【AI】チェスや囲碁で有効だったAIの強化学習が単純なゲームで失敗してしまう理由とは？ [すらいむ★]

チェスや囲碁で有効だったAIの強化学習が単純なゲームで失敗してしまう理由とは？

　AIはチェスや囲碁といったボードゲームで人間を上回る強さを発揮していますが、2023年には特定の戦術を用いることで囲碁AIに勝利する方法が見つかるなど、AIの強さには弱点もあることがわかっています。
　新たに発表された論文では、AlphaZeroなどで採用されている強化学習という機械学習手法が、一部のシンプルなゲームでは通用しないことが報告されました。

　Impartial Games: A Challenge for Reinforcement Learning | Machine Learning | Springer Nature Link
　https://link.springer.com/article/10.1007/s10994-026-06996-1

（以下略、続きはソースでご確認ください）

Gigazine 2026年03月19日 08時00分
https://gigazine.net/news/20260319-ai-fails-simple-games/

こんなゲームがあったんだ、知らなかった！

検索するとニムは明確な必勝法があって少ない計算量で状況を把握できるみたい

>必勝法（数学的アプローチ）
>ニムの必勝法は、各山の石の数を2進数に変換し、すべての山の石の数のXOR（排他的論理和）を計算することで求められます。
>XOR和が0以外: 先手が必勝。相手の石を減らし、XOR和を0にするように石を取る。
>XOR和が0: 後手が必勝。先手がどう動いても、次の自分のターンでXOR和を0に戻す。
>最終的にXOR和を0に保ち続け、最後の石を取る状況（XOR和が0で、自分の石だけが残る状態）を作る。


Alphaシリーズは木探索は得意だけど必勝への法則性を見つけるのは苦手ってことなのだろうか

>>1
そりゃ全部探索してないからだよ
不確実性の分野なんだから失敗する確率は0になろうはずがない

配役-> 占1 霊1 狩1 共有2 村10 人狼4 狂1 狐1 背徳1
の組み合わせは6.45301 * (10^12)という非常に多きい数だ。つまり6兆通りぐらいありえる
https://i.imgur.com/ceafD3l.jpeg

ただ、それぐらいなら遅いperl5 ですら充分探索しきれる
右上の紫エリアの左上に World count: 30 と書いてあるが、その局面になれる配役は
その6兆通りの内30通りだけ、ということ

もちろんチェスや囲碁はもっと数でかいだろうから探索中にメモリー足りなくなるんだろうけど
信頼性欲しいならちゃんと探索してったほうがいい。
枝狩り術次第で実用的になる

>>4
不確実性のない完全ゲームで
こうなってるから記事になっているんであって
キミの発言は意味が解らない

メガテンのストレンジジャーニーのおまけであったやつみたいな感じか
だとすると、先攻・後攻が決まった時点で既に勝敗が決まってるってことないのかな