75年にわたるゲームAI、各システムはほんの少数のゲームしかプレイしない

75年にわたるゲームAIの歴史は、探索の時代から学習の時代への移行として捉えることができる。1948年、アラン・チューリングはコンピュータなしでチェスプログラムを手動実行した。1950年、クロード・シャノンがチェス用コンピュータの設計図を発表した。中心的なアイデアは「先読み」—ミニマックス法とアルファ・ベータ枝刈り—であり、その後50年間を牽引した。アーサー・サミュエルのチェッカープログラムは1950年代後半にはIBM 704上で説得力のあるプレイを実現し、「機械学習」という用語を生み出した。1997年、ディープブルーがカスパロフを破り、毎秒2億ポジションを探索した。2007年、チェッカーは完全解決された。

しかし、これらのシステムはすべて人手による評価関数に依存していた。囲碁は探索の限界を示した。

転機は自己対戦学習だった。1992年、TD-Gammonはバックギャモンで人間トップレベルに達した。2016年、AlphaGoが李世石を破った。AlphaZeroは人間の棋譜なしでチェス、将棋、囲碁を習得し、MuZeroはルールすら知らずに学習した。これらのシステムはますます汎用性を高めていった。

しかし、これらはすべて完全情報ゲームである。現代のボードゲームの多くは隠された情報を含む。不完全情報下ではミニマックスは機能しない。ポーカーがその実験場となり、2007年にCounterfactual Regret Minimization（CFR）が導入され、2015年に限定ホールデムを解決し、その後ノーリミットや6人プレイでも人間を打ち負かした。

2023年、DeepMindのStudent of Gamesは、探索、自己対戦学習、ゲーム理論的推論を組み合わせ、チェス、囲碁、ポーカー、Scotland Yardをすべて強いレベルでプレイした。これは真に汎用的なアルゴリズムへの一歩とされる。

しかし75年間、各システムはわずか数ゲームしかプレイできず、各ゲームは研究者による手作業の統合を必要とした。ボードゲームは数十万種類あり、デザイナーはプロトタイプのバランスを評価する自動手段を必要としている。

学界は「汎用ゲームプレイング」を20年にわたって研究してきたが、GDLやLudiiといったシステムは研究者向けであり、デザイナーが使えるものではなかった。著者は、橋はデザイナー側から建設されるべきだと主張する。

Grimoireプロジェクトは、デザイナーがボードゲームの用語（カード、ダイス、手札など）でゲームを記述できるフォーマットを提供する。例えば三目並べは次のように記述される：

components: x_marker: display: "X" count: 5 o_marker: display: "O" count: 5

containers: table: board: preset: grid rows: 3 cols: 3 accepts: [x_marker, o_marker]

flow:

セットアップ、ターンループ、終了条件

このフォーマットはコンパイルされ、AIアルゴリズムが求める観測と行動のインターフェースを提供する。形式化は人間のインターフェースではなく、コンパイルターゲットとなる。

エンジンを基盤に、TD-Gammon流の自己対戦学習やミニマックス探索などのツールボックスが提供される。目標は、デザイナーが研究チームを介さずにAIを利用できるようにすることである。