![[レポート] AWS の AI・機械学習系サービスは Game 開発でどう活用されるか聞いてきた – Amazon Game Tech Night #15 #AmazonGametech](https://devio2023-media.developers.io/wp-content/uploads/2019/08/eyecatch-201908-report-amazon-game-tech-night-15-2.png)
[レポート] AWS の AI・機械学習系サービスは Game 開発でどう活用されるか聞いてきた – Amazon Game Tech Night #15 #AmazonGametech
Game Tech Night #15
8/21(水)、「ゲーム業界向け AWSで実現する機械学習」とのサブタイトルで Amazon Game Tech Night #15 が開催されました。
Amazon Game Tech Night #15 〜ゲーム業界向け AWSで実現する機械学習〜 - connpass
このブログではそのうちの後半のセッション、「Game 開発で活用するAWS の AI/ML サービスのご紹介」についてレポートします。AWS が提供している AI・機械学習系のサービスを、デモや事例を交えて丁寧に紹介して頂きました！
なお前半のセッション「ゲーム業界における機械学習の活用事例」については、別記事があがっていますので、そちらもぜひご参照ください！
[レポート]ゲームに活用されるAIの多様性〜Amazon Game Tech Night #15 #AmazonGametech ｜ DevelopersIO
ちなみに会場は東京・目黒の AWS Loft Tokyo 。かなり広めの空間に 100 席近くの席が用意されていると予想しますが、8割以上は埋まっていた印象です。
そして開場前は、Amazon Sumerian を使った会場アナウンスが行われていましたｗ
前半のあらすじ（「ゲーム業界における機械学習の活用事例」）
前半ではなされた下記の要素は、押さえておくと話が飲み込みやすいかと思いますので簡単にご紹介します。
- ゲームに関連するAIは大きく二種類ある
- ゲームAI
- ゲーム周辺AI
- ゲームAI（王道）= 独自実装
- NPC・キャラクターAI
- 敵キャラの自動化
- 最強プレイヤーの作成（AlphaGoなど）
- NPC・キャラクターAI
- ゲーム周辺AI = 割と汎用化しやすい技術
- ゲーム開発の支援
- QA/デバッグの自動化
- レベルデザインの自動化
- 売り上げの向上
- ユーザの離脱予測
- セキュリティの向上と禁止行為の防止
- チート、不正行為の自動検出
- ユーザー体験の向上
- ゲーム内チャットの自動翻訳
- プレイヤーのエンゲージメント向上
- 音声解析、ジェスチャー改易
- コーチング
- ゲーム開発の支援
- ゲーム AI はゲームのコア技術なので、公開されないことが多い
- Amazon SageMakerやMLフレームワークを使って自前で実装
- 機械学習の知識が必須
- 周辺 AI は API ベースの AI サービスで解決する(こともある)
- Personalize、Forecast、Rekognition、Comprehend ...
- 機械学習そのもののスキルは不要
また、「ゲーム x AI」という話題についてあまりご存じでないという方がもしいましたら、手前味噌ながら予習記事を書いてみましたので、こちらも合わせてご笑覧ください。
ゲームと AI・機械学習の関わりについて個人的まとめ [Amazon Game Tech Night 対策] #AmazonGametech ｜ DevelopersIO
内容 : Game 開発で活用する AWS の AI/ML サービスのご紹介
AWS では、メディア・金融・ヘルスケア・製造・自動車など数万のお客様に機械学習環境を構築いただいています。お客様からいただいたフィードバックを元に、AI/MLに関しても多くの新サービス・新機能のアップデートがあり、様々な実ビジネスにおいてご活用いただいています。
本セッションでは、Game AI の開発運用を支援する AWS の AI/MLサービスを、お客様の事例やデモも交えてご紹介します。
資料
スピーカー
宇都宮 聖子 氏
- Ph.D.
- AWSJ 機械学習ソリューションアーキテクト
- 前々職 - 量子情報の研究者
- 前職 - 自動運転開発
内容
- 10,000以上のお客様が機械学習にAWSを利用
- AWS機械学習のサービススタック
- AIサービス
- MLサービス
- MLフレームワーク＆インフラストラクチャ
- 高性能なインフラストラクチャを自由に選ぶ
- Frameworks, Interfaces（AMI マーケットプレース）
- Infrastructure（EC2 etc.）
AIサービス
- 機械学習の深いスキルなしにアプリに組み込める
- Computer Vision
- Speech, Language, Chatbots
- Forecasting, Recommendation
- データを用意するだけで使える。AWSによる最適な実装
- 10種類のAIサービス
Rekognition, Rekognition Video
- Amazon Rekognition（高精度の画像・動画分析サービス）| AWS
- Amazon Rekognition Video | AWS
- Recognition でなく Rekognition、typoではない
- 静止画・動画の物体認識、顔分析
- 顔の一致度
- 何が映っているかを表示前に自動判別
- SNSやフォーラムでのユーザ発言チェックの心理的負荷を下げる
- （グロテスクな画像が貼られないか、など）
- AWS Loft Tokyo の「名言ラテアート」でも使用
- 登壇者の画像を用いた顔一致度のデモ
Textract
- Amazon Textract（ドキュメントからテキストやデータを簡単に自動抽出）| AWS
- 画像内の英数字テキスト認識
Transcribe
- Amazon Transcribe（音声をテキストに変換する機能を簡単に追加）| AWS
- 音声からテキストへの変換（= 自動書き起こし）
- 13種類の言語対応
- 日本語非対応
- 自動翻訳の前処理。多国籍ユーザのオンラインチャットを助ける
Polly
- Amazon Polly（深層学習を使用したテキスト読み上げサービス）| AWS
- テキストから音声への変換（= 機械音声による読み上げ）
- マークアップにて、音声に抑揚を付けたりささやき声にしたりも可能
- 多言語対応。日本語での読み上げにも対応
Translate
- Amazon Translate（高速で高品質なニューラル機械翻訳サービス）| AWS
- 言語間の機械翻訳
- 日本語含む25言語対応
Comprehend, Comprehend Medical
- Amazon Comprehend（テキストのインサイトや関係性を検出）| AWS
- 新機能 – Amazon Comprehend Medical – ヘルスケア業界のお客様のための自然言語処理 | Amazon Web Services ブログ
- 文章の解析、6言語対応（日本語非対応）
- 自然言語内の固有名詞や定型句（日付など）を認識
- 医療文書に特化 -> Comprehend Medical
Lex
- Amazon Lex（Alexaと同じテクノロジーを利用した会話型インターフェイス）| AWS
- 音声認識や意味理解
- 音声やテキストを利用して、対話可能なチャットボットを構築
- 現時点で英語のみ
- 対話内容をGUIで開発
Forecast
- Amazon Forecast（機械学習を使用した正確な時系列予測サービス）| AWS
- 時系列データ予測
- 高精度・高速
Personalize
- Amazon Personalize（アプリケーションにリアルタイムの推奨を構築する）| AWS
- レコメンデーション
- 高精度・リアルタイム、粒度は 1 日単位
- SageMakerからのアルゴリズム持ち込み
- デモ：性別・年齢・職業などの類例データから「好まれそうな映画」をお勧め
- ゲーム内アイテムの購買レコメンドに使える？
MLサービス (SageMaker)
- 機械学習のモデルを高速に開発・学習・デプロイ
- 要望：典型的なワークフローをできるだけ高速に負担なく回したい
- Undifferentiated Heavy Lifting = 差別化要因にあたらないが重いもの
- 参考 : [Serverlessconf Tokyo 2018] 基調講演: AWSにおけるサーバーレスの歴史と開発をするなら ｜ DevelopersIO
- 機械学習における Undifferentiated Heavy Lifting
- 開発環境構築
- 学習
- デプロイ・運用
- そういったものはやりたくない -> マネージドサービスに任せよう！
- Amazon SageMaker - あらゆる規模で機械学習モデルを構築・学習・デプロイ
- 学習データの収集と準備 - SageMaker Ground Truth
- MLアルゴリズムの選択と最適化
- Built-in Algorithm
- Jupyter
- Marketplace for ML
- トレーニング環境の整備と運用
- One-click Training
- トレーニングとパラメータチューニング
- 分散学習・Hyperparameter Optimizer(HPO)
- 参考 : Amazon SageMakerのハイパーパラメータチューニング にパラメータのスケーリング関連の機能が追加されました ｜ DevelopersIO
- 本番環境へのデプロイ
- One-click deploy
- 本番環境での運用とスケーリング
- Auto scaling
- Traceable Training job
MLフレームワーク＆インフラストラクチャ
- 必要になったインスタンス・コンテナを必要なものを入れた状態で簡単に上げ下げする
- 学習、推論
- 様々なコンテナイメージ
- TensorFlow, MXNet, Chainer ...
- DockerファイルはGitHubで公開されている = ブラックボックスではない
- 強化学習に対応したコンテナもリリース済み（re:Invent 2018）
- DeepRacerも裏でSageMakerが使われている
- 自動運転のレーシングカー
- 学習と評価のためのシミュレータ
- DeepRacer リーグ
- Intel OpenVINO
ゲーム開発への導入事例
- mixi ファイトリーグ
- プレイヤーの行動に近いAIを作ってバランス調整のテストプレイを実施
- SageMaker RL 強化学習
- 構築まで 1ヶ月
- エージェントと環境シミュレータをコンテナを分けて用意
- エージェント -> 方策を元に行動 -> 環境 -> 観測結果、報酬 -> エージェント
- AWS Summit Tokyo 2019 で事例発表
最後に・まとめ
- AI/ML活用事例から学ぶ
- AWS Japan Machine Learning - connpass
第7回 Amazon SageMaker 事例祭り - connpass
ML@Loft #5 Natural Language Processing (NLP) - connpass
- 3層の機械学習サービススタックで成熟した機械学習サービスを幅広く提供
- AIサービス
- MLサービス
- MLフレームワーク＆インフラストラクチャ
- AIサービスでAWSの機械学習を簡単に試すことが可能
- Amazon SageMakerを活用してより高度なモデル開発を
所感
AWS のもつ多様な AI 系サービスが一望できるセッションでした。AWS は本当に膨大な量のサービスがありますが、それらは伊達にそろえてあるわけでは当然無く、うまく SaaS 的につかうことで高品質なサービスを構築可能だということ、そしてそれはゲーム業界も例外ではないことがよくわかりました。
本セッションは 50 分の枠でしたが、もちろん各サービスひとつひとつを丁寧に説明する時間があったわけではありません。このセッションを聞いて「SageMakreや他のサービスを使ってみよう」と思われた方は、次に BlackBelt セミナーの動画を見てみるのも良いかもしれませんね。
[AWS Black Belt Online Seminar] Amazon SageMaker Basic Session 資料及び QA 公開 | Amazon Web Services ブログ
なお、Game Tech Night #16 が既に企画中とのことで、近いうちに要項が公開されると思います。こちらも楽しみですね！
![[レポート] JJUG CCC 2024 Fallに行ってきました](https://devio2024-media.developers.io/image/upload/v1730277254/user-gen-eyecatch/awivhjatkofztrkayhdv.png)
