1週間のデータで7年間の鍛錬を凌駕？マイクロソフトのモデルWHAMMが『クェークII』のプレイ可能なデモをリアルタイム生成

AIbase基地

公開日AIニュース · 1 分で読めます · Apr 7, 2025

最近、テクノロジー大手マイクロソフトは注目すべき研究プロジェクト、WHAMM（World and Human Action MaskGIT Model）を公開しました。これは革新的なAIモデルで、AIモデル内部で完全に動作する古典的ゲーム「クェークII」を生成し、プレイヤーが操作可能なリアルタイム版を提示します。この研究はマイクロソフトのCo pil ot Labsに属し、インタラクティブメディアにおける生成AIの可能性と限界を探求することを目的としています。

従来を覆す：AIモデルが直接プレイ可能なゲームを生成

従来のゲームAIは、ゲームキャラクターの制御やゲームコンテンツの断片的な生成に重点を置いていましたが、WHAMMの独自性は、ゼロからゲーム環境全体とダイナミックなプロセスを生成し、プレイヤーのリアルタイム操作に対応できる点にあります。つまり、プレイヤーはAIモデルが「想像」した「クェークII」の世界と直接インタラクトできます。移動、ジャンプ、射撃、物体の配置などが可能です。このAI生成のデモ版では、環境への変更を保存し、隠されたエリアを探検することもできます。

WHAMMは、ゲーム開発向けに生成AIツールを提供することに特化したマイクロソフトの「Muse」モデルファミリーの一員です。以前のバージョンであるWHAM-1.6Bはゲーム「Bleeding Edge」のトレーニングに使用されていましたが、性能は毎秒約1フレームでした。WHAMMは性能において著しい飛躍を遂げ、毎秒10フレームを超える画像を生成でき、モデル内部でのリアルタイムインタラクションを十分にサポートできます。

技術的ブレークスルー：少ないデータで、より高速な生成

WHAMMの成功は、2つの重要な技術革新によるものです。大幅に削減されたトレーニングデータと、全く新しい技術戦略です。WHAM-1.6Bは7年分のゲームデータを使用してトレーニングされたのに対し、WHAMMは1週間分の「クェークII」のシングルレベルから収集されたデータのみを使用しています。専門のテスターによって記録されたこれらのデータは、質が高く、目的が明確なゲーム行動の例を提供し、モデルがより効率的に学習することを可能にしました。

技術戦略においては、WHAMMはWHAM-1.6Bが採用していた自己回帰法（画像トークンを逐次生成）を放棄し、MaskGIT戦略を採用しています。この方法により、モデルは複数のイテレーションで全ての画像トークンを並列に生成できます。この変更により生成速度が大幅に向上し、出力解像度も300×180ピクセルから640×360ピクセルに向上しました。

WHAMMシステムのワークフローは3つの段階に分かれています。まず、ViT-VQGANを使用して画像をトークンに変換します。次に、約5億パラメータを持つ「バックボーン」トランスフォーマーがコンテキストに基づいて次に何が起こるかを予測します。最後に、約2.5億パラメータを持つより小さな「リファインメント」モジュールが、複数のイテレーションを通じて予測された画像トークンを改良します。新しいフレームを生成するために、モデルは前の9つの画像-アクションペアをコンテキストとして使用します。

依然として課題あり：AIゲーム開発の未来の方向性を探る

WHAMMは素晴らしい可能性を示していますが、オリジナルの「クェークII」を完璧に再現しているわけではありません。トレーニングデータの制限により、生成された環境は近似的なものであり、いくつかの技術的な欠点があります。例えば、敵キャラクターはぼやけて見え、戦闘はリアルさがなく、体力ゲージも信頼性がありません。さらに、オブジェクトが画面外に0.9秒（モデルのコンテキストウィンドウの制限）以上留まると消えてしまいます。プレイ可能なエリアはレベルの一部分に限定されており、そのエリアの終点に達するとシミュレーションは停止します。また、入力遅延はまだ高く、プレイヤーの操作とシステムの応答の間に顕著な遅延があります。

マイクロソフトはWHAMMを、将来のAI支援ゲーム開発のための実験的な基盤と考えています。これは、生成AIをゲーム開発に適用する方法を探求する、現在登場している多くの新しいツールの1つでもあります。同様の試みとしては、GameGen-O（オープンワールドシミュレーションの生成に特化）、GoogleとDeepmindのGameNGenとDIAMOND（「DOOM」や「カウンターストライク」などのゲームのシミュレーションに使用）などがあります。これらのモデルは顕著な進歩を遂げていますが、低解像度の出力、メモリとコンテキスト認識の制限などの技術的な課題に依然として直面しています。

ゲーム業界がAIを受け入れる：コスト削減と効率化の可能性

ゲーム業界は、コード、デザイン、ストーリーテリング、マルチメディアなど複数の分野を融合し、開発サイクルが予算と時間の制約を受けやすいことから、生成AIを特に受け入れやすいです。この創造的な複雑さとリソースの圧力の組み合わせにより、構造化されたタスクを部分的に自動化できるツールを特に受け入れやすくなっています。

まとめ

マイクロソフトが発表したWHAMMモデルは、AIモデル内部でプレイ可能な「クェークII」のデモをリアルタイムで生成することにより、インタラクティブエンターテイメントにおける生成AIの巨大な可能性を示しました。現在、いくつかの制限がありますが、WHAMMの技術的ブレークスルー、例えばより効率的なデータ学習と並列的な画像生成戦略は、AI駆動のゲーム開発の未来に新たな道を切り開いています。

AI時代における広告業界の適応：GoogleからChatGPTへの変遷

インターネット発展の歴史において、Googleの台頭はほぼ伝説的です。1999年の設立以来、Googleはシンプルで広告のない検索体験で多くのユーザーを獲得し、創設者のラリー・ペイジとセルゲイ・ブリンは初期において広告を強く避け、広告が検索の質に影響を与える可能性があると信じていました。しかし、2000年になると、Googleは収益化のためAdWordsを発表し、広告収入に依存する巨大企業へと急速に変貌を遂げ、広告は検索結果ページの重要な構成要素となりました。しかし

GPT-4oの画像生成能力がGPTsに統合、パーソナライズされた画像生成AIの新時代へ

OpenAIは、GPT-4oの画像生成能力をGPTs（カスタムGPT）プラットフォームに正式統合したと発表しました。これにより、開発者やクリエイターは、パーソナライズされた画像生成AIロボットを構築するための強力なツールを獲得しました。AIbaseの情報によると、このアップデートにより、ユーザーはGPTsを使用して、ポスターデザインロボットや特定の芸術スタイルのジェネレーターなどの独自の画像生成アプリケーションを作成できるようになり、創造性の柔軟性と共有性が大幅に向上します。ソーシャルメディア上での活発な議論は、その広範な影響力を示しており、関連機能はChatGPT Plus、P…（以下略）

開発者必見！AI推奨パッケージの5分の1は偽物、Slopsquatting攻撃の脅威

サイバーセキュリティ研究者らが警告を発しています。新たなソフトウェアサプライチェーン攻撃である「Slopsquatting」が水面上に現れました。この攻撃は、生成AI（LLMなど）がコード作成時に起こりうる「パッケージ幻覚」――存在しないパッケージ名を推奨する現象――の脆弱性を突きます。攻撃者はこれらの架空の名称を先取り登録し、悪意のあるコードを埋め込むことができます。画像注記：画像はAIによって生成され、画像ライセンス提供業者Midjourneyから提供されています。研究チームは、AIがでっち上げたパッケージ名はしばしば非常に類似性が高いことを発見しました。

PixverseがMCPを発表：ワンクリックでAIビデオ生成の新たな境地へ

生成AI技術の急速な発展に伴い、ビデオ制作分野は新たな変革期を迎えています。AIビデオ生成分野をリードするプラットフォームであるPixverseは、最近、Model Context Protocol（MCP）を発表し、ユーザーと開発者により効率的で柔軟なビデオ生成ソリューションを提供します。MCPとは何か？AIビデオ生成の新たな方法を解き放つPixverseのMCP（Model Context Protocol）は、AIビデオ生成のために特別に設計された…

AIを活用した業務効率化で、英国の従業員は年間122時間節約可能に！

最近のGoogleの報告書によると、従業員へのAI（人工知能）の有効なトレーニングにより、英国経済はAI推進の成長から4000億ポンド（約5330億米ドル）の利益を得られる可能性があるとのことです。この報告書は英国で行われたパイロットプログラムに基づいており、その結果、従業員はAIツールを使用することで、事務作業において平均年間122時間以上の時間を節約できることが示されました。報告書では、AIの使用手順の簡素化と適切なトレーニングの提供が、AI普及率向上のための鍵であると強調しています。Googleの欧州、中…

動画制作の常識を覆す！アリババのVACEモデル、テキスト・画像・動画入力を統合処理

アリババグループの科学者チームが、幅広い動画生成と編集タスクを統一的に処理することを目的とした汎用AIモデル、VACEを発表しました。VACEの中核は、強化された拡散Transformerアーキテクチャであり、その革新的な点は「ビデオ条件ユニット（VCU）」という新しい入力形式です。VCUは、テキストプロンプト、参照画像や動画シーケンス、空間マスクなど、多様なモダリティの入力を統一的な表現に凝縮し、専用のメカニズムによって異なる入力間の調整を行い、競合を回避します。概念の分離により、きめ細やかな制御を実現します。

JEDECがHBM4規格を発表、AIと高性能コンピューティングの新時代を支援

JEDECソリッドステートテクノロジー協会は、待望の高帯域幅メモリ（HBM）規格であるHBM4を発表しました。HBM3規格の進化版であるHBM4は、データ処理速度のさらなる向上を目指すとともに、より高い帯域幅、エネルギー効率、そして単一チップまたはスタックの容量の大幅な増加を実現し、大規模データセットと複雑な計算の高効率処理ニーズに対応します。HBM4規格は、生成AI、高性能コンピューティング、ハイエンドGPU、サーバーなどのアプリケーションに適した、いくつかの重要な技術的改良をもたらします。まず、HBM4の帯域幅は大幅に増加し...

Sand AI、MAGI-1ビデオ生成モデルをオープンソース化：無限拡張、高忠実度

2025年4月21日、Sand AIはオープンソースのビデオ生成モデルMAGI-1を発表しました。革新的な自己回帰拡散アーキテクチャと卓越した性能により、生成AI分野の注目を集めています。このモデルはApache 2.0ライセンスで提供され、コード、ウェイト、推論ツールはGitHubとHugging Faceで公開されており、世界中の開発者に強力な創作ツールを提供します。MAGI-1は拡散トランスフォーマーアーキテクチャに基づいており、ブロック因果関係注意機構と並列注意機構を導入しています。