現在のゲームの大きな要素となる「AI」。
敵や仲間の挙動など、ゲームの面白さや没入感に大きな影響をもつ一大分野となっています。
こちらではそんな「ゲームAI」に関する書籍を、人気・高評価のおすすめ本として以下でまとめて紹介していきます。
発売したて・発売予定の新書をピックアップ
技術書は情報の鮮度も重要、人気ランキングの前に新しい書籍もチェックしておきましょう。
- 2023/05/31発売 「AIが設計してGoogleが公開した無料オンライン対戦カードゲーム「I/O FLIP」で遊んでみた」
- 2023/05/31発売 「チャットAIを尋問してパスワードを自白させるゲーム「Gandalf(ガンダルフ)」」
- 2023/06/29発売 「ゲームAI研究の新展開」
- 2023/08/18発売 「画像生成系AI Stable Diffusionゲームグラフィックス自動生成ガイド」
- 2023/09/18発売 「月収100万円以上も夢じゃない！AI＜人工知能＞×ゲーム副業の極意: 【未来のテクノロジーを活用した収入源の構築】」
- ゲームAIの本 人気ランキング／10冊詳細
- 戦略ゲームAI 解体新書 ストラテジー&シミュレーションゲームから学ぶ最先端アルゴリズム
- 対戦型麻雀ゲームAIのアルゴリズムと実装
- 人工知能の作り方 ―「おもしろい」ゲームAIはいかにして動くのか
- ゲームAI研究の新展開
- ゲームAI技術入門 ──広大な人工知能の世界を体系的に学ぶ WEB+DB PRESS plus
- ゲームから学ぶAI ——環境シミュレータ×深層強化学習で広がる世界 Tech × Books plus
- ScratchでAIを学ぼう ゲームプログラミングで強化学習を体験
- FINAL FANTASY XV の人工知能 - ゲームAIから見える未来
- 画像生成系AI Stable Diffusionゲームグラフィックス自動生成ガイド
- 実例で学ぶゲームAIプログラミング
- ゲームAIの本 最新・高評価のおすすめの5冊
- ゲームAI参考書「新書一覧(2021年、2022年刊行)」
- ゲームAI参考書「Kindle Unlimited 読み放題 人気本ランキング」
- 動画編：本より高コスパ？「Udemy ゲームAI おすすめ講座」
- 関連：ゲーム開発に関する参考書
ゲームAIの本 人気ランキング／10冊詳細
以下が「ゲームAIの本」人気ランキングと人気の10冊詳細です。
ランキングはAmazonの書籍売上ランキングに基づき毎日更新されています。
(2024/12/02 12:00 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 |  | |
2 |  | |
3 |  | |
4 |  | |
5 |  | |
6 |  | |
7 |  | |
8 |  | |
9 |  | |
10 |  | |
11 |  | |
12 |  | |
13 |  |
戦略ゲームAI 解体新書 ストラテジー&シミュレーションゲームから学ぶ最先端アルゴリズム
ゲーム開発者、AIエンジニア、
すべての意思決定に悩んでいる方に必見！
戦略ゲームAIの仕組み、戦略的意思決定プロセスを紐解くバイブル書
【戦略ゲームAIについて】
戦略ゲームの元にとなるストラテジー＆シミュレーションゲームはボードゲームを発端として、発展してきました。
近年では、スマートフォン向けのソーシャルゲームを筆頭に、数多くのゲームでストラテジー＆シミュレーション要素が取り入れられており、
いまやゲーム開発において戦略ゲームAIは避けて通れない非常に重要な要素になっています。
またゲーム開発のみならず、一般の人工知能開発、複雑な意思決定のプロセス形成において、その技術は非常に注目されています。
【本書の特徴】
ストラテジー＆シミュレーションゲームに利用されている戦略ゲームAI技術について、
国内や海外の事例を交え、その仕組みを丁寧に解説した書籍です。
基本的な技術の概論の解説から始まり、
著者が注目するシミュレーション＆ストラテジーゲームAIのアルゴリズムについて、
ビジュアルを交えながら解説します。
【読者対象】
・ゲーム開発者
・AI開発者
・意思決定に興味を持つ方
【本書のゴール】
戦略ゲームAIの仕組みを学ぶことができる
【プロフィール】
ゲームAI研究者・開発者。
京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。
博士（工学、東京大学）。2004年よりデジタルゲームにおける人工知能の開発・研究に従事。
立教大学大学院人工知能科学研究科特任教授、九州大学客員教授、東京大学客員研究員。
国際ゲーム開発者協会日本ゲームAI専門部会設立（チェア）、日本デジタルゲーム学会理事、
芸術科学会理事、人工知能学会理事・シニア編集委員、情報処理学会ゲーム情報学研究会運営委員。
※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。
すべての意思決定に悩んでいる方に必見！
戦略ゲームAIの仕組み、戦略的意思決定プロセスを紐解くバイブル書
【戦略ゲームAIについて】
戦略ゲームの元にとなるストラテジー＆シミュレーションゲームはボードゲームを発端として、発展してきました。
近年では、スマートフォン向けのソーシャルゲームを筆頭に、数多くのゲームでストラテジー＆シミュレーション要素が取り入れられており、
いまやゲーム開発において戦略ゲームAIは避けて通れない非常に重要な要素になっています。
またゲーム開発のみならず、一般の人工知能開発、複雑な意思決定のプロセス形成において、その技術は非常に注目されています。
【本書の特徴】
ストラテジー＆シミュレーションゲームに利用されている戦略ゲームAI技術について、
国内や海外の事例を交え、その仕組みを丁寧に解説した書籍です。
基本的な技術の概論の解説から始まり、
著者が注目するシミュレーション＆ストラテジーゲームAIのアルゴリズムについて、
ビジュアルを交えながら解説します。
【読者対象】
・ゲーム開発者
・AI開発者
・意思決定に興味を持つ方
【本書のゴール】
戦略ゲームAIの仕組みを学ぶことができる
【プロフィール】
ゲームAI研究者・開発者。
京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。
博士（工学、東京大学）。2004年よりデジタルゲームにおける人工知能の開発・研究に従事。
立教大学大学院人工知能科学研究科特任教授、九州大学客員教授、東京大学客員研究員。
国際ゲーム開発者協会日本ゲームAI専門部会設立（チェア）、日本デジタルゲーム学会理事、
芸術科学会理事、人工知能学会理事・シニア編集委員、情報処理学会ゲーム情報学研究会運営委員。
※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。
↓全て表示↑少なく表示
内容サンプル
目次
第１部 基本篇（ストラテジーゲームとは
ストラテジーゲームと人工知能
ゲームＡＩの基礎事項）
第２部 技術篇（指揮官としての人工知能ー「メンバーやユニットを指揮するゲーム」
プレイヤーと共創する人工知能ー「世界シミュレーション」
学習し、成長する人工知能ー「育成系ストラテジーゲーム」）
第３部 発展篇（ストラテジーゲームの学術的研究
ストラテジーゲームの人工知能の一般理論）
ストラテジーゲームと人工知能
ゲームＡＩの基礎事項）
第２部 技術篇（指揮官としての人工知能ー「メンバーやユニットを指揮するゲーム」
プレイヤーと共創する人工知能ー「世界シミュレーション」
学習し、成長する人工知能ー「育成系ストラテジーゲーム」）
第３部 発展篇（ストラテジーゲームの学術的研究
ストラテジーゲームの人工知能の一般理論）
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
三宅陽一郎（ミヤケヨウイチロウ）
ゲームＡＩ研究者・開発者。京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。博士（工学、東京大学）。２００４年よりデジタルゲームにおける人工知能の開発・研究に従事。立教大学大学院人工知能科学研究科特任教授、九州大学客員教授、東京大学客員研究員。国際ゲーム開発者協会日本ゲームＡＩ専門部会設立（チェア）、日本デジタルゲーム学会理事、芸術科学会理事、人工知能学会理事・シニア編集委員、情報処理学会ゲーム情報学研究会運営委員。『大規模デジタルゲームにおける人工知能の一般的体系と実装ーＦＩＮＡＬ ＦＡＮＴＡＳＹ ＸＶの実例を元に』にて２０２０年度人工知能学会論文賞を受賞。著書に『人工知能のための哲学塾 東洋哲学篇』（ゲンロン人文的大賞２０１８受賞）（ビー・エヌ・エヌ新社）、共著に『ゲーム情報学概論』（ＣＥＤＥＣ ＡＷＡＲＤＳ ２０１８ 著述賞受賞）（コロナ社）などがある（本データはこの書籍が刊行された当時に掲載されていたものです）
ゲームＡＩ研究者・開発者。京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。博士（工学、東京大学）。２００４年よりデジタルゲームにおける人工知能の開発・研究に従事。立教大学大学院人工知能科学研究科特任教授、九州大学客員教授、東京大学客員研究員。国際ゲーム開発者協会日本ゲームＡＩ専門部会設立（チェア）、日本デジタルゲーム学会理事、芸術科学会理事、人工知能学会理事・シニア編集委員、情報処理学会ゲーム情報学研究会運営委員。『大規模デジタルゲームにおける人工知能の一般的体系と実装ーＦＩＮＡＬ ＦＡＮＴＡＳＹ ＸＶの実例を元に』にて２０２０年度人工知能学会論文賞を受賞。著書に『人工知能のための哲学塾 東洋哲学篇』（ゲンロン人文的大賞２０１８受賞）（ビー・エヌ・エヌ新社）、共著に『ゲーム情報学概論』（ＣＥＤＥＣ ＡＷＡＲＤＳ ２０１８ 著述賞受賞）（コロナ社）などがある（本データはこの書籍が刊行された当時に掲載されていたものです）
↓全て表示↑少なく表示
対戦型麻雀ゲームAIのアルゴリズムと実装
対戦型麻雀ゲーム「電脳麻将」のソースコードを開発者自ら解説。シャンテン数計算、和了役判定と点数計算、ゲーム進行を実装。そして、シンプルなAIを組み込み、さまざまな戦術を追加して麻雀AIを強くしていく過程を解説。
※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
内容サンプル
Users Voice
内容サンプル
人工知能の作り方 ―「おもしろい」ゲームAIはいかにして動くのか
（概要）
「ユーザーの心をとらえるゲームAIはどのように作りだせばよいのか？」ビッグタイトルや壮大なMMOを除けば，じつは現在も80～90年代のAI技術をベースに多くのゲームは制作されています。しかし，世界に通用する優れたゲームを提供するためにはより自由さを表現することが必要となっています。
本書はFFシリーズはじめ，最新ゲームテクノロジーの事例を用いて，より高度な「～らしさ」を求めるAI制作のため，認知科学や自然科学の分野まで縦横無尽に思考していきます。ゲーム開発者のみならず，人工知能に興味をもつすべての人におすすめできます。著者初，渾身の書き下ろし。
（こんな方におすすめ）
・人工知能に興味のある人
・ゲームAIについて学びたい人
（目次）
序章 知能の海へ
1章 知能ってなんだろう? ～自然知能と人工知能
2章 知性を表現する手法 ～ゲームAI 基礎概念
3章 人工知能の根底にあるもの ～ AI の根本概念
4章 キャラクターの意志はどう決められるか ～意志決定のアルゴリズム
5章 ゲームAI は世界をどう認識するか ～ゲームAI 基礎概念（深部）
6章 成長するAI ～学術・ゲームにおける共通概念
7章 身体とAI ～身体感覚をつなぐインターフェース
8章 集団の知能を表現するテクニック ～群衆AI の技術
9章 人間らしさの作り方 ～ゲームを面白くするためのAI
「ユーザーの心をとらえるゲームAIはどのように作りだせばよいのか？」ビッグタイトルや壮大なMMOを除けば，じつは現在も80～90年代のAI技術をベースに多くのゲームは制作されています。しかし，世界に通用する優れたゲームを提供するためにはより自由さを表現することが必要となっています。
本書はFFシリーズはじめ，最新ゲームテクノロジーの事例を用いて，より高度な「～らしさ」を求めるAI制作のため，認知科学や自然科学の分野まで縦横無尽に思考していきます。ゲーム開発者のみならず，人工知能に興味をもつすべての人におすすめできます。著者初，渾身の書き下ろし。
（こんな方におすすめ）
・人工知能に興味のある人
・ゲームAIについて学びたい人
（目次）
序章 知能の海へ
1章 知能ってなんだろう? ～自然知能と人工知能
2章 知性を表現する手法 ～ゲームAI 基礎概念
3章 人工知能の根底にあるもの ～ AI の根本概念
4章 キャラクターの意志はどう決められるか ～意志決定のアルゴリズム
5章 ゲームAI は世界をどう認識するか ～ゲームAI 基礎概念（深部）
6章 成長するAI ～学術・ゲームにおける共通概念
7章 身体とAI ～身体感覚をつなぐインターフェース
8章 集団の知能を表現するテクニック ～群衆AI の技術
9章 人間らしさの作り方 ～ゲームを面白くするためのAI
↓全て表示↑少なく表示
内容サンプル
目次
序章 知能の海へ
１章 知能ってなんだろう？-自然知能と人工知能
２章 知性を表現する手法ーゲームＡＩ基礎概念
３章 人工知能の根底にあるものーＡＩの根本概念
４章 キャラクターの意志はどう決められるかー意志決定のアルゴリズム
５章 ゲームＡＩは世界をどう認識するかーゲームＡＩ基礎概念（深部）
６章 成長するＡＩ-学術・ゲームにおける共通概念
７章 身体とＡＩ-身体感覚をつなぐインターフェース
８章 集団の知能を表現するテクニックー群衆ＡＩの技術
９章 人間らしさの作り方ーゲームを面白くするためのＡＩ
１章 知能ってなんだろう？-自然知能と人工知能
２章 知性を表現する手法ーゲームＡＩ基礎概念
３章 人工知能の根底にあるものーＡＩの根本概念
４章 キャラクターの意志はどう決められるかー意志決定のアルゴリズム
５章 ゲームＡＩは世界をどう認識するかーゲームＡＩ基礎概念（深部）
６章 成長するＡＩ-学術・ゲームにおける共通概念
７章 身体とＡＩ-身体感覚をつなぐインターフェース
８章 集団の知能を表現するテクニックー群衆ＡＩの技術
９章 人間らしさの作り方ーゲームを面白くするためのＡＩ
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
三宅陽一郎（ミヤケヨウイチロウ）
ゲームＡＩ開発者。株式会社スクウェア・エニックステクノロジー推進部リードＡＩリサーチャー。京都大学で数学を専攻、大阪大学大学院物理学修士課程、東京大学大学院工学系研究科博士課程を経て、人工知能研究の道へ。ゲームＡＩ開発者としてデジタルゲームにおける人工知能技術の発展に従事。国際ゲーム開発者協会日本ゲームＡＩ専門部会設立（チェア）、日本デジタルゲーム学会理事、芸術科学会理事、人工知能学会編集委員（本データはこの書籍が刊行された当時に掲載されていたものです）
ゲームＡＩ開発者。株式会社スクウェア・エニックステクノロジー推進部リードＡＩリサーチャー。京都大学で数学を専攻、大阪大学大学院物理学修士課程、東京大学大学院工学系研究科博士課程を経て、人工知能研究の道へ。ゲームＡＩ開発者としてデジタルゲームにおける人工知能技術の発展に従事。国際ゲーム開発者協会日本ゲームＡＩ専門部会設立（チェア）、日本デジタルゲーム学会理事、芸術科学会理事、人工知能学会編集委員（本データはこの書籍が刊行された当時に掲載されていたものです）
↓全て表示↑少なく表示
ゲームAI研究の新展開
※このKindle本はプリント・レプリカ形式で、Kindle Paperwhiteなどの電子書籍リーダーおよびKindle Cloud Readerではご利用いただけません。Fireなどの大きいディスプレイを備えたタブレット端末や、Kindle無料アプリ (Kindle for iOS、Kindle for Android、Kindle for PC、Kindle for Mac) でのみご利用可能 です。また、文字列のハイライト、検索、辞書の参照、引用については、一部機能しない場合があります。文字だけを拡大することはできません。※プリント・レプリカ形式は見開き表示ができません。
※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。
ゲームAI研究の「これまで」と「これから」を第一線の研究者がわかりやすく解説
本書は，ゲームAI研究の「これまで」と「これから」を第一線の研究者がわかりやすく解説した書籍です．
ゲームAI研究は従来より，AIの社会実装における重要な示唆を与えるものとして大きな役割を果たしてきました．特に近年，深層学習の登場により注目を集める分野になっています．しかし，すべての情報を得られない不完全情報ゲームや実環境の外乱が結果を大きく左右するスポーツ等の不確定ゲーム，コミュニケーションがゲームの勝敗に大きな影響を与えるコミュニケーションゲームなど，まだまだ多くのゲームで人間を超えるゲームAIをつくることが困難な分野もあります．さらに，AlphaGoZeroが人間のプロを超越したとされる完全情報ゲームの囲碁でも，囲碁AIが陥ってしまう穴が見つかっています．
また，人間を超越したゲームAIが人間と共存するために求められる人間らしさや楽しさの理解，これからのデジタルゲームに求められるゲームデザインとゲームAI，ゲーム体験の評価手法および人間の認知機能の理解なども課題として残されています．
本書は，これまでのゲームAI研究の理解の上に，これからゲームAI研究をする人にとってヒントとなるエッセンスの詰まった必読書です．
CHAPTER 1 ゲームと知能研究
1.1 知能研究におけるゲーム
1.2 ゲーム研究のメインストリーム
1.3 ゲーム研究の残された課題
CHAPTER 2 不完全情報ゲーム
2.1 CFR
2.2 ガイスター
2.3 大貧民
2.4 ポーカー
2.5 不完全情報ゲームのゲームAIの可能性
CHAPTER 3 不確定ゲーム
3.1 バックギャモン
3.2 バックギャモンのゲームAI
3.3 ゲームAIの評価の可視化
CHAPTER 4 コミュニケーションゲーム
4.1 ゲームにおける社会的相互作用
4.2 Hanabi
4.3 人 狼
CHAPTER 5 実環境のゲーム
5.1 カーリング
5.2 測定データの処理
5.3 研究事例
5.4 実環境で人間プレイヤを支援する技術
5.5 実戦運用と課題
5.6 ミニ四駆AI
5.7 ミニ四駆AIの技術と課題
CHAPTER 6 ゲームデザイン
6.1 ゲームにおけるゴール
6.2 ルール設定
6.3 ゲームデザインの表現
6.4 レベルデザイン
6.5 難易度の調整
CHAPTER 7 メタAIとプロシージャル コンテンツ ジェネレーション
7.1 メタAI，PCG，機械学習
7.2 メタAIとは
7.3 アルゴリズムによるPCG
7.4 機械学習を用いたPCG
7.5 学習を含んだMCS-AI動的連携モデル
CHAPTER 8 人間らしさと楽しさの演出
8.1 人間らしさのさまざまな側面
8.2 ゲームの要素とAI技術
8.3 ゲームAIに求められる人間らしさ
8.4 人間プレイヤの人間らしさ
8.5 人間らしさの実装方法
8.6 人間プレイヤの感じ方のモデリング
8.7 実例（FPS，スーパーマリオブラザーズ，囲碁，不確定ゲーム）
CHAPTER 9 ゲーム体験の評価
9.1 AlphaZero以後のゲームAI研究
9.2 主観的事項の評価・計測手法
9.3 楽しさの評価
9.4 今後の課題
CHAPTER 10 人間の認知機能とスキルアップの原理
10.1 スキルアップの原理
10.2 熟達にともなう潜在化と自動化
10.3 熟達者の認知特性の実例
10.4 熟達者の脳
CHAPTER 11 認知研究とAIの人間への影響
11.1 ゲームと認知研究
11.2 ゲームの認知科学的研究
11.3 生体データの計測と解析
11.4 ゲームによる学習支援
11.5 人間を超えるゲームAIの反響
11.6 将棋界に起こった変化と邂逅
11.7 囲碁AIが囲碁界に与えた影響
11.8 eスポーツとゲームAI
11.9 人間の知を超えたゲームAIとその応用
※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。
ゲームAI研究の「これまで」と「これから」を第一線の研究者がわかりやすく解説
本書は，ゲームAI研究の「これまで」と「これから」を第一線の研究者がわかりやすく解説した書籍です．
ゲームAI研究は従来より，AIの社会実装における重要な示唆を与えるものとして大きな役割を果たしてきました．特に近年，深層学習の登場により注目を集める分野になっています．しかし，すべての情報を得られない不完全情報ゲームや実環境の外乱が結果を大きく左右するスポーツ等の不確定ゲーム，コミュニケーションがゲームの勝敗に大きな影響を与えるコミュニケーションゲームなど，まだまだ多くのゲームで人間を超えるゲームAIをつくることが困難な分野もあります．さらに，AlphaGoZeroが人間のプロを超越したとされる完全情報ゲームの囲碁でも，囲碁AIが陥ってしまう穴が見つかっています．
また，人間を超越したゲームAIが人間と共存するために求められる人間らしさや楽しさの理解，これからのデジタルゲームに求められるゲームデザインとゲームAI，ゲーム体験の評価手法および人間の認知機能の理解なども課題として残されています．
本書は，これまでのゲームAI研究の理解の上に，これからゲームAI研究をする人にとってヒントとなるエッセンスの詰まった必読書です．
CHAPTER 1 ゲームと知能研究
1.1 知能研究におけるゲーム
1.2 ゲーム研究のメインストリーム
1.3 ゲーム研究の残された課題
CHAPTER 2 不完全情報ゲーム
2.1 CFR
2.2 ガイスター
2.3 大貧民
2.4 ポーカー
2.5 不完全情報ゲームのゲームAIの可能性
CHAPTER 3 不確定ゲーム
3.1 バックギャモン
3.2 バックギャモンのゲームAI
3.3 ゲームAIの評価の可視化
CHAPTER 4 コミュニケーションゲーム
4.1 ゲームにおける社会的相互作用
4.2 Hanabi
4.3 人 狼
CHAPTER 5 実環境のゲーム
5.1 カーリング
5.2 測定データの処理
5.3 研究事例
5.4 実環境で人間プレイヤを支援する技術
5.5 実戦運用と課題
5.6 ミニ四駆AI
5.7 ミニ四駆AIの技術と課題
CHAPTER 6 ゲームデザイン
6.1 ゲームにおけるゴール
6.2 ルール設定
6.3 ゲームデザインの表現
6.4 レベルデザイン
6.5 難易度の調整
CHAPTER 7 メタAIとプロシージャル コンテンツ ジェネレーション
7.1 メタAI，PCG，機械学習
7.2 メタAIとは
7.3 アルゴリズムによるPCG
7.4 機械学習を用いたPCG
7.5 学習を含んだMCS-AI動的連携モデル
CHAPTER 8 人間らしさと楽しさの演出
8.1 人間らしさのさまざまな側面
8.2 ゲームの要素とAI技術
8.3 ゲームAIに求められる人間らしさ
8.4 人間プレイヤの人間らしさ
8.5 人間らしさの実装方法
8.6 人間プレイヤの感じ方のモデリング
8.7 実例（FPS，スーパーマリオブラザーズ，囲碁，不確定ゲーム）
CHAPTER 9 ゲーム体験の評価
9.1 AlphaZero以後のゲームAI研究
9.2 主観的事項の評価・計測手法
9.3 楽しさの評価
9.4 今後の課題
CHAPTER 10 人間の認知機能とスキルアップの原理
10.1 スキルアップの原理
10.2 熟達にともなう潜在化と自動化
10.3 熟達者の認知特性の実例
10.4 熟達者の脳
CHAPTER 11 認知研究とAIの人間への影響
11.1 ゲームと認知研究
11.2 ゲームの認知科学的研究
11.3 生体データの計測と解析
11.4 ゲームによる学習支援
11.5 人間を超えるゲームAIの反響
11.6 将棋界に起こった変化と邂逅
11.7 囲碁AIが囲碁界に与えた影響
11.8 eスポーツとゲームAI
11.9 人間の知を超えたゲームAIとその応用
↓全て表示↑少なく表示
ゲームAI技術入門 ──広大な人工知能の世界を体系的に学ぶ WEB+DB PRESS plus
（概要）
本書は、ゲームで使われる人工知能（AI）がどのようなしくみになっていて、どうやって作るのかを解説した書籍です。ゲームの内部に登場するキャラクターは、まるで意識を持っているかのように、こちらの隙をついて攻撃してきたり、また状況にあった動作をしてくれたりします。単純なものならif文の組み合わせでも実現できますが、より複雑で精緻な思考を実現するために、ゲームAIの分野で試行錯誤されてきた数々の手法があります。本書ではそれらを丁寧に解説することはもちろん、記憶、群衆、自動生成など、ゲームAIに関わる技術を網羅的に解説します。基本的なAIから最新のゲームに使われているAIまで、ゲームAIの今がわかります。
（こんな方におすすめ）
・ゲーム開発に興味のあるプログラマーやプランナー
（目次）
第1章：ゲームの中の人工知能──ゲームの中で生きているキャラクターを作る
1.1 ゲームAIの全体像
1.2 ゲームAIの連携
1.3 ゲーム世界に溶け込むAI
1.4 シミュレーション
1.5 シンボルと数値ダイナミクス
1.6 まとめ
第2章：知能のしくみ
2.1 2つの世界──外部世界と内面世界
2.2 内部循環インフォメーションフロー
2.3 環境の中の知性
2.4 アーキテクチャ全体について
2.5 C4アーキテクチャ
2.6 意識の理論
2.7 まとめ
第3章：知識表現──世界を噛み砕く
3.1 キャラクターの認識とは何か
3.2 センサの設計方法
3.3 位置検索システム
3.4 知識から感覚へ、感覚から知識へ
3.5 環世界へ
3.6 エージェントアーキテクチャと環世界
3.7 まとめ
第4章：記憶──AIの内側の表現メモリ
4.1 記憶って何だろう？
4.2 記憶の構造とダイナミクス
4.3 記憶の形
4.4 記憶の論理階層構造
4.5 まとめ
第5章：古典的な意思決定
5.1 反射型と非反射型の意思決定アルゴリズム
5.2 ルールベースの意思決定
5.3 ステートベースの意思決定
5.4 ユーティリティベースの意思決定
5.5 まとめ
第6章：現代風の意思決定
6.1 ゴールベースの意思決定
6.2 タスクベースの意思決定
6.3 ビヘイビアベースの意思決定
6.4 シミュレーションベースの意思決定
6.5 まとめ
第7章：ナビゲーションAIと地形認識
7.1 生物と環境の関係
7.2 知識表現
7.3 さまざまな世界表現
7.4 パス検索
7.5 意思決定と世界表現
7.6 まとめ
第8章：群衆AI
8.1 マルチエージェント
8.2 群衆の作り方
8.3 街の群衆の作り方の実例
8.4 まとめ
第9章：メタAI──ユーザーを楽しませるために
9.1 古典的メタAI
9.2 現代のメタAI
9.3 まとめ
第10章：生態学的人工知能とキャラクターの身体性
10.1 エージェントアーキテクチャの発展
10.2 キャラクターの身体システム
10.3 多層レイヤシステムの実例
10.4 キャラクターモーションシステムの発展
10.5 まとめ
第11章：学習、進化、プロシージャル技術
11.1 学習／進化アルゴリズムのゲームへの応用の歴史
11.2 学習／進化アルゴリズムの事例
11.3 プロシージャル技術
11.4 まとめ──学習、進化、プロシージャル技術の展望
第12章：ゲーム開発の品質保証／デバッグにおける人工知能技術の応用
12.1 ゲーム開発環境／デバッグ／品質保証における人工知能技術
12.2 ゲーム開発工程（ゲーム開発者）を助けるAI
12.3 ゲームサービスを支援するAI
12.4 ゲーム品質保証のためのAI
12.5 まとめ
本書は、ゲームで使われる人工知能（AI）がどのようなしくみになっていて、どうやって作るのかを解説した書籍です。ゲームの内部に登場するキャラクターは、まるで意識を持っているかのように、こちらの隙をついて攻撃してきたり、また状況にあった動作をしてくれたりします。単純なものならif文の組み合わせでも実現できますが、より複雑で精緻な思考を実現するために、ゲームAIの分野で試行錯誤されてきた数々の手法があります。本書ではそれらを丁寧に解説することはもちろん、記憶、群衆、自動生成など、ゲームAIに関わる技術を網羅的に解説します。基本的なAIから最新のゲームに使われているAIまで、ゲームAIの今がわかります。
（こんな方におすすめ）
・ゲーム開発に興味のあるプログラマーやプランナー
（目次）
第1章：ゲームの中の人工知能──ゲームの中で生きているキャラクターを作る
1.1 ゲームAIの全体像
1.2 ゲームAIの連携
1.3 ゲーム世界に溶け込むAI
1.4 シミュレーション
1.5 シンボルと数値ダイナミクス
1.6 まとめ
第2章：知能のしくみ
2.1 2つの世界──外部世界と内面世界
2.2 内部循環インフォメーションフロー
2.3 環境の中の知性
2.4 アーキテクチャ全体について
2.5 C4アーキテクチャ
2.6 意識の理論
2.7 まとめ
第3章：知識表現──世界を噛み砕く
3.1 キャラクターの認識とは何か
3.2 センサの設計方法
3.3 位置検索システム
3.4 知識から感覚へ、感覚から知識へ
3.5 環世界へ
3.6 エージェントアーキテクチャと環世界
3.7 まとめ
第4章：記憶──AIの内側の表現メモリ
4.1 記憶って何だろう？
4.2 記憶の構造とダイナミクス
4.3 記憶の形
4.4 記憶の論理階層構造
4.5 まとめ
第5章：古典的な意思決定
5.1 反射型と非反射型の意思決定アルゴリズム
5.2 ルールベースの意思決定
5.3 ステートベースの意思決定
5.4 ユーティリティベースの意思決定
5.5 まとめ
第6章：現代風の意思決定
6.1 ゴールベースの意思決定
6.2 タスクベースの意思決定
6.3 ビヘイビアベースの意思決定
6.4 シミュレーションベースの意思決定
6.5 まとめ
第7章：ナビゲーションAIと地形認識
7.1 生物と環境の関係
7.2 知識表現
7.3 さまざまな世界表現
7.4 パス検索
7.5 意思決定と世界表現
7.6 まとめ
第8章：群衆AI
8.1 マルチエージェント
8.2 群衆の作り方
8.3 街の群衆の作り方の実例
8.4 まとめ
第9章：メタAI──ユーザーを楽しませるために
9.1 古典的メタAI
9.2 現代のメタAI
9.3 まとめ
第10章：生態学的人工知能とキャラクターの身体性
10.1 エージェントアーキテクチャの発展
10.2 キャラクターの身体システム
10.3 多層レイヤシステムの実例
10.4 キャラクターモーションシステムの発展
10.5 まとめ
第11章：学習、進化、プロシージャル技術
11.1 学習／進化アルゴリズムのゲームへの応用の歴史
11.2 学習／進化アルゴリズムの事例
11.3 プロシージャル技術
11.4 まとめ──学習、進化、プロシージャル技術の展望
第12章：ゲーム開発の品質保証／デバッグにおける人工知能技術の応用
12.1 ゲーム開発環境／デバッグ／品質保証における人工知能技術
12.2 ゲーム開発工程（ゲーム開発者）を助けるAI
12.3 ゲームサービスを支援するAI
12.4 ゲーム品質保証のためのAI
12.5 まとめ
↓全て表示↑少なく表示
内容サンプル
目次
はじめに
第1章:ゲームの中の人工知能──ゲームの中で生きているキャラクターを作る
1.1 ゲームAIの全体像
キャラクターAI
ナビゲーションAI
メタAI
1.2 ゲームAIの連携
フレームとは
3つの人工知能のフレームの違い
ゲームAIのミッション
ゲームデザインとAI
1.3 ゲーム世界に溶け込むAI
合理的である
人間的である
1.4 シミュレーション
物理シミュレーションと知能シミュレーション
知能をシミュレーションするには
知能そのものをシミュレーションする/知能が実現していることをシミュレーションする
1.5 シンボルと数値ダイナミクス
1.6 まとめ
第2章:知能のしくみ
2.1 2つの世界──外部世界と内面世界
エージェントアーキテクチャ
知能の3分類
知識生成(Knowledge Making)/意思決定(Decision Making)/行動生成(Action Making)
2.2 内部循環インフォメーションフロー
2.3 環境の中の知性
センサ
エフェクタ
知識生成
行動生成
意思決定
柔軟な知能の運動
記憶
2.4 アーキテクチャ全体について
2.5 C4アーキテクチャ
2.6 意識の理論
2.7 まとめ
第3章:知識表現──世界を噛み砕く
3.1 キャラクターの認識とは何か
人工知能における「表現」とは
フレーム
3.2 センサの設計方法
視覚の実装
視覚システムの応用「存在確率マップ」
聴覚の実装
音の伝搬シミュレーション/プレイヤーが聞く音
身体の感覚
外力、内力/姿勢
感覚統合と事実表現
事実からの推測
3.3 位置検索システム
戦術位置解析技術
行動のための環境のヒントデータ
環境理解のための抽象的表現
事実表現
『Gunslinger』における事実表現
3.4 知識から感覚へ、感覚から知識へ
行為と認識
メタ知識
3.5 環世界へ
環世界の例
環世界の構造
キャラクターの持つ環世界
アフォーダンス
人工知能の知識表現
3.6 エージェントアーキテクチャと環世界
3.7 まとめ
第4章:記憶──AIの内側の表現メモリ
4.1 記憶って何だろう?
身体の知識表現
精神の知識表現
4.2 記憶の構造とダイナミクス
固定記憶
ワーキングメモリ
短期記憶
長期記憶
4.3 記憶の形
感覚記憶
エピソード記憶
記憶の整理機能
エージェントセントリック
4.4 記憶の論理階層構造
世界をアクティブに知る
統合/形成/消滅
記憶の管理
4.5 まとめ
第5章:古典的な意思決定
5.1 反射型と非反射型の意思決定アルゴリズム
5.2 ルールベースの意思決定
ルールセレクタ
ルールの連鎖
5.3 ステートベースの意思決定
ステートマシンの基本
階層化ステートマシン
具体例
5.4 ユーティリティベースの意思決定
効用の計算方法
ダイナミックなユーティリティ
ムードとその変化(効用)の計算方法
限界効用逓減の法則
5.5 まとめ
第6章:現代風の意思決定
6.1 ゴールベースの意思決定
ゴール指向型意思決定
2つのゴール指向プランニング/ゴール指向は未来の観念を持つこと/フォワードプランニングとバックワードプランニング
ゴール指向型アクションプランニング
①ゲーム状態のシンボル化/②シンボルによるアクション表現/③プランニング/複数のアクションプラン
階層型ゴール指向プランニング
階層型ゴール指向プランニングの考え方/階層型ゴール指向プランニングの設計指針/ゴールの列挙/ゴールの分解/小さいゴールを組み合わせて大きなゴールを達成する/ゴールを操作に還元する
6.2 タスクベースの意思決定
階層型タスクネットワーク
階層型タスクネットワークの例:回復薬を作る/階層型タスクネットワークの例:回復薬を届ける
階層型タスクネットワークの実例
衛生兵のAI/部隊長のAI
6.3 ビヘイビアベースの意思決定
アクションゲームにおけるビヘイビアツリー
RPGにおけるビヘイビアツリー
6.4 シミュレーションベースの意思決定
レーシングゲームの例
さまざまなゲームにおけるシミュレーションベースの考え方
キャラクターの運動への応用
6.5 まとめ
第7章:ナビゲーションAIと地形認識
7.1 生物と環境の関係
空間と環境を認識すること
世界を表現する
7.2 知識表現
敵表現リスト
依存グラフ
意味ネットワーク
事実表現
ルールベース表現
世界表現
7.3 さまざまな世界表現
ウェイポイント、ナビゲーションメッシュ表現と経路検索
ナビメッシュ-ウェイポイント階層表現/マップクラスタリング表現
テリトリー表現
戦術ポイント表現
LOSマップ表現
敵配位マップ
7.4 パス検索
パス検索の黎明期
パス検索の本格的な導入事例
パス検索の広がり
スマートテレイン
3次元のパス検索
ルックアップテーブル法
7.5 意思決定と世界表現
地形の認識
地形の接続情報/最適な戦術位置/状況判断
戦術位置検索システム
ゴールデンパス
影響マップ
7.6 まとめ
第8章:群衆AI
8.1 マルチエージェント
コミュニケーション/メッセージング
階層型アーキテクチャ
ファシリテーター型
ブラックボード/ベルギアンAI/トークンによるタイミング制御
8.2 群衆の作り方
生物の群れ「ボイド」
整列/集合/離散/回避
場の力による群衆生成
ソーシャルな関係を入れた群衆
8.3 街の群衆の作り方の実例
巡回するキャラクター
密度コントロール
イベントと人だかり
交戦キャラクター
商店/働く人々/動物たち
応用:監視兵キャラクターの協調方法
8.4 まとめ
第9章:メタAI──ユーザーを楽しませるために
9.1 古典的メタAI
難易度調整
9.2 現代のメタAI
敵の動的配置
プレイヤーの監視
プレイヤーの感情推定
メタAIとプロシージャル技術
地形生成/物語生成
メタAIの内部構造
ユーザー解析技術
メタAIのほかの分野への応用
スマートシティ構想/複数台のロボットの協調
現代的なメタAIのさらなる発展
9.3 まとめ
第10章:生態学的人工知能とキャラクターの身体性
10.1 エージェントアーキテクチャの発展
生物学における環世界
認知科学におけるアフォーダンス
環世界、知識表現、アフォーダンス
多層構造
知能の多層構造
主体と対象の階層化
10.2 キャラクターの身体システム
身体と知能をつなぐ
意識/無意識構造──身体からの認識
人工身体モジュールと人工知能モジュールをつなぐ
身体レイヤ
10.3 多層レイヤシステムの実例
10.4 キャラクターモーションシステムの発展
身体からのフィードバック
ベルンシュタインの身体運動論
身体能力の認識
運動感覚の形成
ニューラルネットワークによる身体運動
10.5 まとめ
第11章:学習、進化、プロシージャル技術
11.1 学習/進化アルゴリズムのゲームへの応用の歴史
1980～1990年代中盤
1990年代後半
2000年代
2010年代
11.2 学習/進化アルゴリズムの事例
『Creatures』におけるニューラルネットワーク
1990年代の日本のゲームシーンにおける学習/進化アルゴリズム
『アストロノーカ』における遺伝的アルゴリズム/『シーマン』における自然言語会話
マイクロソフトリサーチにおける機械学習の研究
『Forza Motorsport』シリーズにおける機械学習
『Killer Instinct』におけるケースベーストリーゾニング
『Total War』におけるモンテカルロ木探索
格闘ゲームにおけるニューラルネットワーク
11.3 プロシージャル技術
プロシージャル技術の始まり
ダンジョン自動生成
自然地形の自動生成
植物自動生成と植物自動配置
街自動生成
ゲームエンジンにおける総合型ゲームレベル自動生成技術
11.4 まとめ──学習、進化、プロシージャル技術の展望
第12章:ゲーム開発の品質保証/デバッグにおける人工知能技術の応用
12.1 ゲーム開発環境/デバッグ/品質保証における人工知能技術
12.2 ゲーム開発工程(ゲーム開発者)を助けるAI
パラメータ調整
ゲーム自動バランス/自動調整
12.3 ゲームサービスを支援するAI
データビジュアリゼーション
12.4 ゲーム品質保証のためのAI
人工知能による自動プレイ
システムテスト
ログデータの活用
強化学習
『Assassin's Creed Origins』における自動解析システム
ディープラーニングのゲームへの応用
ディープラーニングの躍進と課題/品質保証とディープラーニング
ボットを用いた品質保証
12.5 まとめ
あとがきと謝辞
索引
第1章:ゲームの中の人工知能──ゲームの中で生きているキャラクターを作る
1.1 ゲームAIの全体像
キャラクターAI
ナビゲーションAI
メタAI
1.2 ゲームAIの連携
フレームとは
3つの人工知能のフレームの違い
ゲームAIのミッション
ゲームデザインとAI
1.3 ゲーム世界に溶け込むAI
合理的である
人間的である
1.4 シミュレーション
物理シミュレーションと知能シミュレーション
知能をシミュレーションするには
知能そのものをシミュレーションする/知能が実現していることをシミュレーションする
1.5 シンボルと数値ダイナミクス
1.6 まとめ
第2章:知能のしくみ
2.1 2つの世界──外部世界と内面世界
エージェントアーキテクチャ
知能の3分類
知識生成(Knowledge Making)/意思決定(Decision Making)/行動生成(Action Making)
2.2 内部循環インフォメーションフロー
2.3 環境の中の知性
センサ
エフェクタ
知識生成
行動生成
意思決定
柔軟な知能の運動
記憶
2.4 アーキテクチャ全体について
2.5 C4アーキテクチャ
2.6 意識の理論
2.7 まとめ
第3章:知識表現──世界を噛み砕く
3.1 キャラクターの認識とは何か
人工知能における「表現」とは
フレーム
3.2 センサの設計方法
視覚の実装
視覚システムの応用「存在確率マップ」
聴覚の実装
音の伝搬シミュレーション/プレイヤーが聞く音
身体の感覚
外力、内力/姿勢
感覚統合と事実表現
事実からの推測
3.3 位置検索システム
戦術位置解析技術
行動のための環境のヒントデータ
環境理解のための抽象的表現
事実表現
『Gunslinger』における事実表現
3.4 知識から感覚へ、感覚から知識へ
行為と認識
メタ知識
3.5 環世界へ
環世界の例
環世界の構造
キャラクターの持つ環世界
アフォーダンス
人工知能の知識表現
3.6 エージェントアーキテクチャと環世界
3.7 まとめ
第4章:記憶──AIの内側の表現メモリ
4.1 記憶って何だろう?
身体の知識表現
精神の知識表現
4.2 記憶の構造とダイナミクス
固定記憶
ワーキングメモリ
短期記憶
長期記憶
4.3 記憶の形
感覚記憶
エピソード記憶
記憶の整理機能
エージェントセントリック
4.4 記憶の論理階層構造
世界をアクティブに知る
統合/形成/消滅
記憶の管理
4.5 まとめ
第5章:古典的な意思決定
5.1 反射型と非反射型の意思決定アルゴリズム
5.2 ルールベースの意思決定
ルールセレクタ
ルールの連鎖
5.3 ステートベースの意思決定
ステートマシンの基本
階層化ステートマシン
具体例
5.4 ユーティリティベースの意思決定
効用の計算方法
ダイナミックなユーティリティ
ムードとその変化(効用)の計算方法
限界効用逓減の法則
5.5 まとめ
第6章:現代風の意思決定
6.1 ゴールベースの意思決定
ゴール指向型意思決定
2つのゴール指向プランニング/ゴール指向は未来の観念を持つこと/フォワードプランニングとバックワードプランニング
ゴール指向型アクションプランニング
①ゲーム状態のシンボル化/②シンボルによるアクション表現/③プランニング/複数のアクションプラン
階層型ゴール指向プランニング
階層型ゴール指向プランニングの考え方/階層型ゴール指向プランニングの設計指針/ゴールの列挙/ゴールの分解/小さいゴールを組み合わせて大きなゴールを達成する/ゴールを操作に還元する
6.2 タスクベースの意思決定
階層型タスクネットワーク
階層型タスクネットワークの例:回復薬を作る/階層型タスクネットワークの例:回復薬を届ける
階層型タスクネットワークの実例
衛生兵のAI/部隊長のAI
6.3 ビヘイビアベースの意思決定
アクションゲームにおけるビヘイビアツリー
RPGにおけるビヘイビアツリー
6.4 シミュレーションベースの意思決定
レーシングゲームの例
さまざまなゲームにおけるシミュレーションベースの考え方
キャラクターの運動への応用
6.5 まとめ
第7章:ナビゲーションAIと地形認識
7.1 生物と環境の関係
空間と環境を認識すること
世界を表現する
7.2 知識表現
敵表現リスト
依存グラフ
意味ネットワーク
事実表現
ルールベース表現
世界表現
7.3 さまざまな世界表現
ウェイポイント、ナビゲーションメッシュ表現と経路検索
ナビメッシュ-ウェイポイント階層表現/マップクラスタリング表現
テリトリー表現
戦術ポイント表現
LOSマップ表現
敵配位マップ
7.4 パス検索
パス検索の黎明期
パス検索の本格的な導入事例
パス検索の広がり
スマートテレイン
3次元のパス検索
ルックアップテーブル法
7.5 意思決定と世界表現
地形の認識
地形の接続情報/最適な戦術位置/状況判断
戦術位置検索システム
ゴールデンパス
影響マップ
7.6 まとめ
第8章:群衆AI
8.1 マルチエージェント
コミュニケーション/メッセージング
階層型アーキテクチャ
ファシリテーター型
ブラックボード/ベルギアンAI/トークンによるタイミング制御
8.2 群衆の作り方
生物の群れ「ボイド」
整列/集合/離散/回避
場の力による群衆生成
ソーシャルな関係を入れた群衆
8.3 街の群衆の作り方の実例
巡回するキャラクター
密度コントロール
イベントと人だかり
交戦キャラクター
商店/働く人々/動物たち
応用:監視兵キャラクターの協調方法
8.4 まとめ
第9章:メタAI──ユーザーを楽しませるために
9.1 古典的メタAI
難易度調整
9.2 現代のメタAI
敵の動的配置
プレイヤーの監視
プレイヤーの感情推定
メタAIとプロシージャル技術
地形生成/物語生成
メタAIの内部構造
ユーザー解析技術
メタAIのほかの分野への応用
スマートシティ構想/複数台のロボットの協調
現代的なメタAIのさらなる発展
9.3 まとめ
第10章:生態学的人工知能とキャラクターの身体性
10.1 エージェントアーキテクチャの発展
生物学における環世界
認知科学におけるアフォーダンス
環世界、知識表現、アフォーダンス
多層構造
知能の多層構造
主体と対象の階層化
10.2 キャラクターの身体システム
身体と知能をつなぐ
意識/無意識構造──身体からの認識
人工身体モジュールと人工知能モジュールをつなぐ
身体レイヤ
10.3 多層レイヤシステムの実例
10.4 キャラクターモーションシステムの発展
身体からのフィードバック
ベルンシュタインの身体運動論
身体能力の認識
運動感覚の形成
ニューラルネットワークによる身体運動
10.5 まとめ
第11章:学習、進化、プロシージャル技術
11.1 学習/進化アルゴリズムのゲームへの応用の歴史
1980～1990年代中盤
1990年代後半
2000年代
2010年代
11.2 学習/進化アルゴリズムの事例
『Creatures』におけるニューラルネットワーク
1990年代の日本のゲームシーンにおける学習/進化アルゴリズム
『アストロノーカ』における遺伝的アルゴリズム/『シーマン』における自然言語会話
マイクロソフトリサーチにおける機械学習の研究
『Forza Motorsport』シリーズにおける機械学習
『Killer Instinct』におけるケースベーストリーゾニング
『Total War』におけるモンテカルロ木探索
格闘ゲームにおけるニューラルネットワーク
11.3 プロシージャル技術
プロシージャル技術の始まり
ダンジョン自動生成
自然地形の自動生成
植物自動生成と植物自動配置
街自動生成
ゲームエンジンにおける総合型ゲームレベル自動生成技術
11.4 まとめ──学習、進化、プロシージャル技術の展望
第12章:ゲーム開発の品質保証/デバッグにおける人工知能技術の応用
12.1 ゲーム開発環境/デバッグ/品質保証における人工知能技術
12.2 ゲーム開発工程(ゲーム開発者)を助けるAI
パラメータ調整
ゲーム自動バランス/自動調整
12.3 ゲームサービスを支援するAI
データビジュアリゼーション
12.4 ゲーム品質保証のためのAI
人工知能による自動プレイ
システムテスト
ログデータの活用
強化学習
『Assassin's Creed Origins』における自動解析システム
ディープラーニングのゲームへの応用
ディープラーニングの躍進と課題/品質保証とディープラーニング
ボットを用いた品質保証
12.5 まとめ
あとがきと謝辞
索引
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
↓全て表示↑少なく表示
ゲームから学ぶAI ——環境シミュレータ×深層強化学習で広がる世界 Tech × Books plus
（概要）
本書は、世界最先端のAI研究所の一つであるDeepMindが発表した論文を軸に、現代的なAIがどのように作られているのかをまとめた技術解説書です。
「汎用AI」「ゲームをプレイするAI」をテーマとし、おもに深層強化学習の技術を取り上げます。
深層強化学習は、いまの世の中で広く使われているディープラーニングをゲームなどの領域に応用した技術です。
深層強化学習には高性能なシミュレータが必要であり、ゲームをはじめとした架空の世界を舞台として最先端の研究が進められています。
本書ではこれまでに発表されてきた論文を通して、「いま技術的に何ができて、何が難しいのか」を紐解きながら、一つ一つの技術を積み上げた先に来る、次の時代のAIについて考えていきます。
（こんな方におすすめ）
・AI、汎用AIについて、これから学びたい方々
・深層強化学習に関心をお持ちの方々
・AIの研究/開発とゲームの関わりに興味をお持ちの方々
（目次）
1章 ゲームAIの歴史 ボードゲーム、汎用ビデオゲーム、深層強化学習、RTS
1.1 ボードゲームとゲームAI チェス、将棋、囲碁
1.2 汎用ビデオゲームプレイ ALE、Atari-57
1.3 深層強化学習とゲーム環境 Malmo、OpenAI Gym、DeepMind Lab
1.4 リアルタイムストラテジーゲーム StarCraft II、Dota 2
1.5 まとめ
2章 機械学習の基礎知識 深層学習、RNN、自然言語処理、強化学習
2.1 深層学習の基礎知識
2.2 RNNの基礎知識
2.3 自然言語処理の基礎知識
2.4 強化学習の基礎知識
2.5 まとめ
3章 囲碁を学ぶAI AlphaGo、AlphaGo Zero、AlphaZero、MuZero
3.1 「囲碁を学ぶ」とはどういうことか
3.2 AlphaGo
3.3 AlphaGo Zero
3.4 AlphaZero
3.5 MuZero
3.6 まとめ
4章 Atari-57を学ぶAI DQN、Rainbow、Ape-X、R2D2、NGU、Agent57
4.1 「Atari-57を学ぶ」とはどういうことか
4.2 DQN
4.3 Rainbow
4.4 Ape-X
4.5 R2D2
4.6 NGU
4.7 Agent57
4.8 まとめ
5章 StarCraft IIを学ぶAI SC2LE、AlphaStar
5.1 「StarCraft IIを学ぶ」とはどういうことか
5.2 SC2LE
5.3 AlphaStarの基礎知識
5.4 AlphaStarのアーキテクチャ
5.5 AlphaStarの模倣学習
5.6 AlphaStarのマルチエージェント学習
5.7 まとめ
6章 Minecraftを学ぶAI Malmo、MineRL、今後の展望
6.1 「Minecraftを学ぶ」とはどういうことか
6.2 MineRL Diamondコンペティション2021
6.3 MineRL BASALTコンペティション2021
6.4 今後の展望
6.5 まとめ
本書は、世界最先端のAI研究所の一つであるDeepMindが発表した論文を軸に、現代的なAIがどのように作られているのかをまとめた技術解説書です。
「汎用AI」「ゲームをプレイするAI」をテーマとし、おもに深層強化学習の技術を取り上げます。
深層強化学習は、いまの世の中で広く使われているディープラーニングをゲームなどの領域に応用した技術です。
深層強化学習には高性能なシミュレータが必要であり、ゲームをはじめとした架空の世界を舞台として最先端の研究が進められています。
本書ではこれまでに発表されてきた論文を通して、「いま技術的に何ができて、何が難しいのか」を紐解きながら、一つ一つの技術を積み上げた先に来る、次の時代のAIについて考えていきます。
（こんな方におすすめ）
・AI、汎用AIについて、これから学びたい方々
・深層強化学習に関心をお持ちの方々
・AIの研究/開発とゲームの関わりに興味をお持ちの方々
（目次）
1章 ゲームAIの歴史 ボードゲーム、汎用ビデオゲーム、深層強化学習、RTS
1.1 ボードゲームとゲームAI チェス、将棋、囲碁
1.2 汎用ビデオゲームプレイ ALE、Atari-57
1.3 深層強化学習とゲーム環境 Malmo、OpenAI Gym、DeepMind Lab
1.4 リアルタイムストラテジーゲーム StarCraft II、Dota 2
1.5 まとめ
2章 機械学習の基礎知識 深層学習、RNN、自然言語処理、強化学習
2.1 深層学習の基礎知識
2.2 RNNの基礎知識
2.3 自然言語処理の基礎知識
2.4 強化学習の基礎知識
2.5 まとめ
3章 囲碁を学ぶAI AlphaGo、AlphaGo Zero、AlphaZero、MuZero
3.1 「囲碁を学ぶ」とはどういうことか
3.2 AlphaGo
3.3 AlphaGo Zero
3.4 AlphaZero
3.5 MuZero
3.6 まとめ
4章 Atari-57を学ぶAI DQN、Rainbow、Ape-X、R2D2、NGU、Agent57
4.1 「Atari-57を学ぶ」とはどういうことか
4.2 DQN
4.3 Rainbow
4.4 Ape-X
4.5 R2D2
4.6 NGU
4.7 Agent57
4.8 まとめ
5章 StarCraft IIを学ぶAI SC2LE、AlphaStar
5.1 「StarCraft IIを学ぶ」とはどういうことか
5.2 SC2LE
5.3 AlphaStarの基礎知識
5.4 AlphaStarのアーキテクチャ
5.5 AlphaStarの模倣学習
5.6 AlphaStarのマルチエージェント学習
5.7 まとめ
6章 Minecraftを学ぶAI Malmo、MineRL、今後の展望
6.1 「Minecraftを学ぶ」とはどういうことか
6.2 MineRL Diamondコンペティション2021
6.3 MineRL BASALTコンペティション2021
6.4 今後の展望
6.5 まとめ
↓全て表示↑少なく表示
内容サンプル
目次
１章 ゲームＡＩの歴史ーボードゲーム、汎用ビデオゲーム、深層強化学習、ＲＴＳ
２章 機械学習の基礎知識ー深層学習、ＲＮＮ、自然言語処理、強化学習
３章 囲碁を学ぶＡＩ-ＡｌｐｈａＧｏ、ＡｌｐｈａＧｏ Ｚｅｒｏ、ＡｌｐｈａＺｅｒｏ、ＭｕＺｅｒｏ
４章 Ａｔａｒｉ-５７を学ぶＡＩ-ＤＱＮ、Ｒａｉｎｂｏｗ、Ａｐｅ-Ｘ、Ｒ２Ｄ２、ＮＧＵ、Ａｇｅｎｔ５７
５章 ＳｔａｒＣｒａｆｔ２を学ぶＡＩ-ＳＣ２ＬＥ、ＡｌｐｈａＳｔａｒ
６章 Ｍｉｎｅｃｒａｆｔを学ぶＡＩ-Ｍａｌｍｏ、ＭｉｎｅＲＬ、今後の展望
２章 機械学習の基礎知識ー深層学習、ＲＮＮ、自然言語処理、強化学習
３章 囲碁を学ぶＡＩ-ＡｌｐｈａＧｏ、ＡｌｐｈａＧｏ Ｚｅｒｏ、ＡｌｐｈａＺｅｒｏ、ＭｕＺｅｒｏ
４章 Ａｔａｒｉ-５７を学ぶＡＩ-ＤＱＮ、Ｒａｉｎｂｏｗ、Ａｐｅ-Ｘ、Ｒ２Ｄ２、ＮＧＵ、Ａｇｅｎｔ５７
５章 ＳｔａｒＣｒａｆｔ２を学ぶＡＩ-ＳＣ２ＬＥ、ＡｌｐｈａＳｔａｒ
６章 Ｍｉｎｅｃｒａｆｔを学ぶＡＩ-Ｍａｌｍｏ、ＭｉｎｅＲＬ、今後の展望
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
西田圭介（ニシダケイスケ）
フリーランスのソフトウェアエンジニア（本データはこの書籍が刊行された当時に掲載されていたものです）
フリーランスのソフトウェアエンジニア（本データはこの書籍が刊行された当時に掲載されていたものです）
ScratchでAIを学ぼう ゲームプログラミングで強化学習を体験
オリジナルのScratchゲームを使って
楽しみながらAI・強化学習を学べる
●「どんどん賢くなるAI」を３つのゲームで習得
●Scratch強化ゲームの全プログラム収録
●拡張モジュール不要！使うのはScratch標準機能のみ
強化学習とは、AIの機械学習の一種で、簡単に言えば試行錯誤の学習です。
「強化」という言葉は、動物心理学で昔から使われている用語でもあり、
私たち人間や動物も強化学習をしています。赤ちゃんは自分で寝返りを覚え、
ハイハイを覚え、いずれ立ち上がります。
産業界では空前のAI・機械学習ブームです。2016年には、強化学習が
囲碁で世界トップレベルのプロ棋士に勝つという快挙がありました。
ところが、強化学習の本はあまりありません。難しい概念や見慣れない
記号を使わざるを得ないので、難しく見えるからでしょう。しかし本来、
強化学習のアイデア自体はシンプルで、直感的には誰にでも分かるものです。
そこで、数学の知識を中学までの範囲に限定し、教育用プログラム言語
のScratchで作ったゲームを題材にした入門書を作りました。本書では強
化学習を3レベルに分け、レベルごとにオリジナルのScratchゲームを使
いながら、それをプレイする強化学習AIをていねいに解説していきます。
1章 強化学習を始めよう
2章 Scratchの使い方
3章 Scratchプログラムの作り方
4章 レベル1・砂漠でダイヤ集めゲーム
5章 レベル2・月面でダイヤ集めゲーム
6章 レベル3・お化けの飛行訓練ゲーム
7章 まとめ
楽しみながらAI・強化学習を学べる
●「どんどん賢くなるAI」を３つのゲームで習得
●Scratch強化ゲームの全プログラム収録
●拡張モジュール不要！使うのはScratch標準機能のみ
強化学習とは、AIの機械学習の一種で、簡単に言えば試行錯誤の学習です。
「強化」という言葉は、動物心理学で昔から使われている用語でもあり、
私たち人間や動物も強化学習をしています。赤ちゃんは自分で寝返りを覚え、
ハイハイを覚え、いずれ立ち上がります。
産業界では空前のAI・機械学習ブームです。2016年には、強化学習が
囲碁で世界トップレベルのプロ棋士に勝つという快挙がありました。
ところが、強化学習の本はあまりありません。難しい概念や見慣れない
記号を使わざるを得ないので、難しく見えるからでしょう。しかし本来、
強化学習のアイデア自体はシンプルで、直感的には誰にでも分かるものです。
そこで、数学の知識を中学までの範囲に限定し、教育用プログラム言語
のScratchで作ったゲームを題材にした入門書を作りました。本書では強
化学習を3レベルに分け、レベルごとにオリジナルのScratchゲームを使
いながら、それをプレイする強化学習AIをていねいに解説していきます。
1章 強化学習を始めよう
2章 Scratchの使い方
3章 Scratchプログラムの作り方
4章 レベル1・砂漠でダイヤ集めゲーム
5章 レベル2・月面でダイヤ集めゲーム
6章 レベル3・お化けの飛行訓練ゲーム
7章 まとめ
↓全て表示↑少なく表示
内容サンプル
目次
はじめに
1章 強化学習を始めよう
1-1 強化学習とScratch
1-2 強化学習とAI
1-3 強化学習の昔と今
1-4 本書の内容
2章 Scratchの使い方
2-1 アカウントを作る
2-2 サインイン（ログイン）する
2-3 プログラムの始め方
2-4 プログラムの保存
2-5 プログラムの読み出し
2-6 ファイルの保存と読み込み
2-7 他のユーザーの作品をコピーする「リミックス」
3章 Scratchプログラムの作り方
3-1 「ダンシングマイケル」の説明
3-2 プログラムを始める
3-3 最終的なコードを確認する
3-4 スプライトを準備する
3-5 ステージを準備する
3-6 スプライトの3要素「コード」、「コスチューム」、「音」
3-6-1 コード
3-6-2 コスチューム
3-6-3 音
3-7 マイケルを上下に動かす：動き
3-8 動きを4回繰り返す：制御
3-9 音楽をつける：音
3-10 「カウント」を作る：変数
3-11 コスチュームを「カウント」で変える：見た目
3-12 ボタンを押して音を出す：イベント
3-13 ボタンを押してダンスを開始：イベント
3-14 振り付けに乱数を入れる：リスト
3-15 振り付けでダンスをする：リスト
3-16 スペースキーでも振付を変えられるようにする：ブロック定義
4章 レベル1・砂漠でダイヤ集めゲーム
4-1 砂漠でダイヤ集めゲームの遊び方
4-2 「行動」と「報酬」
4-3 L1- Q学習のアルゴリズム
4-3-1 期待値
4-3-2 報酬予測
4-3-3 報酬予測の学習則
4-4 Scratch のL1- Q学習
4-4-1 強化学習の初期化
4-4-2 行動選択
4-4-3 学習
4-5 プログラムを改変するためのヒント
4-5-1 改変1：報酬確率と報酬予測を表示する
4-5-2 改変2：初めから強化学習にプレイさせる
4-5-3 改変3：パラメータや設定の値を変える
4-6 メインループ
5章 レベル2・月面でダイヤ集めゲーム
5-1 月面でダイヤ集めゲームの遊び方
5-2 「行動」と「報酬」に加えて「状態」
5-3 L2- Q学習のアルゴリズム：状態2と3の場合
5-4 L2- Q学習のアルゴリズム：状態１の場合
5-5 ２ 回より多く行動を選ぶ場合
5-6 ScratchのL2- Q学習
5-6-1 強化学習の初期化
5-6-2 行動選択
5-6-3 学習
5-7 プログラムを改変するためのヒント
5-8 メインループ 121
6章 レベル3・お化けの飛行訓練ゲーム
6-1 お化けの飛行訓練ゲームの遊び方
6-2 巡回する状態での最適な行動
6-3 割引率
6-4 L3- Q学習のアルゴリズム
6-5 ScratchのL3- Q学習
6-5-1 強化学習の初期化
6-5-2 行動選択
6-5-3 学習
6-6 プログラムを改変するためのヒント
6-7 メインループ
7章 まとめ
7-1 エージェントと環境
7-2 強化学習の目的
7-3 Q学習
7-3-1 初期化
7-3-2 行動選択
7-3-3 学習
付録
付録A「 砂漠でダイヤ集めゲーム」のコード
付録B 「月面でダイヤ集めゲーム」のコード
付録C「 お化けの飛行訓練ゲーム」のコード
あとがき
著者プロフィール
索引
1章 強化学習を始めよう
1-1 強化学習とScratch
1-2 強化学習とAI
1-3 強化学習の昔と今
1-4 本書の内容
2章 Scratchの使い方
2-1 アカウントを作る
2-2 サインイン（ログイン）する
2-3 プログラムの始め方
2-4 プログラムの保存
2-5 プログラムの読み出し
2-6 ファイルの保存と読み込み
2-7 他のユーザーの作品をコピーする「リミックス」
3章 Scratchプログラムの作り方
3-1 「ダンシングマイケル」の説明
3-2 プログラムを始める
3-3 最終的なコードを確認する
3-4 スプライトを準備する
3-5 ステージを準備する
3-6 スプライトの3要素「コード」、「コスチューム」、「音」
3-6-1 コード
3-6-2 コスチューム
3-6-3 音
3-7 マイケルを上下に動かす：動き
3-8 動きを4回繰り返す：制御
3-9 音楽をつける：音
3-10 「カウント」を作る：変数
3-11 コスチュームを「カウント」で変える：見た目
3-12 ボタンを押して音を出す：イベント
3-13 ボタンを押してダンスを開始：イベント
3-14 振り付けに乱数を入れる：リスト
3-15 振り付けでダンスをする：リスト
3-16 スペースキーでも振付を変えられるようにする：ブロック定義
4章 レベル1・砂漠でダイヤ集めゲーム
4-1 砂漠でダイヤ集めゲームの遊び方
4-2 「行動」と「報酬」
4-3 L1- Q学習のアルゴリズム
4-3-1 期待値
4-3-2 報酬予測
4-3-3 報酬予測の学習則
4-4 Scratch のL1- Q学習
4-4-1 強化学習の初期化
4-4-2 行動選択
4-4-3 学習
4-5 プログラムを改変するためのヒント
4-5-1 改変1：報酬確率と報酬予測を表示する
4-5-2 改変2：初めから強化学習にプレイさせる
4-5-3 改変3：パラメータや設定の値を変える
4-6 メインループ
5章 レベル2・月面でダイヤ集めゲーム
5-1 月面でダイヤ集めゲームの遊び方
5-2 「行動」と「報酬」に加えて「状態」
5-3 L2- Q学習のアルゴリズム：状態2と3の場合
5-4 L2- Q学習のアルゴリズム：状態１の場合
5-5 ２ 回より多く行動を選ぶ場合
5-6 ScratchのL2- Q学習
5-6-1 強化学習の初期化
5-6-2 行動選択
5-6-3 学習
5-7 プログラムを改変するためのヒント
5-8 メインループ 121
6章 レベル3・お化けの飛行訓練ゲーム
6-1 お化けの飛行訓練ゲームの遊び方
6-2 巡回する状態での最適な行動
6-3 割引率
6-4 L3- Q学習のアルゴリズム
6-5 ScratchのL3- Q学習
6-5-1 強化学習の初期化
6-5-2 行動選択
6-5-3 学習
6-6 プログラムを改変するためのヒント
6-7 メインループ
7章 まとめ
7-1 エージェントと環境
7-2 強化学習の目的
7-3 Q学習
7-3-1 初期化
7-3-2 行動選択
7-3-3 学習
付録
付録A「 砂漠でダイヤ集めゲーム」のコード
付録B 「月面でダイヤ集めゲーム」のコード
付録C「 お化けの飛行訓練ゲーム」のコード
あとがき
著者プロフィール
索引
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
FINAL FANTASY XV の人工知能 - ゲームAIから見える未来
FINAL FANTASY XV の人工知能 - ゲームAIから見える未来
(著)株式会社スクウェア・エニックス『FFXV』AIチーム
発売日 2019/06/04
(著)株式会社スクウェア・エニックス『FFXV』AIチーム
発売日 2019/06/04
総合評価
（2024/12/02 12:21時点）
【推薦のことば】
『FF』づくりのレシピ
- MISTWALKER/CEO 坂口 博信
本書は人工知能の専門家である著者が、FINAL FANTASY XV のゲーム作りを通じて、関連するAI技術を解説しています。ゲームとAIの深い関わり、そしてゲームの未来を感じられる本だと思います。
- 東京大学大学院工学系研究科/教授 松尾 豊
いつの時代もビデオゲームには "技術的ロマン" が必要で、現代のそれはAIである
- ゲームデザイナー 上田 文人
※敬称略、順不同
『ファイナルファンタジー15』で培った人工知能、AI技術、キャラクターとゲームをインタラクティブに作る技術を余すことなく解説。そして、そこから見える未来のゲームの人工知能について、プログラマー、デザイナー、制作チームリーダーたちが語ります。
【対象読者】
AI、人工知能に興味のある方、プログラマー、デザイナー、ゲーム制作者、「ファイナルファンタジー」シリーズのファン
『FF』づくりのレシピ
- MISTWALKER/CEO 坂口 博信
本書は人工知能の専門家である著者が、FINAL FANTASY XV のゲーム作りを通じて、関連するAI技術を解説しています。ゲームとAIの深い関わり、そしてゲームの未来を感じられる本だと思います。
- 東京大学大学院工学系研究科/教授 松尾 豊
いつの時代もビデオゲームには "技術的ロマン" が必要で、現代のそれはAIである
- ゲームデザイナー 上田 文人
※敬称略、順不同
『ファイナルファンタジー15』で培った人工知能、AI技術、キャラクターとゲームをインタラクティブに作る技術を余すことなく解説。そして、そこから見える未来のゲームの人工知能について、プログラマー、デザイナー、制作チームリーダーたちが語ります。
【対象読者】
AI、人工知能に興味のある方、プログラマー、デザイナー、ゲーム制作者、「ファイナルファンタジー」シリーズのファン
内容サンプル
目次
はじめに
PART 1 基礎編
---------------------
1. ゲームAI入門
2. 意思決定ツール
3. ナビゲーション システム
4. AI とアニメーション
5. 位置検索システム
PART 2 コンテンツ編
---------------------
6. 仲間AI
7. モンスターAI
8. 兵士AI
9. アンビエントAI
10. 写真AI
PART 3 未来編
---------------------
11. 会話AI
12. AIモード
13. ロギングと可視化
14. これからのゲームAI技術
---------------------
対談1 プログラマー編：「FFXV」のゲームAIはどこまで進化したか？
対談2 デザイナー編：キャラクターの格好よさは髪型と普通っぽさで決まる！
対談3 チームリーダー編：「FFXV」の基礎AI作りクロニクル
PART 1 基礎編
---------------------
1. ゲームAI入門
2. 意思決定ツール
3. ナビゲーション システム
4. AI とアニメーション
5. 位置検索システム
PART 2 コンテンツ編
---------------------
6. 仲間AI
7. モンスターAI
8. 兵士AI
9. アンビエントAI
10. 写真AI
PART 3 未来編
---------------------
11. 会話AI
12. AIモード
13. ロギングと可視化
14. これからのゲームAI技術
---------------------
対談1 プログラマー編：「FFXV」のゲームAIはどこまで進化したか？
対談2 デザイナー編：キャラクターの格好よさは髪型と普通っぽさで決まる！
対談3 チームリーダー編：「FFXV」の基礎AI作りクロニクル
↓全て表示↑少なく表示
Users Voice
内容サンプル
画像生成系AI Stable Diffusionゲームグラフィックス自動生成ガイド
ゲーム開発もAIを活用する時代に！
画像生成系AI「Stable Diffusion」にゲームグラフィックスを描かせてみよう。
【本書で生成するゲームグラフィックス】
・キャラクター（人やクリーチャーなど）
・背景（自然景観、ファンタジー風、絵画風、学校、繁華街、都市、SF、サイバーパンク風など）
・UIパーツ（トレーディングカード風、木材など）
・アプリアイコン
・アイテム（宝箱、ポーション、剣、盾など）
・RPGマップ
【本書で紹介する生成テクニック】
・良好な結果を得やすいプロンプト、ネガティブプロンプト
・手書きラフからの生成
・キャラクターにポーズを付ける方法
・キャラクターをAIに学習させる方法
・既定サイズ以外のサイズで生成する
・img2imgでクオリティ向上
・Inpaintによるゴミデータ除去
・ChatGPT連携（シーン紹介文生成、キャラクター設定生成、会話文生成など）
【本書の目次】
■第1部 環境構築と基礎知識
第1章 ローカルでの環境構築
第2章 オンラインでの環境構築
第3章 基礎知識
第4章 呪文理論
■第2部 キャラクターの生成
第5章 キャラクターの生成
第6章 キャラクターにポーズを付ける
第7章 キャラクターを学習させる
■第3部 背景の生成
第8章 背景の生成1 ファンタジー
第9章 背景の生成2 現代
第10章 背景の生成3 SF
第11章 背景の生成4 サイバーパンク
■第4部 ゲーム素材の生成
第12章 武器や道具の生成
第13章 アイコンの作成
第14章 絵地図の生成
第15章 UI部品のテクスチャの生成
■第5部 文章データの生成
第16章 ChatGPTとの連携1 画像に添える文書の生成
第17章 ChatGPTとの連携2 キャラクター設定と会話の生成
画像生成系AI「Stable Diffusion」にゲームグラフィックスを描かせてみよう。
【本書で生成するゲームグラフィックス】
・キャラクター（人やクリーチャーなど）
・背景（自然景観、ファンタジー風、絵画風、学校、繁華街、都市、SF、サイバーパンク風など）
・UIパーツ（トレーディングカード風、木材など）
・アプリアイコン
・アイテム（宝箱、ポーション、剣、盾など）
・RPGマップ
【本書で紹介する生成テクニック】
・良好な結果を得やすいプロンプト、ネガティブプロンプト
・手書きラフからの生成
・キャラクターにポーズを付ける方法
・キャラクターをAIに学習させる方法
・既定サイズ以外のサイズで生成する
・img2imgでクオリティ向上
・Inpaintによるゴミデータ除去
・ChatGPT連携（シーン紹介文生成、キャラクター設定生成、会話文生成など）
【本書の目次】
■第1部 環境構築と基礎知識
第1章 ローカルでの環境構築
第2章 オンラインでの環境構築
第3章 基礎知識
第4章 呪文理論
■第2部 キャラクターの生成
第5章 キャラクターの生成
第6章 キャラクターにポーズを付ける
第7章 キャラクターを学習させる
■第3部 背景の生成
第8章 背景の生成1 ファンタジー
第9章 背景の生成2 現代
第10章 背景の生成3 SF
第11章 背景の生成4 サイバーパンク
■第4部 ゲーム素材の生成
第12章 武器や道具の生成
第13章 アイコンの作成
第14章 絵地図の生成
第15章 UI部品のテクスチャの生成
■第5部 文章データの生成
第16章 ChatGPTとの連携1 画像に添える文書の生成
第17章 ChatGPTとの連携2 キャラクター設定と会話の生成
↓全て表示↑少なく表示
内容サンプル
Users Voice
内容サンプル
実例で学ぶゲームAIプログラミング
ゲームAIプログラミングの名著“Programming Game AI by Example”の邦訳です。
プレイヤーのスキルが向上し、より面白くてワクワクするようなゲームが好まれるという市場の変化に伴い、ゲームの開発現場では AI(人工知能)技術を使ったインテリジェントエージェントやボットの開発が注目されるようになりました。
本書では、AI技術を使ったインテリジェントエージェントの構築を、実例(動くサンプル)を多用しながらステップバイステップで丁寧かつ分かりやすく解説します。
プレイヤーのスキルが向上し、より面白くてワクワクするようなゲームが好まれるという市場の変化に伴い、ゲームの開発現場では AI(人工知能)技術を使ったインテリジェントエージェントやボットの開発が注目されるようになりました。
本書では、AI技術を使ったインテリジェントエージェントの構築を、実例(動くサンプル)を多用しながらステップバイステップで丁寧かつ分かりやすく解説します。
内容サンプル
目次
１章 数学と物理入門
２章 ステート駆動エージェントの設計
３章 自律的に動くゲームエージェントの作成方法
４章 スポーツシミュレーションーシンプルサッカー
５章 グラフの不思議な世界
６章 スクリプトにするべきかやめるべきか、それが問題だ
７章 Ｒａｖｅｎ：概要
８章 実践的な経路プランニング
９章 ゴール駆動型エージェントの行動
１０章 ファジー論理
付録
２章 ステート駆動エージェントの設計
３章 自律的に動くゲームエージェントの作成方法
４章 スポーツシミュレーションーシンプルサッカー
５章 グラフの不思議な世界
６章 スクリプトにするべきかやめるべきか、それが問題だ
７章 Ｒａｖｅｎ：概要
８章 実践的な経路プランニング
９章 ゴール駆動型エージェントの行動
１０章 ファジー論理
付録
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
バックランド，マット（Buckland,Mat）
フリーランスのプログラマー兼ライター。１９８０年代後半、当時のホームコンピュータＺＸ Ｓｐｅｃｔｒｕｍ用のゲームとしてＷａｄｄｉｎｇｔｏｎ社のモノポリー（Ｍｏｎｏｐｏｌｙ）のコードを書いたとき、ＡＩに興味を持つようになる。それ以来、コンピュータが「考える」ということを創造することへの彼の情熱は一度も色あせたことがない。ＡＩ関連のチュートリアルが掲載されている人気Ｗｅｂサイトａｉ-ｊｕｎｋｉｅ．ｃｏｍの創設者である。ＡＩインタフェース標準化委員会（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｉｎｔｅｒｆａｃｅ Ｓｔａｎｄａｒｄｓ Ｃｏｍｍｉｔｔｅｅ：ＡＩＩＳＣ）のメンバーであり、Ｅｕｒｏｐｅａｎ Ｇａｍｅ Ｄｅｖｅｌｏｐｅｒｓ Ｃｏｎｆｅｒｅｎｃｅ（ヨーロッパで開催されるゲーム開発者会議）におけるＡＩラウンドテーブルでホスト役も勤めている
松田晃一（マツダコウイチ）
東京農工大学大学院工学研究科数理情報工学専攻修了。東京大学大学院工学系研究科電子情報工学専攻より博士（工学）を得る。エンジニア兼研究者。ＮＥＣ、ＳｏｎｙＣＳＬを経て、現在、家電メーカに勤務。主幹研究員。金沢工業大学大学院客員教授。ＨＣＩやインターネット上の分散型共有仮想社会（ＰＡＷ＾２）の研究開発、ＶＲＭＬ９７の国際標準化、ｔｇｉｆの機能拡張・日本語化を経て、現在、新しいユーザエクスペリエンスの開発に従事。ＵＩ、ＨＣＩ、事象型アニメーション、ＡＩ（自然言語理解）、携帯機器、エンターテインメント型ネットワークサービスなどに興味を持つ（本データはこの書籍が刊行された当時に掲載されていたものです）
フリーランスのプログラマー兼ライター。１９８０年代後半、当時のホームコンピュータＺＸ Ｓｐｅｃｔｒｕｍ用のゲームとしてＷａｄｄｉｎｇｔｏｎ社のモノポリー（Ｍｏｎｏｐｏｌｙ）のコードを書いたとき、ＡＩに興味を持つようになる。それ以来、コンピュータが「考える」ということを創造することへの彼の情熱は一度も色あせたことがない。ＡＩ関連のチュートリアルが掲載されている人気Ｗｅｂサイトａｉ-ｊｕｎｋｉｅ．ｃｏｍの創設者である。ＡＩインタフェース標準化委員会（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｉｎｔｅｒｆａｃｅ Ｓｔａｎｄａｒｄｓ Ｃｏｍｍｉｔｔｅｅ：ＡＩＩＳＣ）のメンバーであり、Ｅｕｒｏｐｅａｎ Ｇａｍｅ Ｄｅｖｅｌｏｐｅｒｓ Ｃｏｎｆｅｒｅｎｃｅ（ヨーロッパで開催されるゲーム開発者会議）におけるＡＩラウンドテーブルでホスト役も勤めている
松田晃一（マツダコウイチ）
東京農工大学大学院工学研究科数理情報工学専攻修了。東京大学大学院工学系研究科電子情報工学専攻より博士（工学）を得る。エンジニア兼研究者。ＮＥＣ、ＳｏｎｙＣＳＬを経て、現在、家電メーカに勤務。主幹研究員。金沢工業大学大学院客員教授。ＨＣＩやインターネット上の分散型共有仮想社会（ＰＡＷ＾２）の研究開発、ＶＲＭＬ９７の国際標準化、ｔｇｉｆの機能拡張・日本語化を経て、現在、新しいユーザエクスペリエンスの開発に従事。ＵＩ、ＨＣＩ、事象型アニメーション、ＡＩ（自然言語理解）、携帯機器、エンターテインメント型ネットワークサービスなどに興味を持つ（本データはこの書籍が刊行された当時に掲載されていたものです）
↓全て表示↑少なく表示
ゲームAIの本 最新・高評価のおすすめの5冊
以下が「ゲームAIの本」最新・高評価のおすすめの5冊詳細です。
(2024/12/02 12:21 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 | | |
2 | | |
3 | | |
4 | | |
5 | |
ゲームから学ぶAI ——環境シミュレータ×深層強化学習で広がる世界 Tech × Books plus
（概要）
本書は、世界最先端のAI研究所の一つであるDeepMindが発表した論文を軸に、現代的なAIがどのように作られているのかをまとめた技術解説書です。
「汎用AI」「ゲームをプレイするAI」をテーマとし、おもに深層強化学習の技術を取り上げます。
深層強化学習は、いまの世の中で広く使われているディープラーニングをゲームなどの領域に応用した技術です。
深層強化学習には高性能なシミュレータが必要であり、ゲームをはじめとした架空の世界を舞台として最先端の研究が進められています。
本書ではこれまでに発表されてきた論文を通して、「いま技術的に何ができて、何が難しいのか」を紐解きながら、一つ一つの技術を積み上げた先に来る、次の時代のAIについて考えていきます。
（こんな方におすすめ）
・AI、汎用AIについて、これから学びたい方々
・深層強化学習に関心をお持ちの方々
・AIの研究/開発とゲームの関わりに興味をお持ちの方々
（目次）
1章 ゲームAIの歴史 ボードゲーム、汎用ビデオゲーム、深層強化学習、RTS
1.1 ボードゲームとゲームAI チェス、将棋、囲碁
1.2 汎用ビデオゲームプレイ ALE、Atari-57
1.3 深層強化学習とゲーム環境 Malmo、OpenAI Gym、DeepMind Lab
1.4 リアルタイムストラテジーゲーム StarCraft II、Dota 2
1.5 まとめ
2章 機械学習の基礎知識 深層学習、RNN、自然言語処理、強化学習
2.1 深層学習の基礎知識
2.2 RNNの基礎知識
2.3 自然言語処理の基礎知識
2.4 強化学習の基礎知識
2.5 まとめ
3章 囲碁を学ぶAI AlphaGo、AlphaGo Zero、AlphaZero、MuZero
3.1 「囲碁を学ぶ」とはどういうことか
3.2 AlphaGo
3.3 AlphaGo Zero
3.4 AlphaZero
3.5 MuZero
3.6 まとめ
4章 Atari-57を学ぶAI DQN、Rainbow、Ape-X、R2D2、NGU、Agent57
4.1 「Atari-57を学ぶ」とはどういうことか
4.2 DQN
4.3 Rainbow
4.4 Ape-X
4.5 R2D2
4.6 NGU
4.7 Agent57
4.8 まとめ
5章 StarCraft IIを学ぶAI SC2LE、AlphaStar
5.1 「StarCraft IIを学ぶ」とはどういうことか
5.2 SC2LE
5.3 AlphaStarの基礎知識
5.4 AlphaStarのアーキテクチャ
5.5 AlphaStarの模倣学習
5.6 AlphaStarのマルチエージェント学習
5.7 まとめ
6章 Minecraftを学ぶAI Malmo、MineRL、今後の展望
6.1 「Minecraftを学ぶ」とはどういうことか
6.2 MineRL Diamondコンペティション2021
6.3 MineRL BASALTコンペティション2021
6.4 今後の展望
6.5 まとめ
本書は、世界最先端のAI研究所の一つであるDeepMindが発表した論文を軸に、現代的なAIがどのように作られているのかをまとめた技術解説書です。
「汎用AI」「ゲームをプレイするAI」をテーマとし、おもに深層強化学習の技術を取り上げます。
深層強化学習は、いまの世の中で広く使われているディープラーニングをゲームなどの領域に応用した技術です。
深層強化学習には高性能なシミュレータが必要であり、ゲームをはじめとした架空の世界を舞台として最先端の研究が進められています。
本書ではこれまでに発表されてきた論文を通して、「いま技術的に何ができて、何が難しいのか」を紐解きながら、一つ一つの技術を積み上げた先に来る、次の時代のAIについて考えていきます。
（こんな方におすすめ）
・AI、汎用AIについて、これから学びたい方々
・深層強化学習に関心をお持ちの方々
・AIの研究/開発とゲームの関わりに興味をお持ちの方々
（目次）
1章 ゲームAIの歴史 ボードゲーム、汎用ビデオゲーム、深層強化学習、RTS
1.1 ボードゲームとゲームAI チェス、将棋、囲碁
1.2 汎用ビデオゲームプレイ ALE、Atari-57
1.3 深層強化学習とゲーム環境 Malmo、OpenAI Gym、DeepMind Lab
1.4 リアルタイムストラテジーゲーム StarCraft II、Dota 2
1.5 まとめ
2章 機械学習の基礎知識 深層学習、RNN、自然言語処理、強化学習
2.1 深層学習の基礎知識
2.2 RNNの基礎知識
2.3 自然言語処理の基礎知識
2.4 強化学習の基礎知識
2.5 まとめ
3章 囲碁を学ぶAI AlphaGo、AlphaGo Zero、AlphaZero、MuZero
3.1 「囲碁を学ぶ」とはどういうことか
3.2 AlphaGo
3.3 AlphaGo Zero
3.4 AlphaZero
3.5 MuZero
3.6 まとめ
4章 Atari-57を学ぶAI DQN、Rainbow、Ape-X、R2D2、NGU、Agent57
4.1 「Atari-57を学ぶ」とはどういうことか
4.2 DQN
4.3 Rainbow
4.4 Ape-X
4.5 R2D2
4.6 NGU
4.7 Agent57
4.8 まとめ
5章 StarCraft IIを学ぶAI SC2LE、AlphaStar
5.1 「StarCraft IIを学ぶ」とはどういうことか
5.2 SC2LE
5.3 AlphaStarの基礎知識
5.4 AlphaStarのアーキテクチャ
5.5 AlphaStarの模倣学習
5.6 AlphaStarのマルチエージェント学習
5.7 まとめ
6章 Minecraftを学ぶAI Malmo、MineRL、今後の展望
6.1 「Minecraftを学ぶ」とはどういうことか
6.2 MineRL Diamondコンペティション2021
6.3 MineRL BASALTコンペティション2021
6.4 今後の展望
6.5 まとめ
↓全て表示↑少なく表示
内容サンプル
目次
１章 ゲームＡＩの歴史ーボードゲーム、汎用ビデオゲーム、深層強化学習、ＲＴＳ
２章 機械学習の基礎知識ー深層学習、ＲＮＮ、自然言語処理、強化学習
３章 囲碁を学ぶＡＩ-ＡｌｐｈａＧｏ、ＡｌｐｈａＧｏ Ｚｅｒｏ、ＡｌｐｈａＺｅｒｏ、ＭｕＺｅｒｏ
４章 Ａｔａｒｉ-５７を学ぶＡＩ-ＤＱＮ、Ｒａｉｎｂｏｗ、Ａｐｅ-Ｘ、Ｒ２Ｄ２、ＮＧＵ、Ａｇｅｎｔ５７
５章 ＳｔａｒＣｒａｆｔ２を学ぶＡＩ-ＳＣ２ＬＥ、ＡｌｐｈａＳｔａｒ
６章 Ｍｉｎｅｃｒａｆｔを学ぶＡＩ-Ｍａｌｍｏ、ＭｉｎｅＲＬ、今後の展望
２章 機械学習の基礎知識ー深層学習、ＲＮＮ、自然言語処理、強化学習
３章 囲碁を学ぶＡＩ-ＡｌｐｈａＧｏ、ＡｌｐｈａＧｏ Ｚｅｒｏ、ＡｌｐｈａＺｅｒｏ、ＭｕＺｅｒｏ
４章 Ａｔａｒｉ-５７を学ぶＡＩ-ＤＱＮ、Ｒａｉｎｂｏｗ、Ａｐｅ-Ｘ、Ｒ２Ｄ２、ＮＧＵ、Ａｇｅｎｔ５７
５章 ＳｔａｒＣｒａｆｔ２を学ぶＡＩ-ＳＣ２ＬＥ、ＡｌｐｈａＳｔａｒ
６章 Ｍｉｎｅｃｒａｆｔを学ぶＡＩ-Ｍａｌｍｏ、ＭｉｎｅＲＬ、今後の展望
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
西田圭介（ニシダケイスケ）
フリーランスのソフトウェアエンジニア（本データはこの書籍が刊行された当時に掲載されていたものです）
フリーランスのソフトウェアエンジニア（本データはこの書籍が刊行された当時に掲載されていたものです）
FINAL FANTASY XV の人工知能 - ゲームAIから見える未来
FINAL FANTASY XV の人工知能 - ゲームAIから見える未来
(著)株式会社スクウェア・エニックス『FFXV』AIチーム
発売日 2019/06/04
(著)株式会社スクウェア・エニックス『FFXV』AIチーム
発売日 2019/06/04
総合評価
（2024/12/02 12:21時点）
【推薦のことば】
『FF』づくりのレシピ
- MISTWALKER/CEO 坂口 博信
本書は人工知能の専門家である著者が、FINAL FANTASY XV のゲーム作りを通じて、関連するAI技術を解説しています。ゲームとAIの深い関わり、そしてゲームの未来を感じられる本だと思います。
- 東京大学大学院工学系研究科/教授 松尾 豊
いつの時代もビデオゲームには "技術的ロマン" が必要で、現代のそれはAIである
- ゲームデザイナー 上田 文人
※敬称略、順不同
『ファイナルファンタジー15』で培った人工知能、AI技術、キャラクターとゲームをインタラクティブに作る技術を余すことなく解説。そして、そこから見える未来のゲームの人工知能について、プログラマー、デザイナー、制作チームリーダーたちが語ります。
【対象読者】
AI、人工知能に興味のある方、プログラマー、デザイナー、ゲーム制作者、「ファイナルファンタジー」シリーズのファン
『FF』づくりのレシピ
- MISTWALKER/CEO 坂口 博信
本書は人工知能の専門家である著者が、FINAL FANTASY XV のゲーム作りを通じて、関連するAI技術を解説しています。ゲームとAIの深い関わり、そしてゲームの未来を感じられる本だと思います。
- 東京大学大学院工学系研究科/教授 松尾 豊
いつの時代もビデオゲームには "技術的ロマン" が必要で、現代のそれはAIである
- ゲームデザイナー 上田 文人
※敬称略、順不同
『ファイナルファンタジー15』で培った人工知能、AI技術、キャラクターとゲームをインタラクティブに作る技術を余すことなく解説。そして、そこから見える未来のゲームの人工知能について、プログラマー、デザイナー、制作チームリーダーたちが語ります。
【対象読者】
AI、人工知能に興味のある方、プログラマー、デザイナー、ゲーム制作者、「ファイナルファンタジー」シリーズのファン
内容サンプル
目次
はじめに
PART 1 基礎編
---------------------
1. ゲームAI入門
2. 意思決定ツール
3. ナビゲーション システム
4. AI とアニメーション
5. 位置検索システム
PART 2 コンテンツ編
---------------------
6. 仲間AI
7. モンスターAI
8. 兵士AI
9. アンビエントAI
10. 写真AI
PART 3 未来編
---------------------
11. 会話AI
12. AIモード
13. ロギングと可視化
14. これからのゲームAI技術
---------------------
対談1 プログラマー編：「FFXV」のゲームAIはどこまで進化したか？
対談2 デザイナー編：キャラクターの格好よさは髪型と普通っぽさで決まる！
対談3 チームリーダー編：「FFXV」の基礎AI作りクロニクル
PART 1 基礎編
---------------------
1. ゲームAI入門
2. 意思決定ツール
3. ナビゲーション システム
4. AI とアニメーション
5. 位置検索システム
PART 2 コンテンツ編
---------------------
6. 仲間AI
7. モンスターAI
8. 兵士AI
9. アンビエントAI
10. 写真AI
PART 3 未来編
---------------------
11. 会話AI
12. AIモード
13. ロギングと可視化
14. これからのゲームAI技術
---------------------
対談1 プログラマー編：「FFXV」のゲームAIはどこまで進化したか？
対談2 デザイナー編：キャラクターの格好よさは髪型と普通っぽさで決まる！
対談3 チームリーダー編：「FFXV」の基礎AI作りクロニクル
↓全て表示↑少なく表示
Users Voice
内容サンプル
ScratchでAIを学ぼう ゲームプログラミングで強化学習を体験
オリジナルのScratchゲームを使って
楽しみながらAI・強化学習を学べる
●「どんどん賢くなるAI」を３つのゲームで習得
●Scratch強化ゲームの全プログラム収録
●拡張モジュール不要！使うのはScratch標準機能のみ
強化学習とは、AIの機械学習の一種で、簡単に言えば試行錯誤の学習です。
「強化」という言葉は、動物心理学で昔から使われている用語でもあり、
私たち人間や動物も強化学習をしています。赤ちゃんは自分で寝返りを覚え、
ハイハイを覚え、いずれ立ち上がります。
産業界では空前のAI・機械学習ブームです。2016年には、強化学習が
囲碁で世界トップレベルのプロ棋士に勝つという快挙がありました。
ところが、強化学習の本はあまりありません。難しい概念や見慣れない
記号を使わざるを得ないので、難しく見えるからでしょう。しかし本来、
強化学習のアイデア自体はシンプルで、直感的には誰にでも分かるものです。
そこで、数学の知識を中学までの範囲に限定し、教育用プログラム言語
のScratchで作ったゲームを題材にした入門書を作りました。本書では強
化学習を3レベルに分け、レベルごとにオリジナルのScratchゲームを使
いながら、それをプレイする強化学習AIをていねいに解説していきます。
1章 強化学習を始めよう
2章 Scratchの使い方
3章 Scratchプログラムの作り方
4章 レベル1・砂漠でダイヤ集めゲーム
5章 レベル2・月面でダイヤ集めゲーム
6章 レベル3・お化けの飛行訓練ゲーム
7章 まとめ
楽しみながらAI・強化学習を学べる
●「どんどん賢くなるAI」を３つのゲームで習得
●Scratch強化ゲームの全プログラム収録
●拡張モジュール不要！使うのはScratch標準機能のみ
強化学習とは、AIの機械学習の一種で、簡単に言えば試行錯誤の学習です。
「強化」という言葉は、動物心理学で昔から使われている用語でもあり、
私たち人間や動物も強化学習をしています。赤ちゃんは自分で寝返りを覚え、
ハイハイを覚え、いずれ立ち上がります。
産業界では空前のAI・機械学習ブームです。2016年には、強化学習が
囲碁で世界トップレベルのプロ棋士に勝つという快挙がありました。
ところが、強化学習の本はあまりありません。難しい概念や見慣れない
記号を使わざるを得ないので、難しく見えるからでしょう。しかし本来、
強化学習のアイデア自体はシンプルで、直感的には誰にでも分かるものです。
そこで、数学の知識を中学までの範囲に限定し、教育用プログラム言語
のScratchで作ったゲームを題材にした入門書を作りました。本書では強
化学習を3レベルに分け、レベルごとにオリジナルのScratchゲームを使
いながら、それをプレイする強化学習AIをていねいに解説していきます。
1章 強化学習を始めよう
2章 Scratchの使い方
3章 Scratchプログラムの作り方
4章 レベル1・砂漠でダイヤ集めゲーム
5章 レベル2・月面でダイヤ集めゲーム
6章 レベル3・お化けの飛行訓練ゲーム
7章 まとめ
↓全て表示↑少なく表示
内容サンプル
目次
はじめに
1章 強化学習を始めよう
1-1 強化学習とScratch
1-2 強化学習とAI
1-3 強化学習の昔と今
1-4 本書の内容
2章 Scratchの使い方
2-1 アカウントを作る
2-2 サインイン（ログイン）する
2-3 プログラムの始め方
2-4 プログラムの保存
2-5 プログラムの読み出し
2-6 ファイルの保存と読み込み
2-7 他のユーザーの作品をコピーする「リミックス」
3章 Scratchプログラムの作り方
3-1 「ダンシングマイケル」の説明
3-2 プログラムを始める
3-3 最終的なコードを確認する
3-4 スプライトを準備する
3-5 ステージを準備する
3-6 スプライトの3要素「コード」、「コスチューム」、「音」
3-6-1 コード
3-6-2 コスチューム
3-6-3 音
3-7 マイケルを上下に動かす：動き
3-8 動きを4回繰り返す：制御
3-9 音楽をつける：音
3-10 「カウント」を作る：変数
3-11 コスチュームを「カウント」で変える：見た目
3-12 ボタンを押して音を出す：イベント
3-13 ボタンを押してダンスを開始：イベント
3-14 振り付けに乱数を入れる：リスト
3-15 振り付けでダンスをする：リスト
3-16 スペースキーでも振付を変えられるようにする：ブロック定義
4章 レベル1・砂漠でダイヤ集めゲーム
4-1 砂漠でダイヤ集めゲームの遊び方
4-2 「行動」と「報酬」
4-3 L1- Q学習のアルゴリズム
4-3-1 期待値
4-3-2 報酬予測
4-3-3 報酬予測の学習則
4-4 Scratch のL1- Q学習
4-4-1 強化学習の初期化
4-4-2 行動選択
4-4-3 学習
4-5 プログラムを改変するためのヒント
4-5-1 改変1：報酬確率と報酬予測を表示する
4-5-2 改変2：初めから強化学習にプレイさせる
4-5-3 改変3：パラメータや設定の値を変える
4-6 メインループ
5章 レベル2・月面でダイヤ集めゲーム
5-1 月面でダイヤ集めゲームの遊び方
5-2 「行動」と「報酬」に加えて「状態」
5-3 L2- Q学習のアルゴリズム：状態2と3の場合
5-4 L2- Q学習のアルゴリズム：状態１の場合
5-5 ２ 回より多く行動を選ぶ場合
5-6 ScratchのL2- Q学習
5-6-1 強化学習の初期化
5-6-2 行動選択
5-6-3 学習
5-7 プログラムを改変するためのヒント
5-8 メインループ 121
6章 レベル3・お化けの飛行訓練ゲーム
6-1 お化けの飛行訓練ゲームの遊び方
6-2 巡回する状態での最適な行動
6-3 割引率
6-4 L3- Q学習のアルゴリズム
6-5 ScratchのL3- Q学習
6-5-1 強化学習の初期化
6-5-2 行動選択
6-5-3 学習
6-6 プログラムを改変するためのヒント
6-7 メインループ
7章 まとめ
7-1 エージェントと環境
7-2 強化学習の目的
7-3 Q学習
7-3-1 初期化
7-3-2 行動選択
7-3-3 学習
付録
付録A「 砂漠でダイヤ集めゲーム」のコード
付録B 「月面でダイヤ集めゲーム」のコード
付録C「 お化けの飛行訓練ゲーム」のコード
あとがき
著者プロフィール
索引
1章 強化学習を始めよう
1-1 強化学習とScratch
1-2 強化学習とAI
1-3 強化学習の昔と今
1-4 本書の内容
2章 Scratchの使い方
2-1 アカウントを作る
2-2 サインイン（ログイン）する
2-3 プログラムの始め方
2-4 プログラムの保存
2-5 プログラムの読み出し
2-6 ファイルの保存と読み込み
2-7 他のユーザーの作品をコピーする「リミックス」
3章 Scratchプログラムの作り方
3-1 「ダンシングマイケル」の説明
3-2 プログラムを始める
3-3 最終的なコードを確認する
3-4 スプライトを準備する
3-5 ステージを準備する
3-6 スプライトの3要素「コード」、「コスチューム」、「音」
3-6-1 コード
3-6-2 コスチューム
3-6-3 音
3-7 マイケルを上下に動かす：動き
3-8 動きを4回繰り返す：制御
3-9 音楽をつける：音
3-10 「カウント」を作る：変数
3-11 コスチュームを「カウント」で変える：見た目
3-12 ボタンを押して音を出す：イベント
3-13 ボタンを押してダンスを開始：イベント
3-14 振り付けに乱数を入れる：リスト
3-15 振り付けでダンスをする：リスト
3-16 スペースキーでも振付を変えられるようにする：ブロック定義
4章 レベル1・砂漠でダイヤ集めゲーム
4-1 砂漠でダイヤ集めゲームの遊び方
4-2 「行動」と「報酬」
4-3 L1- Q学習のアルゴリズム
4-3-1 期待値
4-3-2 報酬予測
4-3-3 報酬予測の学習則
4-4 Scratch のL1- Q学習
4-4-1 強化学習の初期化
4-4-2 行動選択
4-4-3 学習
4-5 プログラムを改変するためのヒント
4-5-1 改変1：報酬確率と報酬予測を表示する
4-5-2 改変2：初めから強化学習にプレイさせる
4-5-3 改変3：パラメータや設定の値を変える
4-6 メインループ
5章 レベル2・月面でダイヤ集めゲーム
5-1 月面でダイヤ集めゲームの遊び方
5-2 「行動」と「報酬」に加えて「状態」
5-3 L2- Q学習のアルゴリズム：状態2と3の場合
5-4 L2- Q学習のアルゴリズム：状態１の場合
5-5 ２ 回より多く行動を選ぶ場合
5-6 ScratchのL2- Q学習
5-6-1 強化学習の初期化
5-6-2 行動選択
5-6-3 学習
5-7 プログラムを改変するためのヒント
5-8 メインループ 121
6章 レベル3・お化けの飛行訓練ゲーム
6-1 お化けの飛行訓練ゲームの遊び方
6-2 巡回する状態での最適な行動
6-3 割引率
6-4 L3- Q学習のアルゴリズム
6-5 ScratchのL3- Q学習
6-5-1 強化学習の初期化
6-5-2 行動選択
6-5-3 学習
6-6 プログラムを改変するためのヒント
6-7 メインループ
7章 まとめ
7-1 エージェントと環境
7-2 強化学習の目的
7-3 Q学習
7-3-1 初期化
7-3-2 行動選択
7-3-3 学習
付録
付録A「 砂漠でダイヤ集めゲーム」のコード
付録B 「月面でダイヤ集めゲーム」のコード
付録C「 お化けの飛行訓練ゲーム」のコード
あとがき
著者プロフィール
索引
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
戦略ゲームAI 解体新書 ストラテジー&シミュレーションゲームから学ぶ最先端アルゴリズム
ゲーム開発者、AIエンジニア、
すべての意思決定に悩んでいる方に必見！
戦略ゲームAIの仕組み、戦略的意思決定プロセスを紐解くバイブル書
【戦略ゲームAIについて】
戦略ゲームの元にとなるストラテジー＆シミュレーションゲームはボードゲームを発端として、発展してきました。
近年では、スマートフォン向けのソーシャルゲームを筆頭に、数多くのゲームでストラテジー＆シミュレーション要素が取り入れられており、
いまやゲーム開発において戦略ゲームAIは避けて通れない非常に重要な要素になっています。
またゲーム開発のみならず、一般の人工知能開発、複雑な意思決定のプロセス形成において、その技術は非常に注目されています。
【本書の特徴】
ストラテジー＆シミュレーションゲームに利用されている戦略ゲームAI技術について、
国内や海外の事例を交え、その仕組みを丁寧に解説した書籍です。
基本的な技術の概論の解説から始まり、
著者が注目するシミュレーション＆ストラテジーゲームAIのアルゴリズムについて、
ビジュアルを交えながら解説します。
【読者対象】
・ゲーム開発者
・AI開発者
・意思決定に興味を持つ方
【本書のゴール】
戦略ゲームAIの仕組みを学ぶことができる
【プロフィール】
ゲームAI研究者・開発者。
京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。
博士（工学、東京大学）。2004年よりデジタルゲームにおける人工知能の開発・研究に従事。
立教大学大学院人工知能科学研究科特任教授、九州大学客員教授、東京大学客員研究員。
国際ゲーム開発者協会日本ゲームAI専門部会設立（チェア）、日本デジタルゲーム学会理事、
芸術科学会理事、人工知能学会理事・シニア編集委員、情報処理学会ゲーム情報学研究会運営委員。
※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。
すべての意思決定に悩んでいる方に必見！
戦略ゲームAIの仕組み、戦略的意思決定プロセスを紐解くバイブル書
【戦略ゲームAIについて】
戦略ゲームの元にとなるストラテジー＆シミュレーションゲームはボードゲームを発端として、発展してきました。
近年では、スマートフォン向けのソーシャルゲームを筆頭に、数多くのゲームでストラテジー＆シミュレーション要素が取り入れられており、
いまやゲーム開発において戦略ゲームAIは避けて通れない非常に重要な要素になっています。
またゲーム開発のみならず、一般の人工知能開発、複雑な意思決定のプロセス形成において、その技術は非常に注目されています。
【本書の特徴】
ストラテジー＆シミュレーションゲームに利用されている戦略ゲームAI技術について、
国内や海外の事例を交え、その仕組みを丁寧に解説した書籍です。
基本的な技術の概論の解説から始まり、
著者が注目するシミュレーション＆ストラテジーゲームAIのアルゴリズムについて、
ビジュアルを交えながら解説します。
【読者対象】
・ゲーム開発者
・AI開発者
・意思決定に興味を持つ方
【本書のゴール】
戦略ゲームAIの仕組みを学ぶことができる
【プロフィール】
ゲームAI研究者・開発者。
京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。
博士（工学、東京大学）。2004年よりデジタルゲームにおける人工知能の開発・研究に従事。
立教大学大学院人工知能科学研究科特任教授、九州大学客員教授、東京大学客員研究員。
国際ゲーム開発者協会日本ゲームAI専門部会設立（チェア）、日本デジタルゲーム学会理事、
芸術科学会理事、人工知能学会理事・シニア編集委員、情報処理学会ゲーム情報学研究会運営委員。
※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。
↓全て表示↑少なく表示
内容サンプル
目次
第１部 基本篇（ストラテジーゲームとは
ストラテジーゲームと人工知能
ゲームＡＩの基礎事項）
第２部 技術篇（指揮官としての人工知能ー「メンバーやユニットを指揮するゲーム」
プレイヤーと共創する人工知能ー「世界シミュレーション」
学習し、成長する人工知能ー「育成系ストラテジーゲーム」）
第３部 発展篇（ストラテジーゲームの学術的研究
ストラテジーゲームの人工知能の一般理論）
ストラテジーゲームと人工知能
ゲームＡＩの基礎事項）
第２部 技術篇（指揮官としての人工知能ー「メンバーやユニットを指揮するゲーム」
プレイヤーと共創する人工知能ー「世界シミュレーション」
学習し、成長する人工知能ー「育成系ストラテジーゲーム」）
第３部 発展篇（ストラテジーゲームの学術的研究
ストラテジーゲームの人工知能の一般理論）
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
三宅陽一郎（ミヤケヨウイチロウ）
ゲームＡＩ研究者・開発者。京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。博士（工学、東京大学）。２００４年よりデジタルゲームにおける人工知能の開発・研究に従事。立教大学大学院人工知能科学研究科特任教授、九州大学客員教授、東京大学客員研究員。国際ゲーム開発者協会日本ゲームＡＩ専門部会設立（チェア）、日本デジタルゲーム学会理事、芸術科学会理事、人工知能学会理事・シニア編集委員、情報処理学会ゲーム情報学研究会運営委員。『大規模デジタルゲームにおける人工知能の一般的体系と実装ーＦＩＮＡＬ ＦＡＮＴＡＳＹ ＸＶの実例を元に』にて２０２０年度人工知能学会論文賞を受賞。著書に『人工知能のための哲学塾 東洋哲学篇』（ゲンロン人文的大賞２０１８受賞）（ビー・エヌ・エヌ新社）、共著に『ゲーム情報学概論』（ＣＥＤＥＣ ＡＷＡＲＤＳ ２０１８ 著述賞受賞）（コロナ社）などがある（本データはこの書籍が刊行された当時に掲載されていたものです）
ゲームＡＩ研究者・開発者。京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。博士（工学、東京大学）。２００４年よりデジタルゲームにおける人工知能の開発・研究に従事。立教大学大学院人工知能科学研究科特任教授、九州大学客員教授、東京大学客員研究員。国際ゲーム開発者協会日本ゲームＡＩ専門部会設立（チェア）、日本デジタルゲーム学会理事、芸術科学会理事、人工知能学会理事・シニア編集委員、情報処理学会ゲーム情報学研究会運営委員。『大規模デジタルゲームにおける人工知能の一般的体系と実装ーＦＩＮＡＬ ＦＡＮＴＡＳＹ ＸＶの実例を元に』にて２０２０年度人工知能学会論文賞を受賞。著書に『人工知能のための哲学塾 東洋哲学篇』（ゲンロン人文的大賞２０１８受賞）（ビー・エヌ・エヌ新社）、共著に『ゲーム情報学概論』（ＣＥＤＥＣ ＡＷＡＲＤＳ ２０１８ 著述賞受賞）（コロナ社）などがある（本データはこの書籍が刊行された当時に掲載されていたものです）
↓全て表示↑少なく表示
ゲームAI技術入門 ──広大な人工知能の世界を体系的に学ぶ WEB+DB PRESS plus
（概要）
本書は、ゲームで使われる人工知能（AI）がどのようなしくみになっていて、どうやって作るのかを解説した書籍です。ゲームの内部に登場するキャラクターは、まるで意識を持っているかのように、こちらの隙をついて攻撃してきたり、また状況にあった動作をしてくれたりします。単純なものならif文の組み合わせでも実現できますが、より複雑で精緻な思考を実現するために、ゲームAIの分野で試行錯誤されてきた数々の手法があります。本書ではそれらを丁寧に解説することはもちろん、記憶、群衆、自動生成など、ゲームAIに関わる技術を網羅的に解説します。基本的なAIから最新のゲームに使われているAIまで、ゲームAIの今がわかります。
（こんな方におすすめ）
・ゲーム開発に興味のあるプログラマーやプランナー
（目次）
第1章：ゲームの中の人工知能──ゲームの中で生きているキャラクターを作る
1.1 ゲームAIの全体像
1.2 ゲームAIの連携
1.3 ゲーム世界に溶け込むAI
1.4 シミュレーション
1.5 シンボルと数値ダイナミクス
1.6 まとめ
第2章：知能のしくみ
2.1 2つの世界──外部世界と内面世界
2.2 内部循環インフォメーションフロー
2.3 環境の中の知性
2.4 アーキテクチャ全体について
2.5 C4アーキテクチャ
2.6 意識の理論
2.7 まとめ
第3章：知識表現──世界を噛み砕く
3.1 キャラクターの認識とは何か
3.2 センサの設計方法
3.3 位置検索システム
3.4 知識から感覚へ、感覚から知識へ
3.5 環世界へ
3.6 エージェントアーキテクチャと環世界
3.7 まとめ
第4章：記憶──AIの内側の表現メモリ
4.1 記憶って何だろう？
4.2 記憶の構造とダイナミクス
4.3 記憶の形
4.4 記憶の論理階層構造
4.5 まとめ
第5章：古典的な意思決定
5.1 反射型と非反射型の意思決定アルゴリズム
5.2 ルールベースの意思決定
5.3 ステートベースの意思決定
5.4 ユーティリティベースの意思決定
5.5 まとめ
第6章：現代風の意思決定
6.1 ゴールベースの意思決定
6.2 タスクベースの意思決定
6.3 ビヘイビアベースの意思決定
6.4 シミュレーションベースの意思決定
6.5 まとめ
第7章：ナビゲーションAIと地形認識
7.1 生物と環境の関係
7.2 知識表現
7.3 さまざまな世界表現
7.4 パス検索
7.5 意思決定と世界表現
7.6 まとめ
第8章：群衆AI
8.1 マルチエージェント
8.2 群衆の作り方
8.3 街の群衆の作り方の実例
8.4 まとめ
第9章：メタAI──ユーザーを楽しませるために
9.1 古典的メタAI
9.2 現代のメタAI
9.3 まとめ
第10章：生態学的人工知能とキャラクターの身体性
10.1 エージェントアーキテクチャの発展
10.2 キャラクターの身体システム
10.3 多層レイヤシステムの実例
10.4 キャラクターモーションシステムの発展
10.5 まとめ
第11章：学習、進化、プロシージャル技術
11.1 学習／進化アルゴリズムのゲームへの応用の歴史
11.2 学習／進化アルゴリズムの事例
11.3 プロシージャル技術
11.4 まとめ──学習、進化、プロシージャル技術の展望
第12章：ゲーム開発の品質保証／デバッグにおける人工知能技術の応用
12.1 ゲーム開発環境／デバッグ／品質保証における人工知能技術
12.2 ゲーム開発工程（ゲーム開発者）を助けるAI
12.3 ゲームサービスを支援するAI
12.4 ゲーム品質保証のためのAI
12.5 まとめ
本書は、ゲームで使われる人工知能（AI）がどのようなしくみになっていて、どうやって作るのかを解説した書籍です。ゲームの内部に登場するキャラクターは、まるで意識を持っているかのように、こちらの隙をついて攻撃してきたり、また状況にあった動作をしてくれたりします。単純なものならif文の組み合わせでも実現できますが、より複雑で精緻な思考を実現するために、ゲームAIの分野で試行錯誤されてきた数々の手法があります。本書ではそれらを丁寧に解説することはもちろん、記憶、群衆、自動生成など、ゲームAIに関わる技術を網羅的に解説します。基本的なAIから最新のゲームに使われているAIまで、ゲームAIの今がわかります。
（こんな方におすすめ）
・ゲーム開発に興味のあるプログラマーやプランナー
（目次）
第1章：ゲームの中の人工知能──ゲームの中で生きているキャラクターを作る
1.1 ゲームAIの全体像
1.2 ゲームAIの連携
1.3 ゲーム世界に溶け込むAI
1.4 シミュレーション
1.5 シンボルと数値ダイナミクス
1.6 まとめ
第2章：知能のしくみ
2.1 2つの世界──外部世界と内面世界
2.2 内部循環インフォメーションフロー
2.3 環境の中の知性
2.4 アーキテクチャ全体について
2.5 C4アーキテクチャ
2.6 意識の理論
2.7 まとめ
第3章：知識表現──世界を噛み砕く
3.1 キャラクターの認識とは何か
3.2 センサの設計方法
3.3 位置検索システム
3.4 知識から感覚へ、感覚から知識へ
3.5 環世界へ
3.6 エージェントアーキテクチャと環世界
3.7 まとめ
第4章：記憶──AIの内側の表現メモリ
4.1 記憶って何だろう？
4.2 記憶の構造とダイナミクス
4.3 記憶の形
4.4 記憶の論理階層構造
4.5 まとめ
第5章：古典的な意思決定
5.1 反射型と非反射型の意思決定アルゴリズム
5.2 ルールベースの意思決定
5.3 ステートベースの意思決定
5.4 ユーティリティベースの意思決定
5.5 まとめ
第6章：現代風の意思決定
6.1 ゴールベースの意思決定
6.2 タスクベースの意思決定
6.3 ビヘイビアベースの意思決定
6.4 シミュレーションベースの意思決定
6.5 まとめ
第7章：ナビゲーションAIと地形認識
7.1 生物と環境の関係
7.2 知識表現
7.3 さまざまな世界表現
7.4 パス検索
7.5 意思決定と世界表現
7.6 まとめ
第8章：群衆AI
8.1 マルチエージェント
8.2 群衆の作り方
8.3 街の群衆の作り方の実例
8.4 まとめ
第9章：メタAI──ユーザーを楽しませるために
9.1 古典的メタAI
9.2 現代のメタAI
9.3 まとめ
第10章：生態学的人工知能とキャラクターの身体性
10.1 エージェントアーキテクチャの発展
10.2 キャラクターの身体システム
10.3 多層レイヤシステムの実例
10.4 キャラクターモーションシステムの発展
10.5 まとめ
第11章：学習、進化、プロシージャル技術
11.1 学習／進化アルゴリズムのゲームへの応用の歴史
11.2 学習／進化アルゴリズムの事例
11.3 プロシージャル技術
11.4 まとめ──学習、進化、プロシージャル技術の展望
第12章：ゲーム開発の品質保証／デバッグにおける人工知能技術の応用
12.1 ゲーム開発環境／デバッグ／品質保証における人工知能技術
12.2 ゲーム開発工程（ゲーム開発者）を助けるAI
12.3 ゲームサービスを支援するAI
12.4 ゲーム品質保証のためのAI
12.5 まとめ
↓全て表示↑少なく表示
内容サンプル
目次
はじめに
第1章:ゲームの中の人工知能──ゲームの中で生きているキャラクターを作る
1.1 ゲームAIの全体像
キャラクターAI
ナビゲーションAI
メタAI
1.2 ゲームAIの連携
フレームとは
3つの人工知能のフレームの違い
ゲームAIのミッション
ゲームデザインとAI
1.3 ゲーム世界に溶け込むAI
合理的である
人間的である
1.4 シミュレーション
物理シミュレーションと知能シミュレーション
知能をシミュレーションするには
知能そのものをシミュレーションする/知能が実現していることをシミュレーションする
1.5 シンボルと数値ダイナミクス
1.6 まとめ
第2章:知能のしくみ
2.1 2つの世界──外部世界と内面世界
エージェントアーキテクチャ
知能の3分類
知識生成(Knowledge Making)/意思決定(Decision Making)/行動生成(Action Making)
2.2 内部循環インフォメーションフロー
2.3 環境の中の知性
センサ
エフェクタ
知識生成
行動生成
意思決定
柔軟な知能の運動
記憶
2.4 アーキテクチャ全体について
2.5 C4アーキテクチャ
2.6 意識の理論
2.7 まとめ
第3章:知識表現──世界を噛み砕く
3.1 キャラクターの認識とは何か
人工知能における「表現」とは
フレーム
3.2 センサの設計方法
視覚の実装
視覚システムの応用「存在確率マップ」
聴覚の実装
音の伝搬シミュレーション/プレイヤーが聞く音
身体の感覚
外力、内力/姿勢
感覚統合と事実表現
事実からの推測
3.3 位置検索システム
戦術位置解析技術
行動のための環境のヒントデータ
環境理解のための抽象的表現
事実表現
『Gunslinger』における事実表現
3.4 知識から感覚へ、感覚から知識へ
行為と認識
メタ知識
3.5 環世界へ
環世界の例
環世界の構造
キャラクターの持つ環世界
アフォーダンス
人工知能の知識表現
3.6 エージェントアーキテクチャと環世界
3.7 まとめ
第4章:記憶──AIの内側の表現メモリ
4.1 記憶って何だろう?
身体の知識表現
精神の知識表現
4.2 記憶の構造とダイナミクス
固定記憶
ワーキングメモリ
短期記憶
長期記憶
4.3 記憶の形
感覚記憶
エピソード記憶
記憶の整理機能
エージェントセントリック
4.4 記憶の論理階層構造
世界をアクティブに知る
統合/形成/消滅
記憶の管理
4.5 まとめ
第5章:古典的な意思決定
5.1 反射型と非反射型の意思決定アルゴリズム
5.2 ルールベースの意思決定
ルールセレクタ
ルールの連鎖
5.3 ステートベースの意思決定
ステートマシンの基本
階層化ステートマシン
具体例
5.4 ユーティリティベースの意思決定
効用の計算方法
ダイナミックなユーティリティ
ムードとその変化(効用)の計算方法
限界効用逓減の法則
5.5 まとめ
第6章:現代風の意思決定
6.1 ゴールベースの意思決定
ゴール指向型意思決定
2つのゴール指向プランニング/ゴール指向は未来の観念を持つこと/フォワードプランニングとバックワードプランニング
ゴール指向型アクションプランニング
①ゲーム状態のシンボル化/②シンボルによるアクション表現/③プランニング/複数のアクションプラン
階層型ゴール指向プランニング
階層型ゴール指向プランニングの考え方/階層型ゴール指向プランニングの設計指針/ゴールの列挙/ゴールの分解/小さいゴールを組み合わせて大きなゴールを達成する/ゴールを操作に還元する
6.2 タスクベースの意思決定
階層型タスクネットワーク
階層型タスクネットワークの例:回復薬を作る/階層型タスクネットワークの例:回復薬を届ける
階層型タスクネットワークの実例
衛生兵のAI/部隊長のAI
6.3 ビヘイビアベースの意思決定
アクションゲームにおけるビヘイビアツリー
RPGにおけるビヘイビアツリー
6.4 シミュレーションベースの意思決定
レーシングゲームの例
さまざまなゲームにおけるシミュレーションベースの考え方
キャラクターの運動への応用
6.5 まとめ
第7章:ナビゲーションAIと地形認識
7.1 生物と環境の関係
空間と環境を認識すること
世界を表現する
7.2 知識表現
敵表現リスト
依存グラフ
意味ネットワーク
事実表現
ルールベース表現
世界表現
7.3 さまざまな世界表現
ウェイポイント、ナビゲーションメッシュ表現と経路検索
ナビメッシュ-ウェイポイント階層表現/マップクラスタリング表現
テリトリー表現
戦術ポイント表現
LOSマップ表現
敵配位マップ
7.4 パス検索
パス検索の黎明期
パス検索の本格的な導入事例
パス検索の広がり
スマートテレイン
3次元のパス検索
ルックアップテーブル法
7.5 意思決定と世界表現
地形の認識
地形の接続情報/最適な戦術位置/状況判断
戦術位置検索システム
ゴールデンパス
影響マップ
7.6 まとめ
第8章:群衆AI
8.1 マルチエージェント
コミュニケーション/メッセージング
階層型アーキテクチャ
ファシリテーター型
ブラックボード/ベルギアンAI/トークンによるタイミング制御
8.2 群衆の作り方
生物の群れ「ボイド」
整列/集合/離散/回避
場の力による群衆生成
ソーシャルな関係を入れた群衆
8.3 街の群衆の作り方の実例
巡回するキャラクター
密度コントロール
イベントと人だかり
交戦キャラクター
商店/働く人々/動物たち
応用:監視兵キャラクターの協調方法
8.4 まとめ
第9章:メタAI──ユーザーを楽しませるために
9.1 古典的メタAI
難易度調整
9.2 現代のメタAI
敵の動的配置
プレイヤーの監視
プレイヤーの感情推定
メタAIとプロシージャル技術
地形生成/物語生成
メタAIの内部構造
ユーザー解析技術
メタAIのほかの分野への応用
スマートシティ構想/複数台のロボットの協調
現代的なメタAIのさらなる発展
9.3 まとめ
第10章:生態学的人工知能とキャラクターの身体性
10.1 エージェントアーキテクチャの発展
生物学における環世界
認知科学におけるアフォーダンス
環世界、知識表現、アフォーダンス
多層構造
知能の多層構造
主体と対象の階層化
10.2 キャラクターの身体システム
身体と知能をつなぐ
意識/無意識構造──身体からの認識
人工身体モジュールと人工知能モジュールをつなぐ
身体レイヤ
10.3 多層レイヤシステムの実例
10.4 キャラクターモーションシステムの発展
身体からのフィードバック
ベルンシュタインの身体運動論
身体能力の認識
運動感覚の形成
ニューラルネットワークによる身体運動
10.5 まとめ
第11章:学習、進化、プロシージャル技術
11.1 学習/進化アルゴリズムのゲームへの応用の歴史
1980～1990年代中盤
1990年代後半
2000年代
2010年代
11.2 学習/進化アルゴリズムの事例
『Creatures』におけるニューラルネットワーク
1990年代の日本のゲームシーンにおける学習/進化アルゴリズム
『アストロノーカ』における遺伝的アルゴリズム/『シーマン』における自然言語会話
マイクロソフトリサーチにおける機械学習の研究
『Forza Motorsport』シリーズにおける機械学習
『Killer Instinct』におけるケースベーストリーゾニング
『Total War』におけるモンテカルロ木探索
格闘ゲームにおけるニューラルネットワーク
11.3 プロシージャル技術
プロシージャル技術の始まり
ダンジョン自動生成
自然地形の自動生成
植物自動生成と植物自動配置
街自動生成
ゲームエンジンにおける総合型ゲームレベル自動生成技術
11.4 まとめ──学習、進化、プロシージャル技術の展望
第12章:ゲーム開発の品質保証/デバッグにおける人工知能技術の応用
12.1 ゲーム開発環境/デバッグ/品質保証における人工知能技術
12.2 ゲーム開発工程(ゲーム開発者)を助けるAI
パラメータ調整
ゲーム自動バランス/自動調整
12.3 ゲームサービスを支援するAI
データビジュアリゼーション
12.4 ゲーム品質保証のためのAI
人工知能による自動プレイ
システムテスト
ログデータの活用
強化学習
『Assassin's Creed Origins』における自動解析システム
ディープラーニングのゲームへの応用
ディープラーニングの躍進と課題/品質保証とディープラーニング
ボットを用いた品質保証
12.5 まとめ
あとがきと謝辞
索引
第1章:ゲームの中の人工知能──ゲームの中で生きているキャラクターを作る
1.1 ゲームAIの全体像
キャラクターAI
ナビゲーションAI
メタAI
1.2 ゲームAIの連携
フレームとは
3つの人工知能のフレームの違い
ゲームAIのミッション
ゲームデザインとAI
1.3 ゲーム世界に溶け込むAI
合理的である
人間的である
1.4 シミュレーション
物理シミュレーションと知能シミュレーション
知能をシミュレーションするには
知能そのものをシミュレーションする/知能が実現していることをシミュレーションする
1.5 シンボルと数値ダイナミクス
1.6 まとめ
第2章:知能のしくみ
2.1 2つの世界──外部世界と内面世界
エージェントアーキテクチャ
知能の3分類
知識生成(Knowledge Making)/意思決定(Decision Making)/行動生成(Action Making)
2.2 内部循環インフォメーションフロー
2.3 環境の中の知性
センサ
エフェクタ
知識生成
行動生成
意思決定
柔軟な知能の運動
記憶
2.4 アーキテクチャ全体について
2.5 C4アーキテクチャ
2.6 意識の理論
2.7 まとめ
第3章:知識表現──世界を噛み砕く
3.1 キャラクターの認識とは何か
人工知能における「表現」とは
フレーム
3.2 センサの設計方法
視覚の実装
視覚システムの応用「存在確率マップ」
聴覚の実装
音の伝搬シミュレーション/プレイヤーが聞く音
身体の感覚
外力、内力/姿勢
感覚統合と事実表現
事実からの推測
3.3 位置検索システム
戦術位置解析技術
行動のための環境のヒントデータ
環境理解のための抽象的表現
事実表現
『Gunslinger』における事実表現
3.4 知識から感覚へ、感覚から知識へ
行為と認識
メタ知識
3.5 環世界へ
環世界の例
環世界の構造
キャラクターの持つ環世界
アフォーダンス
人工知能の知識表現
3.6 エージェントアーキテクチャと環世界
3.7 まとめ
第4章:記憶──AIの内側の表現メモリ
4.1 記憶って何だろう?
身体の知識表現
精神の知識表現
4.2 記憶の構造とダイナミクス
固定記憶
ワーキングメモリ
短期記憶
長期記憶
4.3 記憶の形
感覚記憶
エピソード記憶
記憶の整理機能
エージェントセントリック
4.4 記憶の論理階層構造
世界をアクティブに知る
統合/形成/消滅
記憶の管理
4.5 まとめ
第5章:古典的な意思決定
5.1 反射型と非反射型の意思決定アルゴリズム
5.2 ルールベースの意思決定
ルールセレクタ
ルールの連鎖
5.3 ステートベースの意思決定
ステートマシンの基本
階層化ステートマシン
具体例
5.4 ユーティリティベースの意思決定
効用の計算方法
ダイナミックなユーティリティ
ムードとその変化(効用)の計算方法
限界効用逓減の法則
5.5 まとめ
第6章:現代風の意思決定
6.1 ゴールベースの意思決定
ゴール指向型意思決定
2つのゴール指向プランニング/ゴール指向は未来の観念を持つこと/フォワードプランニングとバックワードプランニング
ゴール指向型アクションプランニング
①ゲーム状態のシンボル化/②シンボルによるアクション表現/③プランニング/複数のアクションプラン
階層型ゴール指向プランニング
階層型ゴール指向プランニングの考え方/階層型ゴール指向プランニングの設計指針/ゴールの列挙/ゴールの分解/小さいゴールを組み合わせて大きなゴールを達成する/ゴールを操作に還元する
6.2 タスクベースの意思決定
階層型タスクネットワーク
階層型タスクネットワークの例:回復薬を作る/階層型タスクネットワークの例:回復薬を届ける
階層型タスクネットワークの実例
衛生兵のAI/部隊長のAI
6.3 ビヘイビアベースの意思決定
アクションゲームにおけるビヘイビアツリー
RPGにおけるビヘイビアツリー
6.4 シミュレーションベースの意思決定
レーシングゲームの例
さまざまなゲームにおけるシミュレーションベースの考え方
キャラクターの運動への応用
6.5 まとめ
第7章:ナビゲーションAIと地形認識
7.1 生物と環境の関係
空間と環境を認識すること
世界を表現する
7.2 知識表現
敵表現リスト
依存グラフ
意味ネットワーク
事実表現
ルールベース表現
世界表現
7.3 さまざまな世界表現
ウェイポイント、ナビゲーションメッシュ表現と経路検索
ナビメッシュ-ウェイポイント階層表現/マップクラスタリング表現
テリトリー表現
戦術ポイント表現
LOSマップ表現
敵配位マップ
7.4 パス検索
パス検索の黎明期
パス検索の本格的な導入事例
パス検索の広がり
スマートテレイン
3次元のパス検索
ルックアップテーブル法
7.5 意思決定と世界表現
地形の認識
地形の接続情報/最適な戦術位置/状況判断
戦術位置検索システム
ゴールデンパス
影響マップ
7.6 まとめ
第8章:群衆AI
8.1 マルチエージェント
コミュニケーション/メッセージング
階層型アーキテクチャ
ファシリテーター型
ブラックボード/ベルギアンAI/トークンによるタイミング制御
8.2 群衆の作り方
生物の群れ「ボイド」
整列/集合/離散/回避
場の力による群衆生成
ソーシャルな関係を入れた群衆
8.3 街の群衆の作り方の実例
巡回するキャラクター
密度コントロール
イベントと人だかり
交戦キャラクター
商店/働く人々/動物たち
応用:監視兵キャラクターの協調方法
8.4 まとめ
第9章:メタAI──ユーザーを楽しませるために
9.1 古典的メタAI
難易度調整
9.2 現代のメタAI
敵の動的配置
プレイヤーの監視
プレイヤーの感情推定
メタAIとプロシージャル技術
地形生成/物語生成
メタAIの内部構造
ユーザー解析技術
メタAIのほかの分野への応用
スマートシティ構想/複数台のロボットの協調
現代的なメタAIのさらなる発展
9.3 まとめ
第10章:生態学的人工知能とキャラクターの身体性
10.1 エージェントアーキテクチャの発展
生物学における環世界
認知科学におけるアフォーダンス
環世界、知識表現、アフォーダンス
多層構造
知能の多層構造
主体と対象の階層化
10.2 キャラクターの身体システム
身体と知能をつなぐ
意識/無意識構造──身体からの認識
人工身体モジュールと人工知能モジュールをつなぐ
身体レイヤ
10.3 多層レイヤシステムの実例
10.4 キャラクターモーションシステムの発展
身体からのフィードバック
ベルンシュタインの身体運動論
身体能力の認識
運動感覚の形成
ニューラルネットワークによる身体運動
10.5 まとめ
第11章:学習、進化、プロシージャル技術
11.1 学習/進化アルゴリズムのゲームへの応用の歴史
1980～1990年代中盤
1990年代後半
2000年代
2010年代
11.2 学習/進化アルゴリズムの事例
『Creatures』におけるニューラルネットワーク
1990年代の日本のゲームシーンにおける学習/進化アルゴリズム
『アストロノーカ』における遺伝的アルゴリズム/『シーマン』における自然言語会話
マイクロソフトリサーチにおける機械学習の研究
『Forza Motorsport』シリーズにおける機械学習
『Killer Instinct』におけるケースベーストリーゾニング
『Total War』におけるモンテカルロ木探索
格闘ゲームにおけるニューラルネットワーク
11.3 プロシージャル技術
プロシージャル技術の始まり
ダンジョン自動生成
自然地形の自動生成
植物自動生成と植物自動配置
街自動生成
ゲームエンジンにおける総合型ゲームレベル自動生成技術
11.4 まとめ──学習、進化、プロシージャル技術の展望
第12章:ゲーム開発の品質保証/デバッグにおける人工知能技術の応用
12.1 ゲーム開発環境/デバッグ/品質保証における人工知能技術
12.2 ゲーム開発工程(ゲーム開発者)を助けるAI
パラメータ調整
ゲーム自動バランス/自動調整
12.3 ゲームサービスを支援するAI
データビジュアリゼーション
12.4 ゲーム品質保証のためのAI
人工知能による自動プレイ
システムテスト
ログデータの活用
強化学習
『Assassin's Creed Origins』における自動解析システム
ディープラーニングのゲームへの応用
ディープラーニングの躍進と課題/品質保証とディープラーニング
ボットを用いた品質保証
12.5 まとめ
あとがきと謝辞
索引
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
↓全て表示↑少なく表示
ゲームAI参考書「新書一覧(2021年、2022年刊行)」
IT技術・プログラミング言語は、最新情報のキャッチアップも非常に重要、すなわち新書は要チェック。
ということで、2020年以降に発売したゲームAI参考書の新書一覧(発売日の新しい順)が以下です。
(2024/12/02 12:21 更新)
| 製品 | 価格 |
|---|---|
 月収100万円以上も夢じゃない！AI＜人工知能＞×ゲーム副業の極意: 【未来のテクノロジーを活用した収入源の構築】... 発売日 2023/09/18 テクノロジー＆ゲームデザイン研究会 Kindle Unlimited対象 総合評価 | 250円 |
| |
| |
 | 99円 |
 | 99円 |
99円 | |
 | 500円 |
 AI（人工知能）活用術 個人で稼ごう！AI使わなきゃ損！損！損！AI×エンタメ: （AIアシスタント）（AIエンタメ）（音楽制作）（映像制作... 発売日 2023/05/08 AIエンタメ発信上西暖 Kindle Unlimited対象 | 298円 |
 | 1,000円 |
 「Pythonで出来る事」: Pythonは、Web開発、データ分析、AI開発、ゲーム開発など、様々な分野で使用されています。... 発売日 2023/01/24 ハック｜Python自動化の魔術師 (Python) Kindle Unlimited対象 | 980円 |
| |
| |
| |
 AIとリスト処理の80年代史: 惨劇のプロローグ! セルゲーム開幕! アトム参戦! メガセルの逆襲!... 発売日 2020/08/16 川俣 晶 (株式会社ピーデー) Kindle Unlimited対象 総合評価 | 398円 |
| |
| |
| |
| |
| |
|
ゲームAI参考書「Kindle Unlimited 読み放題 人気本ランキング」
「Kindle Unlimited」は、Amazonの定額本読み放題サービス。
最近はKindle Unlimitedで読める本もどんどん増えており、雑誌、ビジネス書、実用書などは充実のラインナップ。
以下がKindle Unlimitedで読み放題となるゲームAI参考書の一覧です。
30日無料体験も可能なので、読みたい本があれば体験期間で無料で読むことも可能です。
(2024/12/02 12:21 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 | AI（人工知能）活用術 個人で稼ごう！AI使わなきゃ損！損！損！AI×エンタメ: （AIアシスタント）（AIエンタメ）（音楽制作）（映像制作... 発売日 2023/05/08 AIエンタメ発信上西暖 Kindle Unlimited対象 | 298円 |
2 | 99円 | |
3 | | 1,000円 |
4 | AIとリスト処理の80年代史: 惨劇のプロローグ! セルゲーム開幕! アトム参戦! メガセルの逆襲!... 発売日 2020/08/16 川俣 晶 (株式会社ピーデー) Kindle Unlimited対象 総合評価 | 398円 |
5 | 「Pythonで出来る事」: Pythonは、Web開発、データ分析、AI開発、ゲーム開発など、様々な分野で使用されています。... 発売日 2023/01/24 ハック｜Python自動化の魔術師 (Python) Kindle Unlimited対象 | 980円 |
6 | 月収100万円以上も夢じゃない！AI＜人工知能＞×ゲーム副業の極意: 【未来のテクノロジーを活用した収入源の構築】... 発売日 2023/09/18 テクノロジー＆ゲームデザイン研究会 Kindle Unlimited対象 総合評価 | 250円 |
7 | | 99円 |
8 | | 500円 |
9 | | 99円 |
動画編：本より高コスパ？「Udemy ゲームAI おすすめ講座」
UdemyではゲームAIを基礎から応用までトータルで学べる学習講座があります。
こちらが、セール時には2千円程度で購入可能で、講座によっては本よりコスパよく学習が可能です。
講座は、買い切り型ながら更新あり、質問可能、30日間返金も可能、という本以上の手厚いサポートがあるのが魅力。
以下の表が、ゲームAIの学習講座例。セールの場合、かなりおすすめなのでぜひトライしてみください。
| 人気 Rank | 学習コース | 評価 |
|---|---|---|
1 |  Unity ゲーム開発：インディーゲームクリエイターが教える C#の基礎からゲームリリースまで【スタジオしまづ】... 発売日 2019/04/19 受講者 14,534人 通常 27,800円 現在 27,800円 | 総評価数 1742件 |
2 |  Unityゲーム開発入門：Unityインストラクターが教えるマリオ風2Dアクションゲームを作成する方法【スタジオしまづ】... 発売日 2019/07/25 受講者 7,690人 通常 27,800円 現在 27,800円 | 総評価数 1176件 |
3 |  | 総評価数 28件 |
4 |  | 総評価数 319件 |
5 |  | 総評価数 208件 |
関連：ゲーム開発に関する参考書
以下ではゲーム開発全般に有用な書籍をまとめています、合わせてのぞいて見てください。
また、ゲームエンジン「Unity」「Unreal Engine 4」 に関する書籍も以下でまとめています、こちらも合わせてのぞいて見てください。
いじょうでっす。
コメント
alxc08