[論文レビュー] General Board Game Concepts

Éric Piette, Matthew Stephenson+2 more|arXiv (Cornell University)|Jul 2, 2021

Artificial Intelligence in Games参考文献 65被引用数 17

ひとこと要約

この論文は、一般ゲームプレイ（GGP）における『ゲームコンセプト』——『取り込み』や『チェックメイト』といった高水準で人間が理解可能なアイデア——を、Ludiiゲームシステムを用いて形式的フレームワークとして導入する。ludeme（原子的ゲームコンponents）を活用することで、複数の抽象化レベルでコンセプトを自動検出可能とし、AIの説明可能性、転移学習、ゲーム生成、再構築、レコメンデーションの促進を可能にする。

ABSTRACT

Many games often share common ideas or aspects between them, such as their rules, controls, or playing area. However, in the context of General Game Playing (GGP) for board games, this area remains under-explored. We propose to formalise the notion of "game concept", inspired by terms generally used by game players and designers. Through the Ludii General Game System, we describe concepts for several levels of abstraction, such as the game itself, the moves played, or the states reached. This new GGP feature associated with the ludeme representation of games opens many new lines of research. The creation of a hyper-agent selector, the transfer of AI learning between games, or explaining AI techniques using game terms, can all be facilitated by the use of game concepts. Other applications which can benefit from game concepts are also discussed, such as the generation of plausible reconstructed rules for incomplete ancient games, or the implementation of a board game recommender system.

研究の動機と目的

• プレイヤーやデザイナーにとってなじみやすい用語を用いて、『取り込み』や『チェックメイト』といった一般的なゲーム的アイデアを形式的に定式化すること。
• Ludiiのludemeに基づくゲーム表現を用いて、ゲーム、手順、状態などの異なる抽象化レベルでこれらのコンセプトを自動検出可能とすること。
• ゲーム間で共通の意味的層を提供することにより、AIの説明可能性、転移学習、ゲーム生成に関する新たな研究を支援すること。
• GDLのような既存のGGPシステムに見られる高水準の意味的解釈や人間の理解可能性の欠如といった限界を是正すること。
• ゲームレコメンデーション、古代ゲームのルール再構築、AIエージェントのベンチマーク選定といった実用的応用を可能とすること。

提案手法

• Ludiiのludemeに基づくゲーム記述言語を用いて、ゲームを原子的で概念的な単位に分解する。
• 『取り込み』や『チェック』、『ドローゲーム』といった、ludemeから導出される高水準で人間が読みやすい抽象化としてゲームコンセプトを定義する。
• ゲームレベル（例：『非偏見ゲーム』）、手順レベル（例：『取り込み手』）、状態レベル（例：『チェックメイト状態』）といった複数の抽象化レベルで、コンセプトを自動的に計算する。
• ludemeの構造的・意味的整合性を活用して、多様なゲーム間で繰り返し現れるコンセプトを検出する。
• コンセプト検出を応用し、進化的ゲーム生成における手順の順序付け、エージェント選択、フィットネス評価といったAI技術を実現する。
• ゲーム間でのコンセプト類似度を活用して、不完全な歴史的ゲームのルール再構築や、ゲームレコメンデーションシステムの構築を支援する。

実験結果

リサーチクエスチョン

• RQ1 『取り込み』や『チェックメイト』といった一般的なゲーム的アイデアを、共通の意味的フレームワークを用いて、多様なボードゲームにまたがって形式的に定義・検出することは可能か？
• RQ2 ゲームコンセプトは、一般ゲームプレイにおけるAI技術の説明可能性をどの程度向上させ得るか？
• RQ3 共通の高水準特徴を同定することで、ゲームコンセプトがゲーム間での有効な転移学習を可能にするか？
• RQ4 ゲームコンセプトは、GGPにおけるゲーム生成、再構築、レコメンデーションシステムをどの程度向上させるか？
• RQ5 コンセプトベースのフィルタリングは、AIエージェントの評価に適したベンチマークゲームの選定を改善できるか？

主な発見

• Ludiiのludemeベースのゲーム記述から、『取り込み』『チェック』『ドローゲーム』といったゲームコンセプトを自動検出可能であり、ゲーム間で一貫した意味的分析を可能にする。
• 本フレームワークは、ゲームレベル（例：『非偏見ゲーム』）、手順レベル（例：『取り込み手』）、状態レベル（例：『チェックメイト状態』）といった複数のレベルでのコンセプト検出をサポートする。
• コンセプトベースの分析により、最適なAIエージェントをゲームコンセプトに基づいて選択するハイパーエージェントセレクタの構築が可能となり、多様なゲームにおいて性能が向上する。
• ゲームコンセプトは、ルールが異なる場合でも、共通の構造的・戦略的特徴を同定することで、転移学習を促進する。
• 類似した既知のゲームに基づいて欠落したコンセプトを予測することで、不完全な古代ゲームの妥当なルール再構築が可能になる。
• ゲームコンセプトは、ユーザーが希望するコンセプト（例：『隠れた情報』や『非対称プレイ』）に基づいてゲームを検索可能とすることで、レコメンデーションシステムを強化し、パーソナライズ化と発見性を向上させる。