この動画は、OpenAIが2025年国際数学オリンピックで金メダルを獲得したという画期的な成果について詳細に解説している。従来の数学専用AIとは異なり、汎用的な大規模言語モデルが人間レベルの数学的推論を実現したことの意義を強調し、これがAGI（汎用人工知能）への重要な一歩であることを論じている。また、AI懐疑論者の見解に反駁しつつ、推論時間の延長技術やARC-AGIテストの進歩を通じて、AIの創造性と学習能力の発展を示している。
- OpenAIの歴史的快挙
- 汎用推論モデルによる金メダル獲得
- Googleの専用AIとの違い
- 汎用推論モデルの意義
- 創造性と推論時間の拡張
- 推論レベルの段階的発展
- AIの進化の歴史的文脈
- 技術の特殊化と進歩
- 従来理論への反駁
- 問題の複雑性
- ARC-AGIテストとの関連
- 推論時間の革命的効果
- ニューラルネットワークの可能性
- 将来への展望
- 詳細な評価結果
- 参加への呼びかけ
- 安全性と実用化の課題
- 予測を上回る進歩
- 技術詳細とデータ公開
- 汎用性の重要性
- ARC-AGI 3への挑戦
- ARC-AGIゲームの体験
- 学習プロセスの本質
- 知能の本質についての考察
- 今後の展望と参加への呼びかけ
- 小さな変化の大きな可能性
- 特別ボーナス：MCPを使ったゲーム開発
- ゲームへの参加方法
OpenAIの歴史的快挙
皆さん、OpenAIが国際数学オリンピックで金メダルを獲得しました。まさにその通りです。皆さんが聞いている通りのことが起こったのです。このニュースは人工知能の世界全体に衝撃を与えました。というのも、これはまさにAGIの方向性を示し始めているからです。皆が期待しているあの従来の概念の方向にです。
そして、もしこういったことがこの方向に進み続けるなら、私たちは確実に超知能を手にすることになるでしょう。大きな批評家たちがまだ古いパラダイムに固執し、現在起こっていることを古いもののように見続けているとしてもです。
それでは一緒に見ていきましょう。何が起こっているのかを理解していきましょう。皆さん、いつものように、いいねを押してくれた皆さん、チャンネル登録してくれた皆さんに感謝しています。この人工知能チャンネルをスポンサーしてくれているチャンネルメンバー全員に特別な感謝を申し上げます。メンバーの皆さんには、WhatsApp統合、PDF読み取り、MCP統合など様々なことを説明するインテリジェントエージェントの限定動画へのアクセス権があることをお忘れなく。さらに先行動画もあります。
汎用推論モデルによる金メダル獲得
さて、今日のニュースはこれです。OpenAIの皆さんが公式に投稿しました。「汎用推論LLMで2025年国際数学オリンピック金メダルレベルを達成しました」と。皆さん、この部分には非常に多くの情報が含まれています。
まず、国際数学オリンピックは地球上で最も困難なオリンピックの一つです。適当にテストを受けて偶然に金メダルを取れるような簡単なものではありません。そして、このオリンピックでの金メダルは、どんな人間でもたくさん勉強すれば取れるようなものではありません。その人は知能が必要で、たくさん勉強する必要があり、これが機能するためには多くのことがうまくいく必要があります。
重要なのは、彼らがこれを汎用推論モデルと言っていることです。なぜこう言っているのでしょうか？なぜなら、Googleが既に同じ国際数学オリンピックで銀メダルを獲得していたからです。ただし、それは2024年のことでした。
Googleの専用AIとの違い
その情報を理解するためには、これを理解する必要があります。こちらとあちらで何が違うのでしょうか？こちらでは、彼らはAlpha ProofとAlpha Geometryという2つの人工知能を使っています。これらは数学に特化したモデルです。数学のために作られたもので、私たちが狭い人工知能と呼ぶもので、一種類の問題を解くためだけに存在します。
もしこの人工知能にコーヒーの入れ方を聞いても、コーヒーの入れ方はわからないし、医療診断書の作成方法もわからないし、会話もできないし、絶対に何もわからず、数学の証明だけができるのです。
例えば、Alpha Proofは、形式的数学推論のための強化学習ベースのシステムです。これは、言語レベルではなく数学レベルで働いていることを意味し、証明を作り、記号を確立し、数学者がやるように、古典的で典型的な数学記法システムでそこですべての推論を行います。これははるかに困難ですが、特化されています。そのような証明に基づいてモデルを訓練し、その上にシステムを作り始めます。これが基本的に大きな違いです。
汎用推論モデルの意義
しかし、こちらは違います。皆さん、こちらは汎用推論モデルで、まさにChatGPTです。皆が使っているこのモデルを取って、数学問題を解けるほど知能的にすることです。見てください、私たちのモデルは高レベルの数学問題を、最高の人間競技者と同じレベルで解決しました。これは人工知能と数学にとって重要なマイルストーンです。
OpenAIで働くAlexander Wayがさらに詳細を提供しています。例えば、「私たちの最新のOpenAI推論実験LLMが、AIにおける長年の重要な課題を達成したことを共有できて興奮しています。世界で最も権威ある数学競技会、国際数学オリンピックでの金メダルレベルの性能です」
ここまではすでに知っていた部分ですが、彼は続けます。「私たちは、人間の競技者と同じルールの下で、2025年のIMO問題でモデルを評価しました。4時間の試験セッションを2回、ツールやインターネットなしで、公式の問題文を読み、自然言語で証明を書きました」
創造性と推論時間の拡張
つまり、皆さん、これはあの話です。そこに解決しようとしている問題があり、彼らは汎用知能を置いて、それがまるで椅子に座った学生のように、手にペンと生きる意志だけを持って試験を受けているのです。
彼は続けます：「なぜこれが重要なのでしょうか？まず、IMO問題、つまり国際数学オリンピックの問題は、以前のベンチマークと比較して、新しいレベルの持続的創造的思考を要求します」
この点、この創造性の問題、答えにたどり着くために何かを発明する必要があり、単に回答のすべての要素が問題文にあるのではないということ、この創造的レベルは話すことが重要でした。なぜなら、多くの人が「それは創造的ではない、それは創造的ではない」と言い続けているからです。実際には、それがすでに長い間実証されているにもかかわらずです。
AIは新しいことを学び、新しい学習で働き、リアルタイムで推論し、物事を創造することができます。あなたの好きな教祖が「それはできない」と言っているとしても、実際にはできるのです。これらのことが実際に起こっているのに、起こっていないと言い続ける教祖のファンの方には申し訳ありません。
人工知能には長年の否定主義が存在し、それは持続しています。そして彼はコメントしています：「推論時間の地平線では、私たちはGSM 8K（最高の人間にとって約0.1分）から進歩し、MATH（約1分）へ、AIME（約10分）へ、そしてIMO（約100分）へと進歩しました」
推論レベルの段階的発展
わかりましたが、これは何を意味するのでしょうか？これらはすべて数学のテストです。例えば、最初のこれは、誰もがやる学校の基本的なテストで、問題を解くのに非常に速いものです。この数学のものは少し複雑になります。AIMEはかなり難しくなり始め、人々が問題を解くのに10分かかるようになります。そしてIMOでは、人が一つの小さな問題に100分かけることになり、これは非常に複雑なものです。
彼は続けます：「第二に、IMOの提出物は、検証が困難な数ページにわたる証明です。ここでの進歩は、明確で検証可能な報酬による強化学習パラダイムを超えることを要求します。これを行うことで、人間の数学者レベルで複雑で堅実な議論を作ることができるモデルを獲得しました」
AIの進化の歴史的文脈
私が何度も皆さんに注意を向けてもらいたいことがあります。次のことを考えてください。人工知能が登場したとき、GPT-3、GPT-2、GPT-1、最初のモデルたち、これらはGoogleが作っていた翻訳モデルの適応でした。まさにその通りです。このLLM分野で最も有名な論文は「Attention is All You Need」です。
この論文を読むと、彼らが翻訳について話していることがわかります。基本的に当時、彼らはいくつかの変更により、翻訳者をテキストジェネレーターに変換でき、このテキストジェネレーターをチャットボットにできることに気づきました。これがLLMの歴史の始まりです。
さらに何があるでしょうか？第二部は、ChatGPT、Gemini、Claudeなど多くのチャットボットが登場し始めた後、データとデータベースは一般的にインターネットでした。これらは、人間が人生を通じてブログを書き、動画を投稿し、人間のコンテンツがある他の多くのことをしながら投稿するデータです。
技術の特殊化と進歩
それでは今何が起こっているのでしょうか？時間が経つにつれて、適応だったこれらのものが、今では人工知能のために作られ始めています。皆さんはこの微妙さを理解できますか？翻訳者の継ぎ足しが、今では人工知能モデルになり始めました。
そしてこの上に技術が登場し始めました。AIが答えを探すためにより多くの時間を費やすようにする推論技術。複数の知能が知識を共有して、より正確な答えにたどり着くエージェント技術。推論に加えて、これらのモデルがツールも使用するツール使用。
そしてこれらすべての上に、この進歩すべてのために、人々は気づき始めました。「私たちは長期的に考える知能が必要で、先を見て、将来うまくいく推論の線を作ることができる知能が必要だ」と。これらは持っていなかったものでした。
従来理論への反駁
このタイプの洞察、このタイプの認識は、今発見されました。だからこそ、前世紀のことを語り続ける教祖たち、前世紀の理論はもはや通用しないと。そして彼らは正しいのです。なぜなら、彼らはもう誰も使っていない、あるいはむしろ、彼らがその進化したものを使っているタイプの人工知能とアプローチについて話しているからです。
脳について話すのと同じことです。ハエの脳は人間の脳とは異なります。それでも似たような原理を共有し、同じ起源を持っているとしてもです。だから「ああ、これは古いもので、50年代、60年代のものだ」と言い続ける人々、これは人間の脳が愚かだと言うのと同じことです。なぜなら、それは過去に登場したはるかに原始的な、より原始的な動物のより原始的な脳の進化だからです。
だから、皆さん、これは意味がありません。システムのアーキテクチャ、進歩、時間をかけて加えていくものが、すべての違いを作ります。
問題の複雑性
彼はここでいくつかの例を示していますが、皆さん、もしこれが数学が大好きな人間にとって困難な問題なら、私たちのような普通の人間にとっては、問題文の理解さえ困難になることを想像してください。
しかし、とにかく、ことは実証されており、彼は続けます。「結果自体を超えて、私たちのアプローチに興奮しています。私たちはタスク固有の制限された方法論によってではなく、汎用目的の強化学習とテスト時計算のスケーリングで新しい道を開くことによって、このレベルの能力を達成しました」
このテスト時間の部分は次のようなものです。モデルを作り、モデルがますます知能的になるように強化学習を行います。しかし結局のところ、訓練されたモデルを持った後、それが答えを作っている間、そして答えをいじっている間、これがそれが推論し、創造的でなければならない時間です。
ARC-AGIテストとの関連
そしてこの時点で、ARC AIと関係するFrançois Cholletのプレゼンテーションにジャンプする必要があります。はい、人工知能の知能をテストして、AIが基本的な論理問題を解決できるかどうかを確認していたあの知能テストです。
FrançoisはARC Prize 1を作成しました。今日では既に3になっていますが、このグラフの時期では、まだ1について話していました。彼らは何を言っていたのでしょうか？人間が持っている直感的で簡単でシンプルな論理レベルがあり、これらのモデルにはそれがなく、彼らがそれを流暢性と呼んでいました。これは単に問題を一目見て解決法を知ることです。
2019年以来、彼らはGPT-2、GPT-3、GPT-4、そして2024年にはGPT-4oでこのテストを適用していました。そして誰も10%からも出ることができませんでした。皆さん、最良の結果は完全に取るに足らない結果でした。これは彼らが生のモデル、シンプルで基本的なモデルを適用していたからです。
推論時間の革命的効果
しかし、この生のモデル、皆さん、これは私たちの停止した脳と同じです。停止した脳は学習しません。座って勉強しない人、脳を何にも使わない人、それは停止した脳です。それは一人では学習しません、方法はありません。
この瞬間から、2024年に、テスト時推論が登場し始めたとき、この黄色い曲線が登場し始めました。これにより、1年未満で人工知能がこのARC Prize 1テストで人間レベルと同じレベルを獲得することができました。
そしてこれは最も重要なポイントの一つでした。なぜなら、François Chollet自身が苦い思いをしなければならなかったからです。彼はいつも言っていて、断言し続けていました。「LLMは何も学習することは決してできない。いつかARC Prizeを解決する人工知能はニューラルネットワークではないだろう。もしニューラルネットワークだったとしても、他のタイプのシンボリック人工知能技術によって補助されるだろう」と。
ニューラルネットワークの可能性
しかし、それは起こりませんでした。起こったことは、人工知能自体の進化が、より長時間推論するために人工知能自体を使用する技術につながったということです。
そしてこれは最大の洞察の一つであり、単純にニューラルネットワークでは解決しない、スケールの法則だけでは役に立たない、データベースを増やし続けても役に立たない、アーキテクチャを変え続けても役に立たない、新しい技術が必要だ、ニューラルネットワークではこれを解決できないと言い続けるすべての人にとって最も重要なことの一つです。
皆さん、それは真実ではありません。スケールの法則が問題を解決しないと言うのはまだ早すぎます。さらに、知能はデータにあるのではないことがますます明確になっています。知能は訓練された脳にあるのではなく、これらのものが現実との相互作用にあります。特に、データが間違った方向に導いていたものを、強化学習モデルがこの人工知能を導き、方向付けているからです。
将来への展望
私を見ている人々で、私の推論についてきている人々は、なぜこれらの人々がこんなにたくさんのナンセンスを話しているのか、そして人工知能が今後数年でそれほど変わらない可能性が高く、それが今のような状態でAGIに到達するのかを理解しています。むしろ、それができるかどうかはわかりませんが、道は開かれ続けており、仮説は有効であり続けています。
このスケールの法則の考えはまだ開かれています。一部の人々がまだ主張しているように、誰もこの仮説を決定的に閉じることができていません。
詳細な評価結果
しかし、続けましょう。彼はここで止まりませんでした。「私たちの評価では、モデルは2025年オリンピックの6問中5問を解決しました。各問題について、3人のIMO金メダリストがモデルによって提示された証明を独立して評価しました。満場一致の合意後に点数が確定され、モデルは合計42点中35点を獲得し、金メダルに十分でした」
つまり、皆さん、3人の金メダリストがこの評価を行い、全員一致で承認しました。つまり、全員が点数が本当にこれだと同意しました、42点中35点。これは素晴らしいことです。
そして彼はコメントしています：「この狂気の夢を現実に変えるために、私たちが依存している多くの巨人の肩の上に立つチームと、おめでとうございます。最高の人々と一緒に夜と明け方まで働くことができて幸運です」
参加への呼びかけ
これは、皆さん、私が言い続け、主張し、繰り返さなければならず、さらに多く話さなければならないことです。私たちがこの競争から外れていると思わないでください。私たちが競争から外れているのは、外れていると信じているときだけです。勉強してください。多くの中国人、日本人、インド人、ブラジル人もいます。私は既にここのチャンネルで彼らと話しました。これらの企業で働き、研究をしているインタビューをしました。
これは、もしあなたが根っからのオタクで、人工知能を作るのが好きなら、この歴史の一部になることができることを意味します。勉強し、修士号を取り、博士号を取り、追いかければそこにたどり着くことができます。
そして彼は続けます：「ちなみに、間もなくGPT-5をリリースし、皆さんに試していただけることを楽しみにしています」
そして彼は言います：「明確にするために、IMO金メダルのLLMは実験的研究モデルです。彼らはテストしています。このレベルの数学能力を持つものを数ヶ月間リリースする計画はありません」
安全性と実用化の課題
これは理にかなっています、皆さん。なぜなら、私たちに届くモデルには、まったく異なるタイプの準備があるからです。セキュリティが必要で、この場合、彼らが気にしていないと確信している多くのことが必要です。
これに関連する重要なことは、人工知能を作った後にセキュリティ層を適用する必要があるとき、このセキュリティ層が訓練された知能に干渉することです。だからこそ、特定の分野で洗練され、作業されたこれらのモデルが、これに関して少し有利になることになります。
予測を上回る進歩
そして彼はここで話し続けます：「それでも、これは過去数年間でAIがどれほど急速に進歩したかを強調しています。2021年、私の博士課程指導教授であるJacob Steinhardtが、2025年7月まで、つまり今月までの数学におけるAIの進歩を予測するよう私に求めました。私はMATHベンチマークで30%を予測し、他の皆が楽観的すぎると思いました」
そして、そのMATHテストでの30%の代わりに、彼らはIMOで金メダルを獲得しています。これは単純に驚異的です。予測が予定より早く起こっている人工知能の歴史で初めてのことです。
皆が日付を先に押しやっているのに、物事は先に起こっています。皆さんは現実世界がどのようなものか知っていますか？家を建てるときのようなものです。職人が1年かかると言って10年かかる工事をするときのようです。人工知能では逆のことが起こっています。予測が大幅に前倒しされています。
技術詳細とデータ公開
そして彼はここで人々を招待しています、データを見たい人のために。そして彼はここでコメントしています：「モデルはP1からP5まで解決し、P6の解決策を生成しませんでした」つまり、単純に答えなかった問題が一つあったということです。そして彼らは敗北を受け入れました。「事前にお詫びします、その直感的なスタイルのために。これは非常に実験的なモデルです」
これは、もし私たちがここで彼が渡したリンクに入ると、彼が見つけた解決策があることを意味します。あなたは実際に分析し、何が起こったかを観察することができます。
汎用性の重要性
また、同じ投稿にコメントしたもう一人の人物、OpenAIでも働くNoah Brownも似たようなことをコメントし、いくつかの興味深いことを加えています。例えば、彼はここでコメントしています：「通常、Go、Dota、ポーカー、外交などのこれらのAI結果では、研究者が特定の領域を支配し、それ以上のことはほとんどしないAIを作るために何年も費やします。しかし、これは数学専用の人工知能モデルではありません。これは実験的な新技術と汎用使用を組み込んだ推論LLMです」
これは、Go、Dota、ポーカー、外交、StarCraftなど、すでに人工知能によって征服された多くのゲームがあるからです。そしていつも同じ話です。彼らはそのゲームを1年間プレイし、学習し、専門家と話し、データを収集し、そのゲームに特化した大量の研究を行い、狂気じみてその特定のプログラムで作業し、ついに解決できる時が来て、そこで終わりです。なぜなら、そのモデルはその特定のゲームをプレイすること、その特定のことをすること以外には何の役にも立たないからです。
ARC-AGI 3への挑戦
そしてこの時点で、皆さん、私たちは非常に注意を払う必要があります。例えば、すでにここでARC Prize AGI 3が行われています。これは、2024年に人工知能がニューラルネットワークを使用してほぼ解決することができたあのテストの進化で、現在は第3版になっています。
これらの賞、もし皆さんが注意深く読むなら、このタイプの問題を解決しようとするエージェントを作成でき、そのエージェントがこのタイプの問題を解決し始めると、最大60万ドルを獲得できます。ここには、このゲームをプレイするためのAPIの使用方法を説明するドキュメントもあります。
そして、ここにはすべてのルールがあり、もしかしたら私はこれだけを説明する専用ビデオを作るかもしれません。興味深いのは、ここに2つのタイプのプレイがあることです。一つは人間がプレイするため、私たちがプレイしてARC AGIが何かを理解するため。もう一つは人工知能にプレイさせるためです。
ARC-AGIゲームの体験
だから、もし私がここでPlay Humanに置くと、ここで3つの小さなゲームをテストするために提供してくれます。たくさんの小さなゲームがあります。ARC Prizeの魅力は次のようなものです。小さなゲームを与えられます。そこで単純にクリックし、そのゲーム画面を見て、どのように機能するかを理解するために自分で何とかします。
そして彼はここで言います：「あなたはAGIゲームをプレイしており、ここでAGI、LS20と言います」間違っていなければ、このデモンストレーションは皆同じですが、そうでなければランダムだったでしょう。
そして彼は次のように言います：「意図的に指示はありません。ゲームをプレイして、コントロール、ルール、目標を発見する必要があります」皆さんはこのタイプのゲームの重要性を理解していますか？そこを見て、いじり始め、動かし、何が起こるかを見て、あなたがすることから学ぶことです。
学習プロセスの本質
そして彼は言います：「スタートを押して始めて、コントロールのタイプを選択し、ルールを学ぶためにプレイして、それからゲームに勝ってください」そして彼はコメントします：「ここには賞はありません」
だから、例えば、これは最初の小さなゲームです。ここでキーを押すと、このものを動かすことができます。ゲームと相互作用するにつれて、物事が起こり、物事が起こるにつれて、最終的にレベルを通過することができるかもしれません。
正直に言うと、皆さん、私はこれを既に知っており、今通過します。でも、まあいいですよね？もしあなたが知らなかったら、ここで迷子になっていたでしょう。他のIDの他のゲームで私に起こったように、どこから始めればいいのか全くわからなかったのです。
そして最も興味深いのは、私たち人間は、皆さん、いじり始め、ボタンを押し始め、クリックし始め、たくさんのことをし始めることです。ある時点で、物事が動くこと、クリックで何が起こるか、キーを動かすと何が起こるかを理解し始めます。物事が機械的にどのように機能するかを理解した後、すでにゲームの論理を理解しようとし始めます。
ゲームの論理を学んだ後、より効率的に解決するための戦略を開発し始め、最終的にあなたが解決する時が来ます。人工知能がリアルタイムで機能するのを見るのは驚異的です。
知能の本質についての考察
これはFrançois Cholletが擁護する最も重要なアイデアの一つです。彼は次のように言います：「知能は私たちが持っているスキルではありません。知能はあなたのサッカーをプレイする能力ではありません。知能はあなたの音楽を演奏する能力ではありません。知能は、実際には、あなたの中に存在するもので、サッカーを学ぶことを可能にし、楽器を演奏することを学ぶことを可能にし、さらに、このような小さなゲームをプレイすることを学ぶことを可能にするものです」
そしてそれが、ARC AGIの人々が常に学習し、即興する必要があるレベルでのタイプの問題を持ち込む理由です。テストは困難ではなく、普通の人々が解決できるほどシンプルまたは十分です。これは全く天才のテストではありません。逆に、あなたの脳が機能しているかどうかだけを評価するテストです。
今後の展望と参加への呼びかけ
それで、皆さんはどう思いましたか？人工知能をすることに興奮しましたか？研究することに興奮しましたか？今後数年間で汎用人工知能が登場するのを見ることを確信してください。それらがどこから来るのか正確にはわかりません。今起こっていることが正確に何になるのかを今言うことはできません。
しかし、確実に言えることは、今生産されているこれらのモデルが確実にAGIの可能性になり得るということです。私がよく使う比喩の一つは次のようなものです：チンパンジー、ゴリラ、サルなど、人間と遺伝的に98%まったく同じだが、一方でその2%の違いが人間のような生物を生み出す生き物を取るとき、人間は途方もない知能を持っています。
そして、ほとんど話すことができないチンパンジーは、基本的にジェスチャーを通じて叫んで話します。すべての感情的複雑さを持っているとしても、Cocoのようなゴリラがジェスチャーを通じて言語能力を発達させることができるとしても、それでも知能の差は途方もなく大きいのです。
小さな変化の大きな可能性
しかし、ハードウェア、機械、脳、知能の背後にあるものは、私たちが思っているほど違いません。そしてそれが、小さなことをいじって、小さな調整をして、現在の人工知能内部の小さなことの小さな進歩をすることが、すでに超知能を作るのに十分かもしれない理由です。
そして多分、そこで見ているあなたが次のように考える人の一人かもしれません：「え、ここで小さな修正をして、そこで何かが起こって、そこで0.1%改善して、それが超知能を作ることができるのではないでしょうか？」あなたの創造性を解放してください。今がそれが起こる瞬間だからです。
このようなビデオを見続けるためにチャンネルをサポートしたいなら、メンバーになってください。メンバーはインテリジェントエージェントの限定ビデオと先行ビデオにアクセスできます。それでは、いいねを残してください。ありがとうございました。
特別ボーナス：MCPを使ったゲーム開発
そして、最後まで残ってくれたあなたのために、特別なボーナスがあります。私はここで、このゲームについて具体的に説明し、MCPを使って人工知能にそれをプレイさせる方法を説明するビデオを作りました。
だから、この場合、プレイしているのは私です。人工知能がプレイしているのではありません。ご覧のように、いくつかの修正を加えました。今、小さなプレイヤーがいて、小さなプレイヤーがいて、ここに書かれた小さなバッグがあります。
そしてヒーローとしてのあなたの目標は、ここでAGIを取ることです。そして今、皆さん、私は他の多くのマップを置きました。例えば、ここにバリアのあるマップです。もしあなたが始めてそれをプレイするなら。皆さん、このマップはばかげているように見えますが、人工知能にこれをさせるのは非常に困難です。そこから出て、ここを外から通って、ここでAGIを取るのです。
ゲームへの参加方法
もしあなたが興奮し、このゲームをプレイしたくなったなら、まず、私がプレイ方法を説明するあのビデオを見てください。そして、ここで、ゲームのリポジトリで、非常に正確に、マルチマップに入ります。そしてこのマルチマップには、画像、ツリーPNG、壁、プレイヤー、報酬、そしてBlock Pickerゲームがあります。すでに更新された画像と様々なマップで正確に更新されています。
ここにマップもあります。新しいマップを作りたいなら、非常にシンプルです。プレイヤーのときはPを置き、報酬のときはRを置いて、レイアウトを組み立てます。もしこのようなマップをここで作って、このGame Mapsファイルに入れれば、カスタマイズされたマップを作ることができ、あなたの人工知能とプレイするためにゲームに表示されます。
それでは、バリアマップの問題を作成し、解決できたかどうかコメントに残してください。ありがとうございました。
コメント