コロプラ・ベアーズ 面白いものを作りたい仲間が集まるベアーズ

コロプラ×モリカトロン社のゲームAI 事例紹介 〜課題設定と導入フロー〜
SPECIAL

コロプラ×モリカトロン社のゲームAI 事例紹介 〜課題設定と導入フロー〜

ゲームAIに特化した勉強会に、
200名の業界関係者が参加!

Google DeepMind が開発した囲碁ソフトウェア『Alpha Go(アルファ碁)』が人間のプロ囲碁棋士に初めて勝ち、世界中がそのニュースに沸いたのは2015年10月のこと。その後『Alpha Go』は、人間の対局からのデータを使わずにAI同士で対局を重ねることでより強くなり、『AlphaGo Zero(アルファ・ゴ・ゼロ)』へ進化。そのアプローチを使用した『AlphaZero(アルファ・ゼロ)』は囲碁に限らず将棋やチェスなどにも適用できる盤上ゲームAIになりました。

人間が考える常識にとらわれず、休むことなく延々と試行錯誤して解を導き出せるAIが持つ可能性は無限大です。
コロプラでは、ゲームAIがより面白いゲームを作ることや業務効率化につながることを期待して、ゲームAIの設計や開発を専門とするモリカトロン株式会社とタッグを組み、ゲームAIの利用を進めています。
Colopl_Be-ars_fe_morikatron_800_533_2.jpg
今回はコロプラのオフィスにモリカトロンAI研究所所長 森川幸人氏、代表取締役社長 本城嘉太郎氏、取締役 成沢理恵氏にお越しいただき、ゲームAIの勉強会を開催。
Colopl_Be-ars_fe_morikatron_800_533_5.jpg
コロプラ社員に限らず一般参加も受け付けしたところ、平日にもかかわらずおよそ200名の業界関係者が集まるという大規模イベントとなりました。
AIに関する情報が増え続ける中でゲームAIに特化した数少ない勉強会のため、メモを取ったりスライド画面を撮影したりする方が散見され、後に行われた懇親会では「90分があっという間だった」との感想があちこちから聞こえてきました。
Colopl_Be-ars_fe_morikatron_800_533_7.JPG
『超』入門編ということでしたが、モリカトロンさんからはゲームAIの歴史に始まり、AIにできること、AIの特徴、AIをゲームの世界に入れると実現できること、人間とAIの違い(人間が苦手でAIが得意なこと/人間が得意でAIが苦手なこと)などについて、大変わかりやすく解説いただきました。
Colopl_Be-ars_fe_morikatron_800_533_6.jpg
パターンを抽出して萌えキャラを作るAIや、歌詞もメロディーも自分で作るというAI、ゲームの世界に生育する植物を自動で生成するAIなどの事例を映像でまとめて紹介されると、ゲームAIの進化や可能性がより実感を伴って伝わってくるようでした。

ゲームAI(人工知能)をコロプラが導入した理由

さて、コロプラからはエンジニア職のマネージャーを務める中原雄一と、東大で人工知能を学んでいたというカジルスが登壇し、コロプラのゲームAI導入事例を発表しました。
Colopl_Be-ars_fe_morikatron_800_533_4.jpg
今回は業界発展を目的とし、発表内容を以下に公開しますので、ゲームAIを導入される際のご参考にしていただけると幸いです。

そもそもコロプラがゲームAIを導入したのは、ある運用タイトルで抱えていた具体的な課題を解決するためでした。

I ある運用タイトルで抱えていた課題とAIに求めたこと

課題1 ステージ制作に掛かるコスト(主に時間と費用)が膨大
 → 自動ステージ生成AIを実現したい

課題2 実測プレイにバラツキが出てしまう
 → 一定クオリティの測定ができる実測プレイのオートプレイAIを実現したい

II ゲームAI導入フロー(モリカトロン社とのコミュニケーション)

Step 1 運用タイトルの内容説明
 → ゲームをプレイしていただき、どのようなプレイを「面白い」と想定しているのか共有

Step 2 内部仕様の説明
 → マスターデータの情報提供、ステージの構成紹介

Step 3 要望出し
 → 課題の具体的な内容とそのレベル感の共有
   加えて、新しい "遊び を追加するときに耐えられるような設計

III ゲームAI導入をして得た気づきと反省点

1 高速でオートプレイをできるように初めから実装しておくほうが吉
 → ゲームAIの利用はゲームの運用、メンテナンスにも関わる問題なので、導入を見越した実装ができていると、のちの作業がスムーズになる
 → 10倍速を想定しておくと、機械学習する際、ボトルネックになりづらい

2 「面白さ」を言葉で伝えられるようにすること
 → ゲームAIが学習する「面白さ」を特定の指標で測定できるようにする
   そのデジタル化した「面白さ」をゲームのログから抽出できるようにしておくことも重要

3 ゲームAI導入は割と時間がかかる
 → "既存の学習フレームワークに落とし込めば完了" ということはなく、導入時には試行錯誤が必要。半年、それ以上の期間を要すると思っているほうが良い

勉強会のリポートは以上になりますが、上記はあくまでコロプラが現時点で得た知見です。今後もこのような情報は本サイトTwitterFacebookでお知らせしています。

ご参加いただいたみなさま、ありがとうございました!