ほぼ30年前、私は最初の商業プロジェクトに取り組んでいました。 スティーブデイビスワールドスヌーカーは、コンピュータープレーヤーが登場した最初のビリヤードゲームの1つです。 私が作成した人工知能は非常に簡単でした。 コンピューターは、ポケットに押し込むことができる最高の「価値」を持つボールを選択し、それを打ちました。

彼はすべてのボールの正確な位置を知っていたので、毎回打つのはとても簡単でした。 しかし、これは最高レベルの複雑さにのみ適していて、イージーモードには、衝撃時にランダムな角度偏差を人工知能に追加しただけです。

プロジェクトの終了までに、顧客はAIが「非常に優れている」ことを知らせてくれました。 困惑しました。 私は彼がエキスパートモードでコンピューターの精度を少し下げることを決めた。 したがって、私はそうしました。 しかし、その後、精度の低下に関する苦情を聞きましたが、同時に、AIはあまりにも優れたままでした。

最後に、顧客は私たちのオフィスを訪問し、自分の考えを個人的に示しました。 実際、彼らは「簡単な」モードが問題であると考えていることが徐々に明らかになりました。

彼らはコンピュータがしばしば見逃したことを好んだが、彼らはその定位置ゲームがあまりにも良いと思った。 コンピューターは常に白いボールを便利な位置に置いたり、別のボールに対して安全な位置に置いたり、有利な位置に置いたりすることが判明しました。 彼らはそれを変えたかったのです。

問題は、AIにポジショナルゲームがなかったことです！ 白いボールの最終的な位置は、実際には完全にランダムでした。 AIは、キューボールが正しいボールに当たってポケットに打ち込む位置を計算しました。

次に、角度と特定の精度係数を考慮して、所望の距離に比例した速度でこの方向にボールを打ちました。 打撃後の白いボールの位置は計算されず、非常に頻繁にポケットに入れられました。

それで、問題は何でしたか？ 実際に完全にランダムである場合、顧客はAIが「あまりにも良い」と感じたのはなぜですか？



人々はコンピューターの敵をアニメーション化する傾向があります。 私たちは、人が同様の状況で行ったように、コンピューターが思考プロセスを実行すると考えています。

ボールが有利な位置で停止することがわかり、コンピューターがそれを考えたと考えています。

この効果は、コンピューターがどこからでもボールを獲得する能力によって補完されます。つまり、コンピューターにとっては、すべてのポジションが等しく有益です。

したがって、彼はまったく位置のプレーを心配することなく、ボールを次々と打つことができます。 人はすべてのヒットでボールを獲得できないため、プレーヤーはコンピューターが位置ゲームを使用していると想定します。

設計またはコード？

これは設計またはコードの問題ですか？ これはある程度、ゲームのタイプと、AI制御の対戦相手がプレイヤーと同じ状況にある人を意図的に模倣するかどうかによって異なります。

たとえば、ビリヤード、チェス、ポーカーなどの1対1のゲームでは、AIの決定は純粋なコードレベルで非常に決定的です。 たとえば、FPSの「すべてに対して1対1」のゲームでは、通常、対戦相手は人よりも弱いことが予想されます。

結局、あなたは一人の人が敵の無限の大群と戦っている状況にいます。 他のジャンル、特にレーシングゲームでは、プレーヤーは対等な相手に立ち向かいます。 ここで、予想されるAIのレベルは、チェスAIとFPSの間のどこかにあります。

コンピュータAIが生きている人の行動を模倣しなければならないほど、このタスクはプログラマにかかっています。 ほとんどのチェスゲームAIはプログラマーによって作成されます。 ゲームデザイナーは、プレゼンテーションに重点を置いています。

FPSでは、コードは通常、チェスAIよりもはるかに単純です。 パス検索アルゴリズム、状態遷移、および基本的な動作があります。

行動コンテンツの大部分は、通常はスクリプトの形式でゲームデザイナーによって作成されます。 さらに、設計者は、人間の行動を模倣するアクション、目標、および反応をコーディングする責任があります。

一対一！

チェスやビリヤードなどの1対1のゲームでは、コンピューターがプレーヤーよりも大きな利点があります。 たとえば、フリッツなどの最新のチェスプログラムは、ほとんどすべてのコンピュータープレーヤーよりも強力です。

ビリヤードでは、見逃さないようにコンピューターをプログラムできます。 ただし、人々は自分のスキルに合った敵とプレイしたいので、通常、ゲームにはプレイヤーが選択するいくつかのAIレベルがあります。

AIに愚かさを追加する最も簡単な方法は、実行できる計算の量を減らすことです。 チェスAIは、移動を選択するときに通常、数十億の計算を実行します。 彼の計算が多ければ多いほど（そして彼が費やす時間が多ければ多いほど）、（通常）コンピューターはより良くプレイできるようになります。 実行する計算の数を減らすと、コンピューターのパフォーマンスが低下します。

このアプローチの問題は、コンピュータープレーヤーのリアリズムが低下することです。 計算の数が減るにつれて、AIは信じられないほど愚かな間違いを犯し始めます。 愚かなので、一人では作れない。 ゲームの人為的な性質が明らかになり、実際の相手との対立の幻想を破壊します。

達成したいことを忘れないでください。人々に面白いゲームプレイをしてもらいたいのです。 ゲームのタイプに関係なく、プレーヤーが複雑に感じて、勝ったときに達成感が得られるようにします。 私たちは、プレーヤーが本当に彼らを打ち負かしたい誰かと戦っているという感覚を作り出す必要があります。

計算の数を減らすことで、勝つことを試みるAIを作成しますが、AIが非常に制限されているため、非現実的なゲームプレイにつながります。 しかし、プレイヤーはゲームのロジックで何が起こるかを本当に気にしますか？ AIを削減しないで、代わりに完全な強さでプレイさせ、意図的にゲームを「ドレイン」できる場合はどうでしょうか。

意図的な損失

スポーツでは、ゲームをマージするということは、パーティーの1つが一連の意図的なミスを行い、自然に見えるが損失につながることを意味します。 プレーヤーとファンは、この行動を本当に非難します。なぜなら、競争は2つの同等のライバル間、または少なくとも2つのライバル間で行われ、等しく勝利を目指しているからです。

しかし、コンピューターゲームでは、対等な相手を見つけることは不可能です。 それらには、人と機械の闘争があります。 一方には1秒あたり数十億の計算という利点があり、もう一方には非常に優れた並列処理機能を備えた人間の脳があります。

ここでの平等は幻想であり、意図的な間違いと人為的な愚かさの助けを借りて、この幻想を強化し支援したいと考えています。

ゲームを面白くするには、コンピューターが意図的に負けなければなりません。 コンピューターを倒したとき、これは幻想です。 コンピューターで勝つことができます。 私たちは彼に私たちに勝たせたいだけなのに、それが面白いと感じるように。

AIプログラマーはこの考えに慣れる必要があります。 ゲームを操作し、人為的な愚かさ、偽りの愚かさを作り出します。 ただし、ゲームの結果は事前に決定されていません。

負けるようにAIを構成するのではなく、プレイヤーに合理的な勝利のチャンスを与えます。 人のプレイが下手な場合、AIは勝つことができますが、プレイヤーは少なくとも強い相手をほぼ倒したと感じ、別のゲームの準備ができます。

隠されたハンディキャップ

コンピューターチェスのスペシャリスト、スティーブンロペス（参考文献を参照）は、一流のプレイヤーがゲームの開始時にはるかに弱いアドバンテージを与え、ボードから彼のピースの一部を除去することは、人々間のゲームでは許容できると言います。

ゲームが始まるとき、経験豊富なプレイヤーと初心者はまだ彼らのスキルのレベルでプレーしますが、ゲームはよりバランスが取れています。 マスターは、初心者にチャンスを与えるために「バカ」をする必要はありません。

ただし、コンピューターと対戦する人は、そのような利点が与えられた場合にコンピューターを好まず、ボードとほぼ同じレベルでAIと対戦することを好みます。

フリッツのプログラマーは、この解決策を見つけました。AIは、（少し考えただけで）人が役職や人物で優位に立つために使用できる状況を独自に作成します。 プレイヤーがそのようなアドバンテージを獲得した後、AIはプレイを続け、勝利を目指します。

ここでは、AIは決して「バカ」になりません。 いずれにせよ、実際には少し複雑な計算が実行されます。

AIの目標は、「ゲームに勝つために努力する」ことではなく、「あたかも勝者になろうとしているように振る舞うが、1つのポーンで人にアドバンテージを与え、勝つために努力すること」です。 AIは、知能が低下しているように見えるために、よりスマートでなければなりません。

ポーカーAI

Left FieldのWorld Series of PokerにAIをプログラムしたとき、AIの計算は基本的にすべての難易度で同じでした。

既知のカードに基づいて、コンピューターは勝つ可能性を計算し、賭けの履歴に基づいて相手の手の強さを推定しました。 次に、チャンスを使用して収益性のレベルを計算し、それに基づいて（賭けを保存、回答、または上げる）決定が行われました。

多くの特別なルールと例外がありますが、全体としてはそれだけです。 人工プレーヤーは同じ複雑な計算を行い、数万のハンドをシミュレートして収益性を計算しました。

そして、これらの計算が完了して初めて差別化が行われました。 この段階で、強いプレイヤーはベストな動きを選択し、弱いAIは意図的なミスを犯しました。

弱いポーカーAIの場合、意図的な間違いは、何をする必要があるかを考え、それからそれをするのではなく、同時に愚かに見えないように努力する必要があります。

たとえば、ライブプレイヤーがベットを大幅に増やしても、AIが75％の確率で最強のハンドを持っていることを知っている場合、意図的なミスによってセーブします。 AIが勝つ可能性は非常に高くなりますが、弱いプレーヤーの行動をシミュレートし、弱いプレーヤーはチャンスがわからないときに高い賭けでしばしばパスします。

逆に、弱いライブプレーヤーは、チャンスが少ないときに応答することがよくあります。 これは自然な動作であり、コンピュータープレーヤーの能力を低下させることができます。 しかし、彼は人為的に愚かに見えることはありません。



このような意図的なエラーは、確率的な方法で実装されました。 愚かさをシミュレートするAIは、ライブプレイヤーがブラフしているように見えるとき、常に合格しませんでした。

このアプローチは、高度なランダム性を備えたゲームであるポーカーでは非常にうまく機能しました。プレーヤーは、特定の状況でAIが実際にミスを犯していることを理解できないためです。

とにかくAIはすべての計算を実行したため、非人道的に愚かな間違いを犯すことはありませんでした。 人為的な愚かさのレベルは、無謀さを増すことによって導入されました。それにより、弱くて中程度のプレイヤーがゲームを楽しむことができました。

人工的な不正確さ

ビリヤードやシューターでは、コンピューターAIには絶対的な精度があります。 10億分の1インチまでのシューティングゲームのAIは、プレイヤーがどこにいるかを知っており、5キロメートルの距離でリスを目にすることができます。 ビリヤードでも同じことが言えます。AIは各ボールの位置を認識しており、ボールが当たる前でもすべてのボールの最終位置を計算できます。

私がスヌーカー用のAIを作成したとき、彼はボールを2つの側面から正確にポケットに入れて、ほぼ常に最大数のポイントを獲得することができました（位置遊びがないために白いボールをポケットに入れた場合を除く）。

そのような相手と対戦するのは面白くないことは明らかでした。したがって、最高レベルであっても、精度を下げる必要があり、側面のヒット数を制限する必要があります。

AIの精度を単純に低下させることは、常にゲームプレイを改善する最良の方法とは限りません。 スヌーカーでの「ポジショナルゲーム」の例でわかったように、コンピューターに有利なランダムな結果は意図的なものとして認識されます。 ボールが適切な位置で停止した場合、またはポーカーAIが最後のカードで成功して応答し、勝った場合、これは不正直または詐欺であると認識されます。

したがって、精度を下げる代わりに、精度を上げることを提案しました。 興味深くダイナミックなゲームプレイを提供するために、AIはプレイヤーが利用できる状況を操作および作成する必要があります。

ビリヤードでは、キューボールがどこで止まるかわからない非ランダムヒットを行う必要があります。 AIは意図的にホールをミスし、プレーヤーが成功したショットを行える場所でボールを停止する必要があります。

シューティングゲームでは、敵は盲目的にカバーから飛び出すだけでなく、プレイヤーが近くにいてその方向に移動するときに開く必要がある場合があります。 ゲームをより面白くするために、それらは彼の射線に沿って「ランダムに」置き換えられるべきです。

ラッキードロー

完璧な相手と対戦するのは面白くない。 しかし、「障害」に対する勝利には、何も魅力的ではありません。 より興味深いゲームプレイを作成するには、人為的な愚かさと意図的なエラーの概念を導入する必要があります。

意図的なエラーは、AI側の見落としのように見えますが、実際には、プレーヤーをより楽しくするためにゲームを「ドレイン」するために慎重に計算された方法です。 同時に、プレイヤーはまだ一定レベルのスキルを必要としているため、競争はどこにも行きません。

プログラマーにとって、意図的なエラーを追加することは、単にAIの精度を低下させることよりも常に困難ですが、プレイヤーにより楽しいゲームプレイを提供します。

参照資料

ライデン、ラース。 「人工的な愚かさ：意図的な間違いの芸術」、AIゲームプログラミングの知恵2、チャールズリバーメディア、2004年。http：//lars.liden.cc/Publications/Downloads/2003_AIWisdom.pdf

ロペス、スティーブン。 Intelligent Mistakes、Chessbase News、2005。http ： //www.chessbase.com/newsdetail.asp？newsid = 2579