遊戯王 AI は次世代のグランドチャレンジになりうるか

GDG Nagoya Meetup ～AI／ML～ の登壇資料です
https://gdgnagoya.connpass.com/event/309023/

遊戯王マスターデュエルの初心者向けに、遊戯王 AI で今後検討すべき課題について述べています

Transcript

1. 遊戯王 AI は次世代のグランドチャレン ジになりうるか Asei Sugiyama
2. 自己紹介 杉山 阿聖 (@K_Ryuichirou) Software Engineer @ Citadel AI Google Cloud Innovators Champion @ Cloud AI/ML MLSE 機械学習オペレーション WG 機械学習図鑑 共著 決闘者 @ マスターデュエル
5. TOC 遊戯王 AI チャレンジ <- 既存の CPU から見る遊戯王 AI の難しさ 機械学習としての遊戯王 AI の難しさ
6. 遊戯王 AI チャレンジ 遊戯王 AI とは マスターデュエル 古の遊戯王: 俺のターン! 現代遊戯王: 俺のターン! 現代遊戯王の特徴 手札誘発 「環境」 カードの追加・制限改定 まとめ
7. 遊戯王 AI とは 2024 年 2 月 4 日 遊戯王カ ードゲーム 25 周年記念イベ ントで発表されたもの 今後、マスターデュエルで 動く AI を開発できるように なる計画 【公式】最新情報ステージ【2月4日】/ 遊戯王デュエルモンスターズ 決闘者伝説 QUARTER CENTURY - YouTube https://www.youtube.com/live/sKp_HGjg7vQ? si=lLKLAQl6Q8rmN_4W&t=2838
8. マスターデュエル 遊戯王 OCG (Official Card Game) のカードを使って行 う DCG (Digital Card Game) ルールやカードの効果は紙 のカードとまったく同じ (DCG では珍しい)
9. 古の遊戯王: 俺のターン! ドロー！ 俺はモンスターを召喚！ カードを 2 枚場に伏せ ターン終了
10. 現代遊戯王: 俺のターン！ 俺は斬機シグマをデッキから墓地に送り、手札から斬機サーキュラーの 効果を発動、このカードを特殊召喚する 墓地の斬機シグマの効果を発動、このカードを特殊召喚する 斬機サーキュラーの効果を発動、「デッキから「斬機」魔法・罠カード 1 枚を手札に加える」効果により斬機方程式を手札に加える レベル 4 のモンスター 2 体でエクシーズ召喚、塊斬機ダランベルシアン を特殊召喚 特殊召喚された塊斬機ダランベルシアンのエクシーズ素材を 2 つ取り除 いて『デッキから「斬機」カード 1 枚を手札に加える』効果を発動、斬 機ダイアを手札に加える
11. 現代遊戯王の特徴 マスターデュエルでは先攻 1 ターン目に 5 分程度かかる 大体、2 ターン目に決着がつくか、3 ターン目を迎えるかの勝負 相手ターンに効果を発動できる、手札誘発と呼ばれるカードを採用する デッキが大半
12. 手札誘発 相手の行動に対して手札か ら発動できるカード群 相手ターンであっても、手 札から発動できるので、先 攻 1 ターン目からプレイヤ ー間でのやり取りが発生す る 代表例は灰流うらら (デッキ からカードを手札に加える 効果を無効)
13. 「環境」 (1/2) 「どんなカードが存在して いるか」「どんなカードが 流行っているか」「どんな デッキが大会で大多数を占 めるか」をまとめて「環 境」という。 (from 遊戯王 Wiki) 遊戯王カードWiki - 環境 https://yugioh-wiki.net/index.php?�Ķ�
14. 「環境」 (2/2) 環境は次のもので大きく左右される 新規追加カード 制限改定 メタゲーム 公開された情報から、お互いの手札を想像し、次の動きを読み合うのが 遊戯王の基本
15. カードの追加 遊戯王 OCG とマスターデ ュエルは共通して、最低で も月に 1 回新しいカードが 追加される 基本的には、新しいカード のほうが強い あまりにも強すぎるカード がリリースされることもあ る
16. 制限改定 (1/2) 基本的にはプレイヤーは強 いカードを採用するので、 環境が特定のカードで占め られることもある (例: ティ ラメンツ)
17. 制限改定 (2/2) 特定のカードしか使われな い環境はあまり楽しくない 運営がカードの利用可能な 枚数に制約を課したり(準制 限は 2 枚、制限は 1 枚)、カ ードを使えなくしたりする (禁止カードへの指定)
18. マスターデュエルまとめ 現代の遊戯王は 1 ターンが長くだいたい 2 − 3 ターンで決着がつく 先攻 1 ターンの間にも、後攻側は手札誘発カードを用いてくるため、読 み合いが発生している 公開された情報から、お互いの手札に存在するカードを想像して次の動 きを読み合うのが基本的なやり取り 環境でよく見るカード群が存在するものの、新カードのリリースや、制 限改定によって、よく採用されるカードは結構頻繁に変わる
19. TOC 遊戯王 AI チャレンジ 既存の CPU から見る遊戯王 AI の難しさ <- 機械学習としての遊戯王 AI の難しさ
20. 既存の CPU から見る遊戯王 AI の難しさ ソロモードにおける遊戯王 CPU ソロモード: 未界域暗黒界 結果 後攻はそれなりに強い ゲーム AI がやっていること (概略) 盤面の評価がうまくできていない ゲーム AI を通じてわかること
21. ソロモードにおける遊戯 王 CPU マスターデュエルの一人用 のモード (ソロモード) では CPU と対戦できる なかにはとても強いデッキ を使う CPU が存在する
22. ソロモード: 未界域暗黒界 デッキには強いカードがた くさん入っている とくにエクストラデッキが 優秀 メインデッキもモンスター を特殊召喚する方法が豊富
23. 召命の神弓－アポロウーサ 最大 4 回モンスターの効果発動を無効
24. 結果
25. プレイヤー目線からの評価 先攻では恵まれたカードの 能力を使って、ただモンス ターを並べるだけになりが ち 後攻ではそれなりに強く、 エクストラを用いて盤面を うまく崩してくる
26. どうしてこうなった 後攻のプレイと比較して先攻がダメすぎる AI の動作からこの動作を考え直す
27. ゲーム AI がやっていること (探索と評価) 公開された情報から、現状の局面を評価 現在可能な行動 (召喚、効果の発動など) を列挙 その行動を行ったあとの局面を評価 可能な行動のうち、もっとも局面の評価が良くなる行動を選択
28. 局面の評価がうまくできていない 自分の総攻撃力 - 相手の総攻撃力 のような指標で評価している可能性が ある 特殊召喚 (シンクロ・エクシーズ・リンク) は複数のカードを消費して 1 枚のカードを場に出すため、総攻撃力は下がる 実際のプレイヤーによる評価では相手の行動を妨害できる回数が重要視 される
29. 評価するために考慮素べき事項 盤面 (フィールド・墓地・除外) のモンスターの効果と発動回数 盤面のモンスターの攻撃力・守備力 盤面に存在する表側表示の魔法・罠カード プレイヤーのライフポイント 盤面に裏側表示で存在する魔法・罠カードの場所 手札の枚数
30. 形勢判断 妨害なし 相手は手札 1 枚 こちらの手 札は豊富
31. ゲーム AI を通じてわかること 実際に作成してみることで、知性について理解しようというのが AI の取 り組み ゲーム AI について考えることで、ゲームについてより深く理解すること ができる
32. TOC 遊戯王 AI チャレンジ 既存の CPU から見る遊戯王 AI の難しさ 機械学習としての遊戯王 AI の難しさ <-
33. 機械学習としての遊戯王 AI の難しさ 遊戯王 AI のデモ 強化学習ならなんとかなるんじゃないの？ 将棋と遊戯王の違い 盤面を評価するうえでの難しさ 盤面の評価ができるようになった場合の応用例
34. 遊戯王 AI のデモ 強化学習を用いた AI をデモ 強力なゲームエンジンとの 連携が目立つ 【公式】最新情報ステージ【2月4日】/ 遊戯王デュエルモンスターズ 決闘者伝説 QUARTER CENTURY - YouTube https://www.youtube.com/live/sKp_HGjg7vQ? si=lLKLAQl6Q8rmN_4W&t=2838
35. 強化学習ならなんとかなるんじゃないの？ ならない まず盤面を認識することが著しく困難
36. 将棋と遊戯王の違い 将棋は互いの状況がすべて公開されているものの、遊戯王では手札は非 公開情報 将棋の駒の種類は 8 種類、遊戯王のカードは 1 万種類を超える 1 回のプレーで可能な動きの種類が遊戯王のほうが著しく多い 将棋の駒の種類はずっと変わらないものの、遊戯王ではカードの種類が 増えたり減ったりする
37. 局面を評価するうえでの難しさ 機械学習モデルは基本的にテンソル (多次元配列) を入出力とする 局面の情報をテンソルに整形しようとした場合、次の 3 つが課題となる 1. カードの多さ 2. 効果の多さ 3. 環境の変化
38. カードの多さ 局面を画像として扱うことは現実的ではない UI 上で表示されていない情報が多い (墓地や除外状態のカード、エクシ ーズ素材など) 1 マスの状態の数が莫大 囲碁の盤面は遊戯王に比較すると広いものの、それぞれのマスには状態 が 3 種類だけ (なにもない、白、黒) 将棋では種類が増えるものの、たかだか 23 通り 遊戯王のカードは 1 万種類を超える
39. 効果の多さ (1/2) 遊戯王では類似する効果を 持つカードが多い 例: サンダーボルトとライト ニング・ボルテックス プレイヤーは効果を分類し て覚えている (ので詳細は覚 えていない)
40. 効果の多さ (2/2) あるカードの持つ効果を理 解するためには、テキスト を読んで理解する必要があ る 効果のテキストを読んでも わからないこともある (特殊 裁定) 例: アトランティスの戦士 の、伝説の都アトランティ スを手札に加える効果
41. 環境の変化 (1/2) 環境の変化により、カード の評価が大きく変わること がよくある 例: 強制脱出装置や月の書
42. 環境の変化 (2/2) 月に 1 度程度、新たなカードのリリースがされる 制限改定により、使えないカードのルールが変わる 大きなモデルを用いて評価する場合、そのモデルを定期的に再トレーニ ングさせ続ける必要がある
43. 盤面の評価ができるようになった場合の応用例 形勢評価 次に行うべき行動の推薦 デッキの強さの評価
44. デッキの強さの評価 初手の評価ができるようになるとデッキの強さの評価ができる 初手 5 枚の状態で盤面評価を行える 初手 5 枚の評価を何度か行い、平均値をデッキの強さとする 大会ではない対戦会において、デッキの強さを合わせることは楽しむう えでかなり重要
45. まとめ マスターデュエル上で遊戯王 AI を第三者機関が作れるようになるプロジ ェクトが進行中 トレーディングカードゲームとしての遊戯王はかなり流動的なゲーム で、カードの追加、制限改定によりカードの評価が大きく変わる 強化学習による AI の作成を行おうとした場合、ゲームの局面を認識させ ることがかなり困難 遊戯王 AI を通じて、遊戯王というゲームの理解が進行することが期待さ れる