#19 AIが2Dゲームを丸ごと作る時代

「マーベルのキャラで自分だけのゲームを作りたい」といった自然な言葉での要望から、コードもキャラ画像もBGMもまとめて自動生成し、ブラウザで遊べる2Dゲームを丸ごと作り上げるオープンソースAIエージェント。

ChatGPTやClaudeなどのAIは、計算機アプリを書いたり関数を実装したりといった「単発のプログラミング」はかなり得意になってきました。ところがゲーム制作となると、途端に失敗します。ゲームは「ゲームループ」「物理演算」「画像と音の管理」「複数ファイルにまたがる状態管理」などが密に絡み合う、リアルタイムシステムだからです。

実際、最先端のAIに「プレイ可能なゲームを作って」と頼むと、（1）グローバルな状態を見失って動かない、（2）ゲームエンジンの作法を無視して車輪の再発明をする、（3）ファイル間の整合性が取れず壊れる、という3パターンで頻繁に転びます。コードは書けても「遊べるゲーム」にはなかなか届かない——これが本研究の出発点です。

OpenGameの核心は、エージェントに「ゲームスキル」という再利用可能な能力を持たせた点です。これは2つの要素から成り立っています。

ひとつは テンプレートスキル。最初は「最低限のゲームの骨組み」しか持たないところから始まり、タスクをこなすたびに「横スクロール（重力あり）」「見下ろし型」「グリッド型」「タワーディフェンス型」「UI中心型」といった5つの定番設計パターンが経験から自然に蓄積されていきます。料理人が「肉じゃがの基本」を覚えれば応用が効くのと似た発想です。

もうひとつは デバッグスキル。エラーに遭遇するたびに「どんな症状か／原因／検証済みの直し方」を記録した「生きたプロトコル」が育っていきます。同じバグを毎回ゼロから解き直さず、過去の修正知識を蓄積していくのです。

さらに土台として、Phaser（Web向けゲームエンジン）に特化させた専用コードLLM「GameCoder-27B」を、(1) 継続事前学習、(2) 教師ありファインチューニング、(3) 実行結果を報酬にした強化学習、という3段階で訓練しています。

150種類のゲーム要望でテストした結果、OpenGame（Claude Sonnet 4.6 と組み合わせ）は、ビルドの健全性 72.4、視覚的な遊べる度 67.2、要望の満足度 65.1 を達成し、最強ベースラインだったCursor + Claude を全項目で約5〜6ポイント上回りました。

特筆すべきは、自社開発の GameCoder-27B（27Bパラメータ）が、はるかに巨大な GPT-5.1 や Claude Sonnet 4.6 の単体使用を上回った点です。また、ジャンル別ではプラットフォーマー（76.8）など物理ベースのゲームで強く、戦略ゲーム（58.2）やパズル/UIゲーム（52.6）では各システムとも苦戦しており、「論理状態の管理」が次の課題として残っています。

論文の冒頭イラストには「マーベル好きが自分だけのゲームを作りたい」「先生が授業をゲーム化したい」「YouTuberがバズりたい」という具体的なユーザー像が描かれています。これはゲーム制作の民主化が現実味を帯びてきたことを示唆しています。

ビジネス的に見ると、この研究の本質は「ゲーム制作」よりも「複雑で長時間にわたる対話的ソフトウェアをAIに任せる方法論」にあります。1ファイルのスクリプトと違い、ゲームは多数のファイルが絡み合い、しかも「動くだけでなく面白く遊べる」必要がある。この問題をクリアした手法（テンプレートの自動進化、デバッグ知識の蓄積、ヘッドレスブラウザによる動的検証）は、業務アプリ開発、Webサービス構築、組み込みシステムなど、複雑な長期タスク全般に応用できます。

「AIに丸投げできる仕事」の輪郭が、また一段広がった研究といえるでしょう。