コードと魔法の伝説を通じたAIの進歩

この記事は、Code and Magicの伝説（LOCM）というAIに焦点を当てた5年間のコンペティションについて書かれているんだ。このゲームはコレクティブルカードゲーム（CCG）の一種で、研究者がAIのアルゴリズムを開発するのを助けるために設計されてる。CodinGameプラットフォームや大きなカンファレンスでのコンテストなど、いくつかのイベントで使われてきたよ。

これらのコンペの目的は、ゲームの場面でいろんなAI技術をテストすることだったんだ。LOCMは、ゲームツリー探索アルゴリズムやニューラルネットワーク、評価関数、デッキ構築戦略を探るのに役立っている。この記事では、LOCMのルール、コンペの歴史、参加者、彼らのアプローチ、AIコンテストの運営に関するアドバイスが共有されているよ。

チェスや囲碁のようなクラシックゲームはAI研究にはまだ人気だけど、Dota 2やStarCraft IIのような現代のコンピュータゲームもAI開発に重要だってことが分かってきた。これらのゲームには、長期的な計画やランダム性、大きな選択肢といった複雑な要素があって、成功するAIプレイヤーを作るのは難しいんだ。

戦略カードゲーム、つまりCCGは、デッキ構築やゲームのバランス調整といった特徴があって、AI研究には特に面白い。最近では、Hearthstone AIコンペやHearthstoneのデータマイニングチャレンジなど、AIコンペが支援するこの分野の研究が多くなっている。これらのイベントは、HearthstoneをプレイするAIエージェントの開発と、ゲーム状態に基づく勝利の確率の予測に焦点を当てている。

戦略カードゲームAIコンペ（SCGAI）は2019年に始まり、公平なAIマッチのために特別に設計されたLOCMに基づいているんだ。LOCMは、複雑なアルゴリズムをテストしたり理論的なアイデアを素早く実装するのを簡単にするために、簡略化されたCCGなんだ。SCGAIコンペは、より発展したゲームの複雑性なしで高度な研究を促すことを目指していた。最後のコンペは2022年に行われて、この結果がまとめられているよ。

#CCG研究の背景

CCGに関連する研究は大きく増えていて、Hearthstoneにも焦点が当てられている。Hearthstone AIコンペは2018年から2020年にかけて3回行われ、毎年多くの提出物があった。参加者は、あらかじめ設定されたデッキを選ぶか、自分のデッキを作ることができた。コンペでは、エージェントがC#シミュレーターを使ってゲーム状態に基づいて行動する必要があったんだ。

勝つための戦略は、モンテカルロ木探索（MCTS）などの探索アルゴリズムに頼ることが多くて、これを評価関数と組み合わせて移動の結果を予測していた。最高のエージェントは、情報セットMCTSや競争的共進化最適化などの高度な技術を示していたよ。

前述のデータマイニングチャレンジは、AIがHearthstoneのゲームで勝利の確率を予測するのを助けることを目指していた。参加者はゲーム状態の大規模なデータセットを与えられ、使われた戦略に基づいて結果を予測する必要があった。最高の解決策は、ニューラルネットワークや様々な機械学習技術を使っていたんだ。

CCGをプレイする際に、いくつかのアプローチが記録されていて、多くのエージェントがMCTS技術を使って顕著な成功を収めている。伝統的な方法であるMCTSはこれらのシナリオでうまく機能するけど、CCGにおける大きなアクションスペースに対処するために、より効率的なアプローチを開発する努力が常に行われているよ。

#Legends of Code and Magicの概要

LOCMはAI研究向けに特別に設計されたCCGで、商業的なCCGに比べてメカニクスが少なく、決定論的な効果がある。主な予測不可能な要素はプレイヤーのデッキ内のカードの順番なんだ。ゲームはいくつかのバージョンを経て、少しずつ複雑さが増している。

各コンペのエディションでは、プレイヤーに練習用のオンラインアリーナとオフラインの審判が提供されている。プレイヤーは主に2つのフェーズを経る：ドラフトフェーズではカードを選んでデッキを構築し、バトルフェーズではそのカードを使って相手と戦う。

ドラフトフェーズでは、プレイヤーは3つのオプションから1枚のカードを選ぶのを30ターン続けて、共同でデッキを構築する。バトルフェーズでは、選ばれたカードを使ってお互いを攻撃したり、マナなどのリソースを管理したりして、相手のHPをゼロにすることを目指す。

ゲームにはクリーチャーやアイテムなど、各々異なる属性と特別な能力を持つカードの種類がある。どちらのプレイヤーも30のHPからスタートして、ターンの間にカードを使って戦略的に守ったり攻撃したりしなきゃいけない。ゲームは、片方のプレイヤーのHPが完全に無くなった時に終了するよ。

#コンペの進化

最初のLOCMコンペはかなりの数の参加者を集め、後のエディションもルールを拡大して多様なプログラミング言語を許可したことで、さらに多くの参加があった。このことで、幅広い戦略が生まれたんだ。

2回目のエディションでは、プログラミング言語とシステム要件において、参加者により多くの柔軟性が与えられた。すべてのプレイヤーは、最初のプレイヤーによる利点を解消するためのミラーリングマッチを行うために、固定されたデッキ数を利用したんだ。

年が経つにつれ、競技はニューラルネットワークやその他の高度な技術の使用を許可するように進化していった。勝利したエージェントは、検索アルゴリズムとニューラルネットワークの組み合わせを頻繁に使用して、ゲームプレイを向上させたことを示しているよ。

2022年のエディションでは、ルールに大きな変更があり、ドラフトフェーズがデッキ構築のフェーズに置き換わって、各マッチでカードがランダムに生成されるようになった。これにより、参加者は固定されたカードの順番に依存できなくなり、戦略を適応させる必要があったんだ。

コンペでは、ルールベース、探索ベース、ニューラルネットワークベースの戦略を含むさまざまなアプローチのエージェントが見られた。この多様な提出物は、カードゲームに適用できる技術の幅広さを際立たせている。

#AIコンペ運営者への教訓

AIコンペを運営するのは、参加者と同じくらい運営者にとっても難しいことがあるんだ。成功を確保するために考慮すべきいくつかの側面がある。一つの重要な教訓は、ゲームがAIアイデアをテストするためのアクセスしやすいプラットフォームを提供することだね。既存のプレイヤーの戦略や洞察を引き出せるからだ。

新しいチャレンジと馴染みのある設定とのバランスを見つけることで、参加者の興味を高く保てる。新しいゲームジャンルや既存のものへの拡張は、競技に新しいアイデアや方法をもたらすことができるよ。

CodinGameのようなプラットフォームを使って競技を支援することは、そのコミュニティの参加が活発なため、提出物の数が増える可能性がある。ただし、競技のルールが明確で、評価プロセスが公正であることを確保することが重要だ。

提出物の文書化は重要だよ。これによって運営者はエージェントの動作を理解するのを手助けでき、将来の参加者が学んで自分の戦略を改善するのにも役立つ。

特に学生の参加者を励ますことは、高品質の提出物を生むことにつながるよ。賞品や機関からのスポンサーシップは、他の人々を参加させたり、自分の知識を共有させたりする動機になることが多い。

多くのゲームには内在するランダム性があるため、公正な評価を保つためにはこれに対処することが必要だ。固定されたゲームシードを使うことで、すべてのエージェントペアが同じ機会を持てるようにすることが助けになるよ。

最後に、結果を共有して透明性を持たせることは、競技の信頼性を高める。使用されたすべてのコードやコンフィグを提供しておけば、他の人が結果を再現できて、AI研究と開発の継続的な貢献につながるんだ。

#結論

戦略カードゲームAIコンペは、カードゲームにおけるAI技術の開発にとって重要な場を提供してきた。LOCMとその適応から得られた洞察をもとに、参加者は多くの戦略を探求し、幅広いアルゴリズムを開発してきたよ。

コンペでは、単純なルールベースの解決策から強化学習を通じて訓練された複雑なニューラルネットワークまで、さまざまなアプローチが見られた。これらのコンペからの結果や経験を共有することは、将来の研究者や自分たちのゲーム指向のAIチャレンジを作ろうとしている組織を助けられるかもしれない。

CCGにおけるAI研究の可能性は広大だし、まだ探られていない道や課題がたくさんある。LOCMや似たようなゲームの成功は、さらなる革新や研究のインスピレーションにつながる可能性がある。プレイコンテキストでのAIの進歩に寄与することになるかもしれないね。

コミュニティが新しいコンペを楽しみにしている中で、SCGAIから得られた教訓は、CCGとAI開発の領域での今後の取り組みに影響を与えることは間違いないよ。