Loading article…
ビデオゲームにおける人工知能（AI）とは、ノンプレイヤーキャラクター（NPC）を制御したり、動的なゲーム動作を生成したり、戦略的な意思決定をシミュレートしたりする計算システムを指します。実際には、この用語は「真の」人工知能というよりも、コンピュータサイエンス、制御理論、ロボット工学から得られた幅広い技術を網羅しています。さらに、自律的な推論や学習の開発を目指す学術的なAIは、プレイヤーにとって魅力的で、信憑性があり、効率的な動作を提供することを目的とするゲームAIとは異なります。ビデオゲームにおけるCPUという用語は、他の状況ではプレイ可能なキャラクターになり得るNPCを制御するAIを指します。
一般的に、ゲームAIは、考えられているように、また時折そう描かれているように、チューリングテストのようなNPCに対応する人工的な人間や汎用人工知能の実現を意味するものではありません。
ゲームAIという用語は、制御理論、ロボット工学、コンピュータグラフィックス、および一般的なコンピュータサイエンスの技術も含む幅広いアルゴリズム群を指すために使用され、そのため、ビデオゲームAIは、そのような技術が必ずしもコンピュータ学習やその他の標準的な基準を促進するわけではなく、「自動計算」またはあらかじめ決められた限られた入力に対するあらかじめ決められた限られた応答のセットを構成するだけであるため、「真のAI」を構成するとは限らない。[ 1 ] [ 2 ] [ 3 ]
ビデオゲーム業界の一部の評論家は、ゲームAIの進歩がプレイヤーとデジタルシステムとのより広範なインタラクション方法を変革したと主張している。しかし、そのような主張は依然として議論の的となっている。マーケティングの議論では、ゲームAIに人格や創造的な自律性といった人間のような特性を帰属させることがあるが、これらは多くの場合、創発的な認知ではなく、複雑さを模倣するように設計されたスクリプト化された行動である。[ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ]
ゲームプレイは、AI の黎明期から研究対象となっていた。AI の最初の例の 1 つは、1941 年に作成され、1942 年に公開されたコンピュータ ゲームNimである。Pong より 20 年も前に作成された当時としては高度な技術であったにもかかわらず、このゲームは比較的小さな箱の形をしており、非常に熟練したプレイヤーに対しても定期的にゲームに勝つことができた。[ 7 ] 1951 年に、マンチェスター大学のFerranti Mark 1マシンを使用して、Christopher Strachey はチェッカープログラムを作成し、 Dietrich Prinz はチェスプログラムを作成しました。[ 8 ]これらは、作成された最初のコンピュータ プログラムの一部である。1950年代半ばから 1960 年代初頭にかけて開発されたArthur Samuelのチェッカー プログラムが、最終的には立派なアマチュアに挑戦できるほどのスキルを獲得した。[ 9 ]チェッカーとチェスの研究は、 1997年にIBMのディープブルーコンピュータがガルリ・カスパロフを破ったことで頂点に達した。 [ 10 ] 1960年代から1970年代初頭に開発された最初のビデオゲーム、例えばSpacewar!、Pong、Gotcha (1973)などは、離散論理に基づいて実装され、AIなしで厳密に2人のプレイヤーの競争に基づいたゲームだった。
敵が登場するシングルプレイヤーモードを備えたゲームは、1970年代に登場し始めた。アーケードゲームで最初に注目すべき作品は、1974年に登場したタイトーの『スピードレース』（レースゲーム）と、アタリの『クワック』（カモ猟用ライトガンシューティングゲーム）と『パースート』（戦闘機ドッグファイトシミュレーター）である。テキストベースのコンピュータゲームである『スタートレック』（1971年）と『ハント・ザ・ワンプス』 （1973年）にも敵が登場した。敵の動きは、保存されたパターンに基づいていた。マイクロプロセッサの導入により、より多くの計算が可能になり、動きのパターンにランダムな要素を重ね合わせることができるようになった。
AI対戦相手というアイデアが広く普及したのは、ビデオアーケードゲームの黄金時代であり、難易度が徐々に上昇し、独特の動きのパターンがあり、プレイヤーの入力に基づくハッシュ関数に依存するゲーム内イベントを備えたスペースインベーダー（1978）の成功によるものでした。ギャラクシアン（1979）は、隊列から離脱する個々の敵の動きなど、より複雑で多様な敵の動きを追加しました。パックマン（1980）は、迷路ゲームにAIパターンを導入し、各敵に異なる個性という奇抜さを加えました。カラテチャンプ（1984）は後に格闘ゲームにAIパターンを導入しました。ファーストクイーン（1988）は、リーダーに従うようにコンピュータのAIによって制御されるキャラクターを特徴とするタクティカルアクションRPGでした。 [ 11 ] [ 12 ]ロールプレイングビデオゲーム「ドラゴンクエストIV 」（1990年）では、「タクティクス」システムが導入され、戦闘中にノンプレイヤーキャラクターのAIルーチンをユーザーが調整できるようになった。このコンセプトは後にアクションロールプレイングゲームのジャンルに「聖剣伝説」（1993年）によって導入された。
『マッデン・フットボール』、『アール・ウィーバー・ベースボール』、『トニー・ラルーサ・ベースボール』といったゲームは、いずれもAIの基盤として、選ばれた著名人のコーチングスタイルやマネジメントスタイルをコンピュータ上で再現しようと試みた。マッデン、ウィーバー、ラルーサは、ゲームの精度を最大限に高めるため、これらのゲーム開発チームと綿密な協力を行った。 後のスポーツゲームでは、ユーザーがAIの変数を「調整」して、プレイヤー独自のマネジメント戦略やコーチング戦略を生成できるようになった。
1990年代に新しいゲームジャンルが登場したことで、有限状態機械などの形式的なAIツールの使用が促されました。リアルタイムストラテジーゲームは、多数のオブジェクト、不完全な情報、経路探索の問題、リアルタイムの意思決定、経済計画など、さまざまな問題でAIに負荷をかけました。[ 13 ]このジャンルの最初のゲームには、悪名高い問題がありました。たとえば、Herzog Zwei (1989) は、経路探索がほぼ壊れており、ユニット制御に非常に基本的な3状態状態機械を使用していました。また、 Dune II (1992) は、プレイヤーの基地を一直線に攻撃し、多数のチートを使用しました。[ 14 ]このジャンルの後期のゲームでは、より洗練されたAIが示されました。
後期のゲームでは、CreaturesやBlack & Whiteのようなゲームにおけるプレイヤーの行動の創発的挙動や評価など、ボトムアップ型のAI手法が採用されている。Façadeは2005年にリリースされ、インタラクティブな多方向対話とAIをゲームの主要な要素として採用した。
ゲームは、ゲームプレイ以外の用途にも応用できる人工知能を開発するための環境を提供してきた。例としては、クイズ番組「ジェパディ！」をプレイするコンピューターであるワトソンや、ロボットがサッカーで競うように訓練されるロボカップトーナメントなどが挙げられる。[ 15 ]
多くの専門家は、ゲームAIという用語の「AI」は過大評価されていると不満を述べています。なぜなら、ゲームAIは知能に関するものではなく、学術分野のAIの目的とはほとんど共通点がないからです。「真のAI」は、機械学習、任意のデータ入力に基づく意思決定、さらには推論能力を持つ強力なAIという究極の目標といった分野を扱っていますが、「ゲームAI」は、優れたゲームプレイ体験を提供するのに十分な、経験則やヒューリスティックといった、せいぜい6つ程度のルールで構成されていることが多いのです。これらのルールは、知能の錯覚を生み出すように設計されており、3つの基本原則に基づいています。それは、プレイヤーがプレイするゲームに人間レベルの知能があると信じたいという欲求、人間が非人間的な存在を擬人化したいという衝動、そして最後に、期待がプレイヤー体験を向上させる力です。これらの原則は、ゲームAIの品質とパフォーマンスにおいてさらに強化され、ロボット的ではなく滑らかなアニメーション、状況に合った対話、プレイヤーを超えた存在理由と個性をAIに与えること、そして状況や環境に対する適切な反応によって、「錯覚を売り込む」のです。[ 16 ]歴史的に、学術的なゲームAIプロジェクトは、学術的なアプローチが単純で拡張性に欠ける傾向があったため、商用製品とは比較的分離されていました。商用ゲームAIは独自のツールセットを開発しており、多くの場合、十分なパフォーマンスを発揮しています。[ 17 ]
ゲーム開発者の間で学術的なAIに対する認識が高まり、学術界でもコンピュータゲームへの関心が高まっていることから、ゲームにおけるAIの定義は、これまでよりも明確になりつつある。とはいえ、AIの応用分野によって大きな違いがあるため、ゲームAIは依然としてAIの独立したサブ分野とみなすことができる。特に、ゲームにおいて不正行為によってAIの問題を合法的に解決できるという点は、重要な違いを生み出す。例えば、ロボット工学にAIを適用する場合、過去の観測から見えない物体の位置を推測することは難しい問題だが、コンピュータゲームではNPCがゲームのシーングラフで位置を調べるだけで済む。このような不正行為は非現実的な挙動につながる可能性があり、必ずしも望ましいとは限らない。しかし、その可能性はゲームAIを特徴づけるものであり、いつ、どのように不正行為を行うべきかといった新たな問題を生み出す。
強力なAIにおける最大の制約は、思考の深さと意思決定プロセスの極めて複雑な性質にある。つまり、理論的には「スマートな」AIを作ることは可能であっても、その実現には相当な処理能力が必要となる。
ゲームAI/ヒューリスティックアルゴリズムは、ゲーム内のさまざまな分野で使用されています。最も分かりやすい例はゲーム内のNPCの制御ですが、現在最も一般的な制御方法は「スクリプト」（決定木）です。 [ 18 ]これらの手書きの決定木は、反復的な動作、没入感の喪失、開発者が想定していなかった状況での異常な動作など、「人工的な愚かさ」をもたらすことがよくあります。[ 19 ]
AI のもう 1 つの一般的な用途であるパスファインディングは、リアルタイム ストラテジーゲームで広く見られます。パスファインディングは、地形、障害物、場合によっては「戦場の霧」を考慮して、マップ上の 1 地点から別の地点へ NPC を移動させる方法を決定する方法です。[ 20 ] [ 21 ]市販のビデオゲームでは、地形を均一な正方形の固定グリッドにマッピングし、 A*やIDA*などのパスファインディング アルゴリズムをグリッドに適用する、高速でシンプルな「グリッド ベースのパスファインディング」がよく使用されます。 [ 22 ] [ 23 ] [ 24 ]固定グリッドの代わりに、一部のゲームでは不規則な多角形を使用し、NPC が歩くことができるマップの領域からナビゲーション メッシュを組み立てます。 [ 22 ] [ 25 ] 3 番目の方法として、開発者が NPC がナビゲートするために使用する「ウェイポイント」を手動で選択すると便利な場合があります。ただし、このようなウェイポイントは不自然に見える動きを生み出す可能性があります。さらに、ウェイポイントは複雑な環境ではナビゲーションメッシュよりもパフォーマンスが劣る傾向があります。[ 26 ] [ 27 ]静的なパスファインディングを超えて、ナビゲーションはゲームAIのサブフィールドであり、NPCに動的な環境でナビゲートする能力を与え、他のエンティティ（他のNPC、プレイヤーなど）との衝突を回避しながらターゲットへのパスを見つけたり、それらと協力したり（グループナビゲーション）することに焦点を当てています。Age of Empires（1997）やCivilization V （2010）のような多数のユニットが登場する動的な戦略ゲームでのナビゲーションは、ユニットが他のユニットの邪魔になることが多く、パフォーマンスが劣ることがよくあります。[ 27 ]
仮想環境における難しい問題を適切に解決するためにゲームAIを改善するよりも、シナリオをより扱いやすく変更する方が費用対効果が高い場合が多い。パスファインディングが特定の障害物で詰まってしまった場合、開発者は最終的にその障害物を移動または削除することになるかもしれない。[ 28 ] Half-Life (1998)では、パスファインディングアルゴリズムが、投げられた手榴弾をすべてのNPCが回避するための合理的な方法を見つけられないことがあった。NPCがよろめきながら避けようとして愚かに見えるリスクを冒すのではなく、開発者は代わりに、その状況でNPCがしゃがんでその場で身を隠すようにスクリプトを作成した。[ 29 ]
現代のビデオゲームの多くは、アクション、ファーストパーソン・シューティング、アドベンチャーといったジャンルに分類されます。これらのゲームのほとんどには、何らかの戦闘要素が含まれています。これらのジャンルにおいて、AIの戦闘能力は非常に重要です。今日では、AIをより人間らしく、あるいは少なくとも人間らしく見せることが共通の目標となっています。
現代のビデオゲームのAIに見られる、より肯定的で効率的な機能の1つは、狩りをする能力です。AIは当初、非常に白黒はっきりとした方法で反応していました。プレイヤーが特定のエリアにいる場合、AIは完全に攻撃的になるか、完全に防御的になるかのどちらかで反応していました。近年、「狩り」の概念が導入されました。この「狩り」状態では、AIはキャラクターが出した音や残した足跡などの現実的なマーカーを探します。[ 30 ]これらの発展により、より複雑なプレイ形式が可能になります。この機能により、プレイヤーは実際に敵に近づく方法や敵を避ける方法を考えることができます。これは、ステルスジャンルで特に普及している機能です。
近年のゲームAIにおけるもう一つの進歩は、「生存本能」の発達です。ゲーム内のコンピュータは、環境内の様々な物体を認識し、それが自身の生存にとって有益か有害かを判断できます。ユーザーと同様に、AIは銃撃戦において、武器のリロードや手榴弾の投擲など、自身を危険にさらすような行動を取る前に、遮蔽物を探すことができます。特定の反応を指示するマーカーを設定することも可能です。例えば、ゲーム中にAIに体力をチェックするコマンドを与えた場合、体力が一定の割合に達したときに特定の反応をするように、さらにコマンドを設定できます。体力が一定の閾値を下回ると、AIはプレイヤーから逃げ出し、別の機能がトリガーされるまでプレイヤーを避けるように設定できます。別の例としては、AIが弾切れに気づいた場合、遮蔽物を見つけてリロードするまでその後ろに隠れる、といった行動が考えられます。このような行動によって、AIはより人間らしく見えるようになります。しかし、この分野にはまだ改善の余地があります。
戦闘AIのもう一つの副作用は、AI制御のキャラクター同士が遭遇した際に発生する。id Softwareのゲーム『 Doom』で初めて有名になった、いわゆる「モンスター同士の内紛」は、特定の状況下で発生することがある。具体的には、敵の攻撃に反応するようにプログラムされたAIエージェントは、仲間の攻撃が近すぎると、互いに攻撃し合うことがある。 『Doom』の場合、公開されているゲームプレイマニュアルには、特定のレベルや難易度設定をクリアするために、モンスター同士の内紛を利用することが推奨されているほどだ。
プロシージャルコンテンツ生成（PCG）は、デザイナーからの最小限の入力でアルゴリズムによってゲーム内コンテンツを自律的に生成するAI技術です。 [ 31 ] PCGは通常、レベル、NPCの会話、サウンドなどのゲーム機能を動的に生成するために使用されます。開発者は、アルゴリズムがコンテンツを作成するように誘導するための特定のパラメータを入力します。PCGは、開発とプレイヤー体験の両方の観点から多くの利点を提供します。ゲームスタジオは、アーティストに費やす費用を削減し、制作時間を節約できます。[ 32 ]プレイヤーは、ゲームをプレイするたびに新しいコンテンツが生成されるため、新鮮で繰り返しプレイできる体験を得ることができます。PCGは、ゲームコンテンツがプレイヤーの行動にリアルタイムで適応することを可能にします。[ 33 ]
生成アルゴリズム（AIの初歩的な形態）は、数十年にわたりレベル作成に使用されてきました。1980年の象徴的なダンジョンクローラーコンピュータゲーム「Rogue」は、その基礎的な例です。プレイヤーは、難易度が上がるダンジョンのレベルを下りて、イェンドールのアミュレットを取り戻すという任務を負います。ダンジョンのレベルは、各ゲームの開始時にアルゴリズムによって生成されます。セーブファイルは、プレイヤーが死亡するたびに削除されます。[ 34 ]アルゴリズムによるダンジョン生成は、アミュレットを取り戻すという目標が毎回同じであるため、そうでなければ存在しないユニークなゲームプレイを生み出します。Rogueから派生したローグライクビデオゲームジャンルは、何らかのプロシージャル生成を使用してほぼ無限のリプレイ性を提供するゲームを特徴としています。[ 35 ]
Rogueのようなゲームに見られるような完全なレベル生成に対する意見は様々です。開発者の中には、生成されたコンテンツの品質に懐疑的で、より「人間らしい」雰囲気の世界を作りたいと考えているため、PCGの使用を控える人もいます。[ 31 ]その結果、PCGは、それ以外は手作りのレベルにおける特定のコンポーネントを生成するためにのみ使用されます。この顕著な例は、Ubisoftの2017年のタクティカルシューター、Tom Clancy's Ghost Recon Wildlandsです。開発者は、実際の地図のデータセットでトレーニングされたパスファインディングアルゴリズムを使用して、ゲーム世界内の手作りの村を縫うように道路網を作成しました。[ 33 ]これは、AIが大量の現実世界のデータを使用できるため、PCGの賢明な使用です。道路の作成は簡単です。しかし、AIに人が住む村を作成するように指示した場合、おそらくニュアンスや微妙な点を見落としてしまうでしょう。
AI が高度化するにつれて、開発者の目標はデータセットからレベルの大規模なリポジトリを作成することにシフトしています。2023 年、ニューヨーク大学とウィットウォーターズランド大学の研究者は、1981 年のパズルゲームSokobanのスタイルでレベルを生成する大規模な言語モデルをトレーニングしました。彼らは、このモデルが難易度やレイアウトなどの特定の要求特性を持つレベルを生成するのに優れていることを発見しました。[ 31 ]しかし、この研究で使用されたような現在のモデルは、効果を発揮するために大規模なレベルのデータセットを必要とします。彼らは、有望ではあるものの、大規模言語モデルの高いデータコストが、このアプリケーションにとってのメリットを上回っていると結論付けました。[ 31 ]この分野の継続的な進歩により、将来的にはより主流の利用につながる可能性が高いです。
ビデオゲームの音楽は、プレイヤーにとってシーンの感情的なトーンを表現する重要な要素です。武器が敵に命中する音などの効果音は、プレイヤーの行動の効果を示すのに役立ちます。これらの効果音をリアルタイムで生成することで、ゲームがプレイヤーの入力により反応するため、プレイヤーにとって魅力的な体験が生まれます。 [ 31 ]例として、2013年のアドベンチャーゲーム「Proteus」では、アルゴリズムがプレイヤーがゲーム内の風景を見ている角度に基づいて音楽を動的に調整します。[ 34 ]
近年のAIの進歩により、開発者の介入を最小限に抑えつつ、変化する要素に基づいて音楽やサウンドを生成できる高度なツールが開発されました。その一例がMetaComposure音楽生成器です。MetaComposureは、リアルタイムのゲームプレイ中に環境の現在のムードに合わせてオリジナルの楽曲を生成するように設計された進化アルゴリズムです。 [ 36 ]このアルゴリズムは、「ムードタグ付け」によってゲーム状態の現在のムードを評価することができます。研究によると、プレイヤーが評価したゲームへの没入度と、動的に生成された楽曲がプレイヤーの現在の感情に正確に一致する場合との間には、統計的に有意な正の相関関係があることが示されています。 [ 37 ]
LLMやMidjourneyやDALL-Eのような拡散モデルで使用されているものと同様の生成ツールがゲーム内の環境を生成するために使用されており、Ubisoftなどの企業は基本的な対話を生成するためにAIを使用する実験を行っていると述べています。[ 38 ] Robloxの開発者は、LLMの手法に基づいて単語を生成するオープンソースAIであるCube 3Dと呼ばれるAIを使用して、プレイヤー向けの3Dオブジェクトを生成しています。[ 39 ]
ゲームAIは、多くの場合、パスファインディングと有限状態機械で構成されます。パスファインディングは、AIをA地点からB地点まで、通常は可能な限り最短の方法で移動させます。状態機械は、異なる動作間の遷移を可能にします。モンテカルロ木探索法[ 40 ]は、プレイヤーが克服すべき追加の障害物を作成することで、より魅力的なゲーム体験を提供します。MCTSは、AIが基本的に三目並べをプレイする木図で構成されています。結果に応じて、プレイヤーにとって次の障害物となる経路を選択します。複雑なビデオゲームでは、プレイヤーが障害物を乗り越えるための複数の戦略を考案できる場合、これらの木にはより多くの枝が含まれる可能性があります。
学術的なAIは、NPCの行動を制御するという従来の懸念事項を超えて、ゲームAIの中で役割を果たす可能性がある。Georgios N. Yannakakisは、4つの潜在的な応用分野を強調した。[ 17 ]
手続き型生成ではなく、一部の研究者は生成敵対ネットワーク（GAN）を使用して新しいコンテンツを作成しています。2018年、コーンウォール大学の研究者は、 Doomの人間が作成した1000のレベルを使用してGANをトレーニングしました。トレーニング後、ニューラルネットワークのプロトタイプは、独自の新しいプレイ可能なレベルを設計することができました。同様に、カリフォルニア大学の研究者は、スーパーマリオのレベルを生成するGANのプロトタイプを作成しました。[ 41 ] 2020年、Nvidiaは、GANで作成されたパックマンのクローンを展示しました。GANは、50,000回（ほとんどがボットによって生成された）のプレイを見ることで、ゲームを再現する方法を学習しました。[ 42 ]
ノンプレイヤーキャラクター（NPC）とは、ビデオゲーム内でプレイヤーが操作するのではなく、AIシステムによって管理される存在のことです。NPCは、ゲームの没入感、ストーリーテリング、そしてゲームシステムに貢献します。彼らは仲間、クエスト提供者、商人など、様々な役割を担います。AI技術の進歩により、近年、NPCのリアリティは飛躍的に向上しました。
NPCは、ストーリー重視型ゲームとオープンワールド型ゲームの両方において不可欠な存在です。ゲームの世界観や背景を伝える役割を担い、世界観の構築や物語の展開において重要な役割を果たします。例えば、NPCは重要な情報を提供したり、クエストを提示したり、あるいは単にゲーム世界に存在させることで、ゲームにリアリティを与えることができます。さらに、クエストの提供者や商人としての役割も担うことで、ゲームプレイのサイクルに不可欠な要素となり、プレイヤーは資源、ミッション、サービスなどを入手し、ゲームをさらに進めることができます。
さらに、NPCはゲーム内で商人やプレイヤーへのサービス提供者といった機能的な役割を果たすように設計することもできます。これらのキャラクターは、プレイヤーとゲーム内システムとの仲介役として、ゲームメカニクスを円滑に進める上で中心的な役割を担います。研究者によると、プレイヤーとNPC間のやり取りは、多くの場合、簡潔でありながら文脈に沿ったものになるように設計されており、プレイヤーがゲームプレイの継続に必要なフィードバックやリソースを確実に受け取れるようになっています。
近年の人工知能の進歩により、NPCの複雑さとリアリティは飛躍的に向上しました。これらの進歩以前は、AIは事前にプログラムされた動作に基づいて動作していたため、予測可能で再現性のあるものでした。AIの発展に伴い、NPCはより適応性が高くなり、プレイヤーの行動に動的に対応できるようになりました。専門家は、深層学習と強化学習の技術を統合することで、NPCがプレイヤーの行動に応じて動作を調整できるようになり、よりインタラクティブでパーソナライズされたゲームプレイ体験が実現したと考えています。
そうした発展の一つに、適応型行動モデルの活用があります。これにより、NPCはプレイヤーの判断をリアルタイムで分析し、学習することが可能になります。この動作によって、より魅力的なゲーム体験が実現します。例えば、この分野の専門家が指摘するように、現代のビデオゲームにおけるNPCは、戦闘における戦術の調整や過去のやり取りに基づく会話内容の変更など、プレイヤーの行動に対してより高度な反応を示すことができるようになりました。ディープラーニングアルゴリズムを用いることで、これらのシステムは人間のような意思決定を模倣し、NPCを単なる静的なゲーム要素ではなく、よりリアルな存在へと昇華させています。
NPC AIのもう一つの進歩は、自然言語処理（ NLP ）の活用です。これにより、NPCはプレイヤーとよりリアルな会話を交わすことができるようになりました。以前は、NPCの対話は固定された応答パターンに限られていました。NLPによってNPCの会話の流動性が向上し、プレイヤーの入力に対してより文脈に沿った応答が可能になったと言われています。この進歩により、プレイヤーとNPCのインタラクションの深みと没入感が増し、プレイヤーはストーリー展開やゲームプレイの結果に影響を与える、より複雑な対話に参加できるようになりました。
さらに、ディープラーニングモデルによって、NPCはプレイヤーの行動をより正確に予測できるようになりました。ディープラーニングによって、NPCは大量のデータを処理し、プレイヤーの戦略に適応することが可能になり、NPCとのやり取りは予測不可能で、より多様なものになります。NPCがプレイヤーの行動から「学習」できるようになったことで、ゲーム内のリアリティが高まり、より没入感のある体験が生まれます。
ビデオゲームにおけるAIの最近の進歩により、ノンプレイヤーキャラクター（NPC）の行動がより複雑で適応的になりました。たとえば、AIシステムは現在、「ゲームにおける人工知能」で説明されているように、決定木やステートマシンなどの高度な技術を使用してNPCのインタラクションとリアリズムを強化しています。[ 43 ]ビデオゲームにおけるAIの最近の進歩は、NPCの動的で適応的な行動の改善にも焦点を当てています。たとえば、最近の研究では、複雑なニューラルネットワークを使用してNPCがプレイヤーのアクションに基づいて行動を学習および適応させ、ゲーム体験全体を向上させることを検討しています。このアプローチは、IEEEの論文「インタラクティブゲームシステムのためのAI技術」で詳しく説明されています。[ 44 ]
NPCのAIは大きく進歩しているものの、開発者はNPCの設計において依然として大きな課題に直面しています。リアリズム、機能性、そしてプレイヤーの期待値のバランスを取る必要があるのです。最も重要な課題は、NPCがゲームプレイを妨げるのではなく、プレイヤー体験を向上させるようにすることです。予測不可能な行動をとる過度にリアルなNPCは、ゲームの進行を妨げたり、没入感を損なったりすることで、プレイヤーを苛立たせる可能性があります。逆に、予測可能すぎたり単純すぎたりするNPCは、プレイヤーの興味を惹きつけることができず、ゲームの物語やメカニズム全体の効果を低下させてしまう恐れがあります。
考慮すべきもう一つの要素は、NPCに高度なAIを実装する際の計算コストです。これらの高度なAI技術を使用するには膨大な処理能力が必要となるため、その利用が制限される可能性があります。AI駆動型NPCのパフォーマンスとゲーム全体の技術的な制約とのバランスを取ることは、スムーズなゲームプレイを確保するために不可欠です。専門家は、特に多数のNPCが同時にプレイヤーとやり取りする必要がある大規模なオープンワールドゲームでは、開発者がゲームシステムに過負荷をかけないように、リソースを効率的に割り当てる必要があると指摘しています。
最後に、プレイヤーの多様な行動に動的に対応できるNPCを作成することは、依然として困難な課題です。NPCは、スクリプト化されたインタラクションだけでなく、プレイヤーが予期せぬ行動をとる可能性のある非スクリプト化シナリオにも対応できなければなりません。このような多様性に適応できるNPCを設計するには、多数のインタラクションを考慮できる複雑なAIモデルが必要となり、開発者にとってはリソースと時間を要する作業となります。
ゲーマーは必ずAIがズルをしているかどうかを尋ねる（おそらく負けた時に文句を言うためだろう）。
—テリー・リー・コールマン（コンピュータ・ゲーミング・ワールド誌、1994年） [ 45 ]
ビデオゲームにおける人工知能の文脈では、チートとは、プログラマーがエージェントに、同じ状況でプレイヤーには利用できないアクションや情報へのアクセスを与えることを指します。[ 46 ]クリス・クロフォードは、アタリの8ビット機では人間のプレイヤーに太刀打ちできないと考え、イースタン・フロント（1941）でコンピューター制御のロシア側に有利になるバグを修正しませんでした。 [ 47 ] 1994年のコンピュータ・ゲーミング・ワールドは、「多くのAIが人間のプレイヤーに追いつくために『チート』（あるいは少なくとも『ごまかし』）をするのは周知の事実である」と報じました。[ 48 ]
例えば、エージェントがプレイヤーが近くにいるかどうかを知りたい場合、人間のような複雑なセンサー（視覚、聴覚など）を与えるか、ゲームエンジンにプレイヤーの位置を問い合わせるだけで不正を行うことができます。よくある例としては、レースゲームでAIにプレイヤーに追いつくための高速化を与えたり、ファーストパーソン・シューティングゲームで有利な位置にAIを配置したりすることが挙げられます。AIにおける不正行為は、人工的に達成可能な「知能」の限界を示しています。一般的に、戦略的な創造性が重要なゲームでは、この優位性がなければ、人間は最小限の試行錯誤で簡単にAIに勝つことができます。不正行為はパフォーマンス上の理由で実装されることが多く、その効果がプレイヤーに明らかでない限り、多くの場合許容されると考えられます。不正行為とは、AIに特有の特権のみを指し、コンピュータ本来の非人間的な速さや正確さは含まれませんが、コンピュータの固有の優位性がエージェントの行動を人間プレイヤーと異なるものにする場合、プレイヤーはそれを「不正行為」と呼ぶかもしれません。[ 46 ]シド・マイヤーは、マルチプレイヤー同盟を『シヴィライゼーション』から削除した理由として、コンピュータが人間とほぼ同等に同盟をうまく利用し、プレイヤーがコンピュータがズルをしていると考えるようになったことを挙げている。[ 49 ]開発者は、ほとんどのゲームAIは正直であると述べているが、プレイヤーが誤ってAIが「ズルをしている」と不満を言うのは好ましくないと考えている。さらに、人間はコンピュータに対しては、他の人に対しては使わないような戦術を使う。[ 47 ]
要するに、チートAIとは、ゲームが自らのルールを破り、あり得ない結果を生み出すように見える状態を指します。その反対がダイナミック難易度であり、ゲームの仕組みを尊重しつつ、競争を維持するためにAIのスキルを構造的に調整するものです。ゲームによっては、これら2つのシステムを同時に採用している場合もあります。
1996年のゲーム「 Creatures」では、ユーザーは小さな毛むくじゃらの動物を「孵化」させ、その行動の仕方を教えます。これらの「ノルン」は、話したり、自分で餌を食べたり、凶暴な生き物から身を守ったりすることができます。これは、インタラクティブなシミュレーションにおける機械学習の最初の普及した応用例でした。ニューラルネットワークは、生き物が何をすべきかを学習するために使用されます。このゲームは、環境と相互作用する生き物の行動をモデル化することを目的とした人工生命研究のブレークスルーと見なされています。 [ 50 ]
2001年のファーストパーソン・シューティングゲーム『Halo: Combat Evolved』では、プレイヤーはマスターチーフの役割を担い、徒歩または乗り物でさまざまなエイリアンと戦います。敵は遮蔽物を非常に賢く利用し、制圧射撃や手榴弾を使用します。分隊の状況は個々のプレイヤーに影響を与え、リーダーが死亡すると一部の敵は逃走します。敵が手榴弾を投げ返したり、チームメンバーが邪魔されると反応したりするなど、細かい点にも注意が払われています。基盤となる「ビヘイビアツリー」技術は、 『Halo 2』以降、ゲーム業界で非常に人気になりました。[ 50 ]
2005年の心理ホラー一人称シューティングゲーム『FEAR』では、プレイヤーキャラクターがクローン化された超兵士、ロボット、超常的なクリーチャーの大隊と交戦します。AIは、主流のゲームとしては初めて、状況に応じた行動を生成するためにプランナーを使用しています。この技術は、今でも多くのスタジオの参考として使用されています。レプリカは、テーブルや棚をひっくり返して遮蔽物を作ったり、ドアを開けたり、窓を突き破ったり、プレイヤーの懐中電灯に気づいて（そして仲間に知らせる）など、ゲーム環境を有利に利用できます。さらに、AIは、側面攻撃、制圧射撃、手榴弾を投げてプレイヤーを遮蔽物から追い出すこと、さらには死んだふりをすることもできます。これらの行動のほとんど、特に側面攻撃は、創発的行動の結果です。[ 51 ] [ 52 ]
サバイバルホラーシリーズ『STALKER』（2007年～）では、プレイヤーは人造人間、軍人、そしてストーカーと呼ばれる傭兵たちと対峙する。難易度を最高に設定した場合、遭遇する様々な敵は、負傷した味方を治療したり、命令を下したり、プレイヤーを側面から攻撃したり、武器を正確に使用したりといった戦闘戦術や行動を用いる。
2010年のリアルタイムストラテジーゲーム「StarCraft II: Wings of Liberty 」では、プレイヤーは1対1、2対2、または3対3のバトルアリーナで3つの勢力のうちの1つを操作します。プレイヤーは、相手のユニットと基地をすべて破壊して相手を倒さなければなりません。これは、相手のユニットに対抗できる効果的なユニットを作成することで達成されます。プレイヤーは、非常に簡単なものからチーター3（狂気）まで、複数の異なるレベルのAI難易度と対戦できます。AIは、難易度チーター1（視覚）でチートを行うことができ、同じ状況にあるプレイヤーには見えないユニットや基地を見ることができます。チーター2ではAIに追加のリソースが与えられ、チーター3では相手に対して大きなアドバンテージが与えられます。[ 53 ]
2018年にRockstar Gamesから発売されたRed Dead Redemption 2は、現代のビデオゲームにおけるAIの高度な活用を象徴する作品です。このゲームには、NPCの行動やダイナミックなゲーム世界を制御する非常に詳細なAIシステムが組み込まれています。ゲーム内のNPCは、環境、プレイヤーとのやり取り、時間帯など、さまざまな要因に基づいて複雑で多様な行動を示します。このレベルのAI統合により、キャラクターがプレイヤーにリアルに反応する豊かで没入感のある体験が実現し、このゲームがこれまで作られた中で最も高度なオープンワールドゲームの1つとしての評価を得るのに貢献しています。[ 54 ]
生成型人工知能（AI）は、指示に応じてテキスト、画像、音声、動画クリップを生成できるシステムであり、2023年にChatGPTやStable Diffusionといったシステムとともに登場しました。ビデオゲームにおいては、これらのシステムによってゲームアセットを無限に生成できる可能性が生まれ、人間の創造物における一般的な制約を回避できる可能性があります。
例えば、2024年のブラウザベースのサンドボックスゲーム「Infinite Craft」は、 LLaMAを含む生成AIソフトウェアを使用しています。2つの要素が組み合わされると、AIによって新しい要素が生成されます。[ 55 ] 2024年のブラウザベースのゲーム「Oasis」は、生成AIを使用してビデオゲーム「Minecraft」をシミュレートします。Oasisは、 Minecraftの数百万時間分の映像でトレーニングされ、このデータセットを使用してゲームプレイの次のフレームがどのように見えるかを予測します。Oasisはデータを保存しないため、オブジェクトの永続性はありません。[ 56 ] AlterStaff Inc.が開発した2025年のビデオゲーム「AI2U: With You 'Til The End」は、ゲーム内のノンプレイヤーキャラクターの会話にChatGPTを使用しました。[ 57 ]
ゲーム画像のビデオアップスケーリングを実行するために、生成型人工知能が組み込まれています。NVIDIAのDeep Learning Super Sampling（DLSS）とAMDのFidelityFX Super Resolution（FSR）の両方が、エンジンの一部としてAIを組み込んでいます。2026年3月、NVIDIAはDLSSのバージョン5.0を2026年後半にリリースすると発表しました。このバージョンには、他の改善点に加えて、「ピクセルにフォトリアルな照明とマテリアルを注入する」AIエンジンが含まれており、既存のゲームグラフィックをよりリアルに見せることができます。Bethesda SoftworksのTodd HowardやCapcomのJun Takeuchiなど、一部の開発者はこの技術を称賛しましたが、他の開発者や多くのプレイヤーからは、 AIの粗雑さのように見え、キャラクターの顔が生成型AIのビデオ出力やソーシャルメディアで使用されるビデオフィルターによって作成された他の人間のキャラクターの外観に標準化されているように見え、開発者の芸術的な努力を損なっていると受け止められました。[ 58 ] NVidiaのジェンセン・フアン氏は、開発者はDLSS 5.0がゲームとどのように相互作用するかについてより多くの制御権を持つようになり、開発者は照明やテクスチャの調整を微調整できるようになり、NVIDIAはリリース前にこの技術を改良し続けていると述べた。[ 59 ]
しかし、他の分野でも同様の懸念があり、特にこれらのアセットの作成に通常専念している雇用の喪失の可能性が懸念されています。[ 60 ]声優は、ビデオゲームでの生成AIの使用について懸念を表明した最初のグループの一つでした。北米の俳優組合SAG-AFTRAは、 2023年にテレビや映画の制作会社に対するストライキを終え、ストライキは、俳優が自分の声を生成AIエンジンのトレーニングに使用できるかどうかを強くコントロールできる新しい契約条件で終了しました。[ 61 ]その後まもなく、組合はAI会社Replica Studiosとの契約に合意し、組合員の声がAIのトレーニングやゲームで使用できるようにし、契約は報酬と権利の保護を保証するものでした。この契約はSAG-AFTRA委員会によって合意されましたが、多くの組合員は、契約が完了するまで知らされておらず、この契約は俳優を保護するのに十分ではないとして、この動きを批判しました。[ 62 ]複数のビデオゲーム出版社がSAG-AFTRAとの一般契約の条件を更新する頃には、組合はより強い姿勢を取り、AIの使用から俳優をより保護することを求め、ビデオゲーム会社がこれらの問題に譲歩しなかったため、2024年7月にほぼ1年間のストライキを開始した。ストライキは2025年7月までに終了し、影響を受けた出版社は、俳優が自分の声がAIに使用されるかどうかをより強く制御できる契約に合意した。[ 63 ] [ 64 ] [ 65 ]
ゲーマーのかなりの割合が、アートやゲームアセットの開発に生成AIを使用するゲームを嫌悪しており、その使用は人間の開発者の創造的な仕事に潜在的に害を及ぼす可能性があると述べており、リリースで「AIの粗雑さ」を使用していると思われるゲームを非難している。例えば、 Where Winds Meetの場合、プレイヤーはゲーム内の会話がAIチャットボットによって生成されたように見えると指摘した。これらのプレイヤーは、開発プロセスでAIを検討したと述べているスタジオも批判している。Clair Obscur: Expedition 33の場合、開発元の Sandfall Interactive は、開発中にAI生成テクスチャを使用したが、出荷版には含まれていないことを認めたが、それでもこのゲームは、開発に生成AIコンテンツを使用することを禁止した2025 Indie Game Awards の2つの賞を失った。[ 66 ]
2025年11月にEmbark StudiosからリリースされたARC Raidersでは、ゲーム内の一部のNPCに生成AI音声が使用されていることが判明した。このゲームはMetacriticで100点満点中86点という総合スコアを獲得し、ほとんどのゲームメディアから概ね好評だったが、 Eurogamerは最低評価の1つを与え、5点満点中2点と評価し、特に生成AI音声の使用を理由にゲームを減点した。これによりAI音声に関する議論がさらに活発化し、スタジオがAI音声を採用したことを批判するプレイヤーもいる一方で、 Epic Gamesの創設者であるTim Sweeney氏のように、AI音声を使用することでゲーム内のNPCがプレイヤーに話しかける方法がほぼ無限に広がる可能性があると述べる人もいる。 [ 67 ]
ゲームパブリッシャーがそのようなコンテンツを開示し、潜在的な著作権問題を回避するために、Valve はSteamのゲームに対して、事前に生成された AI アセットの使用または生成 AI によるライブ生成はストアフロントのページで開示しなければならないという新しい要件を導入しました。[ 68 ]スウィーニーはこの動きを批判し、「ゲーム開発者が成功する機会を得るのがはるかに難しくなる。生産性を大幅に向上させるツールを使用しないか、それを使用する競争のために失敗するかのどちらかを選択しなければならない」と述べました。[ 69 ]
{{cite web}}: CS1メンテナンス: アーカイブサービスは非推奨になりました (リンク)