->9
1
1->4
2
2->4
3
3->4
子供＝新しいニューラルネットワーク

エージェント・アーキテクチャー
身体
センサーエフェクター
ＮＰＣの知能部分
ゲーム世界
相互作用
時間
時間
知覚する行動する
機体
制御
交配の中で発展して行く

第３世代
第９２９世代
第１３６８世代
左は俯瞰図（赤は衝突してしまってい
る）
右は適応度ベスト４のニューラルネット

https://arxiv.org/pdf/1410.7326.pdf

弾幕自動生成
• Applying Evolutionary Algorithms to the Galactic Arms Race
• http://aigamedev.com/open/interviews/galactic-arms-race/
https://www.youtube.com/watch?v=N8q2uOwWcFc

はじめのGAN
https://elix-tech.github.io/ja/2017/02/06/gan.html

https://arxiv.org/abs/1406.2661

生成用
ニューラルネット
判定用
ニューラルネット
データ
ベクトル生成画像
真＝ 1
偽＝ 0

Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks
Alec Radford, Luke Metz, Soumith Chintala
(Submitted on 19 Nov 2015 (v1), last revised 7 Jan 2016 (this version, v2))
https://arxiv.org/abs/1511.06434

第四節
プロシージャル技術入門

ゲームエンジンにおける自動生成
（例 DUNIA ENGINE）
• 各開発会社のゲームエンジンには、自動生成技術が組み込まれ
ている。
• https://www.youtube.com/watch?v=FI3oR6vqn1Q

GPU-BASED PROCEDURAL PLACEMENT
IN HORIZON ZERO DAWN
• https://www.guerrilla-games.com/read/gpu-based-
procedural-placement-in-horizon-zero-dawn
• データからプロシージャルにマップなど、ゲームに必要なデー
タを生成

第二章人工知能と創造性

アーロンのアルゴリズム
• 知識ベースの人工知能
＝対象に対する知識をインプットして描かせる
Aaron’s homepage
http://aaronshome.com/aaron/index.html
Harold Cohen, "How to Draw Three People in a Botanical Garden"
http://aaronshome.com/aaron/publications/index.html

＝閉曲線で描くことを学ぶ。
1981Aaron’s homepage

(左) 学んだ知識から描く
（右）架空のものを学んだものから描く
19851983
Aaron’s homepage

前後関係を取れるようにする。
1986
Aaron’s homepage

ブラウン運動
ロバート・ブラウン博士によって、１８２７年に発見された現象。
微粒が媒質（液体）の中で行う不規則な運動。
アインシュタイン博士によって、熱運動する媒質の不規則な
衝突によって引き起こされると説明された。
http://ja.wikipedia.org/wiki/%E3%83%96%E3%83%A9%E3%82%A6%E3%83%B3%E9%81%8B%E5%8B%95

ブラウン運動から地形生成
ロバート・ブラウン博士によって、１８２７年に発見された現象。
微粒が媒質（液体）の中で行う不規則な運動。
アインシュタイン博士によって、熱運動する媒質の不規則な
衝突によって引き起こされると説明された。
宮田一乗「プロシージャル技術の動向」（CEDEC 2008）

https://www.youtube.com/watch?v=m4JDNzwFZFI

http://www.kenmusgrave.com

NO MAN’S SKY (Hello Games, 2016)
http://www.no-mans-sky.com/
宇宙、星系、太陽系、惑星を自動生成する。

FarCry2 におけるプロシージャル技術
50km四方のマップを作る
オブジェクト（草木）＆アニメーションデータを自動生成

FarCry2 (Dunia Engine ) デモ
草原自動生成時間システム
樹木自動生成動的天候システム
動的天候システム
http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm

第三章メタAIとプロシージャル技術

Procedural Generation in WarFrame
• Warframe ではダンジョンが自動生成される。
Daniel Brewer, AI Postmortems: Assassin's Creed III, XCOM: Enemy Unknown, and Warframe (GDC2015)
http://www.gdcvault.com/play/1018223/AI-Postmortems-Assassin-s-Creed

Black Combination in WarFrame
• ブロックを組み合わる
• 完全に零からの生成
ではない。
このような生成のことを
Semi-procedural と言う。

WarFrame における自動生成マップの
自動解析による自動骨格抽出
• 自動生成するだけでなく、自動生成したダンジョンを、自動解
析します。ここでは、トポロジー（形状）検出を行います。

WarFrame における自動生成マップの
自動解析によるナビゲーションデータ作成
抽出した骨格に沿って
自動的にナビゲーション・データを作成します。

スタートポイント、出口、目的地の
自動生成

ヒートマップ（影響マップ）を用いて
ゲーム中にプレイヤーの周囲を自動解析
ヒートマップ（影響マップ）とは、対象（ここではプレイヤー）を中心に、位置に温度（影響度）を
与える方法です。距離に応じて減衰します。また時間が経つと、周囲に熱が拡散します。

Tactical Map の例 (影響マップ)
（例）敵と自分の勢力をリアルタイムに計算する。
4 6 8 8 8 8 6 4 2 0 -1 -2 -4 -4 -4 -2
4 6 8 8 8 8 4 2 1 0 -2 -4 -4 -2
4 6 8 8 8 6 3 1 0 -2 -4 -4 -4 -2
4 6 8 8 8 6 6 4 1 0 -2 -4 -4 -2
2 4 6 8 6 6 4 4 0 -1 -2 -4 -4 -4 -2
1 2 4 6 6 4 2 2 -4 -5 -3 -3 -4 -4 -2 -1
3 3 3 3 4 2 2 0 -4 -5 -5 -8 -8 -6 -4 -2
3 3 2 2 2 0 -2 -4 -8 -10 -10 -8 -4 -2
3 3 3 2 2 1 0 -4 -8 -10 -10 -8 -8 -4 -2
2 2 2 2 1 1 0 -3 -8 -10 -10 -8 -8 -4 -2
1 1 1 1 0 0 -2 -4 -8 -8 -8 -8 -8 -8 -8 -8
0 0 0 0 0 -1 -1 -2 -5 -6 -6 -6 -8 -8 -8
0 0 0 0 -1 -2 -2 -2 -4 -4 -4 -6 -8 -8 -8 -8
0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2
0 0 0 0 -1 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2 -2
0 0 0 0 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1

ヒートマップ（影響マップ）を用いて
ゲーム中にプレイヤーの周囲を自動解析
「ヒートが増加する＝プレイヤーが近づく点」
「ヒートが減少する＝プレイヤーが遠ざかる点」

アクティブ・エリアセット（Active Are Set）
アクティブ・エリアセットは、プレイヤーの周囲の領域で、
リアルタイムにメタAIがゲームを調整する領域

メタAIがアクティブ・エリアセット内で
ゲームを調整する
「ヒートが増加する＝プレイヤーが近づく点」なので、モンスターを生成する。
「ヒートが減少する＝プレイヤーが遠ざかる点」なので、モンスターを停止する。

メタAI （AI Director,）による
動的ペース調整

メタＡＩ（自動適応ペーシング）
メタAI （AI Director,）による
動的ペース調整

メタAIによる出会うモンスターの数の大域調整
プレイヤーのスタート地点から出口までの道のりで、
コンスタントにモンスターと出会うようにする。

FarCry 4 の事例
Julien Varnier, Far Cry's AI: A Manifesto for Systemic Gameplay
http://archives.nucl.ai/recording/far-crys-ai-a-manifesto-for-systemic-gameplay/

これからのゲームの作り方
オープンワールド
プロシージャル（自動生成）
適応型的AI
（自動AI配置、自動ミッション生成）

これからのゲームの作り方
オープンワールド
プロシージャル（自動生成）
適応型的AI
（自動AI配置、自動ミッション生成）
これからのゲームは、
広大なで多様なフィールドを持ちつつ、
稠密なゲームプレイを提供できるような
サービスとなる。
（低コストで）

第四章 RAINWORLD におけるアニメーションの作り方

RAINWORLD におけるアニメーションの作り方
Animation Bootcamp: 'Rainworld' Animation Process
Speaker(s) Joar Jakobsson, James Therrien
Company Name(s) Video Cult, Bright Primate
http://www.gdcvault.com/play/1023475/Animation-Bootcamp-Rainworld-Animation

RAINWORLDとは？
• 動画
• ぐにゃぐにゃの大きな敵
• http://store.steampowered.com/app/312520/?l=japanese

RAINWORLD パス検索を用いたアニメーション
狭い空間で長い足を動かす。

RAINWORLD
パス検索を用いたアニメーション
アニメーション＝ビヘイビアなモンスター。

ボックスも動く。

足を置きたい。

足をどうやって動かすべき？

ボックスの近くに向けてパス検索。

ボックス、床の近くに向けてパス検索。

パス検索の結果の経路が足を延ばせる経路。

パス検索の結果の経路が足を延ばせる経路。Animation Bootcamp: 'Rainworld' Animation Process

結果はこんな感じ。

第五章プロシージャル的なレベル/AI
の作り方

A Boy and His Kite: An Animated Short (Epic, Unreal Engine 4)
https://www.youtube.com/watch?v=JNgsbNvkNjE
【技術解説動画】
GDC 2015: Creating the Open World Kite Real-Time Demo
in Unreal Engine 4
https://www.youtube.com/watch?v=clakekAHQx0
Unreal Engine 4 KITE Demo

Unreal Engine 4 KITE Demo
GDC 2015: Creating the Open World Kite Real-Time Demo in Unreal Engine 4

植物は手動か自動配置。
マテリアルを観ながら自動配置も。

植物の生成・成長のシミュレーションで
レベルを生成

密度などを指定しつつ
植物が群生する

植物は年齢を重ねて、実を拡げる

植物の競合ルールを敷く。

こんな感じになります！

草配置グラフ

ダイナミックな動物の活動もテスト

カメラドローンへ向かって走る

群制御でAIは木を避ける。

ナビゲーション・メッシュを生成

ナビゲーション・メッシュは動的に生成

ナビゲーション・メッシュ自動生成

アニメーション・グラフ

多数のNPCを出しても最適化されている

各セルごとに最適なスポーニングポイントを
ルールで決定

第六章 CITY ENGINE - VR 対応

年代をスライドさせると、その時代の建物になる。

さらなるプロシージャル。

VR にも対応します。エンジンに組み込まれます。

Google Map を読み込んで街を作れます。

第七章プロシージャル技術

プロシージャル技術とは？
プロシージャル(Procedural)
＝計算による、連続した操作による
コンテンツデータ（モデル、地形）、
ゲーム内の動的な運動（AI、アニメーション）を
自動的に生成する技術（プログラミング手法）
デジタルゲームでは？
（例）自動生成、自律的なＡＩ
Procedural Contents Generation Procedural AI

プロシージャル = コンテンツ生成
プログラムによって
モデルを自動生成する
人の手によって
モデリングを行う
①アプローチ１
②アプローチ２
デジタル空間で草原を作りなさい
void gen(){
if(unit_length >MAX_LENGTH) { add_stem(); return; }
add_rings(current_stem);
if(steps > 1000);return;
gen();
}
int make(){ gen(); return; }
2003, Youichiro Miyake
たくさんの演算によってモデルを生成する
コンテンツ自動生成 (Procedural Contents
プロシージャル
反復関数法
アルゴリズム
プロシージャル技術ゲームデザインへ

コンテンツ
第１章プロシージャル技術
① ダンジョン自動生成
② グラフィック自動生成
③ アニメーション自動生成
④ AI思考自動生成
⑤ 街自動生成
第２章プロシージャル技術とゲーム開発
第３章欧米におけるミドルウエア
第４章プロシージャル・ゲームエンジン
第５章まとめ

①ダンジョン自動生成

ismaze5 iMaze5
デモ
自動迷路生成
iMaze5
Ishida So, 「迷路のプログラム」, 2005

Rogue Clone
ローグライクゲーム
プロシージャルの歴史: ダンジョン自動生成
１９８０
Rogue
不思議のダンジョン
1993～
ブルードラゴン
Hellgate：London
2006
CODED ARMS
2005
ティル・ナ・ノーグ
1987～
Diablo
1996 2007
1980
FF11
2007
マビノギ
TOEO
2004
2006
MMOにおける応用
NetHack
1987
システムソフト
Blizzard
チュンソフト
KONAMI
Microsoft
flagshipstudio
namco
Square Enix
nexon

プロシージャル技術の特徴（１）
人の手でやるとたいへんなコンテンツ制作を
プログラムで自動的に出来てしまう。

コンテンツ
第２章自動生成技術
① ダンジョン自動生成
② グラフィック自動生成
③ アニメーション自動生成
④ AI思考自動生成
⑤ 街自動生成

②グラフィックス自動生成
I. 地形自動生成
II. 植物自動生成
III. 雲自動生成

プロシージャルの歴史: CG１９８０
フラクタル・イメージ
地形自動生成
植物自動生成
雲自動生成
フラクタル
幾何学
1975
SIGGRAPH 1987
フラクタル幾何学を基礎とした
プロシージャルなモデル生成
テクスチャ自動生成
3Dモデル生成
1997,2002
パリン・ノイズ
2Dモデル生成
1988 20031994
２０００１９９０
Terragen
natFX MAX
SpeedTree
Pro FX

フラクタルの思想
自然のパターンというのは、
同じ模様がスケールを変えてくり返されている
http://weblog.seki.net/image/20070118_0008_b.jpg

フラクタルの思想
自然のパターンというのは、
同じ模様がスケールを変えてくり返されている
同じ模様をスケールを変えて重ねれば
自然のオブジェクトに見えるはずだ
http://wwwitblpg.kansai.jaea.go.jp/itblpg/resource/Fractal/topics/fractal_topics01.html

地形自動生成
中点変位法
h
h/2
h/4
h/4
h/8
h/8
スケーリングに応じて、振れ幅を変えていく
フラクタルイメージ―理論とプログラミング (ハードカバー)
ハインツ・オットーパイトゲン(編集), ディートマーザウペ(編集), 山口昌哉(翻訳)
シュプリンガー・フェアラーク東京 (1990/08)
中点変位法によるフラクタル曲線の描画,
http://nis-lab.is.s.u-tokyo.ac.jp/~hasimoto/applet/CG/FractalLine.html

地形自動生成
Jacob Olsen, Realtime Procedural Terrain Generation
http://oddlabs.com/download/terrain_generation.pdf
２次元中点変位法ボロノイ図
ノイズ法（濃い＝低い、白い＝高い）
＋＝

Ken Musgrave
http://www.kenmusgrave.com/

Terragen(Planetside Software)
風景、自動生成生成ソフト
http://www.planetside.co.uk/terragen/
海外のゲームや映画の背景として利用されている

文字列からの地形自動生成
Darwinia(Introversion Software)
(1) ４人で製作
(2) ベッドルーム・プログラマー２人
(3) グラフィッカー０人
(4) ２００６年 Independent game festival 大賞
技術情報未公開
Introversion Software, "Procedural Content Generation", GameCareerGuide.com, 2007
小さなプロダクションでも
プロシージャルを使うことで
質の高い大きなゲームを
作ることができる可能性を
知らしめて、英語圏の
ゲーム関係者に衝撃と注目
を集めている
4gamers(体験版):http://www.4gamer.net/patch/demo/darwinia/darwinia.shtml

Age of Empires III における地形自動生成
西川善司, 「3DゲームファンのためのAGE OF EMPIRESエンジン講座(後編)こだわりの影生成と算術合成
されるディテール、次回作はXbox2?」, GAME Watch, 2005

プロシージャル技術の特徴（２）
自動的なコンテンツ制作で、小人数でも、
大きなボリュームのゲームを作ることが出来る。

References
(1) Jacob Olsen,Realtime Procedural Terrain Generation
http://oddlabs.com/download/terrain_generation.pdf
(2) Ken Musgrave
http://www.kenmusgrave.com
(3) Terragen(Planetside Software)
http://www.planetside.co.uk/terragen
(4) Introversion Software, "Procedural Content Generation",
GameCareerGuide.com, 2007
http://www.gamecareerguide.com/features/336/procedural_content_.php
(5)西川善司, 「3DゲームファンのためのAGE OF EMPIRESエンジン講座(後
編)こだわりの影生成と算術合成されるディテール、次回作はXbox2?」,
GAME Watch, 2005
http://watch.impress.co.jp/game%2Fdocs/20050313/aoe3.htm
Figures on the pages are from these references.

植物自動生成
Since 1968 A. Lindenmayer
L-system 文法規則
構成要素 F,+,-,[,]
規則 F-> F[-F]F[+F][F]
F
0世代１世代
F[-F]F[+F][F]
２世代３世代４世代５世代
Simulating plant growth by Marco Grubert http://www.acm.org/crossroads/xrds8-2/plantsim.html

The Sketch L-System:
Global Control of Tree Modeling Using Free-form Strokes
Takashi Ijiri, Shigeru Owada, Takeo Igarashi.
The Sketch L-System:
Global Control of Tree Modeling Using Free-form Strokes
http://www-ui.is.s.u-tokyo.ac.jp/~ijiri/SketchLSystem/index.html
L-system を用いて簡単な操作で木のモデルを作成するツール

デモ
The Sketch L-system
SG06_SketchLSystem
Takashi Ijiri, Shigeru Owada, Takeo Igarashi.
The Sketch L-System: Global Control of Tree Modeling Using Free-form Strokes
http://www-ui.is.s.u-tokyo.ac.jp/~ijiri/SketchLSystem/index.html

Ｓ
DUNIA Engine デモ
(II) Tree Generation
(I) Growing Vegetation

SpeedTree(IDV) in Oblivion
森のモデルを作るのがたいへん。
（葉から枝、アニメーション）
SpeedTree: モデル生成から、インゲーム実装までをサポート
アニメーションでは
葉の揺れまでを設定可能
天候による違いまで
演出可能
Procedural
ではない
SpeedTree, http://www.speedtree.com/

プロシージャル技術の特徴（３）
自動生成アルゴリズムを少し変えるだけで、
様々なバリエーションのコンテンツを作成可能

L-system によるダンジョン自動生成（三宅案）
variables : X Y F
constants : + −
start : FX
rules : (X → X+YF+),(Y → -FX-Y)
angle : 90°
http://en.wikipedia.org/wiki/L-system

L-system による街の自動生成
City Engine(central pictures)
Yoav I H Parish, Pascal Müller
http://www.centralpictures.com/ce/tp/paper.pdf
http://www.centralpictures.com/ce/
George Kelly, Hugh McCabe,
A Survey of Procedural Techniques for City Generation
http://www.gamesitb.com/SurveyProcedural.pdf

The City Engine
Pascal Mueller
The CityEngine, http://www.vision.ee.ethz.ch/~pmueller/wiki/CityEngine/Front
文法システムによる街生成

街生成の研究から起業へ
街生成の研究を基に起業される。
Procedural Inc.
http://www.procedural.com

自動生成マップ
Introversion Software, "Procedural Content Generation", GameCareerGuide.com, 2007

第八章音声プロシージャル技術

基本知識
①基本要素（ミクロレベル）
♪ 音楽の３要素＝音の高さ、長さ、強さ
♪ 音の３要素＝周波数、強度、音色
♪音色の経時変化（周波数スペクトルの時間的な変化）
♪ 強さの経時変化（音の立ち上がり、たち下がり、余韻など
②複合的な要素
♪ メロディ / 和音（ハーモニー、コード）
♪強さの変化（だんだん大きくなったり小さくなったり）
♪ テンポとその変化（だんだん早く、だんだん遅く）

基本知識
波形の形、くり返しなどを自在に編集できる
＝シンセサイザー
ソフトウエア・シンセサイザー
http://www.forest.impress.co.jp/article/2000/02/25/dancemusic6.html
http://ja.wikipedia.org/wiki/%E7%94%BB%E5%83%8F:MinimoogVoyager.jpg
③シンセサイザー
♪ ミクロレベルの音のデザイン
♪アルペジェータ
（一部のシンセサイザー等に搭載されている、
アルペジオを自動的に生成する仕組み）
♪ マクロレベルの音のデザイン

Sporeにおけるプロシージャル・ミュージック
♪音楽プログラミング環境Ｐｄ(Pure Data)を用いた音楽自動生成
♪ 各ステージごとに、このスクリプトを作る。
♪ ユーザーのアクションが新しい音を加えて行く。
ＥＡＰｄ

Pd とは？
♪ Pdとは、グラフィカルな環境で関数や変数を結線することで制御フローや
（音）信号の流れを定義するビジュアルプログラミング言語の一つ
♪ Miller Puckette によって１９９０年代に開発されたフリーの言語
オブジェクト
を組み合わせる
（中に書いてある文字は
決められてた操作を表す）
Bang オブジェクト
（単にトリガーを発信）
右の上が欠けたオブジェクトは
値が入力されて変動する
簡単な解説
http://ja.wikipedia.org/wiki/Pure_Data

Pd とは？
音を鳴らすところ
乱数発生
+1
変数ストア
サブルーチン
変数ストア
音源へ接続
バング（スタートシグナル）

Pd とは？
演奏者にあたるＡＩ
メトロノーム

Pd とゲームサウンド
演奏者にあたるＡＩ
ユーザー・
インタラプション

Spore における実現例①
ユーザーのマウス・アクションに応じて音が加わって行く

Spore における実現例②
なんで今までなかったのだろう？ゲームにとても馴染んだ技術

「Spore」から見るこれからのゲーム開発
「Spore」グラフィック、オブジェクト、サウンド、あらゆる分野に
おいてプロシージャル技術を応用する次世代のゲーム
次世代ゲームエンジン
(EA + Maxis)
プロシージャル・ゲームエンジン
さまざまなゲームを比較的安く
開発できる（コンテンツ無限）

E
第九章 EVE ONLINE におけるプロシージャル技術
The Server Technology of EVE Online: How to Cope with 300,000 Players in One World
Kristjan Valur Jonsson / CCP Games
http://www.gdcvault.com/play/1014031/The-Server-Technology-of-EVE

Partitioning space into a hierarchy of
boxes
  ttt STfS 1
     N
tt
M
ttt SfSfSSS    0
1
0
11 ,,
becomes:
Binary space partitioning in three dimensions. Each sphere
belongs to only one box – the smallest box that is able to
contain the spere.

It is not as simple as the last slide implied
The time-extrusion of a sphere determines what space
partitions it can interact with (causality bubble)
Collision is defined as the intersection of two time-
extruded spheres (cylinders with dome
shaped end-caps)
Collision response is highly elastic
(conservation of momentum)

You have now seen Destiny
QED

Evolving time
The server solves the system of equations for an entire “system”.
The client only solves the equations for the causality bubble that it
belongs to.
Server regularly sends updates to the initial conditions for a time
step. The client can work its way backwards to adjust for changes
in initial conditions and derive how they affect current state.

Two things now become obvious
• A client scales based on the population in a causality bubble
• A server scales based on the population in the “system” that
we need to solve the differential equations for
• How are these concepts defined in EVE?
• Answers after this break!

The universe we wanted to create
Solar systems typically consists
of a dozen of planets, surrounded
by moons and asteroid belts
Routes connect them into
constellations that themselves
form conglomerates called
regions
EVE consists of over 5000 solar
systems

Cooking up solar systems
EVE solar systems are
created using a disc
accretion model
Gives convincing enough
results and is possible to
calculate in less than 24
hours

We wanted an interesting route system
Goals:
• Settlements
• Strategic
• Hierarchical
=> Diffusion Limited
Aggregation (DLA)

Generating the route system
Diffusion Limited
Aggregation (DLA)
Extended to multi-seed and
three dimensions

Scaling well with increased hardware
• A unique combination of software and hardware layers
• Tiered architecture allows software to scale well with increased
hardware
• Relies heavily on thread pooling and I/O completions, underneath
micro-threaded Stackless Python logic

213
EVE runs on a supercomputer
Active Servers
Weight
CPUS
RAM
Estimated
FLOPS
Bandwidth
~ 195
About 2.5 metric tonnes of
equipment
> 420 CPU cores > 1 THZ
> 7.5 Terabytes
> 7.5 Tera
~ 400 GHZ

第十章ヒートマップと自動生成

メタＡＩのための統計的手法とデータマイニング
TEAM FORTRESS 2 における、
あるステージでのプレイヤーの死亡頻度マップ
http://game.watch.impress.co.jp/docs/news/20090329_80132.html

メタＡＩのための統計的手法とデータマイニング
Halo3 における、あるステージでのプレイヤーの死亡頻度マップ。
殺傷武器別の Heatmap も描画できる。
http://www.bungie.net/Online/HeatMaps.aspx

Particle Deposition
 Simulates volcanic mountain ranges and island systems
 drop random particles in a blank grid
 Determine if the particle’s neighboring cells are of a lower height
 If this is the case increment the height of the lowest cell
 keep checking its surrounding cells for a set number of steps or until it is the
lowest height among its surrounding cells
 If not increment the height of the current
cell
Generated after 5 series
of 1000 iterations
3D Terrain Generation. Pablo Saldarriaga.
https://www.eecs.yorku.ca/course_archive/2011-12/W/4431/lectures/terrain.ppt

Issues with using Height fields
 They cannot generate overhangs or caves
 Some solutions, for example:
 “mushrooming” effects that involve the manipulation of vertex
normals in order to render height field textures with overhangs
 the game Halo Wars implemented a new type of height field called
a vector height field which stored a vector to displace a vertex
instead of a height value
GDC 2009 HALO WARS: The Terrain of Next-Genby Colt McAnlis
(Blizzard)
http://www.gdcvault.com/play/1628/HALO-WARS-The-Terrain-of

GDC 2009 HALO WARS: The Terrain of Next-Genby Colt McAnlis
(Blizzard)
http://www.gdcvault.com/play/1628/HALO-WARS-The-Terrain-of

第十一章
ゲームエンジンの中の
プロシージャル技術

プロシージャルなゲームエンジン②
① オブジェクト生成
(We can generate objects with procedural techniques
-Then use rules to deform / destroy / modify / move them
-Better interactivity)
② Semi-procedural surface shader
③ Procedural shader
④ Procedurally distributed on the fly
GDC 2007 Frostbite “Rendering Architecture and Real-time Procedural Shading & Texturing Techniques”
http://developer.amd.com/assets/Andersson-Tatarchuk-FrostbiteRenderingArchitecture(GDC07_AMD_Session).pdf
GDC 2007 “The Importance of Being Noisy: Fast, High Quality Noise”, N. Tatarchuk
http://developer.amd.com/Assets/Tatarchuk-Noise(GDC07-D3D_Day).pdf
SIGGRAPH 2007 Johan Andersson “Terrain Rendering in Frostbite using Procedural Shader Splatting”
http://ati.amd.com/developer/gdc/2007/Andersson-TerrainRendering(Siggraph07).pdf
Frostbite Engine

ハードウェア（ＣＰＵ）から見たプロシージャル
ハードウェア・ベンダーからは、次なるコンピューティングの用途として
プロシージャルの方向に舵が取られている
ＡＭＤ Intel
次世代Battlefiled用エンジン
This scene is
made entirely of
procedural
textures
GDC 2007 Frostbite “Rendering Architecture and
Real-time Procedural Shading & Texturing Techniques”
http://developer.amd.com/assets/Andersson-Tatarchuk-
FrostbiteRenderingArchitecture(GDC07_AMD_Session).pdf
http://softwarecommunity.intel.com/isn/downloads/gr
aphics/GDC/Threading_Successes.zip
GDC 2008 Threading Successes 06 - Allegorithmic
Allegorithmic
http://www.allegorithmic.com/

Real-time Sound Propagation in Video Games
Jean-Francois Guay (Ubisoft)
Real-time Sound Propagation in Video Games Jean-Francois Guay (Ubisoft)
http://gdcvault.com/play/1015492/Real-time-Sound-Propagation-in

人工知能が作る芸術

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Ähnlich wie 人工知能が作る芸術

Ähnlich wie 人工知能が作る芸術 (15)

Mehr von Youichiro Miyake

Mehr von Youichiro Miyake (20)

Kürzlich hochgeladen

Kürzlich hochgeladen (6)

人工知能が作る芸術