論文の概要: Playstyle and Artificial Intelligence: An Initial Blueprint Through the Lens of Video Games
- arxiv url: http://arxiv.org/abs/2508.19152v1
- Date: Tue, 26 Aug 2025 16:04:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-27 17:42:38.908262
- Title: Playstyle and Artificial Intelligence: An Initial Blueprint Through the Lens of Video Games
- Title（参考訳）: Playstyleと人工知能:ビデオゲームのレンズを通した最初の青写真
- Authors: Chiu-Chou Lin,
- Abstract要約: この論文は、知的エージェントの意思決定行動を観察し解析するための代替レンズとしてプレイスタイルを導入している。
信念と価値観がどのように意図や行動を促進するかを分析することで、我々はスタイル形成のための2階層の枠組みを構築している。
この研究は、プレイスタイルの定義と測定、離散化された状態空間に基づく一般的なプレイスタイル計量の提案、戦略的多様性と競争バランスの定量化という3つの研究方向に焦点を当てている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contemporary artificial intelligence (AI) development largely centers on rational decision-making, valued for its measurability and suitability for objective evaluation. Yet in real-world contexts, an intelligent agent's decisions are shaped not only by logic but also by deeper influences such as beliefs, values, and preferences. The diversity of human decision-making styles emerges from these differences, highlighting that "style" is an essential but often overlooked dimension of intelligence. This dissertation introduces playstyle as an alternative lens for observing and analyzing the decision-making behavior of intelligent agents, and examines its foundational meaning and historical context from a philosophical perspective. By analyzing how beliefs and values drive intentions and actions, we construct a two-tier framework for style formation: the external interaction loop with the environment and the internal cognitive loop of deliberation. On this basis, we formalize style-related characteristics and propose measurable indicators such as style capacity, style popularity, and evolutionary dynamics. The study focuses on three core research directions: (1) Defining and measuring playstyle, proposing a general playstyle metric based on discretized state spaces, and extending it to quantify strategic diversity and competitive balance; (2) Expressing and generating playstyle, exploring how reinforcement learning and imitation learning can be used to train agents exhibiting specific stylistic tendencies, and introducing a novel approach for human-like style learning and modeling; and (3) Practical applications, analyzing the potential of these techniques in domains such as game design and interactive entertainment. Finally, the dissertation outlines future extensions, including the role of style as a core element in building artificial general intelligence (AGI).
- Abstract（参考訳）: 現代の人工知能(AI)開発は主に合理的な意思決定に焦点を当てており、その測定可能性と客観的評価に適している。
しかし、現実世界の文脈では、知的エージェントの決定は論理だけでなく、信念、価値観、嗜好といった深い影響によっても形成される。
人間の意思決定スタイルの多様性はこれらの違いから生まれ、"スタイル"は必須だがしばしば見過ごされる知性の次元であることを強調している。
この論文は、知的エージェントの意思決定行動を観察し分析するための代替レンズとしてプレイスタイルを導入し、その基礎的意味と歴史的文脈を哲学的観点から検討する。
信念と価値観がどのように意図や行動を促進するかを分析することで、我々はスタイル形成のための2階層の枠組みを構築する。
そこで我々は,スタイル関連の特徴を形式化し,スタイルキャパシティ,スタイル人気,進化力学などの測定可能な指標を提案する。
本研究は, プレイスタイルの定義と測定, 離散化された状態空間に基づく一般的なプレイスタイル計量の提案, 戦略的多様性と競争的バランスの定量化のための拡張, プレイスタイルの表現と生成, 特定のスタイルの傾向を示すエージェントの強化学習と模倣学習の活用, ヒューマンライクなスタイル学習とモデリングの新しいアプローチの導入, ゲームデザインやインタラクティブエンターテイメントといった領域におけるこれらの技術の可能性を分析する実践的応用の3つの研究方向に焦点を当てた。
最後に、この論文は、人工知能(AGI)構築における中核要素としてのスタイルの役割を含む将来の拡張について概説している。
関連論文リスト
- Agentic Reasoning for Large Language Models [122.81018455095999]
推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。
大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。
エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
論文 参考訳（メタデータ） (2026-01-18T18:58:23Z) - Exploring Artificial Intelligence and Culture: Methodology for a comparative study of AI's impact on norms, trust, and problem-solving across academic and business environments [0.0]
本稿では,人工知能(AI)と人間の認知,問題解決,文化適応の両面的関係を検討するための厳密な枠組みを提案する。
私たちは、AI知識、知覚能力、信頼軌道、文化的反応を追跡する3波長手設計を採用しています。
私たちは、初期抵抗、探索的採用、文化的埋め込みのフェーズを通じてAIの培養をトレースし、独自の信頼曲線とコンテキストによる問題解決戦略を明らかにします。
論文 参考訳（メタデータ） (2025-10-13T15:31:31Z) - LLMs as Strategic Agents: Beliefs, Best Response Behavior, and Emergent Heuristics [0.0]
大規模言語モデル(LLM)は、他のエージェントの振る舞いを推論する必要のあるドメインにますます適用されています。
現状のフロンティアモデルでは, 目的的推論記憶における信念コヒーレントなベストレスポンス行動を示す。
複雑さが増大する中で、明示的な再帰は、安定した、モデル固有の、既知の人間のバイアスとは異なる選択規則を内部的に生成する手段を与える。
論文 参考訳（メタデータ） (2025-10-12T21:40:29Z) - Aesthetic Experience and Educational Value in Co-creating Art with Generative AI: Evidence from a Survey of Young Learners [1.9863718017611578]
本研究は,若手学生と美術学生を対象に,創造的人工知能(AI)を用いたコラボレーションアート作成の美的経験と教育的価値について検討した。
本研究では,112人の参加者を対象に,人間の創造者の役割の再交渉,従来の独創性概念への挑戦,人間-AI共創における美的判断の形成について検討する。
論文 参考訳（メタデータ） (2025-09-11T17:55:46Z) - Goals and the Structure of Experience [3.072340427031969]
本稿では,認知エージェントにおける目標指向状態表現の計算フレームワークについて述べる。
目的と等価な経験分布のクラスとして定義された,目標指向(telic)状態の構成を導入する。
論文 参考訳（メタデータ） (2025-08-20T19:05:24Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - Thinking with Images for Multimodal Reasoning: Foundations, Methods, and Future Frontiers [90.4459196223986]
同様の進化がAIで展開され、単にイメージについて考えるモデルから、イメージについて真に考えるモデルへのパラダイムシフトを象徴している。
この新たなパラダイムは、視覚情報を思考過程の中間ステップとして活用するモデルによって特徴づけられ、視覚を受動的に操作可能な認知ワークスペースに変換する。
論文 参考訳（メタデータ） (2025-06-30T14:48:35Z) - Constitutive Components for Human-Like Autonomous Artificial Intelligence [0.9065034043031668]
この研究は、人間のように自律的に振る舞うことができる人工物体を構築するのに必要な機能を、初めて明らかにする。
反応性、弱い自律性、強い自律性レベルを含む段階的な自律性モデルを提案する。
論文 参考訳（メタデータ） (2025-06-15T19:35:27Z) - SITE: towards Spatial Intelligence Thorough Evaluation [121.1493852562597]
空間知能 (Spatial Intelligence, SI) は、空間的関係の可視化、操作、推論を含む認知能力を表す。
SI Thorough Evaluationに向けたベンチマークデータセットであるSITEを紹介する。
ベンチマークの計算には、31の既存のデータセットに関するボトムアップ調査と、認知科学の3つの分類システムに基づくトップダウン戦略を組み合わせる。
論文 参考訳（メタデータ） (2025-05-08T17:45:44Z) - Form-Substance Discrimination: Concept, Cognition, and Pedagogy [55.2480439325792]
本稿では,高等教育におけるカリキュラム開発に欠かせない学習成果として,フォーム・サブスタンス・差別について検討する。
本稿では,カリキュラム設計,評価実践,明示的な指導を通じて,この能力を育成するための実践的戦略を提案する。
論文 参考訳（メタデータ） (2025-04-01T04:15:56Z) - Explaining Humour Style Classifications: An XAI Approach to Understanding Computational Humour Analysis [0.21847754147782888]
本稿では、ユーモアスタイルの分類を理解するための説明可能なAIフレームワークを提案する。
我々は、言語的、感情的、意味的な特徴がユーモアスタイルの分類決定にどのように貢献するかを分析するために、総合的なXAI手法を適用した。
本研究は,算術的ユーモア分析の理論的理解と,メンタルヘルス,コンテンツモデレーション,デジタル人文科学研究の実践的応用に寄与する。
論文 参考訳（メタデータ） (2025-01-06T10:08:56Z) - Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。
モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。
このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
論文 参考訳（メタデータ） (2023-07-25T17:59:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。