JP6652753B1 - 情報処理方法、情報処理装置及びコンピュータプログラム - Google Patents

Abstract

【課題】新たなビデオゲームの創出を可能とするゲームプログラムの作成方法、作成装置、学習モデル、学習モデルの生成方法、及び情報処理方法を提供する。【解決手段】ゲームプログラムの作成方法は、ビデオゲームのゲームプログラムの要素データを記憶してあるデータベースに基づき、入力される入力データに基づいて新たな要素データを出力するべく学習された学習モデルを用い、該学習モデルへ入力データを与えて出力される要素データを含むゲームプログラムを作成する。【選択図】図１

Description

本開示は、新たなビデオゲームの創出を実現する情報処理方法、情報処理装置及びコンピュータプログラムに関する。

昨今では、ビデオゲームのプラットフォームから開発ツールが個人又は小規模開発グループへも開示されており、個人又は小規模グループによって多様なインディゲームが開発されている。開発されたインディゲームは、プラットフォーム上で一般ユーザによって廉価でダウンロードすることが可能に提供されている。これらのインディゲームも、大規模な所謂サードパーティによって開発されたビデオゲーム同等の人気を得る場合もあり、インディゲーム提供の活況が期待されている。

特許文献１には、ユーザのゲームプレイを記録し、記録されたゲームプレイに基づき、ユーザの関心領域に基づいてビデオゲームの一部を切り出し、デモンストレーション用のゲームとして作成し直す方法が開示されている。このように、ユーザのアクションを取り入れてユーザと共により魅力的なビデオゲームを作成する取り組みもなされている。

特開２０１７−２００６３１号公報

ビデオゲームは、ゲームシナリオ、キャラクタ、又は音楽等様々な要素を含んで構成されており、より多くのユーザを満足させるにはそれらの要素のいずれかが魅力的であるか、又はバランスが優れていることが期待される。しかしながら、いずれかの要素の不足によって魅力が半減する場合もあり、また逆に、優れたゲームシナリオであれば他のキャラクタを使用することで更に大きな作品と成長させることができるとユーザが考えるケースもある。

プログラムの開発では、プログラムが改変されることを前提としてそのプログラムを共有するコミュニティが存在している。開示されているプログラムはゲームも多く、コミュニティ内の複数のユーザによって改変が重ねられた結果、他のユーザにとって魅力的なコンテンツに成長するプログラムも存在する。

本開示は、新たなビデオゲームの創出を可能とする情報処理方法、情報処理装置及コンピュータプログラムを提供することを目的とする。

本開示の一態様に係るゲームプログラムの作成方法は、ビデオゲームのゲームプログラムの要素データを記憶してあるデータベースに基づき、入力される入力データに基づいて新たな要素データを出力するべく学習された学習モデルを用い、該学習モデルへ入力データを与えて出力される要素データを含むゲームプログラムを作成する。

本開示の一態様に係る学習モデルは、ビデオゲームのゲームプログラムの要素データを入力する入力層と、符号化及び復号を経て要素データを出力する出力層と、該出力層から出力する要素データと指定された要素データとの間の特徴量とが最小となる重みを学習した中間層とを備え、入力された要素データを前記指定された要素データを加味した変換を行なうようにコンピュータを機能させる。

本開示の一態様に係る学習モデルは、ビデオゲームのゲームプログラムの要素データ又はランダムな情報を入力する入力層と、入力された情報の復号によってゲームプログラムを出力する出力層と、該出力層から出力されるゲームプログラムが、指定された分類のゲームプログラムとなるように重みを学習済みの中間層とを備え、入力された要素データ又はランダムな情報に基づいて前記指定された分類のゲームプログラムを生成するようにコンピュータを機能させる。

本開示の一態様に係る学習モデルの生成方法は、符号化及び復号を経て入力されたデータを変換するニューラルネットワークを用いた変換器に、ビデオゲームのゲームプログラムの要素データを入力し、要素データを分類する畳み込みニューラルネットワークを用いた分類器へ、前記変換器から出力された要素データを入力した場合に前記分類器の中間層から得られる特徴量と、指定された要素データを前記分類器へ入力した場合に前記中間層から得られる特徴量との誤差を取得し、取得した誤差が最小となるように前記変換器の中間層の重みを、コンピュータを用いて学習する。

本開示の一態様に係る学習モデルの生成方法は、ランダムな情報が入力された場合にデータを復号するニューラルネットワークを用いた生成器に、ランダムな情報又はビデオゲームのゲームプログラムの要素データを入力し、ビデオゲームのゲームプログラムが入力された場合にゲームプログラムを分類する畳み込みニューラルネットワークを用いた分類器へ、前記生成器から出力されたゲームプログラムを入力した場合に該分類器から出力された分類が指定された分類となるように前記生成器の中間層の重みを、コンピュータを用いて学習する。

本開示の一態様に係る情報処理方法は、変換対象のオリジナルのビデオゲームの選択を受け付け、前記オリジナルのビデオゲームの要素データを抽出し、複数の特徴モデルの内からいずれかの特徴モデルの選択を受け付け、前記複数の特徴モデル毎に要素データを用いて学習してある学習モデルの内、選択された特徴モデルに対応する学習モデルを選択し、抽出した要素データを、選択された学習モデルに入力して変換後の要素データを出力する。

本開示によれば、新たなビデオゲームの創出及び市場での評価を反映させた自動的な改変が可能となる。

本実施の形態におけるビデオゲームのゲーム提供システムの概要を示す説明図である。 ゲーム提供システムに含まれる第２端末装置の構成を示すブロック図である。 ゲーム提供システムの要部である作成装置の構成を示すブロック図である。 実施の形態１で用いるゲーム作成モデルの一例を示す概要図である。 実施の形態１の作成装置によるゲームプログラム作成処理手順の一例を示すフローチャートである。 実施の形態２におけるゲーム作成モデルの一例を示す概要図である。 実施の形態２におけるゲーム作成モデルの作成手順の一例を示すフローチャートである。 実施の形態２の作成装置によるゲームプログラム作成処理手順の一例を示すフローチャートである。 第２端末装置の表示部に表示される操作画面の内容例を示す図である。 第２端末装置の表示部に表示される操作画面の内容例を示す図である。 第２端末装置の表示部に表示される操作画面の内容例を示す図である。 第２端末装置の表示部に表示される操作画面の内容例を示す図である。 第２端末装置の表示部に表示される操作画面の内容例を示す図である。 第２端末装置の表示部に表示される操作画面の内容例を示す図である。 実施の形態３におけるゲーム作成モデルの概要を示す図である。 実施の形態３における作成装置におけるモデル作成手順の一例を示すフローチャートである。 実施の形態３におけるゲーム作成モデルの構成を示す模式図である。 実施の形態３におけるゲームプログラム作成処理手順の一例を示すフローチャートである。 シナリオデータに対するゲーム作成モデルの内容例を示す図である。 音楽データに対するゲーム作成モデルの内容例を示す図である。 実施の形態４におけるゲーム改変モデル５Ｍの概要を示す図である。 実施の形態４におけるゲーム改変モデルの他の一例の概要を示す図である。 実施の形態４における改変処理手順の一例を示すフローチャートである。

以下に、本開示のゲームプログラムの作成方法について、その実施形態を示す図面に基づいて詳述する。

図１は、本実施の形態におけるビデオゲームのゲーム提供システム１００の概要を示す説明図である。ゲーム提供システム１００は、第１端末装置１、第２端末装置２、アップロードサーバ３、作成装置４、及びプラットフォームサーバ５を含む。

第１端末装置１は、ユーザが所有するゲームプラットフォーム、即ち据え置き型ゲーム機器本体である。第１端末装置１は、制御部、表示部、操作部及び通信部を備えてビデオゲームが可能であればハードウェアは問わず、他に所謂スマートフォン、又はタブレット端末であってもよい。

第２端末装置２は、ゲームのクリエイターが所有するＰＣ（Personal Computer ）である。ゲームの素材画像、シナリオ要素又は音楽等の要素データを作成するための処理能力を持つＰＣである。デスクトップ型ＰＣ又はノートブック型ＰＣ、若しくはシンクライアントであってもよい。第２端末装置２は、登録されたクリエイターが使用する装置である。

アップロードサーバ３は、ビデオゲームを提供するゲーム事業者、又は、種々のキャラクタを管理するコンテンツ事業者から提供される要素データを受け付けるサーバ装置である。アップロードサーバ３は、ゲームの要素データを記憶するデータベース（以下、ＤＢと呼ぶ。）を有し、各事業者から受け付けた要素データを参照可能である。

作成装置４は、ゲーム提供システム１００の要部であって、第２端末装置２から提供される要素データ、アップロードサーバ３にて記憶される要素データを元に、新たなビデオゲームのゲームプログラム１０Ｐを作成する。

プラットフォームサーバ５は、ゲームプラットフォームを提供するプラットフォーム事業者が管理するサーバ装置である。プラットフォームサーバ５は、ゲーム事業者が提供するゲームプログラム１０Ｐのダウンロードサーバとして機能する。第１端末装置１はプラットフォームサーバ５に通信接続し、ユーザは第１端末装置１に所望のゲームプログラム１０Ｐをダウンロードすることが可能である。

第１端末装置１、第２端末装置２、アップロードサーバ３、作成装置４、及びプラットフォームサーバ５は、ネットワークＮを介して相互に通信が可能であり、要素データを含む情報を相互に送受信する。ネットワークＮは、所謂インターネットである公衆通信網Ｎ１と、所定の移動通信規格による無線通信を実現するキャリアネットワークＮ２と、ビデオゲーム等のコンテンツの通信用のコンテンツ通信網Ｎ３と、専用線Ｎ４とを含む。キャリアネットワークＮ２には、基地局ＢＳが含まれ、公衆通信網Ｎ１にはアクセスポイントＡＰが接続されている。第１端末装置１は、コンテンツ通信網Ｎ３を介して、プラットフォームサーバ５と通信接続することが可能である。第２端末装置２は、公衆通信網Ｎ１又はキャリアネットワークＮ２を介して、アップロードサーバ３と通信接続することが可能である。作成装置４は、専用線Ｎ４を介してプラットフォームサーバ５と通信接続が可能である。

ゲーム提供システム１００は、作成装置４にて、クリエイター、ゲーム事業者又はキャラクタを管理するコンテンツ事業者から提供される要素データを利用した新たなビデオゲームを作成して提供するサービスを実現する。サービスではまず第１に、ゲーム事業者から、改変が前提として提供に同意が得られているゲームプログラム１０Ｐ及びその要素データがアップロードサーバ３にアップロードされる。このとき、ゲームプログラム１０Ｐ及び要素データには、格闘、ＲＰＧ、アクション、シューティング、アドベンチャー、パズル等のシステム、ファンタジー、ホラー等のジャンル等の属性を示す情報（例えばタグ）が対応付けられるとよい。またコンテンツ事業者から、キャラクタの画像が、そのキャラクタの名称、ファンシー、アニメ、漫画等のキャラクタのジャンル、ブランド等を含む属性情報と対応付けられてアップロードサーバ３へアップロードされるとよい。アップロードサーバ３は、アップロードされたゲームコンテンツの要素データを要素ＤＢ（Data Base）３００に、各々の属性情報と対応付けて蓄積する。作成装置４は、要素ＤＢ３００からの情報の読み出しが可能であり、要素ＤＢ３００に記憶してある情報を元に、ＡＩ（Artificial Intelligence）技術を用いて新たなビデオゲームのゲームプログラム１０Ｐを作成する。作成されたゲームプログラム１０Ｐは、所定の検査システムにて不具合の有無のチェックを受け、不具合無と判定された場合、作成装置４からプラットフォームサーバ５へ送信され、第１端末装置１からダウンロードが可能となり、一般ユーザがプレイすることが可能になる。

クリエイターは第２端末装置２を用いてアップロードサーバ３に対し、要素データをアップロードすることが可能である。クリエイターは、第２端末装置２を用いて自作のゲームプログラム１０Ｐの要素データ（画像、設定情報、シナリオ、音楽等）をアップロードしたり、作成装置４におけるビデオゲームのゲームプログラム作成の操作を行なったり、作成されたゲームプログラム１０Ｐを修正したりする。なおクリエイターによる操作が無くとも、作成装置４によって自動的にゲームプログラム１０Ｐが作成されてもよい。

ゲーム提供システム１００に含まれる各装置の構成を説明する。なお第１端末装置１、アップロードサーバ３及びプラットフォームサーバ５は公知のものでよく、内部構成の説明を省略する。

図２は、ゲーム提供システム１００に含まれる第２端末装置２の構成を示すブロック図である。第２端末装置２は、処理部２０、記憶部２１、表示部２２、操作部２３、及び通信部２４を備える。

処理部２０は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）等のプロセッサ、揮発性メモリ、クロック等を用いて構成部を制御する。処理部２０はプロセッサ、メモリ、記憶部２１、通信部２４を集積した１つのハードウェア（ＳｏＣ：System On a Chip）として構成されてもよい。処理部２０は、記憶部２１に記憶されている端末プログラム２Ｐに基づき、アップロードサーバ３へ通信接続し、ゲームプログラム１０Ｐのアップロード及びダウンロードを実行する。

記憶部２１は、ハードディスク又はＳＳＤを用い、処理部２０が参照するデータを記憶する。

表示部２２は、液晶パネル又は有機ＥＬディスプレイ等のディスプレイ装置を含む。操作部２３は、ユーザの操作を受け付けるインタフェースであり、キーボード、マウス等の入出力インタフェースを含む。操作部２３は、ディスプレイ内蔵のタッチパネルデバイスを含んでもよい。操作部２３は、マイクロフォンを用い、入力音声から操作内容を認識する形式で操作を受け付けてもよい。

通信部２４は、ネットワークＮへの通信接続を実現する通信モジュールである。通信部２４は、ネットワークカード、無線通信デバイス又はキャリアネットワークＮ２における次世代通信用のモジュールであってもよい。

図３は、ゲーム提供システム１００の要部である作成装置４の構成を示すブロック図である。以下、説明を容易にするために作成装置４は、画像処理及びニューラルネットワークを用いた演算処理に適した１台のコンピュータであると説明する。しかしながら、複数のコンピュータ及び記憶媒体に分散して処理を行なってもよいし、１台の大型コンピュータに仮想的に生成される複数のサーバコンピュータ（インスタンス）の内の１つであってもよい。作成装置４は、制御部４０、記憶部４１、入出力部４２、第１通信部４３及び第２通信部４４を備える。

制御部４０はＣＰＵ又はＧＰＵを用い、内蔵する揮発性メモリ、クロック等を用い、記憶部４１に記憶されている処理プログラム４０Ｐに基づき各構成部を制御して新たなゲームプログラム１０Ｐを作成する。

記憶部４１は、ハードディスク又はＳＳＤを用いる。記憶部４１は、処理プログラム４０Ｐを記憶する。記憶部４１は、処理プログラム４０Ｐの他、ゲーム作成モデル４１Ｍ（モデルパラメータ）、制御部４０が参照する設定情報を記憶する。記憶部４１は更に、ゲーム作成モデル４１Ｍにより作成されたゲームプログラム１０Ｐ、又は第２端末装置２から送信されるゲームプログラム１０Ｐを記憶する。

入出力部４２は、要素ＤＢ３００が構築された外部記憶装置との接続インタフェースである。制御部４０は、データベース処理モジュールにより、入出力部４２を介して外部記憶装置の要素ＤＢ３００からの要素データの読み出しが可能である。

第１通信部４３は、ネットワークＮへの通信接続を実現する通信モジュールであり、第２端末装置２との間での情報の送受信を実現する。第１通信部４３は、ネットワークカード、無線通信デバイス又はキャリアネットワークＮ２における次世代通信用のモジュールであってもよい。

第２通信部４４は、専用線Ｎ４における通信を実現する。制御部４０は、第１通信部４３により、専用線Ｎ４を介して記憶部４１に記憶した作成済みのゲームプログラム１０Ｐをプラットフォームサーバ５へ送信することが可能である。

このように構成されるゲーム提供システム１００によって新たなゲームコンテンツを作成する方法について、以下複数の実施の形態を例に詳細を説明する。

（実施の形態１）
実施の形態１において作成装置４は、第２端末装置２を使用したクリエイターの操作を受け付け、操作に基づいてゲームプログラム１０Ｐを作成する。実施の形態１において作成装置４は、処理プログラム４０Ｐに基づいてＷｅｂベースで操作を受け付ける。作成装置４は、記憶部４１に作成装置４自身又は他の機関によって登録されたクリエイターのクリエイター識別情報に対応付けて作成装置４への通信接続に必要なアカウント情報、及び、クリエイターによって作成されたゲームプログラム１０Ｐの識別情報等を記憶する。

第２端末装置２は、端末プログラム２Ｐに基づき操作画面を表示部２２に表示し、バックグラウンドで作成装置４との間で情報を送受信し、操作内容を作成装置４へ送信する。

実施の形態１において新たなゲームプログラム１０Ｐの作成に、深層学習アルゴリズムを適用したゲーム作成モデル４１Ｍを用いる。ゲーム作成モデル４１Ｍは具体的には、元のゲームプログラム１０Ｐを構成する要素データ毎に、異なる作風、画風、シナリオ、ジャンルの要素データを加味した変換を行なう。ゲーム作成モデル４１Ｍは、畳み込みニューラルネットワーク（Convolutional Neural Network）を用いて特徴量を導出し（Encode）、導出した特徴量を元に再度復号（Decode）して出力するオートエンコーダを用いる。図４は、実施の形態１で用いるゲーム作成モデル４１Ｍの一例を示す概要図である。オートエンコーダを用いた変換器４１１と、変換器４１１から出力された結果物と加味させたい要素データの特徴量との間の誤差を評価するための損失ネットワーク４１２とを用いる。変換器４１１に、要素ＤＢ３００に記憶されている要素データから任意の要素データ（学習用データ）を抽出して入力する。変換器４１１から出力された変換後の要素データを損失ネットワーク４１２に入力して得られる特徴量と、加味させたい要素データを損失ネットワーク４１２に入力して得られる特徴量とを損失とし、損失が少なくなるように変換器４１１のＮＮにおける各パラメータ（重み等）を学習させる。これにより、損失が逆伝播されて学習済みの変換器４１１は、入力される要素データに対して加味させたい要素データの風味、画風、作風が適用された要素データへ変換するゲーム作成モデル４１Ｍ（変換器）となる。なお変換器４１１に入力される要素データと出力される要素データとでは、入力がグラフィックデータであれば出力はグラフィックデータ等、同一属性であるとよい。

要素データは例えば、ゲーム内に現れる静物、動物の三次元モデルのデータ、三次元モデルに対するテクスチャのデータ、画像データ等のグラフィックデータである。要素データは他に、キャラクタの設定情報、アイテムの情報及びその画像データ、三次元モデルが配されるマップデータであってもよい。要素データは、シナリオ（せりふ）データであってもよいし、シナリオに基づく音声データであってもよい。要素データは、ＢＧＭ（Back Ground Music）等の音楽データであってもよい。要素データは、アイテム、装備等の強さのバランス等の情報であってもよい。

図５は、実施の形態１の作成装置４によるゲームプログラム作成処理手順の一例を示すフローチャートである。作成装置４の制御部４０は、第２端末装置２からの通信接続を受け付けると（ステップＳ１０１）、第２端末装置２を使用するクリエイターのクリエイター識別情報を特定する（ステップＳ１０２）。

作成装置４の制御部４０は、加味させたい作風、画風、シナリオ、ジャンルの要素データ（特徴モデル）の選択を受け付ける（ステップＳ１０３）。要素データは、要素ＤＢ３００に記憶してある要素データでもよいし、第２端末装置２を使用してクリエイターが作成した要素データであってもよい。要素データは複数であってもよい。例えば加味される要素データとして、ゲームプログラム１０Ｐにはないキャラクタに関する要素データであり、加味したいキャラクタの特徴を、ゲームの登場キャラに当てはめるように変換できるようにしてもよい。また例えばクリエイターが作成したイラスト画像を第２端末装置２で作成し、元のゲームプログラム１０Ｐのテクスチャデータを変換する。

制御部４０は、要素ＤＢ３００に記憶してある種々の要素データを任意に抽出して学習用データとし、この学習用データを変換器４１１へ与え（ステップＳ１０４）、加味させるべく選択された要素データを損失ネットワーク４１２へ与える（ステップＳ１０５）。制御部４０は、損失ネットワーク４１２から得られる損失、即ち、変換後の要素データと加味させたい要素データ間の特徴量の差異が小さくなるように変換器４１１における重み等を学習させる（ステップＳ１０６）。これにより、変換器４１１は、入力される要素データを、ステップＳ１０１で選択された選択された要素（特徴モデル）が加味された要素データへ変換させるゲーム作成モデル４１Ｍとなる。

制御部４０は、特定したクリエイター識別情報で識別されるクリエイターに対して許可されている元のゲームプログラム１０Ｐを、要素ＤＢ３００から抽出する（ステップＳ１０７）。元のゲームプログラム１０Ｐ毎に予め、ゲーム事業者、又はゲーム作成者からクリエイター夫々に対して使用の許可がされてある。その他、クリエイターにランク付けを行なっておき、ランク毎にゲーム事業者又はゲーム作成者から許可されるようにしてもよい。許可の設定は必須ではなく全てのクリエイターが、要素ＤＢ３００に記憶してある元のゲームプログラム１０Ｐを使用できるようにしてもよい。

制御部４０は、抽出したゲームプログラム１０Ｐの中からいずれかの選択を受け付ける（ステップＳ１０８）。制御部４０は、選択されたゲームプログラム１０Ｐの要素データを、要素データ毎に要素ＤＢ３００から読み出す（ステップＳ１０９）。

制御部４０は、読み出した要素データを夫々、学習済みの変換器４１１即ちゲーム作成モデル４１Ｍへ与え（ステップＳ１１０）、変換された各要素データを用いたゲームプログラム１０Ｐを再構成し（ステップＳ１１１）、クリエイターからの確認又は編集を受ける（ステップＳ１１２）。クリエイターは出力されたゲームプログラム１０Ｐを第２端末装置２にて受信してレビューし、必要に応じて編集する。

制御部４０は、確認又は編集を受け付けたゲームプログラム１０Ｐを、ステップＳ１０３で選択された要素データの属性情報と対応付けて記憶部４１に記憶する（ステップＳ１１３）。制御部４０は、記憶部４１に記憶されたゲームプログラム１０Ｐをプラットフォームサーバ５へ第２通信部４４により送信し（ステップＳ１１４）、処理を終了する。

このようにして実施の形態１における作成装置４は、元のゲームプログラム１０Ｐを構成する要素データ毎に、加味すべき要素データとの誤差（損失）が小さくなるように学習した新たな要素データへ変換する変換器を用い、新たなゲームプログラム１０Ｐを作成する。

これにより、第１端末装置１を使用するユーザは、クリエイターの操作及びレビューに基づいて変換された新たなゲームプログラム１０Ｐをダウンロードすることが可能になる。従来の要素データの追記又は要素データの手動変換によらず、変換が前提として提供されている要素データに対して深層学習を用いた変換を適用することによって、これまでにない組み合わせ等に基づく新たなゲームプログラム１０Ｐを容易に作成することができる。実施の形態１では、ゲームのシステムはそのままで、要素データに対して他の作風又は画風を加味した新たなゲームプログラム１０Ｐの作成が可能になる。また、クリエイターの確認、編集を可能とすることによりゲームプログラム１０Ｐの完成度を維持する。

新たなゲームプログラム１０Ｐのダウンロードに対する課金はプラットフォームサーバ５にて設定されるとよい。課金に応じてクリエイター及び元のゲームプログラム１０Ｐの製作者（ゲーム事業者）へ報酬が支払われるとよい。このとき、報酬を決定する際に、元のゲームプログラム１０Ｐの使用回数、加味される要素データの使用回数等が作成装置４によって計数されてあるとよい。使用された回数が多い程に報酬が高く支払われるとよい。なお使用回数に限らず、使用頻度、又は重要度に基づく貢献度に応じて報酬が支払われるとよい。

上述のように決定される報酬は、クリエイター及び元の製作者（著作権者）へ持ち分に応じて分配される。持ち分は、予め記憶部４１に記憶されている設定に基づいて決定される。例えばクリエイター及び製作者に５：３の持ち分の比率が設定されている場合、作成された新たなゲームプログラム１０Ｐの売り上げから、作成装置４の管理者への手数料を引いた後の報酬が５：３で分配される。この配分は、作成装置４の管理者権限を有するアカウントに基づいて、記憶部４１に記憶されている持ち分の設定の変更を外部から受け付けてもよい。新たなゲームプログラム１０Ｐのクリエイター及び元の製作者に対する貢献度の持ち分を自動的に算出するように学習されたモデルによって、ゲームプログラム１０毎、また時期に応じて作成装置４内部で自動的に、流動的に変更されるようにしてもよい。例えば同じ元のゲームプログラム１０Ｐが、他の多くの新たなゲームプログラム１０Ｐの作成の元となっており、しかもそれらのプログラムの売り上げの合計が他のオリジナルのゲームプログラム１０Ｐよりも多い場合、クリエイターよりも元の製作者の貢献度が高い方が、全体として納得度が高い。したがって製作者、クリエイターが納得するような持ち分の設定を売り上げ状況等に応じて変更できるようにしておくことが望ましい。

なお、作成装置４にて作成されたゲームプログラム１０Ｐは、プラットフォームサーバ５へ送信されるのみならず、元のゲームプログラム１０Ｐを提供したゲーム事業者から、第１端末装置１を使用するユーザへ提供されるようにしてもよい。この場合ゲームプログラム１０Ｐは、記憶媒体にパッケージ化されてユーザ宛てに送られる。

（実施の形態２）
実施の形態２では、予め特定の特徴モデル毎にゲーム作成モデル４１Ｍが作成され、これを用いる。図６は、実施の形態２におけるゲーム作成モデル４１Ｍの一例を示す概要図である。実施の形態２におけるゲーム作成モデル４１Ｍは、変換器４１１と、損失ネットワーク４１２とを用いて生成される。特定の特徴モデル毎の要素データの特徴量との損失が少なくなるように変換器４１１のＮＮにおける各パラメータを学習させる。特定の特徴モデル毎の要素データの特徴量は、オートエンコーダネットワーク４１５を、その要素データを入力した場合に出力される要素データが入力データを再現するように学習させ、その中間層から得られる特徴量を用いるとよい。

図７は、実施の形態２におけるゲーム作成モデル４１Ｍの作成手順の一例を示すフローチャートである。図７のフローチャートでは、クリエイターの操作なしで特定のゲーム事業者若しくはコンテンツ事業者又はクリエイター毎の特徴モデルに応じてゲーム作成モデル４１Ｍが生成される。

作成装置４の制御部４０は、要素ＤＢ３００に記憶してある要素データを属性（グラフィック、三次元モデル、テクスチャ等）別に、特徴モデルで分類する（ステップＳ２０１）。分類は、要素ＤＢ３００に要素データが記憶される際に付与されたタグによって、ビデオゲームの有名なシリーズ毎、特定のキャラクタ毎に分類されるとよい。

制御部４０は、特徴モデル毎に分類された要素データの特徴量を属性別に、オートエンコーダを用いて導出する（ステップＳ２０２）。図６のオートエンコーダネットワーク４１５に対応する。

制御部４０は、特徴モデルを１つ選択する（ステップＳ２０３）。

制御部４０は、要素ＤＢ３００に記憶してある種々の要素データを任意に抽出して学習用データとし、この学習用データを変換器４１１へ与える（ステップＳ２０４）。学習用データを与えて変換器４１１から出力される特徴量と、ステップＳ２０２で導出された特徴量との特徴量の差異が小さくなるように変換器４１１における重み等を学習させる（ステップＳ２０５）。これにより、変換器４１１は、入力される要素データを、ステップＳ２０３で選択された特徴モデルの特徴が加味された要素データへ変換させるゲーム作成モデル４１Ｍとなる。

制御部４０は、生成されたゲーム作成モデル４１Ｍを選択してある特徴モデルを識別する情報と対応付けて記憶部４１に記憶する（ステップＳ２０６）。なおステップＳ２０４−Ｓ２０６の処理は、要素データの属性別に行なわれるとよい。

制御部４０は、分類された特徴モデル全てについて処理を行なったか否かを判断し（ステップＳ２０７）、全てについては処理を行なっていないと判断された場合（Ｓ２０７：ＮＯ）、処理をステップＳ２０３へ戻す。この場合、次の特徴モデルが選択され、ステップＳ２０４−Ｓ２０６の処理が実行される。

ステップＳ２０７にて全てについて処理を行なったと判断された場合（Ｓ２０７：ＹＥＳ）、制御部４０は処理を終了する。これにより特徴モデル毎のゲーム作成モデル４１Ｍが作成され、記憶部４１に記憶される。特徴モデル毎のゲーム作成モデル４１Ｍは、要素ＤＢ３００に記憶されてもよい。

図８は、実施の形態２の作成装置４によるゲームプログラム作成処理手順の一例を示すフローチャートである。作成装置４の制御部４０は、第２端末装置２からの通信接続を受け付けると（ステップＳ２１１）、第２端末装置２を使用するクリエイターのクリエイター識別情報を特定する（ステップＳ２１２）。

制御部４０は、特定したクリエイター識別情報で識別されるクリエイターに対して許可されている元のゲームプログラム１０Ｐを、要素ＤＢ３００から抽出する（ステップＳ２１３）。元のゲームプログラム１０Ｐ毎に予め、ゲーム事業者、又はゲーム作成者からクリエイター夫々に対して使用の許可がされてある。その他、クリエイターにランク付けを行なっておき、ランク毎にゲーム事業者又はゲーム作成者から許可されるようにしてもよい。許可の設定は必須ではなく全てのクリエイターが、要素ＤＢ３００に記憶してある元のゲームプログラム１０Ｐを使用できるようにしてもよい。

制御部４０は、抽出したゲームプログラム１０Ｐの中からいずれかの選択を受け付ける（ステップＳ２１４）。制御部４０は、選択されたゲームプログラム１０Ｐの要素データを、要素データ毎に要素ＤＢ３００から読み出す（ステップＳ２１５）。

制御部４０は、読み出した要素データについて属性別に、加味させる特徴モデルの選択を受け付ける（ステップＳ２１６）。制御部４０は、読み出した要素データの属性別に、選択された特徴モデルのゲーム作成モデル４１Ｍを記憶部４１又は要素ＤＢ３００から読み出す（ステップＳ２１７）。制御部４０は、読み出した要素データを夫々に対して選択されたゲーム作成モデル４１Ｍへ与え（ステップＳ２１８）、ゲーム作成モデル４１Ｍから出力された変換後の新たな要素データを用いたゲームプログラム１０Ｐを再構成する（ステップＳ２１９）。

制御部４０は、再構成されたゲームプログラム１０Ｐをクリエイターが使用する第２端末装置２へ出力し（ステップＳ２２０）、クリエイターからの確認又は編集を受ける（ステップＳ２２１）。クリエイターは出力されたゲームプログラム１０Ｐを第２端末装置２にて受信してレビューし、必要に応じて編集する。

制御部４０は、確認又は編集を受け付けた新たなゲームプログラム１０Ｐを、新たな識別情報に対応付けて記憶部４１に記憶する（ステップＳ２２２）。ステップＳ２２２において制御部４０は、元のゲームプログラム１０Ｐを示す識別情報と、各要素データの変換に用いられたゲーム作成モデル４１Ｍの特徴モデルを識別する情報とを対応付けて記憶するとよい。制御部４０は、記憶部４１に記憶されたゲームプログラム１０Ｐをプラットフォームサーバ５へ第２通信部４４により送信し（ステップＳ２２３）、処理を終了する。

図９−図１４は、第２端末装置２の表示部２２に表示される操作画面の内容例を示す図である。図９−図１４は、図８のフローチャートに示した作成装置４の処理手順により送信される情報に基づき表示される画面の例を示す。

図９は、元のゲームプログラム１０Ｐの元ゲーム選択画面２２１の例を示す図である。図９では、第２端末装置２を使用するクリエイターが使用することができる元のゲームプログラム１０Ｐの一覧が示されている。処理部２０は、元ゲーム選択画面２２１にて元のゲームプログラム１０Ｐの選択を受け付け、選択されたゲームプログラム１０Ｐを示す情報を作成装置４へ送信する。

作成装置４は、送信された情報に基づきゲームプログラム１０Ｐを特定し、特定したゲームプログラム１０Ｐの要素データを要素ＤＢ４００から読み出す（Ｓ２１５）。

図１０−図１３は、特徴モデルの選択を受け付ける画面の例を示す図である。処理部２０は、記憶部２１に記憶してある端末プログラム２Ｐに基づき、作成装置４から送信される読み出された要素データの一覧から、いずれかの選択を受け付ける要素選択画面２２２を表示部２２に表示する。図１１は、要素選択画面２２２で要素データが選択された場合に表示される特徴選択画面２２３を示す。図１１に示す例では、１つの要素データとしてグラフィックデータが選択された場合の例を示している。特徴選択画面２２３は、元のゲームプログラム１０Ｐにおけるグラフィックデータのプレビュー２２４と、それに対して選択が可能な特徴モデルの選択肢２２５と、選択肢２２５のプレビュー２２６とが含まれている。選択肢２２５には、第２端末装置２を使用するクリエイター自身が作成するグラフィックデータの使用が選択肢に含まれている。

図１２に示す例では、１つの要素データとしてシナリオデータが選択された場合の例を示している。図１３に示す例では、１つの要素データとして音楽データが選択された場合の例を示している。いずれの場合においても、元の要素データの概要を示すプレビューと、変換後の要素データのプレビューとが表示されるとよい。

図１０−図１３の画面例において処理部２０は、要素データ毎に特徴モデルの選択を受け付け、選択された要素データを示す情報を作成装置４へ送信する。作成装置４では、選択された特徴モデルを受け付ける（Ｓ２１６）。作成装置４は、選択された特徴モデル毎に学習済みのゲーム作成モデル４１Ｍが予め学習してあるので、これを用いて変換を行なう（Ｓ２１８）。なお、この時点で、選択された特徴モデルの特徴を加味するゲーム作成モデル４１Ｍを作り出してもよい。

図１０−図１３では、要素データ毎に特徴モデルの選択を受け付けたが、まとめて変換することを受け付けてもよい。図１４は、特徴モデルの選択を受け付ける画面の他の一例を示す図である。図１４では、元の要素データ夫々の概要を示すプレビューと、これらに対してまとめて変換が可能な特徴モデルの一覧と、夫々の特徴モデルの要素データのプレビューとが表示されている。

このようにして、クリエイターの第２端末装置２に向けて、ゲーム作成モデル４１Ｍの使用インタフェースが提供される。

（実施の形態３）
実施の形態３では、作成装置４は要素ＤＢ３００に記憶されている要素データを分類しておき、分類された要素データを教師データとしてゲームプログラム１０Ｐを作成するゲーム作成モデル４１Ｍを、分類毎に作り出す。ゲーム作成モデル４１Ｍは、ランダムに入力された情報を元にゲームプログラム１０Ｐ又は要素データを出力する生成器（Generator）として作り出される。

図１５は、実施の形態３におけるゲーム作成モデル４１Ｍの概要を示す図である。ゲーム作成モデル４１Ｍは、要素ＤＢ３００と、分類によって異なるゲーム制作モデルＡ及びゲーム制作モデルＢが作成されていることが示されている。例えばゲーム制作モデルＡは、ファンタジーに分類されているゲームプログラム１０Ｐ及び要素データのみを学習したモデルであり、ファンタジーに分類されるゲームプログラム１０Ｐを作成する。ゲーム制作モデルＢは、特定の名称のキャラクタの要素データのみを学習したモデルと、ＲＰＧに分類されているゲームプログラム１０Ｐのみを学習したモデルとの組み合わせであり、特定のキャラクタが登場するＲＰＧのゲームプログラム１０Ｐを作成する。他に、過去の名作と呼ばれるゲームプログラム１０Ｐを再現するゲーム制作モデル等があってもよい。作成装置４は、ゲーム評価をインターネット上でクロールして収集し、収集した評価が高いゲームプログラム１０Ｐのみを抽出して学習し、レジェンド制作モデルとして作り出してもよい。

分類はまず、要素ＤＢ３００に記憶されてあるゲームプログラム１０Ｐに対応付けられている属性情報に基づいて行なわれる。属性情報はＲＰＧ、アクション等のシステムの分類毎、ファンタジー、ホラー等のジャンル毎等である。分類は更には、タグ等の属性情報に限られない。後述の分類用の畳み込みニューラルネットワークによって分類してもよい。

図１６は、実施の形態３における作成装置４におけるモデル作成手順の一例を示すフローチャートである。作成装置４の制御部４０は、分類の選択を受け付ける（ステップＳ３０１）。ステップＳ３０１において制御部４０は基本的に、第２端末装置２を使用してクリエイターから選択を受け付ける。制御部４０は、ゲーム事業者の担当者による指示を受け付けてもよいし、分類タグの人気順位に基づいて上位３つの分類を夫々１つずつ、自動で選択してもよい。

制御部４０は、選択された分類のゲームプログラム１０Ｐ又は要素データを要素ＤＢ３００から抽出する（ステップＳ３０２）。制御部４０は、抽出したゲームプログラム１０Ｐ又は要素データ群を分類用の畳み込みニューラルネットワークへ与え、出力された分類の成功率が上がるように学習を進める（ステップＳ３０３）。これにより、選択された分類に特化した分類モデルが作成される。

次に制御部４０は、ランダム、又はいずれか選択された要素データを入力した場合にゲームプログラム１０Ｐを出力するデコーダネットワークへ、ランダム又は要素データの入力を与え、出力されるゲームプログラム１０ＰがステップＳ３０３により作成される分類モデルで正確に分類されるように学習を進める（ステップＳ３０４）。ステップＳ３０３及びステップＳ３０４の処理は同時並行的に進めてもよい。つまりＧＡＮ（Generative Adversarial Network）の手法に基づき、分類器で選択された分類に分類されるゲームプログラム１０Ｐを作成するように、デコーダネットワークがゲーム作成モデル４１Ｍとなる。

図１７は、実施の形態３におけるゲーム作成モデル４１Ｍの構成を示す模式図である。ゲーム作成モデル４１Ｍは、ランダムな情報又は選択される要素データが入力された場合にゲームプログラム１０Ｐを作成する生成器４１３と、生成器４１３から出力されたゲームプログラム１０Ｐを分類する分類器４１４とにより作り出される。後述するように、作り出された生成器４１３がゲームプログラム１０Ｐを作成するために用いられる。なお、ゲーム作成モデル４１Ｍは、１つのゲームプログラム１０Ｐを構成する要素データ毎に作成され、作成された要素データを組み合わせて１つのゲームプログラム１０Ｐとしてもよい。

上述したようにゲーム作成モデル４１Ｍは、分類毎に作成される。図９に示したゲーム制作モデルＢのように、キャラクタ用のモデルとシステム用のモデルとに分けて作成されてもよい。

図１８は、実施の形態３におけるゲームプログラム作成処理手順の一例を示すフローチャートである。作成装置４の制御部４０は、ゲーム作成モデル４１Ｍの選択を受け付ける（ステップＳ４０１）。モデルの選択は、例えばクリエイターが使用する第２端末装置２から受け付けてもよいし、ゲーム事業者の担当者からの指示に基づくものであってもよいし、制御部４０自身がランダム又は人気順位に応じて選択してもよい。

制御部４０は、選択されたゲーム作成モデル４１Ｍへ入力する情報を選択する（ステップＳ４０２）。入力する情報は、ランダムな情報であってもよいし、要素ＤＢ３００からいずれか第２端末装置２を使用して選択された情報又は要素データであってもよい。

制御部４０は、選択されたゲーム作成モデル４１Ｍへ、受け付けた情報を与え（ステップＳ４０３）、出力されるゲームプログラム１０Ｐ（又は要素データ）を記憶部４１に記憶する（ステップＳ４０４）。記憶部４１に記憶したゲームプログラム１０Ｐについて、クリエイターからの確認又は編集を受ける（ステップＳ４０５）。クリエイターには、確認又は編集の依頼が通知されて、これに応じて第２端末装置２にて確認又は編集がされるとよい。なおステップＳ４０５の処理は、必須ではない。

制御部４０は、確認又は編集を受け付けたゲームプログラム１０Ｐを、ステップＳ４０１で選択されたゲーム作成モデル４１Ｍを識別する情報と対応付けて記憶部４１に記憶する（ステップＳ４０６）。制御部４０は、記憶部４１に記憶されたゲームプログラム１０Ｐをプラットフォームサーバ５へ第２通信部４４により送信し（ステップＳ４０７）、処理を終了する。

このようにして実施の形態３における作成装置４は、ランダムな入力から新たなゲームプログラム１０Ｐを作成する生成器を用いる。

実施の形態３においても、新たなゲームプログラム１０Ｐのダウンロードに対する課金はプラットフォームサーバ５にて設定されるとよい。課金に応じてモデル毎に評価が与えられ、評価に応じてモデル作成の元になったゲームプログラム１０Ｐのゲーム事業者又はクリエイターへ報酬が支払われるとよい。このとき、報酬を決定する際に、モデルの選択回数が作成装置４によって計数されてあるとよい。使用された回数が多い程に報酬が高く支払われるとよい。

なお実施の形態３においても、作成装置４にて作成されたゲームプログラム１０Ｐは、プラットフォームサーバ５へ送信されるのみならず、元のゲームプログラム１０Ｐを提供したゲーム事業者から、第１端末装置１を使用するユーザへ提供されるようにしてもよい。この場合ゲームプログラム１０Ｐは、記憶媒体にパッケージ化されてユーザ宛てに送られる。

実施の形態３では要素データを分類して夫々生成器４１３を学習させるようにゲーム作成モデル４１Ｍを作り出した。実施の形態１における変換器４１１も、分類された要素データを学習用データとして用いて学習させるようにしてもよい。

実施の形態１から３では、変換器４１１又は生成器４１３は、画像データの変換又は生成に適したニューラルネットワークを使用する例を挙げて説明した。対象の要素データは上述したように、シナリオデータであるテキストデータ又は音声データであってもよいし、ＢＧＭである音楽データであってもよい。テキストデータ又は音声データの場合、ＲＮＮ（Recurrent Neural Network）を用いたSeq2Seq （Sequence to Sequence）モデルを適用するとよい。図１９は、シナリオデータに対するゲーム作成モデル４１Ｍの内容例を示す図である。図１９に示す例では、入力される要素データに対し、加味させたい特徴モデルを有するシナリオデータを出力させる翻訳ネットワークが作成される。具体的には、ＬＴＳＭをオートエンコーダで使用する構成である。ビデオゲーム毎、又はシリーズ毎にシナリオデータを用いて学習するとよい。

対象の要素データを音楽データとする場合、変換器４１１又は生成器４１３は、ＬＳＴＭ（Long Short Term Memory)を用いるとよい。画像データ同様に、オートエンコーダ又はＧＡＮの手法を用いてもよい。図２０は、音楽データに対するゲーム作成モデル４１Ｍの内容例を示す図である。図２０では、深層学習のモデルとしてＲＮＮ及びオートエンコーダの組み合わせを用いている。エンコーダを経て得られた要素データの特徴量をＲＮＮへ入力して時系列的に学習し、ＲＮＮの出力をデコーダへ与え、入力した要素データと合致するように学習される。学習後は、ＲＮＮ及びデコーダを用いて与えられた特徴量から音楽データを出力する生成器４１３となる。与えられる特徴量を、変換前の元の要素データの特徴量とすることで変換器４１１としても用いることができる。入出力は例えば、ＭＩＤＩ信号（ピッチ、強さ、長さ等）等である。例えば、有名なシリーズのビデオゲーム群の音楽データ（要素データ）を対象として学習され、入力された他の音楽データの特徴量から、有名シリーズの特徴が加味された音楽データを生成する学習済みモデルを生成し、生成されたモデルを用いて変換することも可能である。他に例えば、特定のゲーム音楽作家の音楽データ（要素データ）を対象として学習され、入力された他の音楽データの特徴量から、その作家の特徴が加味された音楽データを生成する学習済みモデルを生成し、生成されたモデルを用いて変換することも可能である。

（実施の形態４）
実施の形態４では、作成装置４は作成したゲームプログラム１Ｐに対し、プレイヤー（ユーザ）、ＧＡＭＥ評論家等から得られる評価、又は改変案を元に、作成されたゲームプログラム１Ｐを改変する。作成装置４は、必要に応じてゲームプログラム１Ｐの改変を自動的に繰り返す。

実施の形態４におけるゲーム提供システム１００の構成は、後述する改変処理を除いて実施の形態１に示した構成と同様であるから、共通する構成には同一の符号を付して詳細な説明を省略する。

実施の形態１では、ゲーム作成モデル４１Ｍから出力された要素データで再構成されたゲームプログラム１Ｐについて、クリエイターがクリエイター自身のセンスに基づいて内容を確認し、適宜編集を行なった（ステップＳ１１２）。これに対して実施の形態４では、確認及び編集後にプラットフォームサーバ５からダウンロード可能に公開されたゲームプログラム１Ｐに対する評価、又は改変案に基づいて作成装置４が、ゲーム改変モデル５Ｍを用いて改変する。

図２１は、実施の形態４におけるゲーム改変モデル５Ｍの概要を示す図である。ゲーム改変モデル５Ｍは、元のゲームプログラム１０Ｐを構成する要素データ毎に、評価又は改変案を加味した変換を行なう。図２１に示すゲーム改変モデル５Ｍは、ゲームプログラム１０Ｐの要素データ及び評価を入力する入力層５１と、改変後の要素データを出力する出力層５２とを備える。ゲーム改変モデル５Ｍは、改変案を加味した変換が行なわれるようにパラメータが学習されてある中間層５３を備える。図２１に例示しているゲーム改変モデル５Ｍは、改変案の分類毎に作成されてあり、改変案の分類に応じて選択されて使用される。改変案の分類は、教師なし学習によって学習されたモデルに基づいて分類されてもよいし、統計的手法によって分類されてもよい。

実施の形態４においても要素データの対象は、ゲーム内に現れる静物、動物の三次元モデルのデータ、三次元モデルに対するテクスチャのデータ、画像データ等のグラフィックデータである。要素データは他に、キャラクタの設定情報、アイテムの情報及びその画像データ、三次元モデルが配されるマップデータであってもよい。要素データは、シナリオ（せりふ）データであってもよいし、シナリオに基づく音声データであってもよい。要素データは、ＢＧＭ等の音楽データであってもよい。要素データは、アイテム、装備等の強さのバランス等の情報であってもよい。

中間層５３は以下のように学習される。ゲーム改変モデル５Ｍは、予め一般ユーザ、クリエイター、メーカー、ＧＡＭＥ評論家などによる評価及び改変案が既知のゲームプログラム１０Ｐの要素データを用いて学習される。改変案の分類毎に学習するため、予め、作成装置４を管理する特定のオペレータによって学習用のデータが取捨選択されてもよい。ゲーム改変モデル５Ｍの学習では、例えば「暗い」と評価され、「可愛いキャラクタにしてほしい」と改変案（要望、又は具体的な案）が出されているゲームプログラム１０Ｐの要素データと、「明るい」「キャラクタが可愛い」と評価されているゲームの要素データとが教師データとして用いられる。このような同じ分類の評価及び改変案が提案されているゲームプログラムの要素データを収集し、要素データを評価の内容で分類し、「暗い」と評価されていたゲームプログラム１０Ｐの要素データが、「キャラクタが可愛い」と評価されるゲームプログラム１０の要素データの特徴量を持つ要素データへ変換されるように学習される。多数の教師データを用いて分類毎に学習することで精度よく変換することが可能である。

図２２は、実施の形態４におけるゲーム改変モデル５Ｍの他の一例の概要を示す図である。他の一例のゲーム改変モデル５Ｍは、入力された要素データに対して畳み込みニューラルネットワークを用いて特徴量を導出し、導出した特徴量を元に再度復号して出力するオートエンコーダを用いる。他の一例のゲーム改変モデル５Ｍは、オートエンコーダを用いた変換器５１１と、変換器５１１から出力された結果物の評価を出力する分類器５１２とを用いて変換器５１１を作成する。

図２２に示す一例の場合も、一般ユーザの評価及び改変案が既知のゲームプログラム１０Ｐの要素データを用いて学習される。まず分類器５１２が、評価が既知であるゲームプログラム１０Ｐの要素データを入力した場合に、既知の評価と同一の評価を出力するように、評価の内容毎、例えばキャラクタの要素データであれば「美しい」「かわいい」等に学習されている。次に分類器５１２で、評価が既知、例えばある低評価（例えば「グロテスク」）のゲームプログラム１０Ｐの要素データを入力した場合に、出力される要素データを分類し、得たい評価（「怖いが美しい」）を得られる特徴量を持つ要素データへ変換するように、オートエンコーダである変換器５１１を学習する。敵対的生成ネットワークによって分類と変換とを交互に行なってもよい。このように学習されたゲーム改変モデル５Ｍには、評価及び改変案と対応する評価を得られるオートエンコーダを選択して要素データを入力されることによって、ゲーム改変モデル５Ｍから改変案を反映させた要素データが出力される。

これによりゲーム改変モデル５Ｍは、「人間のセンス」による評価を反映した改変を支援するモデルとなる。

なお、図２１及び図２２の概要に示したゲーム改変モデル５Ｍはいずれも、改変案の分類毎、又は得たい評価毎に分別されない構成としてもよい。ゲーム改変モデル５Ｍは、改変案又は評価を分類するネットワークと、分類毎の変換ネットワークとを内包した構成としてもよい。この場合、ゲーム改変モデル５Ｍは、評価又は改変案及び対象の要素データを入力し、変換後の要素データを出力する。

図２１又は図２２の概要で示したゲーム改変モデル５Ｍを用いた改変処理手順について説明する。図２３は、実施の形態４における改変処理手順の一例を示すフローチャートである。作成装置４は、ゲームプログラム１Ｐをプラットフォームサーバへ送信した後に、所定の期間（例えば、１週間、１ヶ月等）経過する都度に、以下の処理を実行する。

制御部４０は、ゲームプログラム１Ｐを１つ選択し（ステップＳ５０１）、選択したゲームプログラム１Ｐについての評価、又は改変案を取得する（ステップＳ５０２）。

ステップＳ５０２における評価、又は改変案の取得は第１例では、インターネット上にゲームプログラム１Ｐのタイトルを含んで投稿され公開されているテキストデータを取得することである。評価、又は改変案の取得は第１例では、第１端末装置１又は第２端末装置２からのテキスト入力を受け付けることであってもよい。評価、又は改変案の取得はテキスト入力の受け付けに限られず、評価の選択肢の内のいずれかの選択の受け付けであってもよいし、改変案の選択肢の内のいずれかの選択の受け付けあってもよい。

制御部４０は、取得した評価、又は改変案の分類に応じたゲーム改変モデル５Ｍを選択する（ステップＳ５０３）。ステップＳ５０３は、ゲーム改変モデル５Ｍが改変案をも入力する場合には省略される。

制御部４０は、対象のゲームプログラム１０Ｐの要素データを、要素データ毎に要素ＤＢ３００から読み出す（ステップＳ５０４）。制御部４０は、読み出した要素データと、取得した評価、又は改変案とをステップＳ５０３で選択したゲーム改変モデル５Ｍへ与える（ステップＳ５０５）。

ステップＳ５０４にて制御部４０は、評価又は改変案の対象である要素データのみを読み出してもよい。

制御部４０は、ゲーム改変モデル５Ｍによって変換された各要素データを用いたゲームプログラム１０Ｐを再構成し（ステップＳ５０６）、再構成されたゲームプログラム１０Ｐを、記憶部４１に記憶する（ステップＳ５０７）。制御部４０は、記憶部４１に記憶されたゲームプログラム１０Ｐをプラットフォームサーバ５へ第２通信部４４により送信し（ステップＳ５０８）、処理を終了する。

これにより、ゲーム作成モデル４１Ｍからの出力に対して「人間のセンス」を加味して、より魅力的なゲームへ仕上げるための変換が自動的に行なわれる。制御部４０は、ステップＳ５０６で再構成されたゲームプログラム１０Ｐに対して再度、図２３のフローチャートに示された処理を繰り返し実行し、作成されるゲームプログラム１０Ｐを更に洗練させてもよい。

ステップＳ５０３にて取得した評価が低評価であるか否かを判断し、低評価であると判断された場合のみにステップＳ５０３以降の処理が実行されるようにしてもよい。

制御部４０は、選択されたゲームプログラム１０Ｐについて、取得した評価を総合報酬とする強化学習によって、ゲーム作成モデル４１Ｍを、より高い評価が得られるゲームプログラムを作成できるように更新してもよい。

今回開示された実施の形態はすべての点で例示であって、制限的なものでは無いと考えられるべきである。本開示の範囲は、上記した意味では無く、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

１００ ゲーム提供システム
３００ 要素ＤＢ
４ 作成装置
４０ 制御部
４０Ｐ 処理プログラム
４１ 記憶部
４１Ｍ ゲーム作成モデル
５Ｍ ゲーム改変モデル

Claims (7)

1. 変換対象のオリジナルのビデオゲームの選択を受け付け、
   前記オリジナルのビデオゲームの要素データの内の画像データを抽出し、
   複数の特徴モデルの内からいずれかの特徴モデルの選択を受け付け、
   前記複数の特徴モデル毎に、前記ビデオゲームの要素データの内の画像データが入力された場合に、特徴に応じた画像データを出力するようにエンコーダ及びデコーダを用いて学習された学習モデルの内、選択された特徴モデルに対応する学習モデルを選択し、
   抽出した画像データを、選択された学習モデルに入力して変換後の画像データを出力し、
   前記オリジナルのビデオゲームの画像データを、前記選択された学習モデルから出力された変換後の画像データによって置換したビデオゲームのゲームプログラムを出力する
   情報処理方法。
2. 前記オリジナルのビデオゲームの要素データに含まれる画像データが、前記選択された特徴モデルに対応する学習モデルによって出力された変換後の画像データへ置換される
   請求項１に記載の情報処理方法。
3. 前記オリジナルのビデオゲームの要素データの内のシナリオデータ又はシナリオに対応する音声データを抽出し、
   前記複数の特徴モデル毎に、前記ビデオゲームの要素データの内のシナリオデータ又は音声データが入力された場合に、特徴に応じたシナリオデータ又は音声データを出力するようにエンコーダ及びデコーダを用いて学習された学習モデルの内、選択された特徴モデルに対応する学習モデルを選択し、
   抽出したシナリオデータ又は音声データを、選択された学習モデルに入力して変換後のシナリオシナリオデータ又は音声データを出力する
   請求項１又は２に記載の情報処理方法。
4. 前記オリジナルのビデオゲームの要素データの内のＢＧＭデータを抽出し、
   前記複数の特徴モデル毎に、前記ビデオゲームの要素データの内のＢＧＭデータが入力された場合に、特徴に応じたＢＧＭデータを出力するようにエンコーダ及びデコーダを用いて学習された学習モデルの内、選択された特徴モデルに対応する学習モデルを選択し、
   抽出したＢＧＭデータを、選択された学習モデルに入力して変換後のＢＧＭデータを出力する
   請求項１から３のいずれか１つに記載の情報処理方法。
5. 出力されたゲームプログラムに対する評価又は改変案を受け付ける、
   請求項１から４のいずれか１つに記載の情報処理方法。
6. 変換対象のオリジナルのビデオゲームの選択を受け付ける受付部と、
   前記オリジナルのビデオゲームの要素データの内の画像データを抽出する抽出部と、
   複数の特徴モデルの内からいずれかの特徴モデルの選択を受け付ける特徴選択受付部と、
   前記複数の特徴モデル毎に、前記ビデオゲームの要素データの内の画像データが入力された場合に、特徴に応じた画像データを出力するようにエンコーダ及びデコーダを用いて学習された学習モデルの内、選択された特徴モデルに対応する学習モデルを選択する学習モデル選択部と、
   抽出した画像データを、選択された学習モデルに入力して変換後の画像データを出力する出力部とを備え、
   前記オリジナルのビデオゲームの画像データを、前記選択された学習モデルから出力された変換後の画像データによって置換したビデオゲームのゲームプログラムを出力する
   情報処理装置。
7. 変換対象のオリジナルのビデオゲームの選択を受け付け、
   前記オリジナルのビデオゲームの要素データの内の画像データを抽出し、
   複数の特徴モデルの内からいずれかの特徴モデルの選択を受け付け、
   前記複数の特徴モデル毎に、前記ビデオゲームの要素データの内の画像データが入力された場合に、特徴に応じた画像データを出力するようにエンコーダ及びデコーダを用いて学習された学習モデルの内、選択された特徴モデルに対応する学習モデルを選択し、
   抽出した画像データを、選択された学習モデルに入力して変換後の画像データを出力し、
   前記オリジナルのビデオゲームの画像データを、前記選択された学習モデルから出力された変換後の画像データによって置換したビデオゲームのゲームプログラムを出力する
   処理をコンピュータに実行させるコンピュータプログラム。

Images