ゲーム理論において、ジェネラリストがスペシャリストに勝る場合がある

要点

• 汎用アルゴリズムであるポリシーグラディエント法が、不完全情報ゲームにおいて専門的なゲーム理論アルゴリズムを凌駕する。
• MITの研究者らは、アルゴリズムを公平に評価するためのベンチマークを開発し、「搾取可能性」を測定した。
• このベンチマークは、幻の三目並べ、ヘックス、嘘つきのサイコロなどのゲームでテストされ、最大300億の状態を扱う。
• この結果は、汎用アルゴリズムが軍事や交渉などの戦略的相互作用においてもより効果的である可能性を示唆している。