U8モデルと実戦対局してみたら、意外と強いかもしれない話

UモデルをU8まで自己対局学習で育て上げ、改善もサチってきたので、実際の対局でどれくらい強いのかを確かめてみることにした。

簡単な人間対モデル対戦用のUIを作成し、持ち時間はモデルが1ターンあたり10秒、人間側が20〜30秒程度使えるように設定。さらに、人間が考えている間もモデルがバックグラウンドで探索を継続するponderingを有効にして対戦してみた。私のPC環境だと、だいたい1,200〜1,400 sims/secくらい出るようだ。

結果は、今のところ3戦0勝。1回も勝てなかった。 モデルが特定の局面やあえて隙を見せた時にどのような行動をとるか力を推し量るため、あえて本気を出していない部分もあるのだが（強がり）、それにしても思わぬ形で、想定よりもはるかに強いということが分かった。 2回目の対戦ではカードの引きが良く、自分にとって好ましいカードが並んで得点もリードできていた。しかし、最終的には相手のノブル獲得による急激な得点の伸びに追いつかれ、負けてしまった。 対戦中に観察していて、特に驚かされた点がいくつかある。

序盤から優勢を見抜く局面評価

かなり序盤の段階から、評価値がモデル側に傾いていたことだ。私の経験に基づくオレオレ評価値では「まだこの局面ではどちらが勝っているとも言いにくい」ような場面であっても、モデルははるか早期から自身が優勢であることを見抜いていた。

序盤数ターンでのTier 1妨害

対局開始からわずか数ターンの段階で、私が次のターンに取ろうとしていたTier 1カードをブロックしてきたことだ。 私の経験上、最初の数ターンのうちに相手のTier 1をブロックしにいく手はあまり打たない。局面を見抜く力が必要とされる手なので驚かされた。 最初は「モデルのミスの判断ではないか」と思ったし、今でも少しそう思っている部分はある。だが結果として、モデルはそのカードをあとで無駄にせず購入していたし、勝負にも勝った。思ったよりこのモデルはやるのかもしれない。

急所を突くリザーブ

中盤、私側が得点できそうな見込みのあるカードを、モデルが早い段階でリザーブしてきた。 そのカードを押さえられてしまったら、私の手番では次に手短に目指せるカードがなくなってしまうことも分かっていたが、ここでもあえて先にリザーブせず、モデルがどのような手を打つか試していた。 ちゃんと弱点を見抜いているように見える。探索を使っているのでそれはそうかもしれないが、普通に感心した。

開発の父を超えてくれて嬉しかった。ここ数年で一番脳汁が出た。