特許 7530496 プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2024-07-30

(45)【発行日】2024-08-07

(54)【発明の名称】プログラム

(51)【国際特許分類】

   A63F 13/825 20140101AFI20240731BHJP

   A63F 13/67 20140101ALI20240731BHJP

   G06N 3/008 20230101ALI20240731BHJP

【ＦＩ】

A63F13/825

A63F13/67

G06N3/008

【請求項の数】 3

(21)【出願番号】P 2023187265

(22)【出願日】2023-10-31

【審査請求日】2024-03-06

【早期審査対象出願】

(73)【特許権者】

【識別番号】509070463

【氏名又は名称】株式会社コロプラ

(74)【代理人】

【識別番号】110000442

【氏名又は名称】弁理士法人武和国際特許事務所

(72)【発明者】

【氏名】馬場 功淳

【審査官】鈴木 崇雅

(56)【参考文献】

【文献】特開２０２１－０７４５６１（ＪＰ，Ａ）

【文献】特開２０２３－１３０４３３（ＪＰ，Ａ）

【文献】特開２０２１－０３６４４６（ＪＰ，Ａ）

【文献】特開２００７－１９５８９１（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１６／０３００１５８（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１４／０３４９７６６（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６３Ｆ ９／２４、１３／００－１３／９８

Ｇ０６Ｎ ３／００８

(57)【特許請求の範囲】

【請求項1】

コンピュータを、
第１キャラクタと、前記第１キャラクタと対戦する第２キャラクタとを育成する育成手段と、
前記第１キャラクタを育成する方向性に関する未知方針データを入力する入力手段と、
前記未知方針データに対応する前記第１キャラクタの成長後状態を示す未知成長イメージデータを含む未知データを生成する未知データ生成手段と、
前記未知データが入力されると、前記未知データに基づき、前記第１キャラクタの成長後状態を示す成長イメージデータを含む学習データで学習させた学習済みモデルを用いて、前記方向性に従って具体化させた育成パターンに基づき前記第１キャラクタを成長させる実行データを生成する実行データ生成手段として機能させ、
前記育成手段は、
前記実行データに基づき、前記第１キャラクタを育成させ、
前記学習済みモデルは、
前記成長イメージデータを入力データとし、前記育成パターンを出力データとして、両者を関連付けて事前に学習させたモデルである
プログラム。

【請求項2】

前記未知方針データは、
前記方向性に関する文言を含み、
前記未知データ生成手段は、
前記文言から想起される前記成長後状態となるように、前記第１キャラクタの育成をシミュレーションして複数の前記未知成長イメージデータを生成する前処理を行い、
ユーザによる前記未知成長イメージデータの選択結果に基づき、前記未知成長イメージデータが前記未知データとして、前記学習済みモデルに入力される
請求項１に記載のプログラム。

【請求項3】

前記実行データ生成手段は、
１つの前記成長イメージデータに対して、前記育成パターンを複数含むように前記実行データを生成し、
前記育成パターンは、
ユーザによる変更操作に基づき、変更されて変更パターンとなり、
前記育成手段は、
前記変更パターンを含む前記実行データに基づき、前記第１キャラクタを育成させる
請求項１に記載のプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、プログラムに関する。

【背景技術】

【0002】

従来、動物、又は、植物の成長過程を画像にして出力するゲーム機器が知られている。具体的には、まずゲーム機器が、生物を成長させるための成長要素を示した複数種類の成長要素画像データを記憶する。次に、ユーザが複数の成長要素画像データから、成長要素画像データを１つ選択する。このように、成長要素画像データが選ばれると、選ばれた成長要素画像データに応じた成長要素データの値が定まり、生物が成長していく。以上のようにして、動物、又は、植物等の生物を現実的な感覚で成長させて表示し、実際に飼育しなくとも、飼育を実習できる技術が知られている（例えば、特許文献１等である）。

【0003】

また、ゲームにおいて、ユーザは、主人公キャラクタに行動を実行させ、主人公キャラクタの能力値をアップさせて、主人公キャラクタを育成する。この行動に対し、場面ごとに、行動の良否に対応させて、加減点が事前に設定される。そして、主人公キャラクタの体力に対応した体力指数が閾値まで低下すると、育成が失敗となり、ゲームを終了させる。このようにして、ゲームの進行に際し、ユーザにゲームを維持する条件を課すことで、興趣に富むゲームを提供する技術が知られている（例えば、特許文献２等である）。

【先行技術文献】

【特許文献】

【0004】

【文献】特許第２８４８２１９号公報

【文献】特許第３３４３０９９号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

従来の技術は、キャラクタを育成するために、ユーザは、細かい指示を行う。具体的には、育成ゲーム等では、キャラクタの育成は、キャラクタの各パラメータを上昇させる。そのため、ユーザは、キャラクタを育成させるため、パラメータが上昇するイベントを１つ１つ実行していく。このような作業は、単調になりやすく、ユーザの興趣を低下させる一因になっていた。一方で、ＡＩ（人工知能、Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ、以下「ＡＩ」という。）をゲームに適用し、新たな面白みをユーザに提供する試みが生まれてきているが更なる向上が望まれていた。

【0006】

本発明は、ゲーム、特にキャラクタを育成して、育成したキャラクタ同士を対戦させることができるゲームにおいて、ＡＩによってキャラクタを育成させ、これらのキャラクタ同士を対戦させることで、ユーザに新たな体験をもたらしつつ、ユーザの興趣を向上させることを目的とする。

【課題を解決するための手段】

【0007】

本発明は、前記課題を解決するため、プログラムは、コンピュータを、第１キャラクタと、前記第１キャラクタと対戦する第２キャラクタとを育成する育成手段と、前記第１キャラクタを育成する方向性に関する未知方針データを入力する入力手段と、前記未知方針データに対応する前記第１キャラクタの成長後状態を示す未知成長イメージデータを含む未知データを生成する未知データ生成手段と、前記未知データが入力されると、前記未知データに基づき、前記第１キャラクタの成長後状態を示す成長イメージデータを含む学習データで学習させた学習済みモデルを用いて、前記方向性に従って具体化させた育成パターンに基づき前記第１キャラクタを成長させる実行データを生成する実行データ生成手段として機能させ、前記育成手段は、前記実行データに基づき、前記第１キャラクタを育成させる。

【発明の効果】

【0008】

本発明によれば、ユーザに新たな体験をもたらしつつ、ユーザの興趣を向上させることができる。

【図面の簡単な説明】

【0009】

【図1】本実施形態に係るシステム構成例を示す図である。

【図2】事前処理例を示す図である。

【図3】実行処理例を示す図である。

【図4】ＡＩの学習、及び、実行の全体処理例を示す図である。

【図5】情報処理装置のハードウェア構成例を示す図である。

【図6】ＡＩの構成例を示すネットワーク図である。

【図7】成長イメージの生成例を示す図である。

【図8】実行処理における実行データの例、育成パターンの例、及び、育成の例を示す図である。

【図9】対戦例を示す図である。

【図10】全体処理例を示す図である。

【図11】機能構成例を示す図である。

【図12】第１変形例を示す図である。

【図13】第２変形例を示す図である。

【図14】補助装置を用いる構成例を示す図である。

【発明を実施するための形態】

【0010】

以下、実施形態を図面に基づいて説明する。

【0011】

［システム構成例］
図１は、本実施形態に係るシステム構成例を示す図である。例えば、図１に示すように、システム１は、ユーザ端末２０Ａ、２０Ｂ、２０Ｃ（以下、これらを総称して、「ユーザ端末２０」と表記することがある。）と、サーバ１１とを主に備える。

【0012】

以下、サーバ１１を管理する者を「管理者５」という。また、ユーザ端末２０Ａ、２０Ｂ、及び、２０Ｃを操作するそれぞれの者を「ユーザ４Ａ」、「ユーザ４Ｂ」、「ユーザ４Ｃ」（以下、これらを総称して、「ユーザ４」と表記することがある。）という。

【0013】

管理者５は、システム１による情報処理サービスを運営する役割の者である。一方で、ユーザ４は、システム１による情報処理サービスを利用する者である。また、管理者５、及び、ユーザ４は、管理装置の例であるサーバ１１、又は、ユーザ端末２０のどちらの情報処理装置を操作するかが異なる。以下、ユーザ４がゲームのプレイヤとなり、管理者５がゲーム、及び、サーバ１１を管理する。

【0014】

なお、図１に示す例は、ユーザ端末２０が３つ、かつ、サーバ１１が１つの例であるが、サーバ１１の台数、ユーザ端末２０の台数、管理者５の人数、及び、ユーザ４の人数は問わない。

【0015】

サーバ１１、及び、ユーザ端末２０は、通信ネットワーク２を介して相互通信可能に接続する。例えば、通信ネットワーク２は、インターネット、移動体通信システム（例えば、４Ｇ（４ｔｈ Ｇｅｎｅｒａｔｉｏｎ、第４世代移動通信規格）、又は、５Ｇ（５ｔｈ Ｇｅｎｅｒａｔｉｏｎ、第５世代移動通信規格）等による公衆回線である。）、Ｗｉ－Ｆｉ（登録商標）等の無線ネットワーク、又は、これらの組み合わせである。

【0016】

ユーザ端末２０は、サーバ１１からゲームをプレイするためのプログラム（以下、「ゲームプログラム」という。）をダウンロード、又は、サーバ１１にアクセスしてゲームサービスを提供する。なお、ゲームをプレイする上でサーバ１１と通信がなくともよい。すなわち、ユーザ端末２０は、プログラムをダウンロード、又は、メディアからインストールしてゲームをプレイする環境を構築してもよい。

【0017】

［ＡＩの学習、及び、実行の例］
以下、ＡＩは、「事前処理」によって学習する。学習段階、すなわち、「事前処理」におけるＡＩを「学習モデルＡ１」という。そして、学習モデルＡ１は、ある程度、学習が進むと、「学習済みモデルＡ２」となる。以下、学習済みモデルＡ２を用いて出力処理を実行する実行段階を「実行処理」とする。

【0018】

「事前処理」は、「実行処理」より前に行われる。ただし、「実行処理」をする上で引き続き「事前処理」、すなわち、学習済みモデルＡ２が学習を行うものであってもよい。

【0019】

［事前処理例］
図２は、事前処理例を示す図である。例えば、事前処理は、サーバ１１で行われる。

【0020】

学習モデルＡ１は、学習データＤ１を入力して学習を行う。すなわち、学習モデルＡ１は、所謂「教師あり」の学習を行う。

【0021】

事前処理では、前処理装置１００に対し、方針データＤ１１が入力される。そして、方針データＤ１１は、前処理装置１００によって、成長イメージデータＤ１２に変換される。なお、前処理装置１００は、１つの方針データＤ１１に対し、複数の成長イメージデータＤ１２を生成してもよい。以下、前処理装置１００が１つの方針データＤ１１に対し、成長イメージデータＤ１２を１つ生成する例で説明する。

【0022】

学習データＤ１は、既知の成長イメージデータＤ１２（以下、「正解」が既知の成長イメージデータを単に「成長イメージデータＤ１２」という。）等を含み、この成長イメージデータＤ１２に対する「正解」が対応付けされたデータである。

【0023】

学習モデルＡ１は、学習データＤ１の入力に基づき、方針データＤ１１の入力によって生成される成長イメージデータＤ１２対し、正解データＤ２０の出力をする対応関係を学習する。

【0024】

なお、方針データＤ１１、成長イメージデータＤ１２、及び、前処理装置１００による前処理の詳細は、後述する。

【0025】

更に、学習モデルＡ１は、ビッグデータＤ４で学習するのが望ましい。例えば、ビッグデータＤ４は、インターネット上のデータ等である。ただし、ビッグデータＤ４は、管理者５等が入力するデータでもよい。また、前処理装置１００がＡＩによって変換を行う場合には、前処理装置１００が用いるＡＩは、ビッグデータＤ４を用いて事前処理で学習してもよい。

【0026】

［実行処理例］
図３は、実行処理例を示す図である。例えば、実行処理は、ユーザ端末２０、又は、ユーザ端末２０とサーバ１１が協働して行う。

【0027】

学習済みモデルＡ２は、事前処理による学習によって学習モデルＡ１が学習した状態である。すなわち、図２に示す事前処理が実行されると、学習済みモデルＡ２が生成される。

【0028】

学習済みモデルＡ２は、未知データＤ２が入力されると、未知データＤ２に対して、実行データＤ３を生成する。

【0029】

未知データＤ２は、未知の成長イメージデータ（以下「未知成長イメージデータＤ２１」という。）、すなわち、成長イメージデータに対する「正解」が入力の時点では不明なデータである。例えば、未知データＤ２は、学習データＤ１における成長イメージデータＤ１２が同じ種類のデータで構成される。

【0030】

未知データＤ２が入力されると、学習済みモデルＡ２は、学習済みの対応関係に基づき、実行データＤ３を生成する。

【0031】

実行データＤ３は、育成パターンＤＰ０で構成されるデータである。なお、学習済みモデルＡ２は、実行データＤ３を複数の育成パターンＤＰ０で構成するように生成してもよい。

【0032】

実行データＤ３、及び、育成パターンＤＰ０の詳細は後述する。

【0033】

実行データＤ３を構成する複数の育成パターンＤＰ０のうち、１つの育成パターンＤＰ０が選択されると、育成パターンＤＰ０が示す育成方法に基づき、キャラクタ１０１の育成が行われる。

【0034】

図４は、ＡＩの学習、及び、実行の全体処理例を示す図である。図２に示す事前処理、及び、図３に示す実行処理の関係は、図４に示すような関係となる。

【0035】

なお、事前処理、及び、実行処理を図に例示するような連続する順序で実行しなくともよい。したがって、事前処理によって準備を行う期間と、その後、実行処理を行う期間を連続させることは必須ではない。ゆえに、実行処理は、学習済みモデルＡ２を一旦作成した後であれば、事前処理から時間が経過した後に実行処理を行うようにしてもよい。また、学習済みモデルＡ２が一度生成された後であれば、学習済みモデルＡ２を転用して実行処理が行われてもよい。

【0036】

学習処理と実行処理では、学習データＤ１と未知データＤ２が異なる。また、ＡＩは、学習段階では、学習モデルＡ１であったのが、ある程度学習が進むと、学習済みモデルＡ２となる。このように、ビッグデータＤ４を学習データとして学習した学習済みモデルＡ２は、所謂「生成ＡＩ」である。

【0037】

学習データＤ１に含まれる成長イメージデータＤ１２と、未知データＤ２に含まれる未知成長イメージデータＤ２１は、同じデータ種類である。すなわち、成長イメージデータＤ１２と未知成長イメージデータＤ２１は、どちらもキャラクタ１０１の成長後をイメージしたデータである。

【0038】

学習データＤ１は、「正解」が既知であるのに対し、未知データＤ２は、「正解」が未知となる。具体的には、学習データＤ１は、正解データＤ２０を含むのに対し、未知データＤ２は、正解データＤ２０を含まない。したがって、学習データＤ１は、成長イメージデータＤ１２と正解データＤ２０の関係が既知である。

【0039】

一方で、未知データＤ２には、正解データＤ２０が含まれず、未知データＤ２に対する「正解」が未知である。そして、学習済みモデルＡ２は、事前処理で学習した学習データＤ１と正解データＤ２０の相関関係に基づき、未知データＤ２に対して実行データＤ３を生成する。

【0040】

実行処理は、一部をテーブル等を用いる処理でもよい。このように、テーブルを用いる構成、所謂ルールベースでは、事前処理は、テーブル（ルックアップテーブル（Ｌｏｏｋ Ｕｐ Ｔａｂｌｅ、ＬＵＴ）等ともいう。）、又は、数式等を入力する準備を行う処理である。

【0041】

［情報処理装置のハードウェア構成例］
図５は、情報処理装置のハードウェア構成図である。情報処理装置は、サーバ１１、及び、ユーザ端末２０等である。以下、情報処理装置は、サーバ１１と同じハードウェア構成であるとする。例えば、情報処理装置は、ワークステーション、又は、パーソナルコンピュータ等の汎用コンピュータである。ただし、それぞれの情報処理装置は、ハードウェア構成が異なってもよい。

【0042】

サーバ１１は、プロセッサ１１１と、メモリ１１２と、ストレージ１１３と、入出力インタフェース１１４と、通信インタフェース１１５とを主に備える。また、サーバ１１の各構成要素は、通信バス１１６に接続する。

【0043】

プロセッサ１１１は、メモリ１１２又はストレージ１１３に格納されているサーバプログラム１１Ｐに含まれる一連の命令を実行することによって、処理、及び、制御を実現する。

【0044】

プロセッサ１１１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、又は、これらの組み合わせ等の演算装置、及び、制御装置である。

【0045】

メモリ１１２は、サーバプログラム１１Ｐ、及び、データ等を記憶する主記憶装置である。例えば、サーバプログラム１１Ｐは、ストレージ１１３からロードされる。また、データは、サーバ１１に入力されたデータと、プロセッサ１１１によって生成されたデータとを含む。例えば、メモリ１１２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、又は、その他の揮発メモリである。

【0046】

ストレージ１１３は、サーバプログラム１１Ｐ、及び、データ等を記憶する補助記憶装置である。ストレージ１１３は、例えば、ＲＯＭ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ハードディスク装置、フラッシュメモリ、又は、その他の不揮発記憶装置である。また、ストレージ１１３は、メモリカードのように着脱可能な記憶装置でもよい。更に、他の例として、ストレージ１１３は、外部記憶装置であってもよい。このような構成によれば、例えば、アミューズメント施設のように複数のユーザ端末２０が使用される場面において、サーバプログラム１１Ｐ、又は、データの更新等を一括して行うことが可能になる。

【0047】

入出力インタフェース１１４は、モニタ、入力装置（例えば、キーボード、又は、ポインティングデバイス等である。）、外部記憶装置、スピーカ、カメラ、マイク、及び、センサ等の外部装置をサーバ１１に接続するインタフェースである。

【0048】

また、プロセッサ１１１は、入出力インタフェース１１４を通じて外部装置と通信する。入出力インタフェース１１４は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）、ＤＶＩ（Ｄｉｇｉｔａｌ Ｖｉｓｕａｌ Ｉｎｔｅｒｆａｃｅ）、ＨＤＭＩ（登録商標）（Ｈｉｇｈ－Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）、無線、及び、その他の端子である。

【0049】

通信インタフェース１１５は、通信ネットワーク２に接続する他の装置（例えば、ユーザ端末２０等である。）と通信する。例えば、通信インタフェース１１５は、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等の有線通信インタフェース、Ｗｉ－Ｆｉ（登録商標）（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又は、ＮＦＣ（Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）等の無線通信インタフェースである。

【0050】

ただし、情報処理装置は、上記のハードウェア構成に限られない。例えば、ユーザ端末２０は、カメラ等のセンサを更に備えてもよい。そして、ユーザ端末２０がセンサで取得する様々なデータがサーバ１１に送信されてもよい。

【0051】

［学習モデル、及び、学習済みモデルの構成例］
図６は、ＡＩの構成例を示すネットワーク図である。学習モデルＡ１、及び、学習済みモデルＡ２は、例えば、以下のようなネットワークで示す構成のＡＩである。

【0052】

以下、学習モデルＡ１、及び、学習済みモデルＡ２は、サーバ１１上、すなわち、クラウド上に実装される例で説明する。ただし、学習モデルＡ１、及び、学習済みモデルＡ２の一部、又は、全部は、ユーザ端末２０等に実装されてもよい。

【0053】

ネットワーク３００は、例えば、入力層Ｌ１、中間層Ｌ２（「隠れ層」等ともいう。）、及び、出力層Ｌ３等を有する構成である。

【0054】

入力層Ｌ１は、データを入力する層である。

【0055】

中間層Ｌ２は、入力層Ｌ１で入力するデータを重み（例えば、乗算に用いる係数である。）、及び、バイアス（例えば、定数を加算する。）等に基づいて変換する。このように中間層Ｌ２で処理された結果が出力層Ｌ３へ伝えられる。

【0056】

出力層Ｌ３は、出力内容等を出力する層である。

【0057】

そして、学習により、重みの係数（例えば、入力する文字、又は、画像に対する係数を学習に基づき変化させる。）、及び、学習で変化させるパラメータ等が最適化される。なお、ネットワーク３００は、図示するネットワーク構造に限られない。つまり、ＡＩは、他の機械学習によって実現されてもよい。

【0058】

例えば、ＡＩは、「教師なし」の機械学習等により、次元削減（例えば、３次元以上の関係を３次元以下程度の簡略な計算で求まる関係に変える処理である。）等の前処理を行う構成等でもよい。入力と出力の関係は、１次式等の単純な計算で処理されるのが望ましい。このような計算であると、計算コストを少なくできる。

【0059】

また、ＡＩは、ドロップアウト等といった過学習（「過剰適合」又は「過適合」等ともいう。）（ｏｖｅｒｆｉｔｔｉｎｇ）を軽減化させる処理が行われてもよい。他にも、次元削減、及び、正規化等の前処理が行われてもよい。

【0060】

ＡＩは、ＣＮＮ（畳み込みニューラルネットワーク、Ｃｏｎｖｏｌｕｔｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）のネットワーク構造等があってもよい。他にも、例えば、ネットワーク構造は、ＬＬＭ（Ｌａｒｇｅ Ｌａｎｇｕａｇｅ Ｍｏｄｅｌ 大規模言語モデル）、ＲＮＮ（再帰型ニューラルネットワーク、Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）又はＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ－Ｔｅｒｍ Ｍｅｍｏｒｙ）等の構成を有してもよい。すなわち、ＡＩは、ディープラーニング以外のネットワーク構造等であってもよい。

【0061】

また、ＡＩは、ハイパパラメータを有する構成であってもよい。すなわち、ＡＩは、一部の設定をユーザ等が行う構成でもよい。更に、ＡＩは、学習対象とする特徴量を特定してもよいし、ユーザが学習対象とする一部又は全部の特徴量を設定してもよい。

【0062】

更に、学習モデルＡ１、及び、学習済みモデルＡ２は、他の機械学習を利用してもよい。例えば、学習モデルＡ１、及び、学習済みモデルＡ２は、教師なしのモデルにより、正規化等を前処理で行うものであってもよい。更に、学習は、強化学習（Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ、ＡＩに選択をさせ、選択に対する評価（報酬）を与えて、評価が大きくなるような学習方法をいう。）等であってもよい。

【0063】

学習では、データの拡張等が行われてもよい。すなわち、学習モデルＡ１の学習に用いる学習データを増やすため、１つの実験データ等を拡張させて、複数の学習データにする前処理が行われてもよい。このようにして、学習データを増やせると、より学習モデルＡ１の学習を進めることができる。

【0064】

また、学習モデルＡ１、及び、学習済みモデルＡ２は、転移学習（Ｔｒａｎｓｆｅｒ Ｌｅａｒｎｉｎｇ）、又は、ファインチューニング（Ｆｉｎｅ ｔｕｎｉｎｇ）等を行う構成でもよい。すなわち、ユーザ端末２０は、装置ごとに異なる実行環境となる場合が多いため、実行環境に合わせて装置ごとに設定が異なってもよい。例えば、ＡＩの基本構成は、別の情報処理装置で学習する。その後、各々の情報処理装置は、更に各々の実行環境に最適化するため、更に学習、又は、設定等がされてもよい。

【0065】

［方針データの例、成長イメージデータの例、前処理の処理例、及び、前処理装置の例］
前処理装置１００は、ＰＣ等の情報処理装置である。ただし、前処理装置１００は、サーバ１１と別の装置でなくともよく、サーバ１１が兼ねてもよい。以下、前処理装置１００がサーバ１１である例とする。

【0066】

方針データＤ１１は、例えば、ユーザ４がテキスト形式で入力する文言である。ただし、方針データＤ１１は、画像データ等を含んでもよい。例えば、ユーザ４は、キャラクタ１０１を将来的にどのようなキャラクタにさせたいかの理想像を示す、所謂、育成の方向性（以下、単に「方向性」という。）を文言で示して方針データＤ１１として入力する。

【0067】

したがって、方針データＤ１１は、キャラクタ１０１、及び、ゲームの種類によって様々な方向性があり得る。例えば、対戦を行うゲームにおいて、他キャラクタと戦闘があるゲームでは、キャラクタ１０１は、「力」、「素早さ」、「攻撃力」、「守備力」、「体力」・・・というように様々なパラメータが設定される。そして、パラメータは、レベルやランクが上がる、訓練する、アイテムを使う、装備を変更する、又は、イベントやミッションを攻略する等によって上昇する。換言すると、パラメータの上昇に応じて、キャラクタ１０１が成長していくといえる。

【0068】

方針データＤ１１は、キャラクタ１０１がある程度、育成された状態（以下「成長後状態」という。）を定性的に表現した文言を含む。具体的には、方針データＤ１１は、ユーザ４がキャラクタ１０１の成長後状態をイメージして、その成長後状態を形容する文言である。例えば、方針データＤ１１は、「力強く」、「スピード重視」、又は、「なるべく長く生き残れるように」等のように入力される。したがって、方針データＤ１１は、成長後状態を想起できるのであれば、成長後状態のキャラクタ１０１を画像形式で示してもよいし、音声形式で示してもよい。

【0069】

次に、前処理装置１００は、方針データＤ１１が入力されると、方針データＤ１１を変換して成長イメージデータＤ１２を生成する。

【0070】

成長イメージデータＤ１２は、方針データＤ１１に対応した成長後状態を示すデータである。例えば、成長イメージデータＤ１２は、方針データＤ１１が示す方向性となるように育成した場合をシミュレーションして生成される。

【0071】

図７は、成長イメージの生成例を示す図である。例えば、ユーザ４は、方針データＤ１１をテキスト形式で入力する。以下、方向性を「力強く」とする例で説明する。ただし、方向性は、１つの文言でなく、複数の文言で示される、又は、他に条件（条件も、方針データＤ１１内にテキストで入力する。）が加わってもよい。

【0072】

前処理装置１００は、例えば、ＡＩ、すなわち、ビッグデータＤ４等で学習した学習済みモデル等である。したがって、前処理装置１００は、現状のキャラクタ１０１に対し、どのような状態に成長させると、方針データＤ１１が示す方向性のキャラクタ１０１に近づいていくかが特定できる。

【0073】

なお、前処理装置１００は、ユーザ４による方針データＤ１１を変換して成長イメージデータＤ１２が生成できれば、ＡＩを用いる以外の変換処理で成長イメージデータＤ１２を生成してもよい。

【0074】

また、成長イメージデータＤ１２は、ユーザ４に出力されなくともよい。すなわち、成長イメージデータＤ１２は、全体処理の内部データとなって、ユーザ４には途中経過である成長イメージデータＤ１２を見せない構成でもよい。

【0075】

例えば、ＲＰＧ形式で複数のキャラクタが育成、及び、対戦するゲームでは、キャラクタ１０１ごとのレベルを上げると、パラメータが上昇してキャラクタ１０１が育成される。ただし、レベルを上げていく上で「訓練方法」、属性の変更（例えば、「職業」の設定等である。）、又は、アイテムの使用等により、特定のパラメータが上がりやすくできるとする。すなわち、キャラクタ１０１は、育成方法により、特定のパラメータが他のパラメータと比較して上がりやすくなるように育成できるとする。

【0076】

図７は、例えば、キャラクタ１０１を「力強く」育成した場合をシミュレーションした結果を成長イメージデータＤ１２で示す図である。具体的には、成長イメージデータＤ１２は、例えば、キャラクタ１０１の現状と、ある程度（この例では、レベルを５つ上げる成長をさせた時点を成長後状態とする。）育成した後の成長後状態のシミュレーション結果を比較形式で示す。ただし、成長イメージデータＤ１２は、キャラクタ１０１の成長背前後を示す比較形式（すなわち、シミュレーション結果である。）でなく、成長後状態のみのパラメータを示す、又は、キャラクタ１０１の成長後状態を示す画像等の形式でもよい。

【0077】

また、パラメータがユーザ４に出力されない（一部のパラメータが出力されない場合を含む。）、所謂「隠しパラメータ」等がある場合には、隠しパラメータは、ユーザ４に出力されない、又は、数値ではなく別表現（例えば、育成でキャラクタ１０１の外観が変化する場合には、画像で成長後状態のシミュレーション結果を示してもよい。）で出力されてもよい。すなわち、ユーザ４は、方針データＤ１１によって文言で方向性を示せば、キャラクタ１０１の育成が実行されてもよい。

【0078】

［実行データの例、育成パターンの例、及び、育成の例］
図８は、実行処理における実行データの例、育成パターンの例、及び、育成の例を示す図である。以下、実行処理における育成パターンＤＰ０の生成例を説明する。したがって、育成パターンＤＰ０は、学習処理では、正解データＤ２０の形式でもある。

【0079】

育成パターンＤＰ０は、後段で実行されるキャラクタ１０１の育成方法を具体化させて示すデータである。例えば、育成パターンＤＰ０は、「トレーニングＡ」等のように、育成において実行する育成メニュー、及び、各育成メニューの実行回数等を示す。

【0080】

したがって、育成パターンＤＰ０は、ゲームごとに形式が異なる。つまり、育成パターンＤＰ０は、後段におけるキャラクタ１０１の育成において、どのような育成を行うかという育成内容、育成期間、及び、育成メニューの実行回数等が規定された形式である。

【0081】

なお、学習済みモデルＡ２は、学習処理により、どのような育成方法を取ると、どのパラメータが成長するかを対応付けできる状態である。

【0082】

ただし、育成方法に対して、確実に狙ったパラメータが上昇するとは限らない（例えば、レベルが上がっても、どのパラメータが上昇するかはランダムの設定等である。）場合もある。このような場合には、学習済みモデルＡ２は、狙うパラメータが上がる確率が、なるべく高くなるように実行データＤ３を生成する。

【0083】

なお、育成パターンＤＰ０は、複数生成されてもよい。

【0084】

実行データＤ３が生成されると、実行データＤ３を構成する育成パターンＤＰ０が示す育成方法でキャラクタ１０１が実際に育成される。

【0085】

［対戦例］
図９は、対戦例を示す図である。例えば、ＲＰＧの場合、対戦は、各々のユーザ４が育成したキャラクタを所謂「コマンドバトル」形式で行う。以下、第１ユーザである、ユーザ４Ａが育成した「第１キャラクタ１２１」と、第２ユーザである、ユーザ４Ｂが育成した「第２キャラクタ１２２」が対戦する例で説明する。

【0086】

第１キャラクタ１２１、及び、第２キャラクタ１２２は、異なるＡＩによって育成されたキャラクタである。したがって、育成方法も異なるため、第１キャラクタ１２１、及び、第２キャラクタ１２２は、異なる成長をする。

【0087】

なお、対戦は、ユーザ４が操作、すなわち、コマンドを互いに順番に入力していく形式でなく、対戦中、どのように行動するかをＡＩが決定して自動で進行するようにしてもよい。また、このように自動で進行する場合であっても、その途中で、一部又は全部の操作をユーザ４が任意に行えるようにしてもよい。

【0088】

他にも、対戦は、１対１に限られない。例えば、３人以上のユーザ、すなわち、３体以上のキャラクタが対戦してもよいし、タッグ戦やチーム戦のように複数対複数による対戦でもよい。

【0089】

また、対戦は、ゲームの種類等によって形式が異なる。例えば、ゲームの種類は、サッカー等のスポーツゲーム、格闘ゲーム、又は、将棋等のボードゲーム等である。

【0090】

［全体処理例］
図１０は、全体処理例を示す図である。以下、２人のユーザが対戦する場合を例に説明する。具体的には、第１ユーザ、及び、第１キャラクタ１２１用の処理がステップＳ１１乃至ステップＳ１７である。一方で、第２ユーザ、及び、第２キャラクタ１２２用の処理がステップＳ２１乃至ステップＳ２７である。なお、各処理は、別々に並列して実行されるが、処理を同期させる必要はない。

【0091】

以下の例では、全体処理は、事前処理と実行処理を連続して行う。具体的には、ステップＳ１１乃至ステップＳ１７、及び、ステップＳ２１乃至ステップＳ２７が学習処理である。また、ステップＳ１５乃至ステップＳ１７、及び、ステップＳ２５乃至ステップＳ２７が実行処理である。ただし、全体処理には、これら以外の処理が含まれてもよい。

【0092】

また、以下の例では、第１学習モデルの学習、第１学習済みモデルによる実行、及び、第１キャラクタ１２１の育成は、第１情報処理装置である、ユーザ端末２０Ａで実行する。同様に、以下の例では、第２学習モデルの学習、第２学習済みモデルによる実行、及び、第２キャラクタ１２２の育成は、第２情報処理装置である、ユーザ端末２０Ｂで実行する。そして、育成が完了した第１キャラクタ１２１、及び、第２キャラクタ１２２の対戦は、第３情報処理装置である、サーバ１１で実行する。

【0093】

ただし、第１情報処理装置、第２情報処理装置、及び、第３情報処理装置は、ユーザ端末２０Ａ、ユーザ端末２０Ｂ、及び、サーバ１１の組み合わせでなくともよい。例えば、第１情報処理装置、第２情報処理装置、及び、第３情報処理装置は、サーバ１１がすべて兼ねてもよいし、他の情報処理装置が実行してもよい。

【0094】

ステップＳ１１では、ユーザ端末２０Ａは、第１方針データを入力する。例えば、ユーザ４Ａによるテキスト入力操作により、第１キャラクタ１２１を育成する方向性（以下「第１方向性」という。）を示す第１方針データが入力される。具体的には、第１方針データは、図７に示す方針データＤ１１のように入力される。

【0095】

ステップＳ１２では、ユーザ端末２０Ａは、第１成長イメージデータを生成する。具体的には、第１成長イメージデータは、図７に示すように、前処理装置１００が第１方針データに対して前処理を実行し、第１成長イメージデータを生成する。

【0096】

ステップＳ１３では、ユーザ端末２０Ａは、第１学習データを入力する。具体的には、第１学習データは、図２に示すように、ステップＳ１２で生成する第１成長イメージデータと正解データＤ２０をセットにして生成される。

【0097】

以下、第１学習モデル用の正解データＤ２０を「第１正解データ」という。第１正解データは、例えば、事前に入力される。また、第１正解データは、第１成長イメージデータに対して、対応付けされる。例えば、上昇させたいパラメータに対応付けして、育成パターン（以下、第１キャラクタ１２１育成用の育成パターンを「第１育成パターン」という。）が事前に用意される。

【0098】

ステップＳ１４では、ユーザ端末２０Ａは、第１学習を行う。具体的には、ユーザ端末２０Ａは、第１学習データを用いて、図４に示すように、第１学習モデルを学習させて第１学習済みモデルを生成する。

【0099】

第１学習モデルをある程度学習させた第１学習済みモデルが生成されると、ステップＳ１５以降の処理が実行される。

【0100】

ステップＳ１５では、ユーザ端末２０Ａは、第１未知方針データを入力、及び、第１未知データを生成する。具体的には、図８に示すように、ユーザ４Ａによる操作によって、第１未知方針データが入力されると、前処理が実行される。そして、前処理によって、第１未知方針データに対応した第１成長イメージデータが生成される。続いて、第１成長イメージデータを含む第１未知データが生成されると、第１未知データは、第１学習済みモデルに入力される。

【0101】

ステップＳ１６では、ユーザ端末２０Ａは、第１実行データを生成する。具体的には、ステップＳ１５によって、第１学習済みモデルに第１未知データが入力されると、ユーザ端末２０Ａは、図８に示すように、第１育成パターンを含む第１実行データを生成する。

【0102】

ステップＳ１７では、ユーザ端末２０Ａは、第１育成を行う。すなわち、第１実行データが示す第１育成パターンの通りに、ユーザ端末２０Ａは、第１キャラクタ１２１を育成する。

【0103】

第１キャラクタ１２１用と同様に、第２キャラクタ１２２用に、学習処理、及び、実行処理が以下のように行われる。

【0104】

ステップＳ２１では、ユーザ端末２０Ｂは、第２方針データを入力する。例えば、第２方針データは、第１方針データと同様に、ユーザ４Ｂによるテキスト入力操作により、第２キャラクタ１２２を育成する方向性（以下「第２方向性」という。）を示す第２方針データが入力される。具体的には、第２方針データは、図７に示す方針データＤ１１のように入力される。ただし、第１方針データと第２方針データは、データの入力方法、及び、各ユーザの操作方法が異なってもよい。

【0105】

ステップＳ２２では、ユーザ端末２０Ｂは、第２成長イメージデータを生成する。具体的には、第２成長イメージデータは、第２成長イメージデータと同様に、図７に示すように、前処理装置１００が第２方針データに対して前処理を実行し、第２成長イメージデータを生成する。ただし、第１成長イメージデータと第２成長イメージデータは、生成方法、及び、データの形式が異なってもよい。

【0106】

ステップＳ２３では、ユーザ端末２０Ｂは、第２学習データを入力する。具体的には、第２学習データは、第１学習データと同様に、図２に示すように、ステップＳ２２で生成する第２成長イメージデータと正解データＤ２０をセットにして生成される。

【0107】

以下、第２学習モデル用の正解データＤ２０を「第２正解データ」という。第２正解データは、例えば、事前に入力される。また、第２正解データは、第２成長イメージデータに対して、対応付けされる。例えば、上昇させたいパラメータに対応付けして、育成パターン（以下、第２キャラクタ１２２育成用の育成パターンを「第２育成パターン」という。）が事前に用意される。

【0108】

第１学習と第２学習は、異なってもよい。すなわち、第１学習済みモデルと第２学習済みモデルは、同じ未知データが入力されても、異なる実行データを生成するように学習されてもよい。したがって、第１学習済みモデルと第２学習済みモデルが異なる実行データを生成するため、仮に、同じ種類のキャラクタ、かつ、第１方向性と第２方向性が同じであっても、育成方法が異なり、キャラクタが異なるように成長してもよい。

【0109】

一方で、第２学習済みモデルは、第１学習済みモデルを複製したものとしてもよい。この場合には、仮に、同じ種類のキャラクタ、かつ、第１方向性と第２方向性が同じであれば、第１学習済みモデルと第２学習済みモデルは、同じ育成方法を選ぶ構成となる。

【0110】

ステップＳ２４では、ユーザ端末２０Ｂは、第２学習を行う。具体的には、ユーザ端末２０Ｂは、第１学習と同様に、第２学習データを用いて、図４に示すように、第２学習モデルを学習させて第２学習済みモデルを生成する。

【0111】

第２学習モデルをある程度学習させた第２学習済みモデルが生成されると、ステップＳ２５以降の処理が実行される。

【0112】

ステップＳ２５では、ユーザ端末２０Ｂは、第２未知方針データを入力、及び、第２未知データを生成する。具体的には、ステップＳ１５と同様に、図８に示すように、ユーザ４Ｂによる操作によって、第２未知方針データが入力されると、前処理が実行される。そして、前処理によって、第２未知方針データに対応した第２成長イメージデータが生成される。続いて、第２成長イメージデータを含む第２未知データが生成されると、第２未知データは、第２学習済みモデルに入力される。

【0113】

ステップＳ２６では、ユーザ端末２０Ｂは、第２実行データを生成する。具体的には、ステップＳ１６と同様に、ステップＳ２５によって、第２学習済みモデルに第２未知データが入力されると、ユーザ端末２０Ｂは、図８に示すように、第２育成パターンを含む第２実行データを生成する。

【0114】

ステップＳ２７では、ユーザ端末２０Ｂは、第２育成を行う。例えば、第１育成と同様に、第２実行データが示す第２育成パターンの通りに、ユーザ端末２０Ｂは、第２キャラクタ１２２を育成する。

【0115】

以上のように、第１キャラクタ１２１と第２キャラクタ１２２が育成された後、第１キャラクタ１２１と第２キャラクタ１２２の対戦が実行される。

【0116】

ステップＳ３０では、サーバ１１は、第１キャラクタ１２１と第２キャラクタ１２２の対戦を行う。例えば、ＲＰＧ形式であれば、図９に示すような形式で対戦が行われる。

【0117】

なお、第１育成と第２育成の回数、又は、期間は、同一でもよいし、異なってもよい。すなわち、第１キャラクタ１２１と第２キャラクタ１２２の育成度合いがある程度同じ状態で対戦させるようにしてもよいし、いずれか一方の育成が進んでいる状態で対戦させるようにしてもよい。

【0118】

［機能構成例］
図１１は、機能構成例を示す図である。例えば、システム１は、第１学習装置３１、第１実行装置３２、第２学習装置４１、第２実行装置４２、及び、対戦装置５０を備えるＡＩバトルゲームシステムである。

【0119】

なお、第１学習装置３１、第１実行装置３２、第２学習装置４１、第２実行装置４２、及び、対戦装置５０は、同じ情報処理装置が兼ねてもよいし、異なる情報処理装置の組み合わせであって、通信ネットワーク２等によってデータを送受信するシステムでもよい。

【0120】

第１学習装置３１は、第１方針データ入力手段１Ｆ１１、第１イメージ生成手段１Ｆ１２、第１学習データ入力手段１Ｆ１３、及び、第１学習手段１Ｆ１４を備える。同様に、第２学習装置４１は、第２方針データ入力手段１Ｆ３１、第２イメージ生成手段１Ｆ３２、第２学習データ入力手段１Ｆ３３、及び、第２学習手段１Ｆ３４を備える。

【0121】

第１実行装置３２は、第１未知方針データ入力手段１Ｆ２１、第１未知データ生成手段１Ｆ２２、第１未知データ入力手段１Ｆ２３、第１実行データ生成手段１Ｆ２４、及び、第１育成手段１Ｆ２５を備える。同様に、第２実行装置４２は、第２未知方針データ入力手段１Ｆ４１、第２未知データ生成手段１Ｆ４２、第２未知データ入力手段１Ｆ４３、第２実行データ生成手段１Ｆ４４、及び、第２育成手段１Ｆ４５を備える。

【0122】

対戦装置５０は、対戦手段１Ｆ５０を備える。

【0123】

第１方針データ入力手段１Ｆ１１は、第１方針データＤ１０１を入力する第１方針データ入力手順を行う。例えば、第１方針データ入力手段１Ｆ１１は、入出力インタフェース１１４等で実現する。

【0124】

第１イメージ生成手段１Ｆ１２は、第１成長イメージデータを生成する第１イメージ生成手順を行う。例えば、第１イメージ生成手段１Ｆ１２は、プロセッサ１１１等で実現する。

【0125】

第１学習データ入力手段１Ｆ１３は、第１成長イメージデータと第１正解データＤ１０２を含む第１学習データを入力する第１学習データ入力手順を行う。例えば、第１学習データ入力手段１Ｆ１３は、入出力インタフェース１１４等で実現する。

【0126】

第１学習手段１Ｆ１４は、第１学習データを用いて第１学習モデルＡ１１を学習させる第１学習手順を行う。そして、第１学習モデルＡ１１がある程度学習すると、第１学習済みモデルＡ１２が生成される。例えば、第１学習手段１Ｆ１４は、プロセッサ１１１等で実現する。

【0127】

第１未知方針データ入力手段１Ｆ２１は、第１未知方針データＤ１１１を入力する第１未知方針データ手順を行う。例えば、第１未知方針データ入力手段１Ｆ２１は、入出力インタフェース１１４等で実現する。

【0128】

第１未知データ生成手段１Ｆ２２は、第１未知データを生成する第１未知データ生成手順を行う。例えば、第１未知データ生成手段１Ｆ２２は、プロセッサ１１１等で実現する。

【0129】

第１未知データ入力手段１Ｆ２３は、第１未知成長イメージデータを含む第１未知データを入力する第１未知データ入力手順を行う。例えば、第１未知データ入力手段１Ｆ２３は、入出力インタフェース１１４等で実現する。

【0130】

第１実行データ生成手段１Ｆ２４は、第１未知データが入力されると、第１未知データに基づき、第１学習済みモデルＡ１２を用いて、第１育成パターンを示す第１実行データを生成する第１実行データ生成手順を行う。例えば、第１実行データ生成手段１Ｆ２４は、プロセッサ１１１等で実現する。

【0131】

第１育成手段１Ｆ２５は、第１実行データに基づき、第１キャラクタ１２１を育成させる第１育成手順を行う。例えば、第１育成手段１Ｆ２５は、プロセッサ１１１等で実現する。

【0132】

第２方針データ入力手段１Ｆ３１は、第２方針データＤ２０１を入力する第２方針データ入力手順を行う。例えば、第２方針データ入力手段１Ｆ３１は、入出力インタフェース１１４等で実現する。

【0133】

第２イメージ生成手段１Ｆ３２は、第２成長イメージデータを生成する第２イメージ生成手順を行う。例えば、第２イメージ生成手段１Ｆ３２は、プロセッサ１１１等で実現する。

【0134】

第２学習データ入力手段１Ｆ３３は、第２成長イメージデータと第２正解データＤ２０２を含む第２学習データを入力する第２学習データ入力手順を行う。例えば、第２学習データ入力手段１Ｆ３３は、入出力インタフェース１１４等で実現する。

【0135】

第２学習手段１Ｆ３４は、第２学習データを用いて第２学習モデルＡ２１を学習させる第２学習手順を行う。そして、第２学習モデルＡ２１がある程度学習すると、第２学習済みモデルＡ２２が生成される。例えば、第２学習手段１Ｆ３４は、プロセッサ１１１等で実現する。

【0136】

第２未知方針データ入力手段１Ｆ４１は、第２未知方針データＤ２１１を入力する第２未知方針データ手順を行う。例えば、第２未知方針データ入力手段１Ｆ４１は、入出力インタフェース１１４等で実現する。

【0137】

第２未知データ生成手段１Ｆ４２は、第２未知データを生成する第２未知データ生成手順を行う。例えば、第２未知データ生成手段１Ｆ４２は、プロセッサ１１１等で実現する。

【0138】

第２未知データ入力手段１Ｆ４３は、第２未知成長イメージデータを含む第２未知データを入力する第２未知データ入力手順を行う。例えば、第２未知データ入力手段１Ｆ４３は、入出力インタフェース１１４等で実現する。

【0139】

第２実行データ生成手段１Ｆ４４は、第２未知データが入力されると、第２未知データに基づき、第２学習済みモデルＡ２２を用いて、第２育成パターンを示す第２実行データを生成する第２実行データ生成手順を行う。例えば、第２実行データ生成手段１Ｆ４４は、プロセッサ１１１等で実現する。

【0140】

第２育成手段１Ｆ４５は、第２実行データに基づき、第２キャラクタ１２２を育成させる第２育成手順を行う。例えば、第２育成手段１Ｆ４５は、プロセッサ１１１等で実現する。

【0141】

対戦手段１Ｆ５０は、育成した第１キャラクタ１２１と、育成した第２キャラクタ１２２を対戦させる対戦手順を行う。例えば、対戦手段１Ｆ５０は、プロセッサ１１１等で実現する。

【0142】

育成した第１キャラクタ１２１と、育成した第２キャラクタ１２２を対戦させるために、各ＡＩが対戦するキャラクタ１０１を育成する。そして、キャラクタ１０１をどのように育成していくかの方向性は、ユーザ４が示す方針で定まる。

【0143】

ユーザ４は、キャラクタ１０１を育成する方向性をテキストベース、つまり、文言（文章含む。）で入力する。すなわち、ユーザ４は、具体的な育成方法を実行するための操作（コマンド）を選択するのではなく、成長後をイメージして、定性的な表現を含む文言で育成方法を指示する。したがって、キャラクタ１０１は、ユーザ４による文言が入力されると、育成されて強化されていく。

【0144】

ＡＩを用いると、具体的な操作方法が入力されなくとも、簡略な文言で指示しても、育成方法が具体化されて、キャラクタ１０１を育成させることができる。つまり、ユーザ４は、上手く文言を選んでＡＩに指示を出す方式で対戦に勝てる強いキャラクタ１０１を育成する。このように、システム１は、ＡＩが育成したキャラクタ同士が対戦するゲームを提供することができる。

【0145】

［ユーザによる選択等の操作がある変形例］
図１２は、第１変形例を示す図である。第１変形例では、実行処理において、未知データＤ２を生成する上で、複数の未知成長イメージが生成される点が異なる。以下、異なる点を中心に説明し、重複する説明を省略する。

【0146】

第１変形例では、未知方針データが１つの入力であるのに対し、複数の未知成長イメージが生成される。すなわち、１つの方針に対して、何通りかのシミュレーション結果が得られる場合がある。具体的には、第１シミュレーション結果ＤＳ１、及び、第２シミュレーション結果ＤＳ２のように、未知データＤ２は、複数のシミュレーション結果を出力する。具体的には、第１シミュレーション結果ＤＳ１と第２シミュレーション結果ＤＳ２は、成長後状態におけるパラメータが異なる。なお、シミュレーションは、３通り以上されてもよい。

【0147】

第１シミュレーション結果ＤＳ１は、第２シミュレーション結果ＤＳ２と比較すると、「体力」のパラメータが高く、それ以外のパラメータが第２シミュレーション結果ＤＳ２より低い。一方で、第２シミュレーション結果ＤＳ２は、第１シミュレーション結果ＤＳ１と比較すると、「力」のパラメータが高く、それ以外のパラメータが第１シミュレーション結果ＤＳ１より低い。

【0148】

同じ方向性であっても、複数の条件設定ができる場合がある。また、文言から複数のイメージが想起できる場合がある。このような場合には、第１シミュレーション結果ＤＳ１と第２シミュレーション結果ＤＳ２の両方をユーザ４に表示する。そして、ユーザ４は、ＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）等で、第１シミュレーション結果ＤＳ１、及び、第２シミュレーション結果ＤＳ２のうち、どちらかを選択する操作を行う。この選択結果に基づき、成長イメージ、すなわち、未知データが定まってもよい。

【0149】

文言によっては、複数通りの意味が考えられる、又は、意味が広くて様々な成長後状態がイメージできる場合がある。このような文言で方向性を示すと、意外な成長後状態がシミュレーションされる場合もあり、ユーザ４は、色々な文言を試して、様々なキャラクタ１０１の成長後状態を見て楽しむことができる。

【0150】

図１３は、第２変形例を示す図である。第２変形例では、実行処理において、実行データＤ３が異なる。以下、異なる点を中心に説明し、重複する説明を省略する。

【0151】

学習済みモデルＡ２は、複数の育成パターンを含むように実行データＤ３を生成する。以下、第１育成パターンＤＰ１、及び、第２育成パターンＤＰ２の２つを生成する場合を例に説明するが、育成パターンは３つ以上生成されてもよい。

【0152】

第２変形例では、ユーザ４は、以下のような実行データを変更する変更操作ができる。例えば、ユーザ４は、複数の育成パターンのうち、１つの育成パターンを選ぶ変更操作ができる。

【0153】

他に、ユーザ４は、生成される育成パターンの内容を操作できる。例えば、まず、第２育成パターンＤＰ２が選ばれたとする。次に、ユーザ４は、第２育成パターンＤＰ２に「カスタムメニュー」を追加する変更操作をする。このように、実行データＤ３は、第２育成パターンＤＰ２を基礎に、ユーザ４がメニューを追加、修正、削除、又は、詳細設定する操作によって変更された育成パターン（以下「変更パターン」という。）でもよい。

【0154】

変更パターンは、よりユーザ４の考える方向性に適した育成パターンである。また、学習済みモデルＡ２は、変更操作を正解データに育成パターンの生成方法を更に学習してもよい。

【0155】

このように、育成パターンが変更できると、よりユーザ４がイメージするキャラクタ１０１の育成が実行される。また、変更操作の対象となる育成パターンが生成されるため、ユーザ４は、全く基礎がない状態から育成パターンを生成するより手間が少なくできる。

【0156】

［その他の変形例］
学習済みモデルＡ２は、サーバ１１、すなわち、ゲームの運営側で生成し、各々のユーザ４は、ユーザ端末２０に、学習済みモデルＡ２をダウンロードして用いる。なお、学習済みモデルＡ２は、特徴の異なる種類が複数用意されてもよい。具体的には、各々のユーザ４は、特徴を見て好ましいと思う学習済みモデルＡ２を選んでダウンロードできる構成でもよい。

【0157】

一方で、ユーザ４は、学習済みモデルＡ２をダウンロードした後、更に学習処理を行い、学習済みモデルＡ２がユーザ４の好む育成方法をするように追加学習ができてもよい。

【0158】

このように、ユーザ４が好むＡＩが選択、及び、追加学習できると、よりＡＩのバリエーションが豊富になり、様々なキャラクタが生み出せる。

【0159】

文言は、「力強く」等のキャラクタを成長後のイメージを直接形容する文言に限られない。例えば、文言は、擬態語、擬音語、又は、オノマトペ（ｏｎｏｍａｔｏｐｏｅｉａ）等でもよい。オノマトペ等の文言は、物体の状態、感情、又は、動作等を表現して相手に伝えることができる。このような文言が使用できると、形容詞等では伝えにくいイメージも入力できる。

【0160】

［その他の実施形態］
なお、上記の例においては、ユーザが入力した文言によってキャラクタを育成し、このキャラクタ同士で対戦させるようにしていた。しかし、キャラクタを介さずにユーザが入力された文言に基づきＡＩが文章を生成し、この生成された文章同士をＡＩが判定して勝敗を定めるようにしてもよい。また、生成された文章をそのまま表示してもよいし、この文章から画像等を更に生成して演出表示するものであってもよい。

【0161】

上記の例では、情報処理装置は、学習モデルに対する事前処理、及び、学習済みモデルを用いて実行処理の両方を行う。ただし、事前処理、及び、実行処理は、同じの情報処理装置が行わなくともよい。また、事前処理、及び、実行処理も、１つの情報処理装置で一貫して実行しなくともよい。すなわち、各処理、及び、データの記憶等は、複数の情報処理装置で構成する情報システム等で行うものであってもよい。

【0162】

なお、学習処理は、実行処理の後、又は、実行処理の前に追加して更に行われてもよい。

【0163】

上記のような処理は、サーバ１１、及び、ユーザ端末２０以外の情報処理装置が補助的に行うものであってもよい。

【0164】

図１４は、補助装置を用いる構成例を示す図である。図１に示す例と比較すると、図１４に示す構成は、補助装置６０が加わる点が異なる。なお、補助装置６０は、一時的に用いる構成でもよい。

【0165】

補助装置６０は、ユーザ端末２０（この例では、ユーザ端末２０Ａ付近に設置しているが、他の装置近くにあってもよい。）等の近くに設置される情報処理装置である。そして、補助装置６０は、特定の処理をユーザ端末２０、又は、サーバ１１に代わって一部又は全部を実行する。

【0166】

例えば、補助装置６０は、グラフィック処理に特化したデバイスを備えて、グラフィック処理を高速で行う。このように、補助装置６０等を設置して、所謂エッジコンピューティング（Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ）等が行われてもよい。このように、前述する処理は、様々な情報処理装置のハードウェアリソースを活用して実行されてもよい。したがって、前述する処理は、前述したのとは異なる情報処理装置が実行してもよい。

【0167】

前述の処理、及び、本実施形態で実行される処理に用いるデータは、情報処理システムによって実行、及び、記憶されてもよい。例えば、情報処理システムは、処理又は記憶を冗長、分散、並列、又は、これらの組み合わせを実現するため、複数の情報処理装置で実行又は記憶してもよい。したがって、本発明は、前述に示すハードウェア構成以外の装置、及び、前述に示す装置以外のシステムで実現されてもよい。

【0168】

また、本発明に係るプログラムは、単一のプログラムに限定されず、複数のプログラムの集合体でもよい。また、本発明に係るプログラムは、単一の装置で実行されるものに限定されず、複数の情報処理装置で分担して実行されてもよい。更に、各情報処理装置の役割分担は、前述の例に限定されない。すなわち、前述した処理の一部、又は、全部が前述した情報処理装置とは異なる情報処理装置が実行してもよい。

【0169】

更に、プログラムによって実現される各手段の一部、又は、全部は、集積回路等のハードウェアで実現することもできる。更に、プログラムは、コンピュータによって読み出し可能な非一過性の記録媒体に記録されて提供されてもよい。記録媒体とは、例えば、ハードディスク、ＳＤカード（登録商標）、ＤＶＤ等の光学ディスク、又は、インターネット上のサーバ等を指す。したがって、プログラムは、インターネット等の電気通信回線を介して配信されでもよい。

【0170】

また、情報処理システムを構成する情報処理装置等は、海外にあってもよい。すなわち、情報処理システムが実行する処理のうち、一部の処理を実行する情報処理装置が海外にあってもよい。

【0171】

なお、本発明は、前述に例示する各実施形態に限定されない。したがって、本発明は、技術的な要旨を逸脱しない範囲で、構成要素の追加、又は、変形が可能である。ゆえに、特許請求の範囲に記載された技術思想に含まれる技術的事項のすべてが本発明の対象となる。なお、前述に例示する実施形態は、実施において好適な具体例である。そして、当業者であれば、開示した内容から様々な変形例を実現で可能であって、このような変形例は、特許請求の範囲に記載された技術的範囲に含まれる。

【符号の説明】

【0172】

１ ：システム
１Ｆ１１ ：第１方針データ入力手段
１Ｆ１２ ：第１イメージ生成手段
１Ｆ１３ ：第１学習データ入力手段
１Ｆ１４ ：第１学習手段
１Ｆ２１ ：第１未知方針データ入力手段
１Ｆ２２ ：第１未知データ生成手段
１Ｆ２３ ：第１未知データ入力手段
１Ｆ２４ ：第１実行データ生成手段
１Ｆ２５ ：第１育成手段
１Ｆ３１ ：第２方針データ入力手段
１Ｆ３２ ：第２イメージ生成手段
１Ｆ３３ ：第２学習データ入力手段
１Ｆ３４ ：第２学習手段
１Ｆ４１ ：第２未知方針データ入力手段
１Ｆ４２ ：第２未知データ生成手段
１Ｆ４３ ：第２未知データ入力手段
１Ｆ４４ ：第２実行データ生成手段
１Ｆ４５ ：第２育成手段
１Ｆ５０ ：対戦手段
２ ：通信ネットワーク
４ ：ユーザ
５ ：管理者
１１ ：サーバ
２０ ：ユーザ端末
３１ ：第１学習装置
３２ ：第１実行装置
４１ ：第２学習装置
４２ ：第２実行装置
５０ ：対戦装置
６０ ：補助装置
１００ ：前処理装置
１０１ ：キャラクタ
１２１ ：第１キャラクタ
１２２ ：第２キャラクタ
Ａ１ ：学習モデル
Ａ１１ ：第１学習モデル
Ａ１２ ：第１学習済みモデル
Ａ２ ：学習済みモデル
Ａ２１ ：第２学習モデル
Ａ２２ ：第２学習済みモデル
Ｄ１ ：学習データ
Ｄ１０１ ：第１方針データ
Ｄ１０２ ：第１正解データ
Ｄ１１ ：方針データ
Ｄ１１１ ：第１未知方針データ
Ｄ１２ ：成長イメージデータ
Ｄ２ ：未知データ
Ｄ２０ ：正解データ
Ｄ２０１ ：第２方針データ
Ｄ２０２ ：第２正解データ
Ｄ２１ ：未知成長イメージデータ
Ｄ２１１ ：第２未知方針データ
Ｄ３ ：実行データ
Ｄ４ ：ビッグデータ
ＤＰ０ ：育成パターン
ＤＰ１ ：第１育成パターン
ＤＰ２ ：第２育成パターン
ＤＳ１ ：第１シミュレーション結果
ＤＳ２ ：第２シミュレーション結果

【要約】

【課題】ＡＩが育成したキャラクタ同士が対戦するゲームを提供する。
【解決手段】プログラムは、コンピュータを、第１キャラクタと、前記第１キャラクタと対戦する第２キャラクタとを育成する育成手段と、前記第１キャラクタを育成する方向性に関する未知方針データを入力する入力手段と、前記未知方針データに対応する前記第１キャラクタの成長後状態を示す未知成長イメージデータを含む未知データを生成する未知データ生成手段と、前記未知データが入力されると、前記未知データに基づき、前記第１キャラクタの成長後状態を示す成長イメージデータを含む学習データで学習させた学習済みモデルを用いて、前記方向性に従って具体化させた育成パターンに基づき前記第１キャラクタを成長させる実行データを生成する実行データ生成手段として機能させ、前記育成手段は、前記実行データに基づき、前記第１キャラクタを育成させる。
【選択図】図１１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】