🧬 biology

People use fast and flat simulation to reason about new games

大規模な行動研究と計算論的な「直感的ゲーマー」モデルを通じて、本論文は、人間が高速かつ限定的な深さの確率的シミュレーションを用いることで、未知のゲームについて系統的かつ適応的に推論していることを示し、より柔軟で人間のようなAIシステムを開発するための知見を提供する。

原著者： Katherine M. Collins, Cedegao E. Zhang, Lionel Wong, Mauricio Barba da Costa, Graham Todd, Adrian Weller, Samuel J. Cheyette, Thomas L. Griffiths, Joshua B. Tenenbaum

公開日 2026-07-14

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Katherine M. Collins, Cedegao E. Zhang, Lionel Wong, Mauricio Barba da Costa, Graham Todd, Adrian Weller, Samuel J. Cheyette, Thomas L. Griffiths, Joshua B. Tenenbaum

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ⚕️ これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。免責事項の全文を読む

目の前に、一度も見たことがない新品のボードゲームがあると想像してみてください。ルールは奇妙です。10x10のグリッドで4つ並べることで勝てるかもしれませんし、あるいは、最初に3つ並べた人が逆に「負け」になるかもしれません。あなたはまだ一度もプレイしていません。戦略ガイドもなければ、コーチもいません。

では、そのゲームが公平かどうかをどうやって判断するのでしょうか？それが楽しいものになるかどうかをどうやって決めるのでしょうか？そして、もし最初の一手を打たなければならないとしたら、あなたは何をしますか？

多くの人は、ゲームを上手くプレイするためには、チェスのグランドマスターのように、何百万もの将来の可能性を計算するために何年も費やしたスーパーコンピュータのような存在である必要があると考えています。しかし、ある大規模な研究は、私たちが新しいものに遭遇したとき、脳は実際にはそのようには動いていないことを示唆しています。代わりに、私たちは「直感的ゲーマー（Intuitive Gamer）」として、**「速くて平坦な（fast and flat）」**メンタル・ショートカットを使用しているのです。

あなたの頭の中にいる「直感的ゲーマー」

MIT、プリンストン、ケンブリッジの研究チームによる研究チームは、121種類の、ほとんどが新しい、2人用の戦略ゲームを（実際にプレイしているか、あるいは単に考えている）1,000人以上の人々を対象に調査しました。その結果、新しい問題に直面したとき、私たちの脳は20手先まで見るような、深くコストのかかるシミュレーションを実行しているのではないことが分かりました。そんなことをすれば、脳のエネルギーを使いすぎてしまうからです。

代わりに、私たちの脳は**「速くて、平坦で、確率的なシミュレーション」**を実行しています。

これを次のように考えてみてください。あなたは、一歩先のことしか見ることができないビデオゲームのキャラクターだとします。盤面を見て、自分に2つの単純な質問を投げかけます。

「ここに駒を置いたら、勝利に近づけるだろうか？」
「ここに駒を置いたら、相手の勝利を阻止できるだろうか？」

最後までゲームを計算するわけではありません。ただ、素早く浅い覗き見をするだけです。そして、その覗き見に基づいた推測を行います。もしゲームが公平かどうかを判断しなければならないなら、数学を解くのではなく、この素早い「覗き見」シミュレーションを頭の中で5回から7回ほど実行し、通常何が起こるかを見ます。もしその素早い試行のほとんどでプレイヤー1が勝つなら、あなたはゲームが不公平だと推測します。もし多くの場合で引き分けになるなら、バランスが取れていると推測します。

論文では、これを**「直感的ゲーマー（Intuitive Gamer）」モデルと呼んでいます。これは、人間が驚くほどこの作業に長けていることを示唆しています。研究者がこのモデルを実際の人間と比較したところ、人々が考える公平性や、どのような手を選択するかを81%の精度**（R² = 0.81）で予測できました。これは、人間のデータ自体に含まれる「ノイズ」とほぼ同等の精度であり、このモデルが、人々がどのように考えるかについて説明可能なほぼすべての要素を捉えていることを意味しています。

私たちが「していない」こと

この研究は、初心者が深い、エキスパートレベルの思考を行っているという考えに対して、明確に反論しています。

私たちは「深く潜る者」ではない： チェスの達人のように約5手先までシミュレートする「エキスパート・ゲーマー」モデルは、一般の人々が実際に行う行動の予測としてはるかに劣っていました。また、コンピューター上で実行する際も、シンプルな「直感的ゲーマー」モデルよりも700倍遅かったのです。
私たちは「ランダム」ではない： 私たちはサイコロを振ってランダムに手を選んでいるわけではありません。「ランダム・ゲーマー」モデル（完全にランダムに手を選ぶモデル）は、実際のプレイヤーの動きとは全く一致しませんでした。
私たちは「完璧な計算機」ではない： 私たちは絶対的な最善手を知っている「神託（オラクル）」ではありません。私たちはリソースに制限があります。限られた精神的エネルギーの中で、できる限りの最善を尽くしているのです。

「楽しさ」の要因

研究者たちは人々に対し、「プレイする前に、このゲームは楽しいと思いますか？」とも尋ねました。
彼らは、私たちの「楽しさ」に対する予測もまた、ランダムではないことを発見しました。

バランス： 私たちは、最初から勝者が明白でないゲームを好みます。最初のプレイヤーが常に勝つゲームは退屈です。常に引き分けに終わるゲームは、フラストレーションが溜まります。
思考の報酬： 私たちは、「考えること」が、単にランダムに動くことよりも勝利に貢献してくれるゲームを好みます。
長さ： 私たちは、短すぎず、かつ長すぎないゲームを好みます。それは、いわゆる「ゴールドロック（ちょうど良い）」ゾーンのようなものです。

「直感的ゲーマー」モデルは、これらの「楽しさ」の評価を57%の精度で予測することができましたが、これは人間個人の意見のばらつきを考慮した最大可能精度に近い数値です。

魔法の背後にある数字

この研究は単なる推測ではなく、測定を行いました。

「3つ並べたら勝ち」「4つ並べたら負け」「プレイヤー2は最初のターンに2回動ける」といったルールを持つ、121種類の異なるゲームをテストしました。
238人が、ゲームをプレイすることなく、その公平性を判断しました。
302人が、実際に40種類のゲームを初めてプレイしました。
314人が、他人がプレイしている動画を見て、次の手を予測しました。
「直感的ゲーマー」モデルは、わずか6回のシミュレーション（k=6）を行うだけで、人間の判断と一致しました。
スピードの面では、直感的ゲーマー・モデルは、標準的なAI手法であるモンテカルロ木探索（MCTS）よりも約40,000倍速く、また「エキスパート・ゲーマー」モデルよりも700倍速かったのです。

結論

この論文は、全く新しい状況（奇妙なボードゲームであれ、新しい種類の問題であれ）に直面したとき、賢い推測をするために天才やスーパーコンピュータである必要はないことを示唆しています。ただ、目標に焦点を当て、相手を阻止することに集中しながら、素早く浅いメンタル・シミュレーションを数回実行するだけでよいのです。

この「速くて平坦な」思考法は効率的です。完璧ではなく、長年の修行を積んだグランドマスターが行うような深い思考とも異なりますが、それは**「適応的に合理的（adaptively rational）」**です。それは、一日中考え続けることなく、「今」決断を下さなければならない人間の脳にとって、完璧なツールなのです。

著者らは、これが「ゲーム（特に完全情報ゲーム）」に関する思考モデルであることを認めており、科学者がどの問題に取り組むかを選択するといった、他の人生の領域にも適用できる可能性があると示唆しています。しかし、現時点では証拠は強力です。新しいゲームに出会ったとき、私たちは皆、直感的ゲーマーであり、誰が勝つかを見るために素早い心のレースを行っており、そして私たちは、それについてかなり優れた能力を持っているのです。

テクニカル・サマリー：人々は新しいゲームを推論するために、高速かつ平坦なシミュレーションを利用する

問題提起

人工知能や認知科学は、確立されたゲーム（チェスや囲碁など）におけるエキスパートレベルおよび超人的なパフォーマンスを広範に研究してきたが、人間が未経験の新規な問題設定に対してどのように推論するかという理解には、依然として大きな空白が存在する。現実世界の意思決定では、経験がない状態でルールと報酬のシステムをナビゲートすることがしばしば求められるが、既存の人間によるゲームプレイのモデルは、通常、深い木探索（tree search）や広範な経験を前提としており、これは初心者にとっては計算量的に実行不可能である。本研究が取り組む中心的な問いは、「全く未知の戦略的環境において、人々はいかにして迅速に評価を行い、行動を選択し、結果を予測しているのか？」というものである。

手法

実験設計

著者らは、1,000人以上の参加者と、121種類の異なる二人用戦略ボードゲームのデータセットを用いた大規模な行動研究を実施した。これらのゲームはM-N-Kファミリー（例：三目並べ、コネクト4）から派生したものだが、盤面の次元、勝利条件（例：K-in-a-row、ミスルール）、および遷移ダイナミクス（例：開始手、非対称ルール）において系統的に変化させている。極めて重要な点として、ほとんどのゲームが参加者にとって未知のものであった。

研究では、以下の3つの設定における推論を評価した：

ゲーム評価（ゼロショット）： 参加者は、プレイする前に、自然言語による記述と盤面の描写のみに基づいてゲームを評価した。タスクには、勝利/引き分けの確率（客観的な公平性）の推定、および期待される「楽しさ」（主観的なエンゲージメント）の格付けが含まれる。
行動選択： 参加者は、新規なゲームにおいて他の初心者に一回戦を行った。彼らの手番の選択を記録し、初回の意思決定を分析した。
行動予測： 参加者は、他者が新規なゲームをプレイしているビデオを視聴し、特定の次の手の可能性を予測することで、他者の推論をシミュレートする能力を評価した。

計算モデル：「直感的ゲーマー（Intuitive Gamer）」

著者は、人間のパフォーマンスを説明するための計算論的認知モデルである**「直感的ゲーマー」**を提案している。このモデルは、以下の4つのコアメカニズムによって定義される：

高速（Fast）： 徹底的な探索ではなく、少数のメンタル・シミュレーション（ $k \approx 5\text{--}7$ ）に依存する。
平坦（Flat / 深さ制限）： プレイヤー・モジュールは、行動を選択する際に、深い木探索ではなく、わずか1ステップの先読み（深度1）のみを行う。
目標指向（Goal-Directed）： 行動の価値評価は、自身の目標への即時的な進捗（ $U_{self}$ ）と相手の進捗の阻止（ $U_{opp}$ ）、および補助的なセンター・バイアス・ヒューリスティック（ $U_{aux}$ ）を評価する、抽象的で局所的に評価可能なヒューリスティック関数に基づいている。
確率的（Probabilistic）： 行動は推定値に対するソフトマックス分布を介して選択され、推論は結果の分布を推定するために複数の自己対局（self-play）の軌跡をサンプリングすることを含む。

比較ベースライン

直感的ゲーマーは、以下と比較された：

エキスパート・ゲーマー（Expert Gamer）： より深い探索（約深度5）と、特定のゲームにおけるエキスパートのプレイに適合させた、より洗練された価値関数を持つモデル。
ランダム・ゲーマー（Random Gamer）： 行動を一様にランダムに選択するモデル。
モンテカルロ木探索（MCTS）： 近似的なオラクルとして使用される、計算集約的なAIアルゴリズム。
言語的/特徴量モデル（Linguistic/Feature Models）： シミュレーションを行わず、表面的なゲームの記述のみに依存するモデル。

主な結果

1. ゲーム評価（プレイ前）

客観的な公平性： 直感的ゲーマー・モデルは、ゲームのペイオフ（公平性）に関する人間の推定値に対して $R^2 = 0.81$ の相関を達成し、人間データの半分割信頼度（ $R^2 = 0.82$ ）に匹敵した。これは、エキスパート・ゲーマー（ $R^2 = 0.65$ ）、MCTS（ $R^2 = 0.60$ ）、およびランダム・モデルを大幅に上回った。
主観的な楽しさ： 直感的ゲーマーのシミュレーションから導出された特徴量（バランス、思考への報酬、ゲームの長さ）を用いた回帰モデルは、人間の楽しさの格付けを $R^2 = 0.57$ で予測し、人間データの説明可能な分散の天井（ $R^2 = 0.60$ ）に接近した。
コンポーネント分析： アブレーション研究により、4つのコアコンポーネント（高速性、平坦性、目標指向性、または確率的シミュレーション）のいずれかを削除すると、人間の判断への適合度が著しく低下することが確認された。

2. 行動選択と予測

初回プレイ： 直感的ゲーマーは、単回戦のゲームプレイにおける初心者の実際の動きを最もよく予測し、ログ尤度テストにおいてエキスパート・ゲーマーやランダム・モデルを大幅に上回った（ $p < 0.001$ ）。
分布予測： 分布予測（観察・予測タスク）において、直感的ゲーマーの予測分布は、全変動距離（Total Variation Distance）で測定された際、人間の判断に最も近く、しばしば人間のノイズ天井に一致した。
引き分けの決定： 引き分けの要求を受諾するか拒否するかという人間の決定は、直感的ゲーマーの期待値とゲームの長さを組み込んだロジスティック回帰によって最もよくモデル化された。これは、プレイヤーが客観的な報酬と、主観的なエンゲージメント（楽しさ）および時間コストとの間でトレードオフを行っていることを示唆している。

3. 効率性

直感的ゲーマーは、代替モデルよりも数桁高い効率性を誇る。実時間の壁時計時間において、エキスパート・ゲーマーよりも約700倍速く、MCTSよりも40,000倍速いが、よりリソースを消費するモデルよりも正確に人間の行動を捉えている。

意義と主張

本論文は、**「専門知識形成前の推論（pre-expertise reasoning）」に関する新しい計算論的説明を提供することを主張している。著者らは、人間が未知の領域における認知は、エキスパートに見られるような深い徹底的な探索に依存しているのではなく、また純粋にランダムでもないと考えている。代わりに、人々はリソース合理的（resource-rational）**な戦略を採用している。すなわち、高速で、平坦で、目標指向的かつ確率的なメンタル・シミュレーションを実行しているのである。

主な貢献は以下の通りである：

実証的証拠： 121種類の多様な新規ゲームにおいて、単純な深度制限付きシミュレーション・モデルが、複雑なエキスパート・モデルよりも人間の推論を正確に捉えることを示した。
統一されたフレームワーク： 「直感的ゲーマー」という同一のメカニズムが、ゲームの特性の評価（公平性、楽しさ）と、その中での行動選択の両方を説明できることを示した。
AI設計への示唆： より柔軟で人間のようなAIシステムは、単に最大計算量を用いてタスクを解決することを目指すのではなく、限られたリソースの中でタスクに取り組む価値があるかどうかを迅速に評価するメカニズム（人間の、未知の事象に対する推論能力を模倣したもの）を組み込むべきであることを示唆している。

著者らは、本モデルの範囲については慎重な姿勢を保っており、現在のモデルは、馴染みのあるジャンル内の完全情報・二人用対戦ボードゲームに限定されていると述べている。彼らは、「直感的なゲーム理論」の理解が、科学的探究や創造的な問題解決を含む、複雑で新規なシステムにおける人間の推論のより広範なモデルへの一歩であると考えている。