A Seaman alkotója, Yoot Saito a Dreamcast halas mesterséges intelligenciájáról, amely jóval megelőzte korát

A Sega Dreamcastja végül kudarcot vallott, mivel a Sony a PlayStation 2-vel uralta a 2000-es évek elejének piacát. A Sega gépe azonban egyedülállóan innovatív és befolyásos szoftverek könyvtárát hagyta hátra. És talán egyetlen cím sem volt olyan emlékezetes, mint Yutaka “Yoot” Saito ikonoklasztikus Seamanja, egy virtuális háziállat-szimulátor, amelyben egy mikrofon segítségével beszélgettünk egy szeszélyes, szarkasztikus ember-halakkal, a Leonard Nimoy által megszólaltatott narrátor segítségével.

Yoot Saito korábban leginkább Mac-központú fejlesztőként volt ismert, aki a The Tower-t készítette, egy toronykezelő játékot, amelyet a SimCity stúdió Maxis világszerte SimTower néven adott ki. (A folytatás, a The Tower II Japánon kívül Yoot Tower néven vált ismertté.) A Seaman és annak PS2-es folytatása után Saito tervezte az Odamát, egy flipper-stratégiai hibridet a GameCube-ra, ahol a játékosok hangutasításokkal irányították a katonákat az asztalon.

Idén nyáron lesz 20 éve, hogy megjelent a Seaman, ezért e-mailben felvettem a kapcsolatot Saitóval, hogy beszéljünk a fejlesztésről és az örökségről. Válaszai olyan mélyrehatóak voltak, különböző szenvedélyes kitérőkkel olyan témákba, mint a videojáték-történelem és a nyelvészet, hogy úgy döntöttem, minimális szerkesztéssel reprodukálom őket itt.

Az interjút az érthetőség kedvéért enyhén szerkesztettem.

Arról, hogy a SimTower után hogyan jött létre a Seaman

“Ha csak a témákat választod szét, az egyik játék felhőkarcolók építéséről szól, a másik pedig egy emberarcú hal neveléséről, szóval tényleg teljesen máshogy néznek ki. ha nyomon követed a játékiparban való kiindulópontomat, az azért volt, mert a SimCity mestermű mély hatást gyakorolt rám, és arra vezetett, hogy játékokat akarjak készíteni. Tehát a fő érdeklődési köröm akkor is és most is a szimulációs játékok.

Ha még konkrétabban kellene fogalmaznom, akkor azt mondanám, hogy a kommunikáció és a nyelv iránti hatalmas érdeklődésem van. Számomra a számítógépes játék legalapvetőbb aspektusa az, hogy játéktervezőként egy új világot építek fel a játék “nyelvén” keresztül. Ehhez el kell távolítanod a felesleges, valós világbeli darabokat, és le kell bontanod azt, amit úgy döntesz, hogy megtartasz, mint kulcsfontosságú játékjellemzőket vagy elemeket, amelyekkel tárgyakként vagy játékparancsokon keresztül lehet interakcióba lépni. Ez a szimulációs játékok alapvető gerince.

A Seaman tehát egy olyan játék, ahol a kihívás az volt, hogy a nyelvi szűrő segítségével áthidaljuk a játékos és a nem játékosok közötti szakadékot. A tényleges nyelvet megpróbálni a játékok nyelvi elemévé/szűrőjévé alakítani hihetetlenül nagy kihívás, de valójában olyan, mintha a természetes nyelvi kifejezéseket játékkártyákká alakítanánk, és egy másik emberrel kártyáznánk.

Ez azt jelenti, hogy a Seaman valójában olyan, mintha pókereznénk. A kulcsszavak a “kártyák”, amelyeket oda-vissza játszanak ki a végfelhasználó és a játékszereplő (Seaman) között. A legtöbb játékos nem venné észre, de a Seaman egy olyan játék, ami a pókerhez hasonlóan sok push-pull játékelemet tartalmaz. Ez az oda-vissza játék a játék egyik hajtóereje. Csakúgy, mint a SimTowerben, amikor a felhőkarcolóhoz hozzáadsz egy biztonsági szobát, ha más kulcsszót adsz Seamannak, az egy teljesen új beszélgetési útvonalhoz vezet, és talán ez a legegyszerűbb módja annak, hogy ezt a koncepciót átadjuk.

Egyik nap ebéd közben fogalmazódott meg bennem a Seaman ötlete. Egy fejlesztővel beszélgettem, aki velem együtt dolgozott egy új Tower sorozatú játékon. Több projektünk is futott, és az egyik csapat egy szimulációs játékon dolgozott, amelyben trópusi halakat neveltél egy akváriumban. Csak viccelődtünk, de azt mondtam: “Ha ilyen játékot csinálnék, valami őrültséget csinálnék!” Mire a munkatársam azt válaszolta: “Igen, például konkrétan mit?” Úgy éreztem, hogy a helyszínen vagyok, és gyorsan kell mondanom valamit.

“A kamerát a felhasználó felé fordítanám, és a háziállat emberi szavakkal beszélne. Valami olyasmit, hogy: ‘Ki volt az a nő, akit tegnap idehoztál? Egy ilyen kisállat nagyszerű lenne.’ Egy másik munkatárs azt mondta: “Az nagyon furcsa lenne”, mire én: “Igen, furcsa és nagyszerű!”. Persze nem hívhattuk Tengeri Majomnak… Tengerésznek kell hívnunk! És ez lett a projekt kódneve és a tényleges játék végső neve.

Mindenki nevetett az ötlet nevetséges voltán, de azon a hétvégén meséltem róla a feleségemnek, aki szintén furcsának és nagyszerűnek találta. Szóval ez egy olyan koncepció volt, amely a férfiak és a nők számára egyaránt univerzálisan furcsa volt. Aztán azt mondta: “Ez egy nagyon furcsa és undorító koncepció, szóval mindenképpen meg kellene csinálnod!”. Ekkor jöttem rá, hogy még a nők is élvezhetnek és értékelhetnek egy olyan játékot, ami furcsa és undorító. Ezek a szavak segítettek abban, hogy komolyan megcsináljam a játékot.”

A ’90-es évek virtuális háziállatai és Shigeru Miyamoto hatásáról

“Amikor azt mondod, hogy a virtuális háziállatok népszerűek voltak a ’90-es években, akkor gondolom a Tamagotchira gondolsz, de engem nem nagyon érdekelt az a trend. Mert, mint már említettem, szeretem az összetett szimulációs játékokat. Minél összetettebb a téma, minél inkább olyasmi, amit más készítő még nem csinált, annál jobban érdekelt. Szóval nem akartam követni valaki más trendjét.

A legtöbb játékkészítő talál egy nyerő receptet egy népszerű játékban, és véletlenül néhány elemet vagy dizájnelemet, történetet, stb, aztán ezt nevezik játék létrehozásának. De én nem értem ezt a gondolkodásmódot. Nem a folytatásokra koncentrálni és valami igazán furcsát és újat akarnak csinálni, vagy mondhatni olyat, ami nagy valószínűséggel nem fog pénzt hozni, elég ritka. Csak egy emberrel találkoztam, aki megértette az alapérzésemet, és ez a Nintendo embere, Shigeru Miyamoto.

Miyamoto-san nagyon szereti a furcsa és eltérő koncepciókat. Szóval, bár a Seaman Dreamcastra jelent meg, a színfalak mögött nagyon közel kerültünk ahhoz, hogy a Nintendo 64DD-re fejlesszük a játékot. Ami azt illeti, körülbelül akkoriban, amikor a Seaman megjelent a Nintendo rivális hardverén, a Dreamcaston, Miyamoto-san egy magazinban szerepelt egy Seaman pólóban. A Seamant végül a Sega adta ki, de Miyamoto-san hihetetlenül fontos személy volt a Seaman elkészítésének folyamatában, különösen egy olyan ember számára, mint én, akinek nagyon kevés konzoljátékos tapasztalata volt.

Az Aibo robotkutyát a Sony ugyan a Seamannel egy időben adta ki, de egyik termékre sem volt hatással a másik. Véletlen egybeesés, hogy több cégtől is beszélgettem egy kétlábú robotról. Bár már 20 év telt el azóta, hogy a Seaman napvilágot látott, most egy olyan mesterséges intelligenciamotort készítek, amely képes beszélni anélkül, hogy előre elkészített forgatókönyvekre vagy szöveges karakterláncokra lenne szüksége. Hosszú út vezetett idáig. Ennek feltalálása sok időt vett igénybe, és jelentős mennyiségű különböző befektetést használt fel, de ha engem kérdezel, ez ligákkal érdekesebb, mint egy átlagos játék fejlesztése, és minden bizonnyal izgalmasabb is.”

Hogyan került a Seaman a Dreamcastra

“Valójában egy Irimajiri-san nevű ember, aki akkoriban a Sega alelnöke volt, később pedig elnök lett, volt az, aki elvezette, hogy a Seaman megjelenjen a Dreamcastra. Egy másik alkotó, Kenji Eno-san mondta nekem, hogy van valaki, akivel nagyon szeretné, ha találkoznék, és bemutatott Irimajiri-sannak.”

A Dreamcastot akkoriban még a Katana kódnevén emlegették, és egy új típusú játékkonzol volt. Irimajiri-san korábban a Honda elnöke volt az Egyesült Államokban, és úgy érezte, hogy a Segának új típusú játékosokra kell összpontosítania. Abban az időben a Sony volt a király, ezért úgy döntöttem, hogy érdekes lenne alacsonyabb pozícióból a piacvezetőhöz kerülni, és csatlakoztam a Segához. Egy Macre épített prototípust átalakítani egy új fogyasztói hardverre elég nagy kihívás volt, de körülbelül másfél év alatt sikerült megvalósítanunk. Az akkori csapat kemény munkájának köszönhető, hogy el tudtuk érni ezt a célt.”

A Dreamcast hardveréről

“A Dreamcast mikrofont a Sega perifériákért felelős csapata fejlesztette. Emlékszem, hogy már volt egy prototípusuk és működött is. Azonban egy PC-n fejlesztett játékot átvinni konzolra elég sok problémát jelentett. A PC-re fejlesztett játékok az egér és billentyűzet használatára koncentráltak. Alapvetően a legtöbb PC-fókuszú játékkal nem volt időd játszani. Játszottál néhány játékot/fordulót/kört billentyűzettel és egérrel, majd átváltottál arra, hogy ugyanezekkel a beviteli eszközökkel dolgozz. Ezek olyan játékok voltak, amelyekkel csak egy kis időt tölthettél, de nem igényelték a teljes figyelmedet.

Ezzel szemben a konzolos játékok megkövetelték, hogy a TV előtt ülj, és a teljes figyelmedet a játékra összpontosítsd. Megragadtad az elektromossággal működő játékvezérlőt, és gyakorlatilag azt mondtad: “Itt a játék ideje!”, és a munka ezt nem szakíthatta félbe. Gyorsan megnyomtál több gombot, különböző mozdulatokat hajtottál végre, és csak erre az élményre koncentráltál. A konzolipar olyan játékélményeket akart, amelyek mélyen összpontosítanak és interaktívak. Mivel a játékunkat PC-re fejlesztettük, az alapvető fókuszunk és élményünk nem illett a megcélzott konzolplatformhoz. A játékkal való interakció új módjait kellett kifejlesztenünk, amelyek több műveletet (gombnyomás stb.) követeltek meg a végfelhasználótól, és olyan dolgokat, amelyek miatt folyamatosan, folyamatosan a játékra kellett koncentrálniuk játék közben, ami néhány jelentős tervezési változtatáshoz vezetett.”

A Seaman angol nyelvű lokalizációjáról

“A Sega of America-t (SOA) kértem meg, hogy a Seaman angol nyelvű változatának szinte teljes lokalizációját végezze el. Ennek az az oka, hogy a különböző országok között erős kulturális különbségek vannak, és ha valaki Japánban megkérdezi, hogy mi a vércsoportod, az egyenértékű azzal, mintha azt kérdeznék valakitől, hogy mi a csillagjegye. Tehát a fordítás önmagában nem lett volna elég a Seaman angol nyelvű változatának kifejlesztéséhez. Eléggé át kellett volna írni a forgatókönyvet ahhoz, hogy működjön. A SOA ismert egy harmadik felet, aki nagyon értett a szkriptek átírásához, így erre koncentráltak, ami lehetővé tette a csapatunk számára, hogy korlátozások nélkül az alaprendszer és a játék kiépítésére koncentráljon. Az egyetlen javaslatom az volt, hogy Leonard Nimoy-t használjuk a felhasználóvezetés hangjaként.

A japán egy nagyon árnyalt, bonyolult, érzelemalapú nyelv. Ez egy olyan nyelv, amely nagyszerűen alkalmas a szubjektív érzések hangsúlyos megosztására, így a japán valóban a beszélő érzelmeinek mély részeihez kapcsolódik. Mivel nem vagyok angol anyanyelvű, nem tudok nyilatkozni arról, hogy milyen mély kapcsolatokat érezhet valaki, amikor angolul beszél, de azt mondhatom, hogy amikor a Rolling Stone magazinban olvastam az Ecco the Dolphin és a Seaman közötti játékösszehasonlítást, egyértelmű volt számomra, hogy az írók remekül megértették a játék alapkoncepcióját.”

A hangfelismerő technológia akkori állapotáról

“A beszédfelismerő motort, amit a Segával a Seamanban használtunk, egy belga cégtől kaptuk licenszbe. Az ő beszédfelismerő motorjukat használtuk felhasználóként, nem pedig alkotóként. Mivel a memória mérete akkoriban korlátozott volt, a beszédfelismerés teljesítménye teljesen más volt, mint most. Konkrétan egy navigáció nevű funkciót használtunk. Jelenleg a közös funkciót diktálásnak hívják. Amikor egy navigációs típusú beszélgetést hoz létre, előre meg kell jósolnia, hogy a felhasználó valószínűleg mit fog mondani, és azt kell választania. Ha a felhasználó olyan szót mond ki, ami nem opció, akkor hibát kap. Ezért az írónak előre fel kell tennie, hogy a felhasználó milyen szavakat fog mondani, és olyan beszélgetést kell készítenie, amely ezek valamelyikéhez vezet. Emiatt volt egy olyan struktúra, amelyben a beszélgetések a szándékok feltárása közben történnek. Ez egy érdekes élmény volt, amit korábban még nem csináltak játékban.”

A játék tervezéséről a technikai korlátok figyelembevételével

“Abban az időben a Seamanon kívül nem volt más játék, amiben hangos beszélgetések voltak, és még most sem olyan sok, így nehéz összehasonlítani. De maga a hangfelismerő technológia mostanában rohamosan fejlődik – ha egy okos játéktervező dolgozna valamin, szerintem egy igazán érdekes játékot tudna készíteni. Viszont ha már a hangfelismerésről, mint technológiáról beszélünk, ha megpróbálsz átlépni egy bizonyos küszöböt (mint az ember), akkor intelligencia kell hozzá, nem hallásképesség. Más szóval nem a hangfelismerő technológia elengedhetetlen, hanem a mesterséges intelligencia megértése. A mesterséges intelligencia fejlődésének sebessége jelenleg nagyon gyors, úgyhogy szerintem ez egy szórakoztató időszak.”

A témára visszatérve, a Seaman fejlesztését kifejezetten a technológia korlátai miatt tudtam befejezni. Ha nem lett volna, soha nem fejeztem volna be. Ahogy korábban is mondtam, amikor egy PC-n fogant játékot elviszünk a fogyasztóhoz, van egy nagy környezeti különbség, amit idősűrűségnek hívnak. Hogy hogyan lehet ezt leküzdeni, mondhatni, próbára tette a bölcsességemet.”

A Seaman személyiségéről

“Azért olyan jellegzetes Seaman személyisége és háttere, mert az én filozófiai elképzelésemet tartalmazza, nem pedig egy konkrét üzenetet. A Seaman projekt kezdetén határozottan elhatároztam, hogy három szempontból is a hagyományos játékok ellentéte lesz:

• Nem lenne aranyos
• A játékos világát a tévé belsejéből szemlélné
• A beszélgetés témája a mindennapi dolgok lennének, nem pedig egy fantáziavilág

Meggyőződésem volt, hogy ha ehhez a három szemponthoz hű maradok, akkor teljesen más lesz, mint bármely más játék – valami más, nem gyakran látott. Ez volt a stratégiám, és erre törekszem még most is.”

A Seaman reakciójáról

“A Seaman megjelenésének reakciója Japánban sokkal nagyobb volt, mint az Egyesült Államokban. Olyan társadalmi jelenséggé vált, mint például a japán tévéműsorokban megjelenő komikusok, akik Seaman-jelmezeket utánoztak és viseltek, vagy a hírekben azt mondták: “A játékok ennyit fejlődtek!”

A személyes filozófiámra visszautalva, amikor egy japán alkotó japánul készít egy világot a japán felhasználók számára, ami nagy hatással van, a társadalmi jelenség az, hogy vonzza a különböző médiumokat és a társadalmat. Az Egyesült Államokban a jelenség olyan volt, mint: “Megjelent egy viszonylag ritka játék. Ez a Sega új hardveréhez készült, amit a konzolháborúban erőltetnek.’ Szóval azt hiszem, az elismerés egészen más.

Húsz év elteltével látom, hogy Japánban a tévében a jelenlegi előadók még mindig a Seamanról beszélnek. Azt mondták, hogy azért, mert nagy hatással volt rájuk gyerekkorukban. Viccelődtek, és azt mondták: “A Seaman traumatizált engem kisgyermekkoromban”. Alkotóként ez nagy megtiszteltetés.”

A SeaMailről, a Windows desktop spinoffról

“A SeaMail egyfajta prototípus egy sokoldalúbb PC platformon, amely kissé bonyolultabb szavakat cserél. A költségvetési korlátok miatt nem jutott túl messzire a befejezésben, de nagyon ambiciózus próbálkozás volt. A Seaman tehát a felhasználóval ellentétben egy többcélú számítógép asztali világában él, és a felhasználó e-mailjeinek tartalmát, az egyes emberekkel való interakció gyakoriságát és a felhasználó másokkal való kapcsolatára vonatkozó megjegyzéseket vizsgálja. Nagyon hasonlított a jelenlegi Sirihez. Ez a tudás létezik a mesterséges társalgási motorban, amin most dolgozom.”

A mikrofon használatáról az Odamában

“A mikrofon célja az Odamában teljesen más, mint a Seamanban. Az Odama egy olyan játék, amely a katonák harcát szimulálja. Engem ez az úgynevezett ‘szamurájok tömege’ érdekelt. A mikrofon oka az volt, hogy a felhasználó mindkét kezét lefoglalja a flipper. A hangot nem használták másra, mint parancsok adására. Azért is motivált a használata, mert azt az érzést akartam újraalkotni, amikor egy tábornok a feudális csatákban parancsokat osztogat a katonák seregének. Azt akartam, hogy olyan érzés legyen, mintha egy futballedző olyan parancsokat adna, mint a “tolj” és a “jobbra”. Ennyi.”

Számomra az Odama volt életem legnagyobb mesterműve, de a megjelenést újra és újra elhalasztották. Azt hiszem, nagyon felbosszantottam a Nintendót. Az akkori programozóknak fogalmuk sem volt arról, hogy embertömegeket irányítsanak autonóm robotokkal vagy mesterséges intelligenciával, így a fejlesztés eléggé visszavetette őket.”

A jelenlegi mesterséges intelligencia és hangasszisztens technológiáról

“A mesterséges intelligencia most nagyon fejlett stádiumban van, de a japánon belüli beszélgetés módja 20 éve nem változott. A Seaman egy olyan játék volt, ahol a tervező előre megírt forgatókönyveket, és az emberek élvezték, hogyan játszódnak le.”

A végtelen beszélgetés lehetetlen volt. Szóval engem már nem érdekel az a projekt. A forgatókönyveket csak két-négyszeresére lehet növelni az előző játékhoz képest. Ezért indítottam el a Mesterséges Intelligencia Laboratóriumot, hogy létrehozzak egy olyan motort, amely forgatókönyvek nélkül is folyamatosan beszélget. Ha ezt a motort sikerül befejeznünk, akkor elkezdjük fejleszteni a “Seaman with no end in scenario”-t. Az újdonság az lesz, hogy a tengerész hangját a helyszínen, valós időben, a helyszínen generálják és beszélik majd, nem pedig egy előre felvett hangot. Ez sok találékonyságot igényel, de jelenleg még csak most kezdjük látni a fényt az alagút végén.”

A japán egy nagyon különös nyelv, mivel úgy tűnik, hogy szilárd nyelvtana van, de valójában nincs. Nos, valójában nem helyes azt mondani, hogy nincs. Az iskolai tankönyvekben tanult japán nyelvtan nagyon elidegenedett attól a japán nyelvtantól, amit beszélgetés közben használunk, ami nem igazi nyelvtan. Ezt az eltérést és ellentmondást évtizedekig figyelmen kívül hagyták. Nem volt szükség olyan költséges dologra, mint az új nyelvtan affixálása. A japánban két vagy három alany létezik. A háború után azonban az Egyesült Államok által javasolt SVOC stílus vált használatossá. A nyelvészek már régóta érvelnek emellett, de egyikük sem, aki ragaszkodik a disszertációk írásához, készített egy AI-motort, és megpróbálta bebizonyítani hipotézisük helyességét.

És most eljött a társalgási motorok kora. Lehet, hogy az iskolák számára nem kellett volna újrafogalmazni a nyelvtant, de ahhoz, hogy egy robot beszélni tudjon, logikusan újra kell fogalmazni a japán nyelvet. Tehát ezen dolgoztunk.

Nehéz volt. Próbálkozás és tévedés, körülbelül 10 éven keresztül. Amikor a nyelvtant két vagy három tárgyra változtattam a digitalizálás és a szimbólumok segítségével, akkor kezdtem sikerrel járni. A Seaman fejlesztése során szerzett tapasztalataim és a szinkronszínészkedés során szerzett árnyalatokkal kapcsolatos tapasztalataim segítettek ebben – különösen az a tény, hogy egy szó jelentése attól függően változik, hogy a “dallamot” hogyan alkalmazzák. Észrevettük, hogy a japán nyelvtan a dallamokban lakozik, nem a betűkben. Ez a papír és toll korában nem volt nyilvánvaló. Elnéztem ezt, mint árnyalatot, holott valójában ez a japán nyelvtan egyik alappillére, és a Seaman sorozat szinkronszínészeként tudatosult bennem ez a felfogás, és úgy döntöttem, hogy kifejlesztek egy dallamfelismerő motort.”

A jelenlegi projektekről

“Jelenleg egy olyan beszélgetőmotort készítek, amely akkor is tovább beszél, ha nincs forgatókönyv. Erre a célra létrehoztunk egy szervezetet, a ‘Seaman Mesterséges Intelligencia Laboratórium’ nevű szervezetet. Amikor ez a motor elkészül, úgy gondolom, hogy a hangfelismerés a társalgásban nagymértékben meg fog változni.”

Várhatóan körülbelül fél éven belül Japánban megjelenik egy beszélő robot termék. Amint a labda beindul, szeretném ezt a motort sok gépre licencelni, és egy olyan korszakot teremteni, amelyben a Japánban gyártott mikrohullámú sütők, autók, kamerák és robotok folyékonyan beszélnek. Alig várjuk, hogy ez megtörténjen, és olyan embereket és befektetőket keresünk, akik segítenek nekünk angolul. Egy angol nyelvű oldal még készül, de a következő címen lehet jelentkezni: www.seaman.ai.”