AI、少ない訓練で戦略ゲームのトップを撃破

MIT、カーネギーメロン大学、ニューヨーク大学、スタンフォード大学などの研究チームは、非対称情報を含む戦略ボードゲームストラテゴで世界トッププレイヤーを圧倒する人工知能Ataraxosを開発した。この研究成果は学術誌Natureに掲載された。 戦略ゲームにおける非対称情報の課題は、相手の駒や札の正体が隠されており、確率的な推論とリスク管理が極めて複雑になる点にある。従来の深層学習モデルは計算コストが膨大で、かつトッププレイヤーに達しないのが一般的だった。本研究チームは、自己対戦強化学習による効率的な学習フレームワークと、対局中に選択枝を最適化する意思決定時計画を組み合わせた手法でAtaraxosを構築した。特に、相手の隠し状態を生成モデルで確率的に推定し、その場で最善手を絞り込む技術が、計算効率と対戦強さの両立を実現した。 Ataraxosは、現世界最強プレイヤーとの対戦で15勝1敗4分、世界選手権上位選手群に対しては39勝2敗という記録的な成績を収めた。学習に必要なデータ量と演算リソースは、ディープマインドの従来モデルと比べてそれぞれ百分の一、三十分外分の一に削減された。また、バレッジストラテゴ、協同カードゲームのハナビー、闘地主といった多様なゲーム形態でも超人的な性能を発揮し、手法の高い汎用性を証明した。 研究責任者のMITガブリエレファリーナ准教授は、本技術が完全情報不足の下で行われるビジネス交渉、金融取引、サイバーセキュリティ、軍事シミュレーションなどの実世界意思決定支援に応用可能だと指摘する。Ataraxosは確率的推論に基づく冷静なリスク計算を得意とし、人間の感情的な過剰対応に起因する判断のブレを抑える特徴を持つ。今後はAIの判断根拠を検証可能な解釈可能性の向上を図り、実務への実装における監査基盤を確立する方針だ。本研究は、不確実性下での戦略的推論において新たな技術基準を確立したものと評価されている。