プロシージャル生成とAI生成の違い
遊びを見つける執筆にClaudeを使用しています。
「プロシージャル生成」と「AI生成」はどちらもゲームの中身をコンピュータに作らせる技術です。しかし、同じ言葉でひとまとめにされることが多いわりに、仕組みも用途も判断の仕方もまったく異なります。ゲームを遊ぶ側にとっては「どちらが面白いか」、作る側にとっては「どちらを選ぶか」という実用的な問いにつながります。 この記事では、二つの技術を「どういう原理か」「何が得意か」「どんな場面で使われているか」の順に整理し、最後に自分でゲームを作るときの選び方の基準を示します。技術的な前知識がなくても読めるように、仕組みの説明から始めます。
プロシージャル生成とは何か
プロシージャル生成（Procedural Generation）とは、人間があらかじめ書いたルールやアルゴリズムに従って、マップ・ダンジョン・地形・アイテムなどを自動で組み立てる手法です。「手続き（Procedure）」という言葉が示すとおり、決まった手順を繰り返すことで出力を作ります。
典型的な例は、ローグライクゲームのダンジョン生成です。「部屋をランダムな位置に置く→通路でつなぐ→敵を一定の確率で配置する」というルールを毎回実行すると、見た目が違うフロアが無数に生まれます。乱数（ランダムな数値）を使いますが、ルール自体は固定されているため、同じ「シード値」（乱数の出発点となる数）を使えば毎回まったく同じダンジョンが再現されます。これはプロシージャル生成の大きな特徴です。
使われている技術は、パーリンノイズ（地形の滑らかなランダム変化を作る数学的手法）、文脈自由文法（テキストの構造を規則で生成する手法）、BSP（空間を再帰的に分割してレイアウトを作る手法）など、いずれも数式やアルゴリズムです。機械学習の学習データは使いません。動作に必要な計算量が比較的小さく、古いハードウェアでも動かせるため、1980〜90年代のゲームにも広く使われてきました。
AI生成とは何か
AI生成（AI Generation）は、大量のデータを使ってモデルを学習させ、そのモデルが新しい出力を作る手法です。近年ゲーム開発で話題になるのは、画像生成モデルによるグラフィックの自動作成、大規模言語モデル（LLM）によるNPCの会話生成、音楽生成モデルによるBGMの制作などです。
プロシージャル生成と根本的に異なるのは、「ルールを人間が書いていない」点です。モデルは学習データに含まれるパターンを統計的に学び、それをもとに出力を作ります。そのため、人間が明示的に「こうしろ」と命令していない表現も生まれます。この性質が「創造的」と評価される反面、出力が予測しにくくなる原因にもなります。
同じシード値を与えても、モデルの内部状態や温度パラメータ（出力のランダム性を調整する値）によっては異なる結果が出ます。また、学習データに起因するバイアスや、著作権・ライセンスに関する法的な論点が現在も整理中であるため、商業利用には個別の確認が必要です。
二つの技術の具体的な違い
二つの違いを整理すると、次のような対比が見えてきます。
予測可能性と再現性
プロシージャル生成はシード値が同じなら必ず同じ出力になります。バグの再現・テストが容易で、ゲームバランスの調整がしやすい特性があります。AI生成は同条件でも出力が揺れることがあり、品質のばらつきをチェックするコストがかかります。
出力の「らしさ」と多様性
プロシージャル生成はルールの範囲内でしか出力が変化しません。細かいルールを丁寧に設計すれば安定した品質を保てますが、ルールの外にある表現は生まれません。AI生成は学習データの範囲であれば人間が書いていないような組み合わせも生まれるため、予想外の多様性が出やすいです。ただし、その多様性が意図に合うかどうかは別の問題です。
実行コストと依存関係
プロシージャル生成はブラウザやモバイルなど軽量な環境でリアルタイムに動かせます。外部のAPIやモデルファイルに依存しないため、オフライン動作や長期メンテナンスが比較的容易です。AI生成はモデルをローカルに持つ場合はファイルサイズが大きくなり、クラウドAPIを使う場合は通信遅延や料金が発生します。
設計の難しさ
プロシージャル生成は「望ましくないパターンが絶対に出ないようにする」ためのルール設計が難しく、想定外の組み合わせが生まれることがあります。AI生成は学習済みモデルを使う場合は自分でルールを書かなくてよい反面、品質を保つためのプロンプト設計・フィルタリング・評価のコストがかかります。
ゲーム開発での使われ方の実例
実際のゲームではこの二つは「どちらか一方」ではなく、役割を分けて組み合わせることが増えています。
マップや地形の骨格はプロシージャル生成で作り、そこに配置するキャラクターの会話やフレーバーテキストをAI生成で補う、という分業が一例です。骨格部分は再現性と調整のしやすさが求められるためプロシージャル生成が向いており、一回きりの会話文など「多少揺れても問題ない・むしろ揺れたほうが自然な」箇所にAI生成が向いています。
一方、リアルタイムに動く物理エンジンや当たり判定のような部分にAI生成を使うのは現時点では難しく、こうした処理はアルゴリズムで書くのが一般的です。
ブラウザゲームを個人で作る場合には、AI生成モデルをゲーム内に組み込むにはAPIキーの管理や通信設計が必要になります。プロシージャル生成はJavaScriptだけで完結できるため、学習コストと実装コストの両面で始めやすい選択肢です。
使い分けの判断基準
どちらを選ぶかは、次の問いを自分に向けることで整理できます。
- 出力を毎回同じにする必要があるか → あるならプロシージャル生成。ステージデザインのデバッグや対戦ゲームの公平性は再現性に依存します。
- ルールを自分で書けるか・書く時間があるか → ある程度書けるならプロシージャル生成から入るほうが動作が安定します。書けない・時間がないならAIツールで素材を生成してゲームに組み込む方法があります。ただし生成した素材の利用条件はツールごとに異なるため、公式サイトで最新の条件を確認してください。
- オフラインで動かす必要があるか → あるなら外部APIに依存しないプロシージャル生成か、ローカルで完結するアルゴリズムが安全です。
- 「予想外の表現」がゲーム体験に価値をもたらすか → そうであればAI生成の揺れが強みになります。逆にゲームバランスに直結する部分では揺れがリスクになります。
この四つの問いに答えると、「完全にどちらか」ではなく「ここはプロシージャル、ここはAI」という分担が見えてきます。
次の行動
プロシージャル生成を手で試すには、JavaScriptで乱数とシード値を使った簡単なマップ生成を書くのが最短の入口です。作ったゲームはHTMLファイルやZIPファイルとしてアソバース（aso-verse.com）に投稿して公開できます。AI生成ツールでグラフィックや文章素材を作る場合は、利用するサービスの利用規約と生成物のライセンス条件を事前に確認することを忘れないでください。
参考資料
- Procedural Content Generation in Games（オープンアクセスの教科書、Shaker・Togelius・Nelson著）
- MDN Web Docs — Math.random()（JavaScriptの乱数実装）
- 各AIツール公式ドキュメント（利用規約・ライセンス条件の確認用）
