Submit Search
人狼知能コンテストとは何か
Download as PPTX, PDF
2 likes
2,202 views
Fujio Toriumi
2015年人工知能学会研究会合同研究会 人狼知能30周年記念人狼知能大会キックオフ資料
Science
Read more
1 of 42
Download now
Download to read offline
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
More Related Content
PDF
ゲームAIとマルチエージェント(上)
Youichiro Miyake
PPTX
ポーカーAIの最新動向 20171031
Jun Okumura
PPTX
ゲーム制作初心者が知るべき8つのこと
MASA_T_O
PDF
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
Kenshi Abe
PDF
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
佑 甲野
PPTX
海鳥の経路予測のための逆強化学習
Tsubasa Hirakawa
PPTX
『ゲームAI技術入門』講義用素材
Youichiro Miyake
PDF
『逆転オセロニア』における バンディットアルゴリズムおよび強化学習を用いた 対戦環境のバランス設計支援
TakumaYoshimura
ゲームAIとマルチエージェント(上)
Youichiro Miyake
ポーカーAIの最新動向 20171031
Jun Okumura
ゲーム制作初心者が知るべき8つのこと
MASA_T_O
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
Kenshi Abe
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
佑 甲野
海鳥の経路予測のための逆強化学習
Tsubasa Hirakawa
『ゲームAI技術入門』講義用素材
Youichiro Miyake
『逆転オセロニア』における バンディットアルゴリズムおよび強化学習を用いた 対戦環境のバランス設計支援
TakumaYoshimura
What's hot
(20)
PDF
Deep Counterfactual Regret Minimization
Kenshi Abe
PPTX
DRIVE CHARTを支えるAI技術
Yusuke Uchida
PDF
ゲームAIの中の数学(上)
Youichiro Miyake
PPTX
ゲームの中の人工知能
Youichiro Miyake
PDF
スマートシティ、ゲームエンジン、人工知能
Youichiro Miyake
PDF
機械学習概論 講義テキスト
Etsuji Nakai
PPTX
XAI (説明可能なAI) の必要性
西岡 賢一郎
PPTX
時代遅れと言われようとMdaフレームワークの紹介
MaxNeetGames
PDF
“機械学習の説明”の信頼性
Satoshi Hara
PDF
『逆転オセロニア 』における、機械学習モデルを用いたデッキのアーキタイプ抽出とゲーム運用への活用
RyoAdachi
PDF
ゼロから学ぶゲーム理論
Yosuke YASUDA
PPTX
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
Shota Imai
PDF
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
PDF
ChatGPTがもたらす未来予測
Koji Fukuoka
PDF
【論文紹介】PGQ: Combining Policy Gradient And Q-learning
Sotetsu KOYAMADA(小山田創哲)
PDF
20160417dlibによる顔器官検出
Takuya Minagawa
PDF
多様な強化学習の概念と課題認識
佑 甲野
PDF
[DL輪読会]Deep Learning 第5章 機械学習の基礎
Deep Learning JP
PDF
DQNからRainbowまで 〜深層強化学習の最新動向〜
Jun Okumura
PDF
実務と論文で学ぶジョブレコメンデーション最前線2022
Teruyuki Sakaue
Deep Counterfactual Regret Minimization
Kenshi Abe
DRIVE CHARTを支えるAI技術
Yusuke Uchida
ゲームAIの中の数学(上)
Youichiro Miyake
ゲームの中の人工知能
Youichiro Miyake
スマートシティ、ゲームエンジン、人工知能
Youichiro Miyake
機械学習概論 講義テキスト
Etsuji Nakai
XAI (説明可能なAI) の必要性
西岡 賢一郎
時代遅れと言われようとMdaフレームワークの紹介
MaxNeetGames
“機械学習の説明”の信頼性
Satoshi Hara
『逆転オセロニア 』における、機械学習モデルを用いたデッキのアーキタイプ抽出とゲーム運用への活用
RyoAdachi
ゼロから学ぶゲーム理論
Yosuke YASUDA
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
Shota Imai
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
ChatGPTがもたらす未来予測
Koji Fukuoka
【論文紹介】PGQ: Combining Policy Gradient And Q-learning
Sotetsu KOYAMADA(小山田創哲)
20160417dlibによる顔器官検出
Takuya Minagawa
多様な強化学習の概念と課題認識
佑 甲野
[DL輪読会]Deep Learning 第5章 機械学習の基礎
Deep Learning JP
DQNからRainbowまで 〜深層強化学習の最新動向〜
Jun Okumura
実務と論文で学ぶジョブレコメンデーション最前線2022
Teruyuki Sakaue
Ad
More from Fujio Toriumi
(16)
PDF
新しい言論空間がもたらす社会的リスクとその解決~計算社会科学による情報的健康の実現~
Fujio Toriumi
PDF
「計算社会科学入門」5章 ネットワーク
Fujio Toriumi
PDF
ソーシャルデータからどこまで社会を見られるか
Fujio Toriumi
PDF
計算社会科学におけるWebマイニング
Fujio Toriumi
PPTX
人狼知能セミナー資料2017(案)0.4.5対応版
Fujio Toriumi
PPTX
AI Wolf Contest -Development of Game AI using Collective Intelligence-
Fujio Toriumi
PPTX
ネットコミュニケーションにおけるリスク分析
Fujio Toriumi
PPTX
人狼知能セミナー資料20160507
Fujio Toriumi
PPTX
人狼知能セミナー資料20160427
Fujio Toriumi
PPTX
Yet Another ShortShort AI
Fujio Toriumi
PPTX
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
Fujio Toriumi
PPTX
金融情報における時系列分析
Fujio Toriumi
PPTX
SNS とゲーム理論~人はなぜ投稿するのか?~
Fujio Toriumi
PDF
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
Fujio Toriumi
PPTX
「人工知能」の表紙に関するTweetの分析・続報
Fujio Toriumi
PPTX
人工知能は人狼の夢を見るか-日本デジタルゲーム学会年次大会2013@函館
Fujio Toriumi
新しい言論空間がもたらす社会的リスクとその解決~計算社会科学による情報的健康の実現~
Fujio Toriumi
「計算社会科学入門」5章 ネットワーク
Fujio Toriumi
ソーシャルデータからどこまで社会を見られるか
Fujio Toriumi
計算社会科学におけるWebマイニング
Fujio Toriumi
人狼知能セミナー資料2017(案)0.4.5対応版
Fujio Toriumi
AI Wolf Contest -Development of Game AI using Collective Intelligence-
Fujio Toriumi
ネットコミュニケーションにおけるリスク分析
Fujio Toriumi
人狼知能セミナー資料20160507
Fujio Toriumi
人狼知能セミナー資料20160427
Fujio Toriumi
Yet Another ShortShort AI
Fujio Toriumi
脱初心者!経験は人狼力を向上させるのか?~データから見るベテランの実力~
Fujio Toriumi
金融情報における時系列分析
Fujio Toriumi
SNS とゲーム理論~人はなぜ投稿するのか?~
Fujio Toriumi
人工知能は人狼の夢を見るか~人狼知能セミナー20141119
Fujio Toriumi
「人工知能」の表紙に関するTweetの分析・続報
Fujio Toriumi
人工知能は人狼の夢を見るか-日本デジタルゲーム学会年次大会2013@函館
Fujio Toriumi
Ad
人狼知能コンテストとは何か
1.
「人狼知能コンテスト」とは何か ~人狼知能プロジェクト~ 東京大学大学院工学系研究科 鳥海不二夫 2015/11/12 人工知能学会研究会合同研究会 「人狼知能コンテスト」キックオフ
2.
2015年10月16日 「コンピュータ将棋プロジェクト」終了宣言
3.
コンピュータvs人間の歴史 • 1997年チェス – ディープブルーがチェスチャンピオンに勝利 •
2013年将棋 – コンピュータがプロ棋士に勝利 • 2050年サッカー – ロボットによるチームが ワールドカップ優勝チームに勝利(予定)
4.
コンピュータvs人間の歴史 • 2001年 – HAL9000の反乱 •
2004年 – SkyNetによる核戦争勃発 • 2045年 – シンギュラリティ • 2050年 – MATRIXによる人類支配
5.
完全ゲームと不完全情報ゲーム • 完全情報ゲーム – お互いの情報が完全に与えられているゲーム –
将棋,囲碁,チェスなど – 機械学習などの適用 • 不完全情報ゲーム – ゲーム情報が完全には与えられていないゲーム – ポーカー,麻雀など – 「予測」「推定」技術の発展が重要
6.
アナログゲームと定式化 • アナログゲーム – 将棋などのテーブルゲーム –
電源不要ゲーム • アナログゲームの定式化 – 将棋・囲碁・ポーカー:状況と可能手が有限 – 定式化が容易 – 機械学習に注力可能
7.
将棋・チェス・オセロ 完全情報ゲーム・デジタル化可能 プロに勝利するレベルに到達 不完全情報ゲーム 定式化困難ゲーム ゲームにおける人工知能
8.
汝は人狼なりや • 人間陣営を人狼陣営に分かれてプレイ • 各プレイヤの陣営は非公開 –
不完全情報 • 会話によってゲームが進行 – 自由対話の中から情報を推測 – デジタル化困難 不完全情報ゲーム 定式化困難ゲーム
9.
人狼知能プロジェクト • 「人間と自然なコミュニケーションを取りながら 人狼をプレイできるエージェントの構築」 – より高度な知能の創出 –
より高度なコミュニケーションの実現 新しいエージェントの 標準問題として
10.
人狼とは • 誰が人狼かを一定時間の対話で推測 • 追放と襲撃を繰り返し –
人狼:村人と人狼を同数にする – 村人:人狼をすべて追放する • 村人:会話をヒントに人狼を追放 • 人狼:追放されないように村人 のフリをする
11.
人狼ゲームの歴史 • 人狼の歴史 – 1986年:
ソ連で誕生 • Mafia(Russia/USSR) – 2001年: 標準化 • Are you werewolf? (USA) – 2002年~ : 役職の誕生 • Lupus in Tabula (Italy) • The Werewolves of Miller's Hollow (France) – 2003年~ : オンライン人狼 • 人狼BBSとそのクローン • 匿名化・長期化・人狼側の ディスカッション – 2012年~: 魅せる人狼 • 人狼演劇(TLPT) • テレビ放送・映画等
12.
人狼とは
13.
議論 私は村人 ですよ この人 怪しい 私は占い 師です 俺が占い師 だ
14.
投票 投票 追放
15.
襲撃 襲撃 死亡
16.
勝利条件・村人 人狼が全て追放されれば 村人の勝利
17.
勝利条件・人狼 人狼と村人の数が同じになれば 人狼の勝利
18.
占い師(予言者) 人狼じゃ 無い 人狼だ!
19.
霊媒師 追放 人狼じゃ 無い
20.
ボディーガード(狩人) 護衛
21.
狂人(裏切り者)
22.
役職 • プレイヤー役職(能力) – 村人:能力無し –
占い師:毎ターン一人のプレイヤーが人狼かどうか 知ることが出来る – 霊媒師:前回追放したプレイヤーが人狼かどうか知 ることが出来る – 狩人:毎ターン一人を人狼の襲撃から守る – 人狼:毎ターン誰かを襲撃できる – 狂人:能力は無いが,人狼陣営に所属 • 能力を駆使して所属する陣営を勝利させる
23.
対面人狼・オンライン人狼 カード型人狼:パーティゲーム • 一試合十数分程度 – 短い会話で嘘がつけるか •
顔が見える環境での競争 – 相手の性格や反応を見る • 狼同士の会話はジェスチャ オンライン型人狼:言語ゲーム • 一試合数日間 – 熟慮した発言が可能 • キャラクターによる匿名化 – 性別や見た目の影響排除 • 狼同士の会話を平衡で行う – コミュニケーションミスの排除
24.
不完全情報ゲームとしての人狼 • 不完全性から生じる技術 – 推理 •
得られた情報が真かどうか不明 • 文脈からの真偽の判定 – 説得 • 自分がこう思っていると相手が思っているだろう • 相手に情報を与えて信頼を得る • 嘘を前提としたコミュニケーション – 誰かが嘘をついていうという状況 • 村人側:自分が語る事をどうやって信用してもらうか • 人狼側:自分が騙る事をどうやって信用してもらうか – 「説得する人工知能」
25.
コミュニケーションの複雑性 • コンピュータと人の対戦自体にまだ壁が存在 – 思考だけでは無い様々な課題 •
人間との自由対話 – コンピュータに理解しやすい世界ではない – 対面対話(音声理解・音声合成) – 自然言語処理(言語理解・言語発話) • 非言語情報 – 人間の表情や仕草の理解 – エージェントが行う表情や仕草
26.
人狼知能実現のための課題 • 人工知能としての課題 – ゲームとしてのプレイ可能性 –
他者の理解・不完全情報の推測 – 「強い」から「面白い」へ • エージェント技術としての課題 – 自然言語処理 • プロトコル上の行動の自然言語化,自然言語の理解 – ヒューマン・エージェント・インタラクション(HAI) • エージェントインターフェースの実装 • 映像や音声による表現
27.
ロードマップ 人工知能による 作成可能性 人間によるプレイの解析 人狼知能の構築 人狼知能エー ジェントの実装 人間と人狼知能の 対戦 • データ分析 • ゲームフレー ムの解析 •
機械学習 • 強化学習 • ルールベース • 大会開催 • バーチャルエー ジェント • 自然言語処理 • 音声対話・表情 分析 • リアルエージェ ント • 強い人狼知能 • 楽しませる人狼知能 • 魅せる人狼知能
28.
ロードマップ 人工知能による 作成可能性 人間によるプレイの解析 人狼知能の構築 人狼知能エー ジェントの実装 人間と人狼知能の 対戦 • データ分析 • ゲームフレー ムの解析 •
機械学習 • 強化学習 • ルールベース • 大会開催 • バーチャルエー ジェント • 自然言語処理 • 音声対話・表情 分析 • リアルエージェ ント • 強い人狼知能 • 楽しませる人狼知能 • 魅せる人狼知能
29.
人狼知能のエージェント化 • エージェント化に必要な技術は多数 – 画像認識(話者特定,表情からの類推) –
音声対話処理 – 自然言語処理(意味理解) – 推論 – 行動決定 – 自然言語処理(発話生成) – 音声出力 – 表情作成(リアルなプレイのために) 入力 出力 思考
30.
バーチャルエージェント • 人工知能と対面で人狼やりたい – 対面には表情や音声など壁が多い –
バーチャルエージェントならテキストベースで行ける • どうせなら,あの有名キャラに対戦してもらおう 初音ミク:クリプトン・フューチャー・メディア 画像:ちゃっぴー(歌う絵師)さん 異議あり! ミクさんは 間違ってい ます ちゃんと説 明しろ,ミ ク! 人狼はミク さんです. 人狼知能対戦のイメージ
31.
人狼知能(AI)対戦のログ再生プレーヤ を作ってみた[小林15] • Unityによる対戦プレーヤによる再生
32.
身体性を持ったエージェント
33.
ロードマップ 人工知能による 作成可能性 人間によるプレイの解析 人狼知能の構築 人狼知能エー ジェントの実装 人間と人狼知能の 対戦 • データ分析 • ゲームフレー ムの解析 •
機械学習 • 強化学習 • ルールベース • 大会開催 • バーチャルエー ジェント • 自然言語処理 • 音声対話・表情 分析 • リアルエージェ ント • 強い人狼知能 • 楽しませる人狼知能 • 魅せる人狼知能
34.
• 第一回人狼知能大会 – CEDEC2015 –
2015年8月27日 人狼知能大会
35.
大会概要 • 参加登録チーム数 78チーム –
学生チーム:42 / 78 チーム (0.53) • 予選参加チーム 38チーム – 学生チーム:24 / 38 チーム (0.63) • 決勝参加チーム 15チーム – 学生チーム:7 / 15 チーム (0.47)
36.
多数の取材
37.
決勝の一試合の模様
38.
決勝結果順位 名前 村人 占い
霊媒 狩人 狂人 人狼 総合 饂飩 1 1 7 1 1 1 1 働きの悪い村 4 2 8 2 4 3 2 Satsuki 3 3 3 8 14 2 3 wasabi 2 11 12 4 5 4 4 GofukuLab 10 7 1 5 3 5 5 IPA 9 4 9 10 8 6 6 iace10442 11 9 4 6 2 12 7 平兀 6 10 15 3 6 10 8 Y・Y 14 5 10 7 12 7 9 swingby 5 14 2 15 11 8 10 itolab 13 6 11 11 7 13 11 Team Fenrir 8 13 5 12 10 11 12 中村人 12 8 13 13 15 9 13 CanvasSoft 7 15 6 9 9 14 14 昼休みはいつも人狼でつぶれる 15 12 14 14 13 15 15
39.
<人工知能学会30周年記念事業> 「人狼知能」大会@CEDEC2016 JSAI×CEDEC
40.
今後のスケジュール 2015年 12月 大会運営委員会立ち上げ ※人狼知能標準ルールの策定 ※評価方式、対戦方式、予備予選の検討 人狼サーババージョン0.3.0公開予定 2016年 03月8-9日 ゲームAIコンペ大会@電通大 04月上旬
大会方式、ルールの公開 06月01日 サーババージョン確定、登録受付開始 07月上旬 予備予選開始(登録〆切 n 日前まで) 07月中旬 登録〆切 08月08日 プログラム〆切 予選1週間、決勝進出チーム確定 予選敗退チームバイナリ公開 08月16日 決勝進出プログラム提出 決勝1週間 08月下旬 人狼知能大会@CEDEC2016
41.
人狼知能エージェント開発支援 • セミナを開催 – 勉強会 •
2015年11月15日 – ※第1回大会の優勝者が講師 – まだ数名の猶予があります – 入門セミナ (2016年04, 05, 06月3回開催) • 東京、大阪、福岡 or 仙台 を検討 – 開発合宿 (2016年07月予定)
42.
http://aiwolf.org
Editor's Notes
#13:
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
#14:
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
#15:
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
#16:
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
#17:
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
#18:
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
#19:
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
#20:
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
#21:
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
#22:
裏切り者を探し出すゲーム 追放 人間対人狼のチーム戦 目的を 人狼を全員発見して追放していく 人狼は人間のふりをしながら人間を多く食べることが目的 人狼を見つけるために役立つ能力
Download