AIが隠蔽情報ゲーム「ストラテゴ」を攻略：2つのニューラルネットワークが情報の霧を突破

人工知能がゲームを制覇してきた長いリストの中で、チェス・囲碁・ポーカーは相次いで攻略されてきた。しかし、一見シンプルに見えるあるボードゲームだけは、AIの猛攻を頑強に跳ね返し続けてきた——それが「ストラテゴ」である。Ars Technicaの報道により、この膠着状態に突破口が開かれたことが明らかになった。研究者たちは第2のニューラルネットワークを導入して隠された駒の正体を推測させることで、ついにAIにこの不完全情報ゲームを習得させることに成功した。

ストラテゴ：AIにとっての「情報の霧」という難題

ストラテゴになじみのない読者のために、簡単に紹介しておこう。ストラテゴは2人対戦のボードゲームで、各プレイヤーは40枚の駒を持ち、それぞれ異なる階級の軍事ユニットを表している——元帥・将軍からスカウト・爆弾・軍旗まで多岐にわたる。ゲームの目的は相手の軍旗を奪うか、相手の移動可能な駒をすべて排除することだ。

チェスや囲碁と異なり、ストラテゴの核心的な難しさは相手の駒の本当の正体が見えない点にある。相手の駒が近づいてきたとき、それが元帥なのかスカウトなのか、爆弾なのか軍旗なのかがわからない。双方の駒が衝突したときにのみ、正体の一部が明らかになる。この「隠蔽情報」メカニズムにより、ストラテゴは現実世界の軍事的対立や商業競争——情報が不透明な状況での意思決定——により近いゲームとなっている。

ストラテゴの難しさは、AIが「どう動くか」を決めるだけでなく、同時に相手の駒の正体に関する「信念マップ」を頭の中で構築し、衝突のたびにそのマップを更新し続けなければならない点にある——すべての情報が盤面に並ぶ囲碁やチェスとは根本的に異なる状況だ。

なぜストラテゴは長期間AIを悩ませてきたのか

不完全情報ゲームにおいてAIが直面する核心的な問題は「状態空間の爆発」だ。チェスではAIが探索木を通じて各手の結果を評価できる。しかしストラテゴでは、相手の駒の正体が不明であるため、AIはすべての駒の正体の組み合わせを考慮しなければならず、取りうる状態の数が指数関数的に増大する。

これまで不完全情報ゲームで成功を収めた事例——DeepMindのAlphaStarによる「スタークラフト」での活躍や、LibratusおよびPluribusによるテキサスホールデムポーカーでの突破——はいずれも異なる技術的アプローチを採用していた。テキサスホールデムにも隠蔽情報（相手の手札）は存在するが、ゲーム構造は比較的標準化されている。一方、ストラテゴの隠蔽情報の次元はより多く、駒の正体・位置・移動履歴のすべてが推論の手がかりとなる。

突破の鍵：第2のニューラルネットワーク

報道によれば、今回の突破の核心はアーキテクチャの革新にある。研究チームは従来の方策ネットワークに加えて第2のニューラルネットワークを追加し、相手の隠れた駒の正体を「推測」する専用の役割を担わせた。このネットワークは相手の移動パターン・衝突結果・ゲーム履歴を分析し、各未知の駒の正体に関する確率推定を動的に更新する。

この2つのネットワークからなるアーキテクチャの設計思想は、人間のストラテゴプレイヤーの思考様式に類似している。経験豊富な人間のプレイヤーは自分の手だけを考えるのではなく、相手の行動パターンから駒の配置を推測する——例えば、相手の駒が前線で積極的に攻撃し続けているなら高階級ユニットである可能性が高く、突然動きを止めたり後退したりした駒は爆弾や軍旗かもしれない、といった具合だ。

第2のニューラルネットワークが行うことは、本質的にこうした人間の直感を形式化・アルゴリズム化することだ。出力されるのは単一の正体判断ではなく、確率分布である——「この駒は70%の確率で少佐、20%の確率で大尉、10%の確率で爆弾」といった形だ。方策ネットワークはこの確率分布に基づいて最適な行動を選択する。

より広い意義：AIと情報不透明な状況での意思決定

この研究の価値は、単にボードゲームを攻略することにとどまらない。現実世界では、重要な意思決定のほぼすべてが情報不完全な条件下で行われる——軍事指揮・商業競争・外交交渉のいずれにおいても、意思決定者は相手の意図や資源を完全には把握できない。

ストラテゴAIの突破は、AIが情報不透明な環境下で意思決定するための新たな範例を提供する。特に長期的な計画立案と相手の意図の動的な推論が必要な場面において、この「信念モデリング＋戦略最適化」の2ネットワーク構造は幅広い応用可能性を持つ。例えば、サイバーセキュリティ分野ではAIが攻撃者の意図と次の行動を推測する必要があり、自動運転では他の車両や歩行者の将来の行動を予測する必要がある。

編集後記：不完全情報ゲーム——AIの次なるフロンティア

AIのゲーム分野における発展の歴史を振り返ると、「完全情報」から「不完全情報」へという明確な進化の道筋が見えてくる。Deep Blueがカスパロフを破った（チェス）時から、AlphaGoが李世乭を下した（囲碁）時、そしてLibratusがテキサスホールデムポーカーを制した時まで、各ステップはAIが不確実性を処理する能力の飛躍を表している。

ストラテゴの攻略は、AIがこの道筋においてまた一つ確かな一歩を踏み出したことを示している。しかし同時に冷静に認識しなければならないのは、ストラテゴもなお高度に構造化されたゲームであるという点だ——ルールは固定され、行動空間は限られている。現実世界の不完全情報ゲームははるかに複雑であり、情報は曖昧・虚偽、あるいは意図的に誤誘導するものでありうるし、ゲームのルール自体がいつでも変わりうる。

しかし、制御された環境での突破はいずれも、より複雑な問題を解決するための方法論の蓄積につながる。ストラテゴAIにおける「隠れた状態の明示的モデリング」という発想は、将来のAIシステムが不確実性を処理するための重要な鍵となる可能性が高い。AIが霧の中で意思決定することを学んだとき、それは不確実性に満ちたこの世界を真に理解することへと、また一歩近づくのだ。

本記事はArs Technicaより編訳