3D合同シンポジウム
仮想空間の中の
人工知能による空間認識
https://www.facebook.com/youichiro.miyake
http://www.slideshare.net/youichiromiyake
y.m.4160@gmail.com
@miyayou
三宅
陽一郎
（日本デジタルゲーム学会 理事）
2018.6.26 @東京フォーラム

経歴
京都大学（数学）
大阪大学（原子核実験物理）
東京大学
（エネルギー工学/人工知能）
高エネルギー加速器研究所（半年ぐらい。修士論文）
http://www.facebook.com/youichiro.miyake

My Works (2004-2017)
AI for Game Titles
Books

目次
• 第一章 空間と知能
• 第二章 時空間の圧縮
• 第三章 キャラクターの主観世界（圧縮された時空間）を作る
• 第四章 身体と主観的時空
• 第五章 世界と知能の関係

第一章 空間と知能

3D空間
関係がある？
人工知能

3D空間
関係がある？
人工知能
知能はどのように空間を認識するか？（認知科学、心理学）

3D空間
関係がある？
人工知能
人工知能はどのように空間を認識するか？（認知科学、心理学）

自然知能と人工知能
機械
人間
＝人工知能
＝自然知能

ダートマス会議（1956年）
• ジョン・マッカーシーのいたダートマス大学で、人
工知能をテーマとして初めて開催された会議。
• Artificial Intelligence という名称もはじめてここで
用いられた。
http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html

ダートマス会議（1956年）
我々は、1956年の夏の2ヶ月間、10人の人工知能研究者
がニューハンプシャー州ハノーバーのダートマス大学に集
まることを提案する。そこで、学習のあらゆる観点や知能
の他の機能を正確に説明することで機械がそれらをシミュ
レートできるようにするための基本的研究を進める。機械
が言語を使うことができるようにする方法の探究、機械上
での抽象化と概念の形成、今は人間にしか解けない問題
を機械で解くこと、機械が自分自身を改善する方法などの
探究の試みがなされるだろう。我々は、注意深く選ばれた
科学者のグループがひと夏集まれば、それらの問題のうち
いくつかで大きな進展が得られると考えている。
人工知能＝人間の知能を機械に写す（移す）。
https://ja.wikipedia.org/wiki/%E3%83%80%E3%83%BC%E3%83%88%E3%83%
9E%E3%82%B9%E4%BC%9A%E8%AD%B0

知能
知能
ソフトウェア
機能
機械（マシン）
身体
http://ja.wallpapersma.com/wallpaper/_-
http://www.1999.co.jp/blog/1210192
%E3%83%AA%E3%82%B9%E3%80%81%E5%A3%81%E7%B4%99%E3%80%81%E3%83%AF%E3%82%A4%E3%83%89%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B 3%E3%81%AE%E3%80%81%E3%
83%9E%E3%83%83%E3%82%AF%E3%80%81%E3%83%9A%E3%83%83.html

身体性とインテリジェンス
http://square.umin.ac.jp/neuroinf/brain/005.html
脳の中心の部位は身体とつながっている。
生理機能を司っている。
それを囲うように、辺縁体、大脳がある。
Gray’s anatomy
http://www.amazon.co.jp/Grays-Anatomy-Anatomical-Clinical-Practice/dp/0443066841

意識/無意識の知性
知性全体
人の意識的な部分
意識自身には機能がない
意識的な知性
意識
表象
意識に浮かび
上がるイメージ
無意識
身体の制御に
つながる
無意識的な知性
感覚を統合する
身体
環境

人間の精神
意識
前意識
意識の形成
言語による
無意識
言語回路
精神の構造化
（＝解釈）
知能
世界を分節化している
言語化のプロセス
シニフィアン
/シニフィエ
外部からの
情報

人間の精神
意識
前意識
意識の境界面 （表象）
知覚の境界面
無意識
言語・非言語境界面
（シニフィアン/シニフィエ）
知能と身体の境界面
（仏教で言う：阿頼耶識）
外部からの
情報

人間の精神
意識
前意識
伝統的な人工知能
無意識
生態学的人工知能
※生態＝環境・身体との
結びつきを考える
外部からの
情報
身体知

人間の精神
意識
前意識
無意識
言語回路
言語による
（＝解釈）
精神の構造化
知能
言語化のプロセス
シニフィアン/シニフィエ
外部からの
情報

機械の精神＝人工知能
意識
前意識
無意識
言語回路
言語による
（＝プログラム）
精神の構造化
知能
言語化のプロセス
シンボル/010100000
外部からの
情報

人間の精神、機械の精神
意識
意識
前意識
前意識
知覚の境界面
無意識
無意識
言語・非言語境界面
外部からの
人工知能は、人間の知能を機械に移したもの。
外部からの
情報
情報

3D空間
関係がある？
人工知能
人工知能はどのように空間を認識するか？（認知科学、心理学）

目次
• 第一章 空間と知能
• 第二章 時空間の圧縮
• 第三章 キャラクターの主観世界（圧縮された時空間）を作る
• 第四章 身体と主観的時空
• 第五章 世界と知能の関係

第二章 時空間の圧縮

知能における時空間圧縮
• 我々は３分の事象を３分で考えるわけではない。
• １ｋｍ四方のことを１ｋｍ四方で考えるわけではない。
• 時間も空間も圧縮して考える

原始の海＋光＋熱＋稲妻
Photo by (c)Tomo.Yun http://www.yunphoto.net
http://www.yunphoto.net/jp/photobase/yp2863.html

ユーリーミラーの実験
http://ja.wikipedia.org/wiki/%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB:Miller-Urey_experiment_JP.png
ガスから生命の構成要素であるアミノ酸を合成した。
ハロルド・ュ―リーの研究室で、スタンレー・ミラーが実験（1953年）

極性頭部
非極性尾部
水と仲良し
水と溶けあえない
（参考）永田和宏 「生命の内と外」 （「考える人」（Vol.45））

自己組織化

原始の海で構造化＝外と内の形成
外
Energy
内

テセウスの船（パラドックス）
船の老朽化した部分を、新しい木に入れ替えているうちに、
全部を入れ替えてしまった。
はたしてこの船は元の船と同一のものであろうか？
http://img02.hamazo.tv/usr/j/a/g/jagr/629.jpg

物質によらず不変なもの
構造
テセウスのパラドックス
物質的構成 ＝ 循環する

物質によらず不変なもの
構造
情報
テセウスのパラドックス
物質的構成 ＝ 循環する

だから、こう言える。
生物は物質的存在であると同時に、
情報的存在でもあるのだ。

情報
情報
テセウスのパラドックス
物質
物質
生物は、情報的存在であり、同時に物質的な存在である。
物質は情報に存在を与え、情報は物質に構造を与える。

情報と物質
情報
物質
生物は、情報的存在であり、同時に物質的な存在である。
物質は情報に存在を与え、情報は物質に構造を与える。

「情報と物質」から「精神と身体」へ
情報
精神・知性
物質
身体

精神と身体、そして進化
情報
精神・知性
進化
物質
身体

物質的循環
世界
物理的INPUT
生理的代謝機能
物質
物理的OUTPUT

情報的循環
世界
情報
INPUT
情報処理＝情報代謝
INFORMATION
（つまり思考）
OUTPUT
INFORMATION
物質的存在としての身体がそうであるように、情報的存在として人間は、
情報を摂取し、記憶し（＝情報体としての自分を組み換え）、情報をアウトプット・排泄する。

情報的・物質的循環
世界
物理的INPUT
生理的代謝機能
代謝機能
情報
INPUT
情報処理＝情報代謝
INFORMATION
物質
（つまり思考）
物理的OUTPUT
OUTPUT
INFORMATION

精神と身体、そして進化
情報
精神・知性
人工知能
物質
身体
人工身体
知能は生き物の情報的側面である。

ユクスキュルの生物学

問い
生き物の「視る」とカメラの「視る」は
どう違うだろうか？
http://www.free-picture.net/reptiles/lizards/chameleon-wallpapers.jpg.html
生物の持つ目は、生物の知能と身体と深く結びついている
能動的な眼であり、
カメラは使用者の意思に従う受動的な眼である。

主体と客体はどう結ばれるか？
客体
（対象）
関係がない
http://sozai-free.com/sozai/00992.html

主体と客体はどう結ばれるか？
客体
（対象）
関係がない

主体と客体はどう結ばれるか？
関係がある
http://illpop.com/png_insecthtm/aquatic_a02.htm

主体と客体はどう結ばれるか？
関係がある
客体
（対象）

主体と客体はどう結ばれるか？
作用
関係がある
知覚
客体
（対象）

人工知能とは？
知能
入力（センサー）
行動（アウトプット）
身体
環境
人工知能＝人工的な存在（＝身体）を環境の中で活動させる

人工知能とは？
知能
入力（センサー）
行動（アウトプット）
身体
環境
人工知能＝人工的な存在（＝身体）を環境の中で活動させる

知能の内部世界
エフェクター・
センサー・
身体
身体
環境世界

知能の内部世界
エージェント・アーキテクチャ エフェクター・
センサー・
身体
身体＝世界と知能を分けて考える。
環境世界

思考
記憶
エフェクター・
センサー・
身体
身体
環境世界

情報処理過程
認識の
形成
情報
統合
記憶体
記憶
記憶
センサー・
身体
環境世界

情報処理過程
認識の
意思の
形成
決定
情報
意思決定
モジュール
統合
意思決定
モジュール
記憶体
意思決定
記憶
モジュール
記憶
センサー・
身体
環境世界

情報処理過程
認識の
意思の
運動の
運動創出過程
形成
決定
構成
運動
情報
意思決定
モジュール
統合
統合
意思決定
モジュール
記憶体
意思決定
記憶
モジュール
身体
制御
記憶
エフェクター・
センサー・
身体部分
身体
身体
環境世界

情報処理過程
認識の
意思の
運動の
運動創出過程
形成
決定
構成
運動
情報
意思決定
モジュール
統合
統合
意思決定
モジュール
記憶体
意思決定
記憶
モジュール
身体
制御
エージェント・アーキテクチャ
センサー・
知能の世界
エフェクター・
身体部分
身体
身体
＝世界と知能を分けて考える。
環境世界

認識の
意思の
運動の
形成
決定
構成
意思決定
モジュール
意思決定
モジュール
意思決定
記憶
モジュール
身体
制御
記憶
エフェクター・
センサー・
情報の流知能の世界
れ（インフォメーション・フロー）
身体
身体
対象・
現象
影響を受ける
影響を与える
環境世界

情報処理過程
認識の
意思の
運動の
運動創出過程
形成
決定
構成
運動
情報
意思決定
モジュール
統合
統合
意思決定
モジュール
記憶体
意思決定
記憶
モジュール
身体
制御
記憶
エフェクター・
センサー・
身体部分
身体
身体
こちらの時間、空間
環境世界

情報処理過程
認識の
意思の
運動の
運動創出過程
形成
決定
構成
運動
情報
意思決定
モジュール
統合
統合
知能の時間、空間
意思決定
モジュール
記憶体
意思決定
記憶
モジュール
身体
制御
記憶
エフェクター・
センサー・
身体部分
身体
身体
世界の時間、空間
環境世界

知能の時間、空間
時間、空間
時間、空間
の展開
の圧縮
世界の時間、空間

左にある
ペットボトル
ノート
右にある
奥にある
奥にある
ノートパソコン
上にある
机
下にある
イス
足が四本ある
平板がある
背もたれがある
木でできている

台石の下に別の台石
ヤシの種を台
観察され
をかませてその上に
シロアリ
シロアリ
石に載せてハ
た構造
ヤシの種をのせてハ
をつまむ
を棒で釣る
ンマーで叩く
ンマーで叩く
階層0
階層1
階層2
階層3
行動の
構造
シ
シ
ヤ
ハ
ヤ
ハ
行動の
ロ
ロ
棒
シ
台
ン
シ
台
台
ン
対象物
ア
ア
の
石
マ
の
石
石
マ
リ
リ
種
｜
種
｜
松沢哲郎「チンパンジーの心」(岩波書店、2000)
より

世界
人間
はじめて見るものでもリアルタイムに解釈できる
学習型
学習などを経てようやく理解できる
世界
人工知能
知識表現を
知識表現
世界
用いる
（世界の解釈の仕方）
人工知能

左にある
ペットボトル
ノート
右にある
奥にある
奥にある
ノートパソコン
上にある
机
下にある
イス
足が四本ある
平板がある
背もたれがある
木でできている

左にある
ペットボトル
ノート
右にある
奥にある
奥にある
ノートパソコン
上にある
机
下にある
イス
足が四本ある
平板がある
背もたれがある
木でできている

左にある
ペットボトル
ノート
右にある
奥にある
奥にある
ノートパソコン
上にある
机
下にある
イス
足が四本ある
骨格の入った世界を頭の中で再構成する＝知能の認識
平板がある
背もたれがある
木でできている

圧縮された有機的に
再構成された世界
時間、空間
時間、空間
の展開
の圧縮
世界の時間、空間
世界に網をめぐらすこと＝知能の認識

圧縮された有機的に
再構成された世界
時間、空間
時間、空間
の展開
の圧縮
世界の時間、空間
世界に網をめぐらし方＝世界表現

目次
• 第一章 空間と知能
• 第二章 時空間の圧縮
• 第三章 キャラクターの主観世界（圧縮された時空間）を作る
• 第四章 身体と主観的時空
• 第五章 世界と知能の関係

第三章
キャラクターの主観世界（圧縮された時空間）を作る

このＡＩはどう作るか？
例として、次のようなキャラクターのＡＩをどう作るか考えてみよう。
池
キャラクター
プレイヤー
岩
地面

このＡＩはどう組むか？
プレイヤー
池
キャラクター
（例）
Ａ
B
プレイヤーがＡにいれば
Ｂをうろうろする。
プレイヤーがＢにいれば
近づいて攻撃する。
岩
地面

このＡＩはどう組むか？
プレイヤー
池
キャラクター
（例）
Ａ
B
プレイヤーがＡにいれば
Ｂをうろうろする。
プレイヤーがＢにいれば
近づいて攻撃する。
これは、まず書く人の思
考がまずあり、その結果
を指示として書いている。
岩
地面

このＡＩはどう組むか？
プレイヤー
池
キャラクター
（例）
Ａ
B
プレイヤーがＡにいれば
Ｂをうろうろする。
プレイヤーがＢにいれば
、
近づいて攻撃する。
つまりＡＩ自身は何も知ら
ない、命令を受けるだけ
の操り人形なだけ。これ
は古典的な作り方。
岩
地面
http://septieme-ciel.air-nifty.com/nikubanare/2007/08/post_3c38.html

このＡＩはどう組むか？
プレイヤー
池
キャラクター
（例）
Ａ
B
プレイヤーがＡにいれば
Ｂをうろうろする。
プレイヤーがＢにいれば
、
近づいて攻撃する。
こういったＡＩをゲーム産
業では「Scripted AI」と言
います。こういったＡＩは
ゲームデザイナーがスク
リプト言語で書く場合多
いため。
岩
地面
http://septieme-ciel.air-nifty.com/nikubanare/2007/08/post_3c38.html

Scripted AI から自律型ＡＩへの変化
ゲームデザイナーの頭の中
ゲームデザイナーの頭の中
スクリプト
知識
思考
Scripted AI
自律型 AI (Autonomous AI)

Scripted AI から自律型ＡＩへの変化
ゲームデザイナーの頭の中
ゲームデザイナーの頭の中
スクリプト
知識
思考
操り人形（Scripted AI）から、キャラクターが自分で考えて行動する
自律型ＡＩ（Autonomous AI）になるためには、
ゲームデザイナーが頭の中で持っている知識と思考をＡＩに埋め込
む必要がある。
Scripted AI
自律型 AI (Autonomous AI)

このＡＩはどう組むか？
池
キャラクター
プレイヤー
ステップ１：
ＡＩにゲームステージの
地形を認識させたい
＝地形のデータを与える。
、
地形データ
（Way Points）
岩
地面
ＡＩは地形データによって、自分とプレイヤーの位置関係を知る
ことができる。

このＡＩはどう組むか？
地形データ
（Way Points）
ＡＩは地形データによって、自分とプレイヤーの位置関係を知る
ことができる。（ネットワークグラフの問題に帰着）

このＡＩはどう組むか？
池
キャラクター
プレイヤー
ステップ２：
地形データをもとに考え
る思考を与える。
、
地形データ
（Way Points）
地形データを用いた
思考
岩
地面
ナビゲーションＡＩ

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
最短経路を計算
ＡＩは地形データによって、自分とプレイヤーの位置関係を知る
ことができる。（ネットワークグラフの問題に帰着）

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
最短経路を計算
ＡＩは地形データによって、自分とプレイヤーの位置関係を知る
ことができる。（ネットワークグラフの問題に帰着）

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
最短経路を計算
ナビゲーションＡＩ
ＡＩは地形データによって、自分とプレイヤーの位置関係を知る
ことができる。（ネットワークグラフの問題に帰着）

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
ネットワークグラフに可視判定の情報を埋め込む。

このＡＩはどう組むか？
ここの点グループはお互いが見えている。
地形データ
（Way Points）
地形データを用いた
思考
ここの点グループはお互いが見えている。
ナビゲーションＡＩ
ネットワークグラフに可視判定の情報を埋め込む。

このＡＩはどう組むか？
ここの点グループはお互いが見えている。
地形データ
（Way Points）
地形データを用いた
思考
ここの点グループはお互いが見えない。
ナビゲーションＡＩ
ネットワークグラフに可視判定の情報を埋め込む。

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
プレイヤーからキャラクターが見えている。

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
プレイヤーからキャラクターが見えていない。

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
プレイヤーからキャラクターが見えていない。

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
プレイヤーから見つけて貰うために
プレイヤーからキャラクターが見えるように動く。

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
プレイヤーから見つけて貰うために
プレイヤーからキャラクターが見えるように動く。

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
プレイヤーから見つけて貰うために
プレイヤーからキャラクターが見えるように動く。

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
プレイヤーから見つけて貰うために
プレイヤーからキャラクターが見えるように動く。

このＡＩはどう組むか？
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
プレイヤーからキャラクターが見えない位置に動く。

このＡＩはどう組むか？
池
キャラクター
プレイヤー
ステップ３：
最後に、いつプレイヤーの
攻撃を仕掛けるか、逃げ
るか、を決定する思考を作
る。
、
地形データ
（Way
Points）
地形デー
タを用いた
思考
岩
地面
意思決定
思考

このＡＩはどう組むか？
意思決定思考
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
攻撃するか？ 隠れるか？ 牽制するか？ を選ぶ思考。
＝ 意思決定思考

このＡＩはどう組むか？
意思決定思考
地形データ
（Way Points）
地形データを用いた
思考
攻撃する
ナビゲーションＡＩ

このＡＩはどう組むか？
意思決定思考
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
牽制する（＝見える場所に行く）

このＡＩはどう組むか？
意思決定思考
地形データ
（Way Points）
地形データを用いた
思考
ナビゲーションＡＩ
隠れる（＝プレイヤーから見えない場所に行く）

このＡＩはどう組むか？
池
キャラクター
プレイヤー
これで、キャラクター
を知能化することが
できた。
、
地形データ
（Way
Points）
地形デー
タを用いた
思考
岩
地面
意思決定
思考

ＡＩを作る
人間
地形データ
地形デー
オブジェク
（Way
タを用いた
トを用いた
Points）
ロジック
ロジック

ＡＩを作る
人間
地形データ
地形デー
オブジェク
（Way
タを用いた
トを用いた
Points）
ロジック
ロジック
ここでキャラクターに知能を与えたプロセスを振り返ってみる。
ステップ１： 知識を与えた。
ステップ２： 知識の上で操作する思考を与えた。
ステップ３： 自分の意志を決定する思考を与えた。

ＡＩを作る
人間
地形データ
地形デー
意思決定
（Way
タを用いた
の思考
Points）
思考
知識
思考
知識を（データ）表現する。（知識）
知識に基づいて思考する。（ＡＩ思考）
AI自身に「知識」と「知識の上の思考」を与えることが
知能を作る基本。

ＡＩを作る
人間
地形データ
地形デー
身体運動
オブジェク
自分の
意思決定
（Way
タを用いた
の
トデータ
身体データ
の思考
Points）
思考
ロジック
知識
思考
知識を（データ）表現する。（知識）
知識に基づいて思考する。（ＡＩ思考）
「知識」と「その上の思考」をどんどん増やして行くことでＡＩは成長する。

ＡＩを作る
人間
地形データ
地形デー
身体運動
オブジェク
自分の
意思決定
（Way
タを用いた
の
トデータ
身体データ
の思考
Points）
思考
ロジック
知識
思考
知能
知能 ＝ 知識 × 思考

ＡＩを作る
人間
地形データ
地形デー
身体運動
オブジェク
自分の
意思決定
（Way
タを用いた
の
トデータ
身体データ
の思考
Points）
思考
ロジック
知識
思考
知能
これでキャラクター自身が知能を持つことができた。
キャラクターの持つ知能をキャラクターＡＩと言う。

ＡＩを作る
人間
地形データ
地形デー
身体運動
オブジェク
自分の
意思決定
（Way
タを用いた
の
トデータ
身体データ
の思考
Points）
思考
ロジック
知識
思考
知能
この例ではナビゲーションＡＩとキャラクターＡＩが連携
していた。

ナビゲーション・データ
フリー素材屋Hoshino http://www.s-hoshino.com/

ナビゲーション・データ
歩くこと
ができる。
ウェイポイント・グラフ
ナビゲーションメッシュ・
（点を要素とするネットワークグラフ）
グラフ
（三角形（凸角形）を要素とする
フリー素材屋Hoshino http://www.s-hoshino.com/
ネットワークグラフ）

パス検索とは
現在の地点から指定したポイントへの経路を、
リアルタイムで計算して導く技術。
RTS - Pathfinding A*
https://www.youtube.com/watch?v=95aHGzzNCY8

ネットワーク上のグラフ検索法
ダイクストラ法
各ノードの評価距離＝出発点からの経路
V
W
Z
Ｇ
P
Q
R
X
S
Y
A
O
B
3 G
T
7
3
3
2
H
N
F
6
Ｓ
3
C
U
3
4
5
5
G
J
L
E
M
D
5
I
2
2
4
3
F
B
C
D
E
K
L
J
出発点（S）を中心に、最も短い経路を形成して
行く。Gにたどり着いたら終了。

ネットワーク上のグラフ検索法
ダイクストラ法
各ノードの評価距離＝出発点からの経路
V
W
Z
Ｇ
P
Q
R
X
S
Y
A
O
B
3 G
T
7
3
3
2
H
N
F
6
Ｓ
3
C
U
3
4
5
5
G
J
L
E
M
D
5
I
2
2
4
3
F
B
C
D
E
K
L
J
出発点（S）を中心に、最も短い経路を形成して
行く。Gにたどり着いたら終了。

ネットワーク上のグラフ検索法
A*法
ゴール地点がわかっている場合、現在のノードとゴールとの推定距離（ヒューリスティック距離）
を想定して、トータル距離を取り、それが最少のノードを探索して行く。
各ノードの評価距離＝出発点からの経路＋ヒューリスティック距離
V
W
Z
Ｇ
P
Q
R
X
S
Y
A
O
B
3 G
T
ヒューリスティック距離
7
3
2
H
(普通ユークリッド距離を取る)
N
F
6
Ｓ
3
C
3
5+10.5
6+8.4
U
3
4
5
5
G
H
E
M
D
5
I
2
3+14.2
3+13.8
2
4
3
B
C
K
L
J
出発点（S）を中心に、そのノードまでの
最も短い経路を形成して行く。Gにたどり着いたら終了。

ネットワーク上のグラフ検索法
A*法
ゴール地点がわかっている場合、現在のノードとゴールとの推定距離（ヒューリスティック距離）
を想定して、トータル距離を取り、それが最少のノードを探索して行く。
各ノードの評価距離＝出発点からの経路＋ヒューリスティック距離
V
W
Z
Ｇ
P
Q
R
X
S
Y
A
O
B
3 G
T
ヒューリスティック距離
7
3
2
H
(普通ユークリッド距離を取る)
N
F
6
Ｓ
3
C
3
5+10.5
6+8.4
U
3
4
5
5
G
H
E
M
D
5
I
2
3+14.2
3+13.8
2
4
3
B
C
K
L
J
出発点（Ｓ）を中心に、そのノードまでの
最も短い経路を形成して行く。Gにたどり着いたら終了。

Counter Strike: Path Following (デモ)
The Official Counter-Strike Bot
http://aigamedev.com/insider/presentation/official-counter-strike-bot/

戦略位置検出システムの原理
ポイント生成（Generation）
対象とする領域にポイント群を自動配置する。（例）グリッド状、同心円状など。
フィルタリング（Filtering）
生成したポイントから、目的に合わない条件（1）を指定して、削除して行く。
フィルタリング（Filtering）
生成したポイントから、目的に合わない条件（２）を指定して、削除して行く。
．
．
．
フィルタリング（Filtering）
生成したポイントから、目的に合わない条件（N）を指定して、削除して行く。
評価（Evaluation）
残ったポイント群を、評価式によってスコアをつけて、最高スコアの点を選ぶ。

高台
敵
穴
高台
味方
今考えている
海
キャラクター

高台
敵
穴
高台
味方
今考えている
海
キャラクター

（例）クエリー（Query）システム
＝問い合わせシステム
Query(武器の届く、高台ポイント)
目的
Query(安全パス)
地
Query(最短パス)
敵
Query(味方合流パス)
味
方
味
方
味
方

ポイントを動的に配置して評価する

いろいろな知識表現
依存グラフ
意味ネットワーク
ルールベース表現
世界表現
敵表現リスト
事実表現（信頼度表現）
Griesemer,J, "The Illusion of Intelligence: The Integration of AI and Level Design in Halo", 2002
http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt

知識表現・世界表現
知識表現
世界表現

いろいろな世界表現
Damian Isla,"Building a Better Battle: HALO 3 AI Objectives",
http://halo.bungie.net/inside/publications.aspx
敵配位マップ
LOS マップ
テリトリー表現
Left 4 Dead
Killzone
Halo2
Tactical Point System
戦術マップクラスタリング
ナビメッシュ-ウェイポイント
階層表現
Halo
Killzone2
Assassin’s Creed
Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment
Alex J. Champandard, Remco Straatman, Tim Verweij, "On the AI Strategy for KILLZONE 2's Bots”
Conference , http://www.valvesoftware.com/company/publications.html
http://aigamedev.com/open/coverage/killzone2/

世界表現（知識表現の一つ）
マップ全体に関わる知識表現を世界表現という
（ウェイポイント、ナビメッシュを基本とする表現）
World Representation （WR）
（例） ８方向の可視距離の各ポイントに埋め込まれたウェイポイント群 (Killzone)
Straatman, R., Beij, A., Sterren, W.V.D., "Killzone's AI : Dynamic Procedural Combat Tactics", 2005
http://www.cgf-ai.com/docs/straatman_remco_killzone_ai.pdf

Halo2 :世界表現
Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005 http://naimadgames.com/publications.html

Halo2 :世界表現
Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005
http://naimadgames.com/publications.html

知識表現・世界表現
知識表現
オブジェクト
世界表現
表現

アフォーダンス

自己の作り方
• …「ああではないか、こうではないか」と両者
の関係を具体的に設定する作業が続く。そ
の立方体は、自己がその上に立つでもなく、
腰をかけるでもなく、ノートをひろげて書き物
をするものとして使用されたがゆえに…「机」
として確定することになる。
• これが自己と対象世界の成立過程なのであ
る、同時に自己が自己であること、つまり行
為する主体としての自己の生成なのである。
• 南直哉「『正法眼蔵』を読む」、講談社選書メ
チエ、P.30

アフォーダンス
食べること
ができる。
登ること
AI
ができる。
動かすこ
とができる。
http://www.ashinari.com/2009/09/23-027796.php
http://www.ashinari.com/2012/09/27-370733.php?category=57

オブジェクト表現
これが車である
この方向に押せば動く
Dude, Where's My Warthog: From Pathfinding to General Spatial Competence, D. Isla, Invited talk, Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2005
http://naimadgames.com/publications.html

アフォーダンス
「支えることができる」
「通ることができる」
ガラス板

アフォーダンス
歩くこと
ができる。
届く。
AI
押すこと
ができる。
http://www.s-hoshino.com/f_photo/gake/ga_022.html
http://www.ashinari.com/2009/12/30-032328.php?category=212
http://www.publicdomainpictures.net/view-image.php?image=9141

アフォーダンス
食べること
ができる。
登ること
AI
ができる。
動かすこ
とができる。
http://www.ashinari.com/2009/09/23-027796.php
http://www.ashinari.com/2012/09/27-370733.php?category=57

機能環
知覚神経網
活動神経網
興奮
機能環 ＝ アフ 内的世界
ォーダンス ＝ 知識表現
知覚世界
活動世界 同じことを違う言葉で指しているのはなぜ？
出自
学問
レベル アプローチ
客体
機能環
生物
生物学
原初的
生理学・解剖学
生態
アフォー
効果器
ダンス
人間
心理学
認識
受容器（刺激→
生態学的心理学 興奮（記号））
（心の現象）
知識表現
活動担体
AI
人工知能
知覚微表担体
知能
エンジニアリング
対象化された機構
前野佳彦訳・ユクスキュル「動物の環境と内的世界」 （みすず書房）

知識表現データ
情報の受け渡し
（例）私は座標（2.1, 3.4, 5.6）にいる。
薬草は体力を回復する
知識表現データ
（例）これは岩である。
知識表現データ
動かすことはできない。
側の点に隠れることができる。
知識表現データ
（例）私は座標（2.1, 3.4, 5.6）にいる。
薬草は体力を回復する

知識表現・世界表現
WORLD
仮想世界の知性
＝人工知能
人工知能は生物のように世界をそのまま認識・解釈できるだろうか？
知識表現
WORLD
（KR）
仮想世界の知性
＝人工知能
AIが世界(物・事・空間など)を解釈できるように、世界をうまく情報表現する
＝ 知識表現 (KR、Knowledge Representation)

認識の深度
論理的思考
INPUT
OUTPUT
入力、反射から、より深い入力、反射へ。生態的反射から、論理的思考へ

3次元パス検索

3次元パス検索
ARMORED CORE V のパス検索
株式会社フロム・ソフトウェア技術部
岡村信幸

3次元パス検索

3次元パス検索

3次元パス検索

3次元パス検索

3次元パス検索

3次元パス検索

3次元パス検索

3次元パス検索
ARMORED CORE V のパス検索
株式会社フロム・ソフトウェア技術部
岡村信幸

目次
• 第一章 空間と知能
• 第二章 時空間の圧縮
• 第三章 キャラクターの主観世界（圧縮された時空間）を作る
• 第四章 身体と主観的時空
• 第五章 世界と知能の関係

第四章 身体と主観的時空

身体と主観的時空
• 主観的空間は、身体をコアとして行われる。
• 身体＝時間と空間を幅を持った存在

物質と知覚 （べルクソン）

物質と知覚 （べルクソン）

物質と知覚 （べルクソン）

物質と知覚 （べルクソン）

物質と知覚 （べルクソン）

知能

いろいろな刺激が環境から入って来る
知能

いろいろな刺激が世界から入って来る
「世界と身体」の刺激と情報から現在の自分自身を作り上げる
知能

あらゆる瞬間（一定の周期ごと）に自分自身が作られる
知能
時

水の波紋のように意識が作られる
著作者
acworks
タイトル
波紋が浮かぶ水面 http://01.gatag.net/0013916-free-photo/

知能
自我
自我 自我
「私」ごと内側から作り出す
時

「世界と身体」の刺激と情報から現在の自分自身を作り上げる
知能
今の意識
私ごと内側から作り出す

知能
今の意識
過去の意識
私ごと内側から作り出す

時
知能
今の意識
過去の意識
さらに過去の意識
私ごと内側から作り出す

時
消えて行く
知能
今の意識
過去の意識
さらに過去の意識
私ごと内側から作り出す

時
消えて行く
知能
世界ごと「私」を創り出す＝それが知能

意識とは常に次の意識に溶け合わさ
れる。
まるで波が次から来る波に融け続け
るように。
Peter Gorges https://www.flickr.com/photos/petergorges/2940133463/

消えて行く
知能
私は次に来る私に食われ続ける ＝意識の本質（意識の持続性）
＝時間

道元「有時（うじ）」
• とするなれば、松も時であり、竹も時である。時は飛び去ると
のみ心得てはならない。飛び去るのが時の性質とのみ学んで
はならない。もし時は飛び去るものとのみすれば、そこに隙間
が出て来くるであろう。「ある時」ということばの道理にまため
ぐり遇えないのは、時はただ過ぎゆくものとのみ学んでいるか
らである。
（道元「正方眼蔵（一）」、増谷文雄訳、「有時」、P.258）

道元「有時（うじ）」
• そのような道理であるから、大地のいたるところに、さまざまな
現象があり、いろいろな草木があるが、その現象や草木の一
つ一つがそれぞれ全世界をもっていることが学ばねばならな
い。
• だが、どこまでいっても、そのような時ばかりであるのだから、
ある時はまたすべての時である。ある草木も、ある現象も、み
な時である。そして、それぞれの時に、すべての存在、すべて
の世界がこめられているのである。
（道元「正方眼蔵（一）」、増谷文雄訳、「有時」、P.255）

道元「有時（うじ）」
• いったい、この世界は、自己をおしひろげて全世界となすので
ある。その全世界の人々物々をかりに時々であると考えてみ
るがよい。すると物と物とが相さまたげることがないように、時
と時とが相ぶつかることもない。
• 自己をおし並べて自己がそれを見るのであるから、自己もま
た時だというのが、このような道理をいうのである。
（道元「正方眼蔵（一）」、増谷文雄訳、「有時」、P.254）

生成する
• 我々は物事を生成的に見
ている
時
時
時
時

差延された過去が積み重なる
t=k-1
t=k
t=k+1
t=k+2
時間
我々は過去の反響の積み重なりの中で生きている。

意識を作る＝自身を語る
差延によって作り出された差異は
もう一度、統合される。
しかし、新しい差延が生まれる
ロゴス t=k
ロゴス t=k-1
語る
語る
ロゴス t=k-2
St=k+1
St=k
St=k-1

意識を作る＝自身を語る
知能は差延、差異、統合、反復の
システムである。
ロゴス t=k
ロゴス t=k-1
ロゴス t=k-2
St=k+1
St=k
St=k-1

意識を作る＝自身を語る
知能は差延、差異、統合、反復の
システムである。
ロゴス t=k
ロゴス t=k-1
語る
統合（引き戻し）
語る
ロゴス t=k-2
逸脱（差異化，差延）
St=k+1
St=k
St=k-1

差延された過去が積み重なる
t=k-1
t=k
t=k+1
t=k+2
時間
我々は過去の反響の積み重なりの中で生きている。

生成する
• 我々は物事を生成的に見
ている
時
時
時
時

生成する
• 我々は物事を生成的に見
ている
時
時
我々が自己発展（自己変化）する
時
ことで獲得する時間というものがある
時

消えて行く
知能
圧縮した時空間

目次
• 第一章 空間と知能
• 第二章 時空間の圧縮
• 第三章 キャラクターの主観世界（圧縮された時空間）を作る
• 第四章 身体と主観的時空
• 第五章 世界と知能の関係

第五章 世界と知能の関係

3D空間
関係がある？
人工知能
人工知能はどのように空間を認識するか？（認知科学、心理学）

3D空間
関係がある？
人工知能

3D空間
関係がある？
人工知能
(時間、空間)

3D空間
人工知能
(時間、空間)
身体

身体
3D空間
（時間、
人工知能
(時間、空間)
空間）

身体
3D空間
（時間、
人工知能
(時間、空間)
空間）
時空間システム

身体
3D空間
人工知能
（時間、
(時間、空間)
（時間、空間）
空間）
時空間システム

圧縮
3D空間
身体
人工知能
(時間、空間)
（時間、
（時間、空間）
知能
空間）

圧縮
3D空間
身体
人工知能
(時間、空間)
（時間、
（時間、空間）
知能
空間）
世界の解釈には身体的構造が反映される

展開
3D空間
身体
人工知能
(時間、空間)
（時間、
（時間、空間）
知能
空間）

展開
3D空間
身体
人工知能
(時間、空間)
（時間、
（時間、空間）
知能
空間）
身体によって行動を展開する

事物そのもの
（華厳哲学）
知能
情報（エージェント
アーキテクチャ）
興奮（環世界）
環境

消えて行く
知能
私は次に来る私に食われ続ける ＝意識の本質（意識の持続性）
＝時間

作り得るゲームの流れを見出す
メタAI
ゲーム状況を認識
ゲームの流れを実現するために
キャラクターを巻き込む
キャラクター
AI ゲームの流れに準じつつ行動する

人工知能モデル
自分自身を形成
する流れ
存在を失う
＝情報体の方向
トップダウンの流れ
物質から精神へ
共創する場
存在を得る（受肉）
＝世界への
埋め込みのベクトル
ボトムアップの流れ
精神から物質へ
自分自身を形成
する流れ
この二つのベクトルを人工知能の中に取り込む

自分自身を形成
する流れ
時間の作用に対して
自分
形成とは変化の破壊
自分自身を形成する
（認識もその一部。
自己顕現の流れ
自分自身としての認識）
ホメオタシス的衝動
トップダウンの流れ
共創する場
ボトムアップの流れ
行為
行動とは恒常性の破壊
行為を形成する
（自分自身を
自分自身を形成
世界へ投げ出す）
する流れ
アポトーシス的衝動

現実
無限の世界
この力が時
無限の世界
自分自身
（共創の場）
知能
志向性の矢
世界からの流れと自分自身の内側
こちらから見たときの断面
身体＝存在
からの流れで作り出した世界 ＝ 現実
身体を起点として自分が生成して行く。
現実

無限世界
ゼ
ロ
志向性の矢