Twórca gry Seaman, Yoot Saito, o rybiej sztucznej inteligencji Dreamcasta, która wyprzedziła swoje czasy

Marka Dreamcast firmy Sega okazała się ostatecznie porażką, ponieważ Sony zdominowało rynek na początku XXI wieku dzięki PlayStation 2. Jednak maszyna firmy Sega pozostawiła po sobie bibliotekę wyjątkowo innowacyjnego i wpływowego oprogramowania. I być może żaden tytuł nie był tak pamiętny jak obrazoburczy Seaman Yutaki „Yoot” Saito, wirtualny symulator zwierzaka, w którym za pomocą mikrofonu rozmawiało się z nastrojowym, sarkastycznym człowiekiem-rybą, z pomocą narratora, któremu głos podkładał Leonard Nimoy.

Yoot Saito był wcześniej najbardziej znany jako programista skupiony na komputerach Mac, który stworzył The Tower, grę o zarządzaniu wieżami, którą studio SimCity Maxis wydało na całym świecie jako SimTower. (Jej sequel, The Tower II, był znany poza Japonią jako Yoot Tower.) Po Seaman i jej sequelu na PS2, Saito zaprojektował Odamę, hybrydę pinballowo-strategiczną na GameCube, w której gracze używali komend głosowych do kierowania żołnierzami na stole.

Tego lata mija 20 lat od wydania Seaman, więc skontaktowałem się z Saito przez e-mail, aby porozmawiać o jej rozwoju i dziedzictwie. Jego odpowiedzi były tak dogłębne, z różnymi pasjonującymi wątkami na tematy takie jak historia gier wideo i lingwistyka, że postanowiłem odtworzyć je tutaj z minimalną edycją.

Ten wywiad został lekko zredagowany dla jasności.

O tym, jak Seaman powstał po SimTower

„Jeśli rozdzielić tematy, jedna gra jest o budowaniu drapaczy chmur, a druga o hodowaniu ryby o ludzkiej twarzy, więc wyglądają zupełnie inaczej. Jeśli prześledzisz mój punkt wyjścia w przemyśle gier, to dlatego, że arcydzieło, jakim jest SimCity, wywarło na mnie głęboki wpływ i sprawiło, że chciałem tworzyć gry. Więc moim głównym zainteresowaniem wtedy i nawet teraz są gry symulacyjne.

Jeśli miałbym być jeszcze bardziej szczegółowy, powiedziałbym, że mam ogromne zainteresowanie komunikacją i językiem. Dla mnie najbardziej podstawowym aspektem gry komputerowej jest budowanie nowego świata jako projektant gry poprzez „język”, którym jest gra. Aby to zrobić, musisz usunąć niepotrzebne elementy świata rzeczywistego i podzielić to, co zdecydujesz się zachować jako kluczowe cechy gry lub elementy, z którymi można wchodzić w interakcje jako przedmioty lub poprzez komendy gry. To jest główny szkielet gier symulacyjnych.

Więc do tego punktu, Seaman jest grą, w której wyzwaniem było użycie filtra języka, aby wypełnić lukę między graczem a niegraczem. Próba przekształcenia rzeczywistego języka w element językowy / filtr dla gier jest niewiarygodnie trudna, ale to tak jakby przekształcić wyrażenia języka naturalnego w karty do gry i zagrać w grę karcianą z inną osobą.

To oznacza, że Seaman jest tak naprawdę jak gra w pokera. Słowa kluczowe są „kartami”, które są rozgrywane tam i z powrotem pomiędzy użytkownikiem końcowym a postacią z gry (Seaman). Większość graczy nie zdaje sobie z tego sprawy, ale Seaman jest grą z wieloma elementami gry push-pull w taki sam sposób jak poker. To „tam i z powrotem” jest mechaniką napędową gry. Podobnie jak w SimTower, kiedy dodajesz pokój ochrony w wieżowcu, nadanie Seamanowi innego słowa kluczowego prowadzi do zupełnie nowej ścieżki konwersacji, i być może jest to najprostszy sposób, aby przekazać tę koncepcję.

Pomysł na Seamana powstał pewnego dnia podczas lunchu. Rozmawiałem z deweloperem, który pracował ze mną nad nową grą z serii Tower. Mieliśmy wiele projektów w toku, a jeden z zespołów pracował nad grą symulacyjną, w której hodowałeś tropikalne ryby w akwarium. Żartowaliśmy sobie, ale powiedziałem, 'Gdybym miał zrobić taką grę, zrobiłbym coś szalonego!’, na co mój współpracownik odpowiedział, 'Tak, co konkretnie?’ Czułem się jak na miejscu i musiałem szybko coś powiedzieć.

’Miałbym kamerę zwróconą w stronę użytkownika i zwierzę mówiłoby ludzkimi słowami. Coś w stylu: „Kim była ta kobieta, którą tu wczoraj przyprowadziłeś?”. Takie zwierzątko byłoby świetne”. Inny współpracownik powiedział: „To byłoby naprawdę dziwne”, na co ja odpowiedziałem: „Tak, dziwne i wspaniałe!”. Oczywiście nie mogliśmy nazwać go Sea Monkey… musieliśmy go nazwać Seaman! I to była nazwa kodowa projektu i ostateczna nazwa rzeczywistej gry.

Wszyscy śmiali się z niedorzeczności tego pomysłu, ale w ten weekend powiedziałem o tym mojej żonie i ona też uznała to za dziwne i wspaniałe. Więc to była koncepcja, która była uniwersalnie dziwna dla mężczyzn i kobiet. I wtedy ona powiedziała: „To naprawdę dziwny i obrzydliwy pomysł, więc zdecydowanie powinieneś go zrealizować!”. I właśnie wtedy zdałem sobie sprawę, że nawet kobiety mogą cieszyć się i doceniać grę, która jest dziwna i obrzydliwa. Te słowa pomogły mi podjąć decyzję, aby poważnie zająć się grą.”

O wpływie wirtualnych zwierzaków z lat 90-tych i Shigeru Miyamoto

„Kiedy mówisz, że wirtualne zwierzaki były popularne w latach 90-tych, zakładam, że masz na myśli Tamagotchi, ale nie byłem super zainteresowany tym trendem. Ponieważ, jak już wcześniej wspomniałem, lubię złożone gry symulacyjne. Im bardziej złożony temat, im bardziej jest to coś, czego nie zrobił żaden inny twórca, tym bardziej mnie to interesuje. Więc nie chciałem podążać za czyimś trendem.

Większość twórców gier znajduje zwycięską receptę w popularnej grze i zmienia kilka elementów lub kawałków projektu, fabułę, itp. i wtedy nazywa to tworzeniem gry. Ale ja nie rozumiem tego sposobu myślenia. Nie skupianie się na sequelach i chęć stworzenia czegoś naprawdę dziwnego i nowego, lub można powiedzieć, czegoś co najprawdopodobniej nie zarobi pieniędzy, jest dość rzadkie. Spotkałem tylko jedną osobę, która może zrozumieć moje podstawowe uczucie i to jest Nintendo Shigeru Miyamoto.

Miyamoto-san naprawdę lubi dziwne i różne koncepcje. Tak więc, podczas gdy Seaman został wydany na Dreamcasta, za kulisami byliśmy bardzo blisko wybrania gry na Nintendo 64DD. W rzeczywistości, mniej więcej w czasie, gdy Seaman został wydany na konkurencyjny sprzęt Nintendo, Dreamcast, Miyamoto-san został przedstawiony w magazynie w koszulce Seamana. Seaman został ostatecznie wydany przez Segę, ale Miyamoto-san był niezwykle ważną osobą w procesie tworzenia Seamana, zwłaszcza dla kogoś takiego jak ja, z bardzo małym doświadczeniem w grach konsolowych.

Także, chociaż robot-pies Aibo firmy Sony został wydany w tym samym czasie co Seaman, żaden z tych produktów nie był pod wpływem drugiego. Tak się złożyło, że rozmawiałem o dwunożnym robocie z wieloma firmami. Mimo że minęło 20 lat od czasu, gdy Seaman ujrzał światło dzienne, tworzę silnik sztucznej inteligencji zdolny do mówienia bez konieczności korzystania z wcześniej istniejących scenariuszy lub ciągów tekstowych. Droga do tego miejsca była długa. Wymyślenie tego zajęło dużo czasu i pochłonęło znaczną ilość różnych inwestycji, ale jeśli mnie zapytasz, to jest to ligi ciekawsze niż tworzenie normalnej gry i z pewnością bardziej ekscytujące.”

Jak Seaman pojawił się na Dreamcast

„Właściwie to człowiek o imieniu Irimajiri-san, który był wtedy wiceprezesem w Sega, a później został prezesem, był tym, który doprowadził do wydania Seamana na Dreamcast. Inny twórca, Kenji Eno-san, powiedział mi, że ma kogoś, kogo bardzo chciał, żebym poznał i przedstawił mnie Irimajiri-sanowi.

W tamtych czasach Dreamcast wciąż był określany kryptonimem Katana i był nowym typem konsoli do gier. Irimajiri-san był wcześniej prezesem Hondy w USA i uważał, że Sega musi się skupić na nowych typach graczy. Był to czas, gdy królowało Sony, więc zdecydowałem, że ciekawie byłoby być liderem rynku z niższej pozycji i dołączyłem do firmy Sega”. Dostosowanie prototypu zbudowanego na Macu do nowego sprzętu konsumenckiego było sporym wyzwaniem, ale udało nam się to zrobić w około półtora roku. To dzięki ciężkiej pracy całego ówczesnego zespołu udało nam się osiągnąć ten cel.”

O sprzęcie Dreamcasta

„Mikrofon Dreamcasta został opracowany przez zespół ds. urządzeń peryferyjnych firmy Sega. Pamiętam, że mieli już działający prototyp. Jednak przeniesienie gry stworzonej na PC na konsolę wiązało się z kilkoma problemami. Gry stworzone na PC były skoncentrowane na używaniu myszy i klawiatury. W zasadzie nie spieszyłeś się z graniem w większość gier na PC. Rozegrałbyś kilka gier / tur / rund na klawiaturze i myszy, a następnie przełączyłbyś się na wykonywanie pracy na tych samych urządzeniach wejściowych. Były to gry, na których można było spędzić trochę czasu, ale nie wymagały całego skupienia.

Odwrotnie, gry na konsole wymagały siedzenia przed telewizorem z całym skupieniem na grze. Chwyciłeś zasilany elektrycznie kontroler gry i w zasadzie powiedziałeś „Czas na grę!”, a praca nie zamierzała tego przerywać. Szybko wciskałeś wiele przycisków, wykonywałeś różne ruchy i byłeś skupiony na tym doświadczeniu. Branża konsolowa chciała, aby gry były głęboko skoncentrowane i interaktywne. Ponieważ nasza gra została stworzona na PC, nasze główne założenia i doświadczenia nie pasowały do docelowej platformy konsolowej. Musieliśmy opracować nowe sposoby interakcji z grą, które wymagały od użytkownika końcowego więcej działań (wciskanie przycisków itp.) oraz rzeczy, które sprawiały, że był on stale skupiony na grze podczas grania, co doprowadziło do kilku poważnych zmian w projekcie.”

O lokalizacji gry Seaman na język angielski

„Poprosiłem firmę Sega of America (SOA) o zajęcie się prawie całą lokalizacją angielskiej wersji gry Seaman. Powodem tego jest fakt, że pomiędzy poszczególnymi krajami istnieje ogromna różnica kulturowa i gdy ktoś w Japonii pyta cię o grupę krwi, jest to równoznaczne z pytaniem o znak zodiaku. Tak więc samo tłumaczenie nie wystarczyłoby do stworzenia angielskiej wersji Seamana. Aby to zadziałało, trzeba było napisać scenariusz całkiem od nowa. SOA znało osobę trzecią, która miała duże umiejętności w przepisywaniu skryptów, więc skupili się na tym, co pozwoliło naszemu zespołowi skupić się na budowaniu głównego systemu i gry bez ograniczeń. Jedyną propozycją jaką miałem było użycie Leonarda Nimoya jako głosu prowadzącego użytkownika.

Japoński jest bardzo zniuansowanym, skomplikowanym, opartym na uczuciach językiem. Jest to język, który świetnie nadaje się do empatycznego dzielenia się subiektywnymi uczuciami, więc japoński naprawdę łączy się z głębokimi częściami emocji mówiącego. Ponieważ nie jestem rodowitym użytkownikiem języka angielskiego, nie mogę wypowiadać się na temat głębokich połączeń, jakie można poczuć, mówiąc po angielsku, ale mogę powiedzieć, że kiedy czytałem porównanie gier Ecco the Dolphin i Seaman w magazynie Rolling Stone, było dla mnie jasne, że autorzy wykonali świetną robotę, rozumiejąc podstawową koncepcję gry.”

O stanie technologii rozpoznawania głosu w tamtym czasie

„Silnik rozpoznawania mowy, którego użyliśmy z Segą w Seaman, był licencjonowany od belgijskiej firmy. Używaliśmy ich silników rozpoznawania mowy jako użytkownicy, a nie twórcy. Ponieważ wielkość pamięci była wtedy ograniczona, wydajność rozpoznawania mowy była zupełnie inna niż teraz. Konkretnie, używaliśmy funkcji zwanej nawigacją. Obecnie ta powszechna funkcja jest nazywana dyktowaniem. Kiedy tworzysz konwersację typu nawigacyjnego, musi ona przewidywać z wyprzedzeniem, co użytkownik prawdopodobnie powie i mieć to do wyboru. Jeśli użytkownik wypowie słowo, które nie jest opcją, pojawi się błąd. Dlatego pisarz musi z góry założyć, jakie słowa wypowie użytkownik i przeprowadzić rozmowę, która doprowadzi do jednego z nich. Dzięki temu miałeś strukturę, w której konwersacje odbywają się podczas odkrywania intencji. To było interesujące doświadczenie, którego nie było wcześniej w grze.”

O projektowaniu gry z uwzględnieniem ograniczeń technicznych

„W tamtym czasie nie było innych gier poza Seaman, które miałyby rozmowy głosowe, a nawet teraz nie ma ich zbyt wiele, więc trudno to porównywać. Ale sama technologia rozpoznawania głosu rozwija się teraz bardzo szybko – gdyby jakiś sprytny projektant gier nad czymś popracował, to myślę, że mógłby zrobić naprawdę ciekawą grę. Jednak mówiąc o rozpoznawaniu głosu jako technologii, gdy próbujesz przekroczyć pewien próg (jak człowiek), wymagana jest inteligencja, a nie zdolność słyszenia. Innymi słowy, to co jest niezbędne to nie technologia rozpoznawania głosu, ale raczej zrozumienie sztucznej inteligencji. Tempo rozwoju AI jest teraz naprawdę szybkie, więc myślę, że to fajny czas.

Wracając do tematu, byłem w stanie ukończyć rozwój Seamana właśnie ze względu na limit w technologii. Gdyby nie było żadnego, nigdy bym go nie ukończył. Jak już mówiłem wcześniej, kiedy przynosi się grę stworzoną na PC do konsumenta, istnieje duża różnica środowiskowa zwana gęstością czasu. Można powiedzieć, że to, w jaki sposób ją pokonać, przetestowało moją mądrość.”

O osobowości Seamana

„Powodem, dla którego osobowość i tło Seamana są tak charakterystyczne, jest to, że zawiera on moją filozoficzną ideę, a nie konkretne przesłanie. Na początku projektu Seaman, mocno zdecydowałem, że będzie on przeciwieństwem konwencjonalnych gier w trzech aspektach:

• Nie byłaby słodka
• Zaglądałaby do świata gracza z wnętrza telewizora
• Tematem rozmów byłyby rzeczy codzienne, a nie świat fantazji

Byłem przekonany, że jeśli pozostanę wierny tym trzem aspektom, okaże się zupełnie inna niż jakakolwiek inna gra – coś innego, nieczęsto spotykanego. To była moja strategia i to, co wciąż staram się robić, nawet teraz.”

O reakcji na Seamana

„Reakcja na wydanie Seamana w Japonii była znacznie większa niż w Stanach Zjednoczonych. Doszło do zjawiska społecznego, takiego jak komicy pojawiający się w japońskich programach telewizyjnych imitujący i noszący kostiumy Seamana, lub wiadomości mówiące, 'Gry tak bardzo ewoluowały!’

Wracając do mojej osobistej filozofii, kiedy japoński twórca tworzy świat w języku japońskim dla japońskich użytkowników, który ma duży wpływ, zjawisko społeczne polega na tym, że przyciąga różne media i społeczeństwo. W Stanach Zjednoczonych zjawisko to wyglądało tak: „Wyszła stosunkowo rzadka gra. To na nowy sprzęt Sega, który pchali w wojnach konsolowych”. Więc myślę, że uznanie jest zupełnie inne.

Po 20 latach, widzę obecnych wykonawców w telewizji w Japonii wciąż mówi o Seaman. Mówili, że to dlatego, że miało to na nich duży wpływ, gdy byli dziećmi. Żartowali i mówili: „Seaman wywołał u mnie traumę we wczesnym dzieciństwie”. Jako twórca, to wielki zaszczyt.”

Na SeaMail, pulpit Windows spinoff

„SeaMail jest rodzajem prototypu na bardziej wszechstronnej platformie PC, który wymienia nieco bardziej skomplikowane słowa. Ze względu na ograniczenia budżetowe, nie dotarł zbyt daleko w realizacji, ale był bardzo ambitną próbą. Tak więc Seaman, w przeciwieństwie do użytkownika, żyje w świecie pulpitu wielofunkcyjnego komputera i przegląda treść e-maili użytkownika, częstotliwość interakcji z konkretnymi osobami oraz komentarze na temat relacji użytkownika z innymi. To było bardzo podobne do obecnej Siri. Ta wiedza istnieje w sztucznym silniku konwersacyjnym, nad którym teraz pracuję.”

O używaniu mikrofonu w Odamie

„Przeznaczenie mikrofonu w Odamie jest zupełnie inne niż w Seamanie. Odama to gra, która symuluje starcie żołnierzy. Interesował mnie ten tak zwany 'tłum samurajów’. Powodem zastosowania mikrofonu było to, że obie ręce użytkownika są zajęte przez pinball. Głos był używany tylko do wydawania poleceń. Byłem również zmotywowany do użycia go, ponieważ chciałem odtworzyć uczucie generała wydającego rozkazy szeregowi żołnierzy w feudalnych bitwach. Chciałem poczuć się jak trener piłki nożnej wydający rozkazy typu „pchaj” i „na prawo”. To jest to.

Dla mnie Odama była największym arcydziełem w moim życiu, ale premiera była ciągle opóźniana. Myślę, że naprawdę zirytowałem Nintendo. Programiści w tamtym czasie nie mieli pojęcia o kontrolowaniu tłumów ludzi za pomocą autonomicznych robotów lub sztucznej inteligencji, więc rozwój został dość mocno opóźniony.”

O obecnej technologii AI i asystentów głosowych

„Sztuczna inteligencja jest teraz na bardzo zaawansowanym etapie, ale sposób prowadzenia rozmów w języku japońskim nie zmienił się od 20 lat. Seaman był grą, w której planista pisał wcześniej istniejące scenariusze, a ludzie cieszyli się tym, jak się one rozgrywają.

Niekończąca się rozmowa była niemożliwa. Tak więc, nie jestem już zainteresowany tym projektem. Scenariusze można zwiększyć tylko dwu- lub czterokrotnie w porównaniu z poprzednią grą. Dlatego założyłem Laboratorium Sztucznej Inteligencji, aby stworzyć silnik, który będzie rozmawiał nawet bez scenariuszy. Jeśli uda nam się ukończyć ten silnik, rozpoczniemy prace nad „Marynarzem bez scenariusza”. Nowością będzie głos Marynarza generowany i wypowiadany na bieżąco, w czasie rzeczywistym, na miejscu, a nie głos nagrany wcześniej. Wymaga to wiele inwencji, ale w tej chwili dopiero zaczynamy widzieć światełko na końcu tunelu.

Japoński jest bardzo osobliwym językiem w tym sensie, że wydaje się mieć solidną gramatykę, ale tak naprawdę nie ma. Cóż, właściwie to nie jest dobrze powiedzieć, że nie ma. Japońska gramatyka, której uczyliśmy się w szkolnych podręcznikach, jest bardzo obca japońskiemu, którego używamy w rozmowie, a który nie jest prawdziwą gramatyką. Ta rozbieżność i sprzeczność była ignorowana przez dziesięciolecia. Nie było potrzeby robienia czegoś tak kosztownego, jak wprowadzanie nowej gramatyki. W języku japońskim istnieją dwa lub trzy podmioty. Jednak styl SVOC, zaproponowany przez Stany Zjednoczone po wojnie, wszedł do użycia. Lingwiści od dawna argumentowali za tym, ale żaden z nich, którzy trzymają się pisania dysertacji, nie stworzył silnika AI i nie próbował udowodnić, że ich hipoteza jest poprawna.

A teraz nastała era silników konwersacyjnych. Może nie trzeba było na nowo definiować gramatyki dla szkół, ale trzeba logicznie przedefiniować język japoński, żeby robot mógł mówić. Więc właśnie nad tym pracowaliśmy.

To było trudne. Próby i błędy, z przerwami przez około 10 lat. Kiedy zmieniłem gramatykę na dwa lub trzy tematy poprzez cyfryzację i symbole, zacząłem odnosić sukcesy. Moje doświadczenie w tworzeniu Seamana i niuansów w aktorstwie głosowym pomogło mi to osiągnąć – szczególnie fakt, że znaczenie słowa zmienia się w zależności od tego, jak zastosowana jest „melodia”. Zauważyliśmy, że japońska gramatyka kryje się w melodiach, a nie w literach. Nie było to oczywiste w epoce papieru i pióra. Przeoczyłem to jako niuans, podczas gdy w rzeczywistości był to filar japońskiej gramatyki, a jako aktor głosowy serii Seaman, zdałem sobie sprawę z tego pojęcia i postanowiłem opracować silnik rozpoznawania melodii.”

O bieżących projektach

„Obecnie tworzę silnik konwersacyjny, który kontynuuje rozmowę, nawet jeśli nie ma scenariusza. W tym celu utworzyliśmy organizację o nazwie 'Seaman Artificial Intelligence Laboratory’. Kiedy ten silnik zostanie ukończony, myślę, że rozpoznawanie głosu w rozmowach bardzo się zmieni.

Spodziewam się, że produkt w postaci gadającego robota zostanie wydany w Japonii za około pół roku. Gdy piłka zacznie się kręcić, chciałbym udzielić licencji na ten silnik wielu maszynom i stworzyć erę, w której produkowane w Japonii kuchenki mikrofalowe, samochody, aparaty fotograficzne i roboty będą płynnie mówić. Nie możemy się doczekać, aby to się stało i szukamy ludzi i inwestorów, którzy pomogą nam z językiem angielskim. Angielska strona jest wciąż w przygotowaniu, ale możesz skontaktować się z witryną: www.seaman.ai.”