この動画は、USPの研究者たちとのライブ配信告知をきっかけに、AIを使ったサッカーゲームの進化を紹介する内容である。IoTや最適化の専門家と並んで語られる文脈の中で、異なるAIモデル同士を対戦させる実験環境、応答速度とアニメーション速度の調整、トークン消費量とコスト試算までが具体的に示されている。単なるデモではなく、AIエージェントの挙動設計と実運用上の課題がよく分かる実践的な紹介になっている。
ライブ配信のお知らせと今回の動画について
みなさん、今日はライブ配信があります。今まさに19時から始まっていて、場所は私のチャンネルではなく、ICMCTVのチャンネルです。なので、クリックしてまずはそちらを見てください。それから、あとでここに戻ってきて、今私が作っているこの短い動画を見てもらえればと思います。
このライブには、私と一緒にCláudio先生、Júlio先生、そしてMárcioが参加します。Márcioはかなり昔に私と一緒に働いていた人で、今回は人工知能の専門家たちが集まって、主に最適化とIoTについて話します。なので、ぜひ一緒に見に来てください。
それでは行きましょう。
チャンネルへの感謝とメンバー向け特典
みなさん、いつも高評価を押してくれた方々、チャンネル登録してくれた方々、本当にありがとうございます。そして特に、この人工知能チャンネルを支えてくれているメンバーのみなさんに、あらためて感謝します。
いつもお伝えしているように、メンバーの方はインテリジェントエージェントに関する限定動画を視聴できます。そこでは、PDFの読み取りやWhatsAppとの連携、MCP、スプレッドシート、さらに限定動画なども扱っています。
AIサッカーゲームの進化
そして今回の動画では、特にこのサッカーゲームの進化をお見せしたいと思います。どう進んできたのか、今どんな状態なのかをここで見せていきます。
たとえば、ここには時間表示がすでに出ています。ほら、47、46、45と減っていっています。ここで時間が進んでいるんです。みなさんももう気づいていると思いますが、上のところにモデル名を表示するようにしました。GPT-5.4 miniとGPT-5.4 nanoが、互いに対戦しています。
ここでひとつ言っていなかったことがあります。この上の表示には adversário と書かれていますよね。見えていると思いますが、ここに赤い線が出ています。これはRay Tracingで、何と衝突しているかを示しています。このキャラクターは、正面に別のキャラクターがいるので、そのRay Tracingが相手にぶつかっています。そしてこちらに adversário と表示されているのも、まったく同じ理由です。
ボール認識とモデル選択
それで、もし私がこのプレイヤーを動かし始めると、別の情報も表示されます。たとえばこの場合、私はボールのほうを見ているので、Ray Tracingがボールを検出しています。でも、それ以外にもいろいろなことが起きています。
すでに一度お見せしましたが、ここではモデルを選べます。いくつものモデルを選択できるようになっています。ここでは miniout との統合も行いました。minioutについては、あとでそれ専用の動画を作るつもりです。
ここにはプレイヤー用のプロンプトがあります。実はポルトガル語版とスペイン語版があって、チーム名はもともとブラジルとアルゼンチンになっていました。でも今は、このチェックボックスにあるように、チーム名として使う設定を入れたので、ゲーム内には私が設定したとおりに Gemini 5.4 と表示されるようになっています。
試合時間、座標表示、並列動作
ここでは試合時間も選べます。1分にするか、2分にするか、3分にするか、各ハーフごとに設定できます。つまり、3分ハーフを2本にするなら、それも設定できます。
それから、このフィールドの座標表示をオン・オフできます。これは、いわばチェス盤のようなものなんです。列がA、B、C、Dと並んでいて、数字が1、2、3、4、5、6、7、16といった形で入っています。
さらに、この並列設定もオン・オフできます。これはどういう意味かというと、交互にプレーするかどうかです。つまり、片方が動いて、それからもう片方が動くのか。それとも、両方が同時に動くのかということです。少しでも動きを速くして、よりリアルにしたいなら、両方同時のほうがいいので、並列を有効にします。
磁力ボール機能とAIの負担軽減
この magnetic 機能は、ボールに触れた瞬間に足元からボールが離れないようにするものです。何のボタンを押しても、ボールはそのまま足元に残ります。
というのも、以前はAIがここでかなり迷ってしまっていたんです。ボールをうまく扱うために、かなりの精神的努力のようなものを必要としていました。そこで、ボールを磁力付きにしてみたところ、こういう形になりました。
試合をリセットすることもできますし、終了させることもできます。
ディレイ調整と応答速度の考え方
そして今、いちばん重要なのがこの delay です。みなさん、この delay というのは、メッセージを送ってから次のメッセージを送るまでに、どれくらい待つかという設定です。つまり、エージェントが質問を送って、返答を受け取って、それからここで設定した時間だけ待つわけです。今の設定では200ミリ秒です。
なので、質問を送る、返答を受け取る、200ミリ秒待つ、という流れになります。ただし、モデルによって返答速度は違います。もし返答に1秒かかれば、全体では1秒プラス200ミリ秒になります。もし3秒かかれば、3秒プラス200ミリ秒です。
これは重要です。なぜなら、プレイヤーの速度をきちんと調整しないといけないからです。今からそれもお見せします。
Arena Loopとターン制
ここでは Arena Loop をオンにできます。これは複数のメッセージを次々とやり取りしながら、試合全体を最後までプレーさせるモードです。あるいは、turn を有効にすると、1回だけプレーして止まるようにもできます。
では、ここで Arena Loop をオンにして、実際にゲーム内でいろいろ動いている様子を見せます。
Arena Loop をオンにすると、ここに、試合開始を待っていますと表示されます。それから私はここで mano a mano を選びます。そうすると試合が始まります。今は3分設定です。そして彼らはもうプレーを始めます。
ほら、すでに会話しながら動いていますね。動いて、止まって、また動いて、また止まるのが分かると思います。
アニメーション速度と自然さのバランス
ここでプラスやマイナスのボタンを押すと、速度を変えられます。ほら、いちばん速くしてみました。すると、すばやく動いて止まり、またすばやく動いて止まります。
なぜこうなるのかというと、止まっている時間が、メッセージを送ってからあの delay を待っている時間だからです。
それで、私がやっていることは何かというと、速度を少しずつ下げていくんです。そうして、実際に動くのにかかる時間と、返答を受け取るのにかかる時間がだいたい一致するところまで調整します。そうするとゲームがより普通に、より自然に見えるようになります。
それにしても、ほら、ゴールです、みなさん。見てください、ゴールです。
この遅延感を減らすためにも、そういう調整をしています。見てください。動いて止まり、また動いて止まる。でも今はかなりちょうどよくなってきました。かなり近いところまで来ています。まるでずっと動き続けているように見えます。なぜなら、アニメーションの表示時間を少し長めにすると、その間に返答が届いて、すぐ次の動きにつながるからです。そうすると、ゲーム全体が少し流れるように見えて、出来事が連続して起きているように感じられます。
さらに遅くした場合の違和感
ここで確認できます。今は1秒設定です。もっと遅くすることもできます。ほら、2点目ですよ、みなさん。動作時間を2秒にすると、さらに自然には見えます。
ただ、そうするとどうなるかというと、今度はキャラクターがまるでカメのように歩いているように感じられるんです。結局のところ、待ち時間とゲーム内で何かが起きる速度のあいだで、ちょうどいいバランスを見つけないといけません。
そうしないと、この妙な遅さが出てしまいます。さらに遅くすることもできます。見てください。もっと遅くすることも可能です。でも、そうするとゲームはかなり変な感じになります。
この場合なら、1秒にしておけば、たまに少し引っかかることはあっても、かなりリアルタイムでプレーしているように見えます。
GPT-5.4 miniの強さと試合の進行
そして案の定、GPT-5.4 miniは相変わらずものすごくうまくプレーしています。3分の前半のうちに、もうゴールを決めています。みなさんも見えていると思いますが、そろそろ前半が終わります。3、2、1。終わります。終わりました。
すると、彼らはまた最初の位置に戻ります。そして後半が始まります。
リクエスト数、トークン数、消費量の可視化
こうしてプレーが進むにつれて、どれだけ消費しているかもここで追えます。たとえば、ここまでで204回のリクエストを行っています。1回のリクエストとは、質問を1回送って、返答を1回受け取ることです。
今は1分あたり68回のリクエストを送っています。つまり、1分ごとに68通のメッセージです。両者分があるので、それぞれ34通ずつですね。常に二重に送っているわけですから。
そして、ここでは質問側が2,541トークン、返答側が21トークンです。ここまでで、player 1、つまりプレイヤー1は30万トークン送っています。player 2も同じく30万トークン送っています。合計で60万トークンです。
つまり、この試合は最後まで行くと、およそ100万トークンほど使うことが分かってきます。
モデル別のコスト試算
ここは分かりやすいですね。価格は100万トークンあたりで表示されています。なので、GPT-5.4 miniは出力側で0.75ドル、nanoは出力側で0.20ドルかかります。入力側では mini が2.50、nano が1.25かかります。
そして今、スコアは4対0です。ほら、またゴールです。またゴールです。
では、ゲームが終わる頃にはだいたい100万トークンになると分かったので、player 1がだいたい半分使い、player 2もだいたい半分使ったと考えられます。そして、よりコストが高いのは出力よりも入力です。なので、おおよそ半分ずつで見積もることができます。
つまり、0.75ドルの半分なら0.375ドル、nanoのほうは入力側で0.10ドルになります。出力側はかなり小さい金額で、ほとんど象徴的なレベルなので、計算するまでもないくらいですが、もちろん自動計算することもできます。ただ、そこはまだ実装していません。
でも、もしかしたらここにその機能を入れられるかもしれません。価格をここに入れたら、その場でどれだけ使ったかを自動計算してくれるようにするんです。
今後の改善案と視聴者への呼びかけ
ああ、これは気に入りました。こういう形だと面白くなりそうです。
なので、みなさんがどう思っているか、ぜひ下のコメント欄で教えてください。気に入ってもらえたらうれしいです。まだライブを見ていないなら、ちょうど今やっているので、ぜひ今すぐ見に行ってください。もしライブがすでに終わっていたとしても、録画版を見てください。きっと同じように面白いはずです。
GitHub公開とチャンネル支援のお願い
それから大事なことがひとつあります。このゲームのコード一式、みなさんが今画面で見ているものそのままが、GitHubにあります。ダウンロードしてインストールするだけです。すべてきちんと整っていて、実行方法の説明も全部そろっています。
自分のモデルで試してみたいなら、ぜひやってみてください。思いきり試して大丈夫です。かなり面白いと思います。
そして、このチャンネルを応援して、これからもこういう動画を見たいと思ってくれるなら、ぜひメンバーになってください。メンバーの方は、インテリジェントエージェントに関する限定動画や先行公開動画を見ることができます。
というわけで、高評価をよろしくお願いします。ありがとうございました。
コメント