AIがついにStrategoの史上最強プレイヤーを破る——しかも低予算で

With most information hidden, the game Stratego had stumped AI–until now

AIがついにStrategoの史上最強プレイヤーを破る——しかも低予算で

チェスや囲碁、ポーカーを制したAIも、大部分の情報が隠されたStrategoには歯が立たなかった。DeepMindのDeepNashも人間のトップには届かなかった。しかしCarnegie Mellon、MIT、NYU、Stanfordの研究者が開発したAtaraxosは、世界最強のPim Niemeijerに15勝1敗4引き分けで圧勝。鍵は、相手の隠れた駒を推測する第二のニューラルネットワーク「belief model」だった。訓練にはわずか16基のGPUと数日、費用は数千ドル。DeepNashの数百万ドルとは桁違いの効率で、AIの常識を覆した。

「人間にとって、秘密を知っているときにその事実を無視して意思決定するのはとても難しい。だが機械にとっては簡単だ」
  1. SwellJoe

    子供の頃、Strategoが大好きだった。でも、最終的には誰も相手をしてくれなくなった。チェスでは私よりずっと強かった父を含め、みんなを打ち負かしてしまったからだ。しかし、これがモデルにとって難しいゲームだとは思いもしなかった。比較的シンプルに感じる。それに、不可解なことに、真剣なプレイヤーがいるなんて考えたこともなかった…子供の頃から持っている数少ない物の一つであるボードゲームは取ってあるが、もう20年もプレイしていない。そろそろオンラインのStrategoを探す時かもしれない。世界中の誰かが私を倒せるはずだ。

    AIが攻略する前にAIと対戦しなかったのは残念だ。

  2. janalsncm

    > このアルゴリズムは学習もはるかに速く、DeepNashよりも約34倍少ないゲーム数でプレイし、それでもはるかに強くなった。

    個人的には、これが重要な点であり、AIがそもそも機能する理由だと思う。

    隠された情報があるゲームでは、最善の手は自分が持っていない情報に依存する。つまり、ある手が良いか悪いかは、知ることが不可能な何かにかかっているだけだ。

    先読みしたい、つまり「私がこれをすれば相手はあれをする」と考えたいが、相手の隠された状態を知らないので、相手が何をできるかさえわからないため、それは不可能だ。

    可能な隠された状態がランダムに分布しているなら、お手上げだ。じゃんけんと同じで、相手が予測不能なら最善の手は存在しない。

    しかし、相手の手を素早く予測できるようになれば、何をすべきかについて情報に基づいた決定を下すことが可能になる。

  3. dmurray

    ああ、なんてこった!Strategoは、勝てるボットを作るために十分に努力してこなかったものの一つとして頭にあった。2022年のDeepMindの取り組みも含めて。最初のものを作るつもりだった。

    リーマン予想を証明しようとするよりは少しマシな狂気の沙汰だと思っていたが、最近はClaudeに頼めば、誰も気づかなかった1 + πiに反例があると教えてくれるのかもしれない。

  4. erwincoumans

    子供の頃、友達の家でStrategoを遊んだのを覚えている。そして、彼の駒のいくつかに微妙な印(駒の欠け)がついていることに気づいた。情報を隠さないのはとても不公平だった :)

  5. rovr138

    > 現在、カーネギーメロン大学、MIT、ニューヨーク大学、スタンフォード大学の研究者チームがそれを成し遂げた。Ataraxosと呼ばれる彼らのAIは、おそらく史上最高のStrategoプレイヤーであるPim Niemeijerを15勝1敗、4引き分けで破った。そして、訓練にはわずか16基のGPUと数千ドルしかかからなかった。

    わずか16基のGPUと数千ドル?

    「カーネギーメロン大学、MIT、ニューヨーク大学、スタンフォード大学の研究者たち」についてはどうなんだ?これはただの誰かじゃないぞ。

  6. smokel

    これは、以前の2022年の「Mastering the Game of Stratego with Model-Free Multiagent Reinforcement Learning」[1]をある程度相対化する。どうやら2022年の「mastering」はまだそこまでではなかったようだ。4年後、新しいアプローチは実際に人間より優れているようだ。

    [1] https://arxiv.org/abs/2206.15378

  7. smokel

    このアプローチはHanabiにも有効で、非常に興味深いゲームだ。自分のカードは見えないが、他のプレイヤーには見える。強化学習のポッドキャスト[2]で誰かが言及していたのでゲームを買い、実際に何度もプレイした。

    [1] https://en.wikipedia.org/wiki/Hanabi_(card_game)

    [2] https://www.talkrl.com/episodes/jakob-foerster

  8. hnedeotes

    これらのゲームが繰り返し攻略可能なのは、それらが静的だからだと思う。適切に訓練されたアルゴリズムがMtGや私自身のhttps://aethersummon.comのようなゲームで平均的なプレイヤーより上手くプレイしないとは言わない(特に今は可能なスクロールが90未満しかないので)が、関連する新しい「カード」が定期的に(例えば毎週か隔週で)リリースされるなら、人間にとってはるかに公平な土俵になると思う。

    そうした新規追加は、たった1枚の新しい「カード」でトレーニングデータ全体を無効にし得る。それはゲームのダイナミクスを完全に変え、プレイヤーにとっては理解して取り入れるのが容易でも、アルゴリズムにとってはそうではない(おそらく定期的に再トレーニングするのに十分な計算資源があれば可能かもしれないが)。それに加えて、決定木が囲碁、チェス、Strategoよりも桁違いに深く、広く、より多くの条件分岐を持つこと(同じターンで同じカードが利用可能で同じテーブル状態であっても)が、計算に制約されたアルゴリズムにとってはるかに難しい問題を提起するだろう。

この日のほかの記事

2026-10-02