[논문 리뷰] General Board Game Concepts

Éric Piette, Matthew Stephenson외 2명|arXiv (Cornell University)|2021. 07. 02.

Artificial Intelligence in Games참고 문헌 65인용 수 17

한 줄 요약

이 논문은 일반 게임 플레이(GGP)에서 '게임 개념'—'포획'이나 '체크메이트'와 같은 고수준의 인간이 이해할 수 있는 개념—을 루디(Ludii) 게임 시스템을 사용하여 형식화한 프레임워크를 제안한다. 루디메(atomic game components)를 활용함으로써, 다양한 추상화 수준에서 개념을 자동으로 탐지할 수 있으며, 이는 인공지능의 설명 가능성, 전이 학습, 게임 생성, 재구성, 추천에 기여한다.

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.

연구 동기 및 목표

• 플레이어와 디자이너가 익숙한 용어를 사용하여 '포획'이나 '체크메이트'와 같은 공통된 게임 아이디어를 형식화하기 위해.
• Ludii의 루디메 기반 게임 표현을 활용하여 게임, 수수, 상태 등 다양한 추상화 수준에서 이러한 개념을 자동으로 탐지하기 위해.
• 게임 간 공통의 의미층을 제공하여 인공지능의 설명 가능성, 전이 학습, 게임 생성 분야의 새로운 연구를 지원하기 위해.
• GDL과 같은 기존 GGP 시스템이 고수준 의미론과 인간이 이해할 수 있는 해석 가능성 부족의 한계를 해결하기 위해.
• 게임 추천, 고대 게임의 규칙 재구성, AI 에이전트 평가를 위한 벤치마크 선택과 같은 실용적 응용을 가능하게 하기 위해.

제안 방법

• Ludii의 루디메 기반 게임 기술 언어를 사용하여 게임을 원자적 개념 단위로 분해한다.
• 게임 개념을 루디메에서 유도된 고수준의 인간이 읽을 수 있는 추상화로 정의한다. 예: '포획', '체크', '스테일메이트'.
• 게임 수준(예: '비편향 게임'), 수수 수준(예: '포획 수'), 상태 수준(예: '체크메이트 위치') 등 다양한 추상화 수준에서 개념을 자동으로 계산한다.
• 루디메의 구조적 및 의미적 일관성을 활용하여 다양한 게임 간에 반복되는 개념을 탐지한다.
• 개념 탐지를 적용하여 진화적 게임 생성에서 수순 순서 정하기, 에이전트 선택, 적합도 평가 등의 인공지능 기법을 지원한다.
• 게임 간 개념 유사성을 활용하여 불완전한 역사적 게임의 규칙 재구성과 게임 추천 시스템 구축을 지원한다.

실험 결과

연구 질문

• RQ1 공통된 게임 아이디어—'포획'이나 '체크메이트' 등—을 공통의 의미 프레임워크를 사용하여 다양한 체스형 게임에서 어떻게 형식적으로 정의하고 탐지할 수 있는가?
• RQ2 게임 개념은 일반 게임 플레이에서 인공지능 기법의 설명 가능성에 얼마나 기여하는가?
• RQ3 공통의 고수준 특징을 식별함으로써 게임 간 전이 학습을 효과적으로 가능하게 할 수 있는가?
• RQ4 게임 개념은 GGP에서 게임 생성, 재구성, 추천 시스템을 어떻게 향상시킬 수 있는가?
• RQ5 개념 기반 필터링은 AI 에이전트 평가를 위한 벤치마크 게임 선별을 향상시킬 수 있는가?

주요 결과

• Ludii의 루디메 기반 게임 기술 기반에서 '포획', '체크', '스테일메이트'와 같은 게임 개념을 자동으로 탐지할 수 있으며, 이는 게임 간 일관된 의미 분석을 가능하게 한다.
• 이 프레임워크는 게임 수준(예: '비편향 게임'), 수수 수준(예: '포획 수'), 상태 수준(예: '체크메이트 위치') 등 다수의 추상화 수준에서의 개념 탐지를 지원한다.
• 개념 기반 분석을 통해 게임 개념에 기반한 하이퍼에이전트 선택기(hyper-agent selector)를 구축할 수 있으며, 이는 다양한 게임에서 성능 향상에 기여한다.
• 게임 간 공통된 구조적 및 전략적 특징을 식별함으로써 게임 개념이 전이 학습을 가능하게 하며, 규칙이 다를지라도 효과적으로 작용한다.
• 유사한 알려진 게임을 기반으로 예측함으로써 불완전한 고대 게임의 합리적인 규칙 재구성을 가능하게 한다.
• 사용자가 선호하는 개념(예: '숨겨진 정보', '비대칭 플레이')를 기반으로 게임을 검색할 수 있도록 하여 추천 시스템을 향상시키고, 개인화와 탐색을 개선한다.