エンタメで使うAI技術の地図¶

一言で言うと¶

エンタメに効くAI技術は 「生成（作る）」「理解（読む）」「判断（決める）」「制御（動かす）」 の4系統。単体の性能より、レイテンシ・コスト・一貫性・制御性 の4条件を満たせるかで実用性が決まる。

4系統¶

1. 生成¶

モダリティ	主な技術	エンタメ用途	実用上の壁
テキスト	大規模言語モデル（LLM）	会話NPC、シナリオ、クエスト、ローカライズ	設定の一貫性、長期記憶、口調維持
画像	拡散モデル、フローマッチング	コンセプトアート、テクスチャ、背景	キャラの同一性維持、権利
動画	動画拡散モデル、ワールドモデル	プリビズ、短尺映像、カットシーン	長尺の一貫性、演出の細かい制御
3D	NeRF / 3D Gaussian Splatting / 画像→3D生成	背景アセット、プロップ、スキャン	トポロジー、ゲームエンジンへの組み込み
音声	TTS、声質変換	NPCボイス、吹替、配信	感情表現、声の権利
音楽	音楽生成モデル、シンボリック生成（MIDI）	BGM、適応型音楽	構成の長期一貫性、権利
モーション	モーション生成、モーションマッチング	アニメーション、ダンス	物理的妥当性
インタラクティブ世界	ワールドモデル（行動に応じて次フレームを生成）	「遊べる動画」、試作	状態の永続性、ゲームルールの厳密さ

2. 理解¶

マルチモーダル理解: 画面・音声・テキストを読み、状況を把握（プレイ実況AI、QA自動化）
感情・行動分析: プレイログ、視聴データ、コメントからの離脱予測・満足度推定
コンテンツモデレーション: UGC・チャットの有害表現検出

3. 判断¶

レコメンド: 次に見る・遊ぶ・買うもの
強化学習（RL）: ゲームAI、バランス調整、自動プレイテスト
プランニング/エージェント: ゲームマスター、ドラマ・マネージャー（物語の進行管理）

4. 制御（生成を「作品」にするための技術）¶

条件付け: 参照画像、ポーズ、深度、スケッチ、スタイル参照
ファインチューニング / LoRA: 自社IPの画風・キャラの学習（権利処理が前提）
構造化出力: LLMの出力をJSONなどに縛り、ゲームロジックと接続
RAG（検索拡張生成）: 設定資料集・世界観Wikiを参照させて一貫性を保つ
ガードレール: キャラ崩壊・不適切発言・ネタバレの防止

実用化の4条件¶

条件	ゲーム内リアルタイム	制作ツール	備考
レイテンシ	会話なら体感1秒前後が目安、アクションは数十ms	数秒〜数分でも可	体験に乗せるならストリーミング・先読みが必須
コスト	ユーザー1人あたり推論コストが収益を超えないこと	人件費との比較	小型モデル・キャッシュ・オンデバイスで下げる
一貫性	キャラ・世界観・ルールが崩れない	同一キャラ・同一画風	RAG・状態管理・評価が要
制御性	ゲームデザイナーが意図を反映できる	ディレクターが修正指示できる	「全部お任せ」は作品にならない

アーキテクチャの定石：LLMをゲームに入れるとき¶

[プレイヤー入力]
      ↓
[ゲーム状態（真実の源泉）] ← ルールはコードが持つ。LLMに持たせない
      ↓ 必要な情報だけ抽出
[プロンプト組立: キャラ設定 + 世界観RAG + 記憶要約 + 現在状況]
      ↓
[LLM] → 構造化出力（セリフ / 感情 / 実行したい行動）
      ↓
[検証層: 行動はゲームルールで許可されたものだけ実行、ガードレール]
      ↓
[演出: TTS・表情・モーション]

原則: LLMは「意図と言葉」を担当し、「事実とルール」はゲームエンジンが担当する。 これを守らないと、アイテム増殖やルール崩壊などのエクスプロイトの温床になる。

未解決の問い¶

ワールドモデルは従来のゲームエンジンを置き換えるのか、それともプロトタイピング用途にとどまるのか
オンデバイス推論はどこまでNPC体験を支えられるか