あなたはロボットにゲームデザイナーとしての教育を施そうとしています。あなたは、ロボットに楽しくプレイ可能なレベルを構築させたいと考えていますが、同時に、あなたがどのように思考しているのかをも理解してほしいと願っています。これは、コンピュータが人間が一つ一つの壁やモンスターを描く代わりに、ゲームの世界を自動的に生成する**プロシージャル・コンテンツ生成（PCG）**の世界です。長い間、これらのロボットは厳格な数学の生徒のようなものでした。彼らは数字のリスト（例えば「ここに壁を50個置く」など）に従うことは完璧にできましたが、「不気シーな感じにして」や「蛇のような道を描いて」といった曖昧なアイデアを理解することはできませんでした。また、彼らが作るレベルは、人間のデザイナーのような、乱雑でクリエイティブな趣（おもむき）に欠け、冷たくてロボット的なものになりがちでした。この分野における大きな疑問は、「どうすればAIに、単にルールに従うだけでなく、人間のようなパートナーとして考え、創造するように教えられるのか？」ということです。

この論文では、VIPCGRL（Vision-Instruction PCGRL）と呼ばれる新しいシステムを紹介しています。これは、異なる種類の指示に対して「共通の言語」を与えることで、この問題を解決しようとする試みです。これは、ロボットに3つの方言を同時に話せるように教えるようなものです。それは、テキスト（言葉）、レベル（実際のゲームマップ）、そしてスケッチ（ラフな図画）です。研究者たちは、これら3つすべてを同じ「秘密のコード」へと変換する特別な「翻訳機」を構築しました。これにより、あなたは「狭い道を作る」という指示を、言葉を使って、あるいは素早い落書きによって、あるいは完成したマップを見せることによって伝えても、AIはそれらすべてを同じ概念として理解できるようになります。

しかし、本当の魔法は理解することだけではなく、「スタイル」にあります。著者たちは、たとえAIが指示に従ったとしても、その結果が人間の作ったものとは似ても似つかないことがよくあることに気づきました。これを修正するために、彼らはAIに新しい種類の「教師の成績」を与えました。AIは、単にレベルがプレイ可能であるかどうかを確認されるだけでなく、その生成物が実在する人間のデザイナーが作ったレベルと似ている場合に、ボーナススコアを受け取ります。彼らはこれを2Dゲーム環境でテストし、5,000個の人間設計レベルと2,500個のAI生成レベルを使用しました。結果は、この新しい手法が、特定のルールに従う能力を失うことなく、AIのレベルをより「人間らしく」、かつスケッチや図画による制御を容易にすることを示唆しています。これは、あなたとAIが共にゲームを共創できる未来への一歩であり、AIがあなたのラフなスケッチやクリエイティブな雰囲気（バイブス）を、タイピングされたコマンドと同じくらい理解してくれる未来です。

問題点：あなたのことを「理解できない」ロボットたち

あなたがビデオゲームをプレイしていて、レベルを変更したいと考えている場面を想像してください。あなたはこう言うかもしれません。「長く、うねうねとした道に、角にモンスターが数体隠れているような感じにしたい」と。従来のゲームAIは「長い道」と「モンスター」という言葉は聞き取りますが、技術的には長いものの退屈で直線的な道を構築したり、意味のない場所にモンスターを配置したりするかもしれません。それは数学には従っていますが、デザインの「魂」を捉え損ねています。

現在のゲームレベル生成ツール（PCGRLと呼ばれます）は、厳格な数字に従うことには長けています。もしあなたが「マップを16x16タイルにして」と言えば、彼らは完璧に実行します。しかし、彼らは2つのことに苦戦します：

1. 限定的な入力： 彼らは通常、数字や非常に具体的なテキストしか理解しません。あなたがナプキンに描いたラフな図画を「見る」ことはできません。
2. ロボット的なスタイル： たとえルールに従ったとしても、彼らが構築するレベルは、機械によって作られたもの――完璧すぎたり、対称すぎたり、あるいは人間のデザイナーのようなクリエイティブな「趣」に欠けていたりするもの――に見えることがよくあります。

研究者たちは、計算機ではなく、クリエイティブなパートナーとして機能するAIを構築したいと考えました。テキストによる説明、ラフなスケッチ、あるいは部分的なレベルマップを受け取り、それを新しい、人間が設計したと感じられるレベルへと変えることができるAIを求めたのです。

解決策：ゲームデザインのためのユニバーサル・トランスレーター

チームは、VIPCGRL（Vision-Instruction Procedural Content Generation via Reinforcement Learning）を作成しました。核心となるアイデアは、AIにテキスト、レベルマップ、スケッチという3つの異なる言語を同時に話せるように教えることです。

これを行うために、彼らは「共有潜在空間（Shared Latent Space）」を構築しました。あらゆるアイデアがユニークな数字のコードとして保存されている、巨大で目に見えない図書館を想像してください。

• もしあなたが「狭い道」と書けば、AIはそのテキストをコードに変換します。
• もしあなたが紙に狭い道のスケッチを描けば、AIはそのスケッチをコードに変換します。
• もしあなたが狭い道を持つマップを見せれば、AIはそのマップをコードに変換します。

魔法は、それが言葉であれ、図画であれ、マップであれ、「狭い道」のコードがほぼ同一になるようにAIが訓練されていることです。これは**四重対照学習（Quadruple Contrastive Learning）**という手法を用いて行われます。これは「一致するペアを見つける」ゲームのようなものです。AIは、テキストによる指示、レベルマップ、スケッチ、そして作成者のスタイル（人間 vs AI）を観察します。そして、似ているものを記憶の中で近くに引き寄せ、異なるものを遠ざけるように学習します。

例えば、AIに「狭い道」というテキストと、狭い道のスケッチを見せると、AIはこれら2つが同じ「近所」に属することを学びます。しかし、もし「広い開けた野原」のスケッチを見せれば、そのコードは全く別の「近所」に属することを学びます。決定的なのは、AIが「人間のスタイル」のコードと「AIのスタイル」のコードの違いも学習するため、何を目標にすべきかを知ることができる点です。

秘訣： 「人間らしさ」の報酬

単に翻訳機があるだけでは不十分です。AIは依然として「何を構築すべきか」を知る必要があります。標準的な訓練では、AIはルールに従った場合（例：「パスを十分に長く作ったか？」）にのみ報酬（ポイント）を得ます。

研究者たちは、新しいルールである**「人間らしさの報酬（Human-Likeness Reward）」**を追加しました。
AIがレベルを構築するたびに、彼らはそれを実在する人間が作ったレベルのライブラリと比較します。彼らは共有コードシステムを使用して、AIのレベルが人間のレベルとどれほど「近い」かを測定します。

• もしAIが、人間が設計したかのように見える、感じられるレベルを構築した場合、ボーナスポイントを獲得します。
• もしロボット的なものを作った場合、得られるポイントは少なくなります。

これにより、AIは単にルールに従うだけでなく、人間のデザイナーの「スタイル」を模倣するように促されます。これは、数学の問題に正解するだけでなく、先生が好むような、整っていてクリエイティブな筆致で解答を書く生徒のようなものです。

得られた知見：より良く、より人間らしく、より柔軟に

チームは、2Dゲームレベル生成タスクを用いて、彼らのシステムをテストしました。彼らは、テキストや数字のみを使用する古い手法と比較を行いました。

1. 人間のように聞こえる（人間らしさ）：
生成されたレベルがどれほど人間が作ったものに似ているかを測定した際、VIPCGRLは大幅に高いスコアを記録しました。

• TPKL-Div（タイルがどのように配置されているかといった局所的なパターンをチェックするテスト）において、VIPCGRLは古い手法よりもはるかに人間の設計に近いものでした。
• ViT-Sim（全体的な見た目をチェックするテスト）においても、改善が見られました。
• 最も重要なことに、実際の人間がレベルをプレイして評価した際、人間はVIPCGRLのレベルを好みました。人間による「人間らしさ」の評価は、従来の最高の手法が2.90であったのに対し、VIPCGRLは**4.25（7点満点）**でした。この差は統計的に有意であり、単なる偶然ではありませんでした。

2. スケッチやマップを理解する（マルチモーダル制御）：
AIは主にテキストによる指示で訓練されましたが、「共有言語」のおかげで、テスト時にはスケッチやレベルマップをインプットとして受け取ることができました。

• AIはスケッチについて具体的に訓練されていませんでしたが、それでも図画に基づいてレベルを生成することができました。
• スケッチによる制御性（指示への従順さ）はテキストに比べるとわずかに低かったものの、ランダムな推測よりはるかに優れたものでした。
• これは「共有ライブラリ」が機能していることを証明しています。AIは、図画をテキスト指示と同じコードに翻訳し、正しいレベルを構築できるのです。

3. トレードオフ：
わずかなコストがありました。「人間らしさ」の報酬を増やしていく（AIに、より人間らしく見せようとさせる）につれて、AIは厳格な数値的ルール（モンスターの正確な数を守るなど）に従う精度がわずかに低下しました。しかし、論文ではこのトレードオフは非常に小さいと記されています。AIは、よりクリエイティブで人間らしくなりながらも、タスクに対して非常に高い能力を維持していました。

これが未来に意味すること

この論文は、AIに複数の指示方法（テキスト、図画、マップ）を理解させ、人間のスタイルを模倣するように報酬を与えることで、ゲームデザイナーにとってより優れたツールを作ることができると示唆しています。単に命令に従う計算機ではなく、あなたの「バイブス」を理解するクリエイティブなパートナーへと進化できるのです。

研究者たちは限界も認めています。彼らの「スケッチ」は、マップからコンピュータによって生成されたものであり、アーティストによる実際の「手書きの落書き」ではありません。また、システムは2段階（まず言語を学び、次に構築を学ぶ）で訓練されるため、新しく奇妙な状況に適応するのが少し遅くなる可能性があることも指摘しています。しかし、結果は明確な道筋を示しています。もし私たちがAIに創造を助けてほしいのであれば、AIに単なるロボットとしてではなく、人間のように考え、感じるように教えなければならないのです。