ゲーム開発における機械学習の活用

機械学習のメリット

機械学習は多くの分野で驚異的な進歩を遂げてきました。応用分野の観点から見ると、機械学習は「情報認識」「データ予測」「複雑な制御」において優れた能力を発揮しています。

• 例えば、「情報認識」の分野では、ビッグデータのトレーニングに依存して、画像認識は現在非常に完成しており、手書きの数字の認識はHello Worldのような単純なアプリケーションにすぎません。
• 「データ予測」の分野では、Baidu のワールドカップ予測は驚異的な 100% の精度を達成しました。今後、この技術は、広告推奨システム、金融データ意思決定システムなど、履歴データに基づくさまざまな予測アプリケーションで大きく発展するでしょう。
• 「複雑な制御」という点では、自動運転技術は10年以上の研究を経ており、残るはハードウェアの特定にかかるコストのみとなりそうだ。

しかし、これらの技術のかなりの部分は「ビッグデータ」や「教師あり学習」によるトレーニングから生まれています。言い換えれば、これらの機械の知能は実際には人間がデータに蓄積した「知恵」から生まれているのです。マシンは単に特定の人間の思考と判断を「シミュレート」しているだけであり、このシミュレーションでは「クエリ検索」のような方法が使用されます。 ——しかし、何千年もの間、人間の経験は書物に記録されてきました。それを学習して応用するには別の脳が必要です。機械学習は人間の脳の段階を飛ばして、経験から直接応用へと進みます。これは確かに大きな進歩です。想像できることは、将来的には、医師が患者を診察するなど、「経験を必要とする」すべてのことがコンピューターに置き換えられるということです。しかし、芸術的な創造や客観的な法則の理解や発見など、「創造」や「発見」を必要とするものには、やはり人間の脳が必要です。幸いなことに、「教師なし学習」の分野における機械学習は、人間が世界の特性をよりよく理解し発見するのに役立ち、これも非常に有用ですが、その応用分野は現在あまり活発ではないようです（おそらく私の理解が十分に広くないのでしょう）。

[住宅価格を予測する機械学習の例]

囲碁で人間に勝利した AlphaGo は、私たちに多くのことを考えさせます。機械も人間のようにゲームのルールを理解し、ゲームをプレイできるのだろうか、と疑問に思います。私の個人的な理解では、それは今のところ実際には不可能です。例えば、「教師あり学習」モデルでは、機械は大量の人間の「経験データ」を通じて人間のゲーム行動をシミュレートすることしかできず、独立した判断や思考を行うことはできません。一方、「ディープラーニング」を使用すれば、確かに「人間を超える」という幻想が生まれますが、「ディープラーニング」では、機械の自己プレイを導くために、ゲームの勝ち負けのルールをシミュレートする高度に抽象的な公式が必要であることは無視できません。囲碁やチェスなど、数千年にわたって発展してきたゲームの分野では、「駒の力の計算」などのゲームモードの経験によって、すでにゲームをかなり正確に説明することができます。他のより複雑なゲームに関しては、高度に抽象的な数学モデルを使用してゲームを要約するには、依然として多くの人間の思考が必要です。これは、ディープラーニングが単純なルールのゲームでは比較的良好なパフォーマンスを発揮できる一方で、より複雑なゲームでは、ある程度の成果を上げるために多くの人間の介入が必要になる理由でもあります。

[AlphaGoは人間のゲーム経験を活用]

したがって、現段階では、機械学習の最も成熟した応用は、「教師あり学習」手法を使用して、大量の人間の「経験」ビッグデータに基づいて思考をシミュレートすることであると私は考えています。この方向の処理は、客観的な世界を「理解」するために使用され、複雑な環境における人間の行動を「シミュレート」することもできます。この 2 つはほぼ同じです。

ゲームキャラクターAI開発のジレンマ

機械学習は、ゲームのキャラクター AI を容易に思い起こさせます。ゲーム内の NPC やモンスターの AI 問題は、ゲームにおいて常に解決が難しい問題でした。たとえば、ゲームキャラクターの動作が単調すぎてプレイヤーが飽きてしまったり、バグのせいでゲームキャラクターが特定の状況で簡単に動けなくなったりすることがあります。ゲームキャラクターの AI にこのような問題が発生するのはなぜでしょうか?基本的にはいくつかの理由があります。1つ目は、完全なAIを記述するのは非常に面倒なことです。環境が複雑になるほど、AIロジックプロセスに抜け穴が発生する可能性が高くなります。2つ目は、ゲームキャラクターAIの目標が非常に多様であることです。多くのゲームキャラクターは、賢く強力であればあるほど良いというわけではありません。むしろ、プレイヤーがゲームの世界を体験できるようにするための「パフォーマンスシステム」として使用する必要があります。

[シンプルなゲーム動作のセットには複雑な動作ツリーが必要です]

現在、ゲームキャラクター AI の開発方法として最も普及しているのは、「ステートマシン」と「ビヘイビアツリー」です。この 2 つの方法は、データ構造をロスレスに変換できるため、本質的には同じです。これら 2 つのテクノロジは、ゲーム開発者が AI の論理的判断のデータ構造をより正確かつ完全に表現できるように設計されています。ただし、ゲーム自体の論理的な複雑さは、プログラムに書き込む前にプログラマーが少しずつ理解する必要があります。他のゲームでは、「ゴール指向パス プランニング」と呼ばれるテクノロジが使用されていますが、これは実際には「ステート マシン」のアップグレードされたテクノロジであり、A* などのパス検索アルゴリズムを使用して、最初にすべてを手動で入力する必要なく、「ステート」間の論理パスを自動的に生成します。このテクノロジは実行時にステート マシン ダイアグラムを生成するため、表示される動作はより豊富で正確になり、「予期しない状況」に陥ってロジックが停止する可能性が低くなります。

しかし、ステートマシンやビヘイビアツリーがどれだけ機能しても、開発者の観点からは、人間の脳を使ってゲーム世界のルールやさまざまな状況を抽象化し、理解する必要があります。さらに、ゲーム AI では「パフォーマンス」効果が必要になることが多く、コードとロジックを使用してパフォーマンスを「シミュレート」するのは非常に面倒な作業です。 （ディープラーニング技術が使用される場合、そのようなパフォーマンス効果を生み出すことは実際には不可能です。なぜなら、そのようなパフォーマンスの論理的な動作は、多くの場合「最適な」選択ではなく、かなり「貧弱」だからです）

つまり、結局のところ、ゲームにおける AI のジレンマは作業負荷によるものなのです。 「ゲームの動作」を生成するための優れたツールがないため、ゲームの動作が十分でないことがよくあります。

ゲームキャラクターAIの開発における機械学習の活用方法

機械学習の分野では、人間の行動を学習し、それを適切なシナリオに適用することが、「教師あり学習」の分野で最も一般的で成熟した技術の 1 つです。その典型的な応用例は「自動運転」です。現実世界を「感じる」ために高価なレーダー機器を必要とする自動運転と比較すると、ゲーム内のすべてのデータはすぐに利用可能であり、教師あり学習の適用に障害はありません。

私たちのゲームでは、すでに基本的なゲーム ルールが開発され、ゲーム シーンが設定されていると仮定すると、残っているのはゲーム キャラクターをどのように配置するかだけです。映画と同じで、シーンや小道具は整い、カメラや脚本も準備されているので、あとは俳優の演技だけを残すだけです。これまでのやり方では、複雑なステートマシンシステムを使ってゲームキャラクターのパフォーマンスを制御する必要がありました。しかし、今では、プランナー（または他の開発者）がゲーム内のキャラクターを直接制御し、実際のゲーム操作動作を使ってゲームキャラクターに動作を実行させることができます。機械学習プログラムは、ビデオレコーダーのように、制御するキャラクターの動作を記録することで、制御を模倣する方法を学習できます。パフォーマンスが十分に高ければ、機械学習は手動操作を完全に置き換え、プリセットと同じ動作特性を生み出すことができます。

私たちのゲームが上記の方法のようにキャラクター AI を開発できれば、ゲーム AI 動作ツールは大きく進歩するでしょう。ゲームの「パフォーマンス」を抽象化して変換するために頭を使う必要がなくなり、直接「行動」できるようになります。これにより、「プログラマー」の開発作業が大幅に軽減されるだけでなく、AI の動作をデバッグしたり、より豊かなキャラクターの動作特性 (個性) を表現したりするのにかなりのメリットがあります。

[[221494]]

【ゲーム開発はいろんな意味で映画制作に近づいている】

明らかに、AI開発が「ゲーム」という形式に完全に置き換えられた場合、機械学習のサポートがあっても、まだ多くの欠点がある可能性があります。たとえば、「人工パフォーマンス」はすべてのゲームシーン環境をカバーできない可能性があります。ただし、作業を節約できる限り、古いステート マシン テクノロジを使用して、より「完全な」ロジック環境を定義し、起こり得る抜け穴を補うことができます。しかし、ゲームのテストが深まるにつれて、機械学習はこれらのロジックの抜け穴をより速く、より適切に処理できるようになると私は信じています。結局のところ、いくつかのゲームを「プレイ」する方が、コードを書いてからデバッグするよりもはるかに高速です。

ゲームキャラクターAIのビジネス価値

昨今の有名ゲームの中には、よく見かけるMOBAゲームのように、ゲームキャラクターAIに「必要性がない」と思われるゲームが実に多く存在します。ボードゲームでは、強力な AI を使用して継続的にお金を失わせたくはありません。しかし、私たちの企画者が比較的低コストで「AI」を制作できると想像すると、私たちのゲームは「おもちゃ」のレベルを超えて、「上演」できる製品になるでしょう。ゲームにおける IP の重要性についてはよく話されますが、実際に IP を反映するのはストーリー体験であることが多く、そのためには優れた「パフォーマンス」システムが必要です。

別の観点から見ると、私たちのゲームにエキサイティングな PVP コンテンツに加えて、優れた PVE コンテンツ (いわゆるスタンドアロン体験コンテンツ) が多数含まれていれば、プレイヤーは徐々に私たちが制作する PVE コンテンツにお金を払うようになるかもしれません。長年にわたる映画市場の発展から判断すると、優れた「パフォーマンス」は依然として大きな市場を持つでしょう。知的財産保護の観点から見ると、ゲームプレイはコピーされやすい（ゲームプレイは主にPVP）が、PVEコンテンツは保護されやすい。大量のユーザーを活用して PVP 収益を活性化することに加えて、PVE の開発は新たな市場スペースになる可能性があります。 （この市場の可能性は陰陽師などの作品からもはっきりと感じられます）

[[221495]]

【ウィッチャー3はインタラクティブな映画であるだけでなく、優れたゲームプレイとスーパーIPを備えたゲームでもある】

要約する

機械学習技術を使用して、より一般的なゲームキャラクター AI ツールを開発できれば、ゲームを新しい PVE ゲーム市場に拡大できるようになり、ゲーム IP の出力にも非常に明らかな影響を与えることができます。

オリジナルリンク: https://cloud.tencent.com/developer/article/1006364

[この記事は51CTOコラムニスト「雲家コミュニティ」によるオリジナル記事です。転載の許可を得るには51CTOを通じて原作者に連絡してください]

この著者の他の記事を読むにはここをクリックしてください