セッションの内容
ディープ・ニューラル・ネットワークは、かつてない深さと複雑さで、多層構造の問題領域を学習する。その結果、人工知能（AI）を新たなレベルに引き上げ、スーパーヒューマンAIへの道をふたたび開こうとしている。そもそも従来のデータ・マイニングのタスクとロボットの知覚に限られていたAIが、革命的な変化により、今ではゲーム理論、意思決定、自動プランニング、制御等の他のAI領域に到達しつつある。実際に、ディープ・ラーニング・ネットワークのアプリケーションは、ロボティクス、自動車、金融などの業界だけでなく芸術にまで及ぶ多様な領域に出現している。
このセッションでは、この進化がゲームとVRの世界にどのような影響をもたらす可能性があるかを検討する。ディープ・ニューラル・ネットワークとそれが他業界に及ぼす影響について、ハイレベルなテクニカルな見解を提供する。そして、ゲームやVRへの応用の可能性を検討する。特に、問題解決とコンテンツ創造という２つの用途への可能性に着目する。
セッションでは、ゲーム分野における問題解決の立場を再検証する。AI技術をビデオゲーム開発に大量に利用することへの反発は昔からあるが、それはある種類のゲームについては理解できることである。しかし、問題解決については依然として業界における未決の課題となっている。ディープ・ニューラル・ネットワークを使った最近の象徴的なAtariのゲームについてお話する。このテクノロジーは、非常に長い学習プロトコルという新しい制約をよぎなくしている。したがって、AI技術をゲーム業界で利用するには、ゲーム開発の新たなプロトコルとビジネス・モデルが必要となる。
次に、この課題をゲーム開発の視点から、とりわけアニメーションのような拡張コンテンツ創造からみてみる。ディープ・ネットワークの最も魅力的な特性のひとつは、学習したアート・スタイルのデータを再生してコンテントを生み出す能力である。端的にいうと、ヴァンゴッホの絵で訓練されたネットワークは、ヴァンゴッホのアートスタイルのイメージを描くことができる。これは、非常にリッチで意味深いゲームコンテントの創造を自動的に行える機会を意味する。最後に、この方向性を目指している具体的な研究の概要について紹介する。

Deep neural networks learn multi-layer representations of a problem domain with a depth and complexity never reached before. As a consequence, they are bringing Artificial Intelligence to a new level, and (re-)opening the road towards super-human AI. First limited to the traditional tasks of data mining and robotic perception, this revolution is now reaching other domains of AI such as game theory, decision making, automated planning, and control. Indeed, applications of Deep Learning networks are currently appearing in many domain of industry, such as robotics, automotive, finance, even in art. This talk will examine the possible impact of this evolution on the world of gaming and VR. We will give a high-level technical survey of deep neural networks, and their impact on other domains of industry. Then we will examine their possible use in gaming and VR. We will insist particularly on two potential use of this technology: for problem solving and content generation.

We will re-examine the position of problem solving in gaming and argue that, although traditional arguments against the heavy use of AI techniques in video games make sense for some types of game, problem solving is still an important open issue for this industry. We will review recent works on solving iconic Atari games using deep neural networks. This technology imposes new constraint, such as very long learning protocol. Therefore, transferring them to our industry requires new protocols and busyness-models for game development.

Next, we will look at the topic from the point of view of game developers, and particularly for the generation of expansive content such as animations. One of the most fascinating properties of deep networks is their ability to generate content reproducing the artistic style of the data they have learned. In short, a network trained on Van Gogh paintings can generate images with Van Gogh’s artistic style. This represents a tremendous opportunity for automatically generating rich and meaningful game content. The end of the talk will outline several concrete research projects aiming in this direction.