Collins ら: 人は初見のゲームを「1手先・6回」だけ想像して判断する — Fukai が読む

一段落要約

初めて見るゲームの盤面を前にして、人は何を考えているのか。今日読んだ論文の答えは、身も蓋もないほど簡素だった。「1手先だけ見て、頭の中で6回だけ遊んでみる」である。『Into the Breach』(Subset Games)の Steam ストアページより。敵の次の一手が画面に開示される完全情報の戦術ゲームで、「1手先を見る」という今日の話題に近い。論文で扱われたゲームではなく、見本として置く。

MIT を中心とするチームが、三目並べの親戚にあたるゲームを121種類つくった。ほとんどが参加者にとって未知のゲームである。そして1,000人以上に見せ、一度も遊ばないうちに「公平そうか」「面白そうか」を答えてもらった。

浅く速い想像を6回まわすだけのモデルが、人の判断をほぼ上限まで説明した。深く読む強いモデルの方が、むしろ人から遠かった。掲載は Nature、査読済み、全文が無料で読める。

この論文について

論文の題は「People use fast and flat simulation to reason about new games」。著者は 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 の9人である。実験は MIT の計算認知科学ラボを通じ、同大の倫理審査委員会の承認を得て行われた。

掲載は Nature 第655巻(2026年7月15日、598〜607ページ)。DOI は 10.1038/s41586-026-10722-1 で、オープンアクセスである。arXiv に置かれただけの preprint(査読前の原稿)ではなく、査読を通った論文だ。参加者は Prolific 経由で集められ、基本の報酬は時給12.50ドル、ボーナスを含めて最大15ドルと書かれている。

なぜ今日これを選んだか。私たちが毎日出しているパズルは、読者にとって毎回「初見の盤面」である。その初見の判断そのものを1,000人規模で測った研究は、そう多くない。昨日は開発者への聞き取りの論文だったので、今日は数字の多い研究にした。

ここまで分かっていたこと

ゲームを題材にした知能の研究は、長いあいだ「強さ」の話だった。囲碁の AlphaGo(Silver ら, 2016)は、深い木探索と学習を組み合わせた勝利として語られる。ゲームは、計画や推論を測る実験室として使われてきた。

人の側の研究も、熟練者の読みの深さに向かっていた。van Opheusden ら(2023, Nature)は四目並べを使い、上手くなるほど先を読む手数が伸びることを示した。ただしそれは「同じ一つのゲームをやり込んだ人」の話である。

空白だったのは、その手前だ。一度も遊んだことのないゲームを前にしたとき、人はどう振る舞うのか。しかも人は、遊ぶ前から「これは公平そうだ」「これは退屈そうだ」と判断してしまう。著者はここを研究の穴と見て、初見の判断を正面から測ることにした。

この空白は、実生活の側から見ると大きい。要旨の言葉を借りれば、実生活は人に「考えたこともない決定の場面をうまく渡っていく」ことを要求する。将棋を何千局も指した人の読みより、初めての場面での身の振り方の方が、日常には近い。著者はそこに、遊ぶ価値があるかどうかを見極める力も含めている。

どうやって調べたか

用意した121種類は M–N–K ゲームの一族である。M×N のマス目に交互に石を置き、K 個並べたら勝ちという型で、三目並べや五目並べがこれにあたる。正方形の盤は3から10、細長い盤は1×5から5×10、さらに「無限」の大きさの盤が3つ。K は2から10まで振った。

そこに変種のルールを混ぜる。K 個並べたら負けになる盤、斜めのつながりを数えない盤、先手が初手だけ2個置ける盤。参加者に見せたのは、自然言語のルール説明と、空の盤の絵である。ブラウザ上には自由に石を置ける試し打ち用の盤も置かれた。『Hive』(BlueLine Games)の Steam ストアページより。運の要素がない2人用のボードゲームで、論文が扱った M–N–K ゲームの一族と同じ枠に入る。論文中のゲームではない。

著者のモデルは Intuitive Gamer(直観的ゲーマー)と名付けられている。二段構えだ。下段のプレイヤー部は、3つの目安だけで手を選ぶ。自分の並びがどれだけ伸びるか、相手の並びをどれだけ止められるか、そして中央寄りかどうか。手はソフトマックス(値の高い手を選びやすいが、ときどき外す確率的な選び方)で決める。先読みは最大1手までしかしない。

上段の推論部は、そのプレイヤー部同士を自己対戦させ、最後まで(あるいは途中で打ち切って)遊ばせる。この模擬プレイを k 回まわし、結果をまとめて「公平そうか」「面白そうか」を答える。データに最も合う k は5〜7で、論文は k=6 を使う。比較相手は、でたらめに指す Random Gamer、深さ5相当で読む Expert Gamer、MCTS(モンテカルロ木探索。ランダムな試し打ちを大量に重ねて手を選ぶ手法)、確率性をなくした版、そしてルール文の言語的な特徴だけで答える版である。

模擬プレイの結果は、そのまま答えにはならない。6回の勝敗や手数を束ねて分布にし、そこから「先手が勝ちそうか」「引き分けが多そうか」「何手で終わりそうか」を取り出す。著者はこの束ね方を、資源合理性(限られた計算で十分な判断をするという考え方)の観点から評価してもいる。少ない計算でどこまで筋の通った答えが出るか、という見方である。

分かったこと

まず公平さ。238人が、遊ぶ前に勝敗の見通しを答えた。Intuitive Gamer はその判断を R2=0.81(95%信頼区間 0.77〜0.85)で説明した。人のデータ自体から見積もった説明の上限は R2=0.82(同 0.77〜0.86)である。ほぼ天井だ。

比較相手はどうか。Expert Gamer は0.65、MCTS は0.60、Random Gamer は0.47、確率性をなくした版は0.53だった。深く読むモデルの方が、人の予想からは遠い。なお人の予想は、ゲーム理論的な最適解(121種のうち78種で計算できた)に対しても R2=0.62 で、でたらめよりはずっと筋が通っている。(図解)左は深さ5まで読む探索。右は Intuitive Gamer で、深さ1の手選びを6回の模擬プレイに使う。論文によれば時間は Expert Gamer の約700分の1、盤面評価の回数は約500分の1になる。

次に面白さ。246人分の「面白そう度」は、モデルから取り出した3つの量で R2=0.57(同 0.51〜0.63)まで説明できた。上限は0.60である。3つとは、勝敗が偏らないか、考えた方が得か、そして試合がどれくらい続きそうか(長さは二乗の項も入れる)。面白さの予感が、この3つにほぼ収まる、と読める結果だ。

実際の対戦も見ている。302人が1,808試合、9,892手を指した。1手あたりの当てはまりは Expert Gamer より0.51良い(t(9891)=39.9, p<0.001)。41ゲームのうち37、およそ9割で、人の手を最もよく説明したのは Intuitive Gamer だった。他人の手を見て次を予想する実験(314人、事前登録済み)でも、人の予想分布との隔たりは Expert より0.15小さい。

細かいが面白い数字がもう一つある。1,808試合のあいだに引き分けの提案が142回あり、83回が受諾、59回が拒否された。著者はこれを、勝ちの期待と続けるコストを天秤にかける確率的な判断として整理し、金銭的な見返りだけでは説明できない継続、たとえば「面白そうだから続ける」場合があると書いている。計算量の方も添えておく。Intuitive Gamer は Expert Gamer の約700分の1の時間で、盤面評価は約500分の1。MCTS と比べれば約4万分の1の速さで、節点の評価は約1万分の1である。

作る側がどう使えるか

この論文は設計の手引きではない。著者は人の認知を説明することを目的にしている。それでも、作る側が持ち帰れるものは多い。以下は私が読んで思いついた使い道で、著者の主張ではない。

一つ目は、初見の面白さの検査表として使うことだ。面白さの予感は3つの量でほぼ説明できた。新しいパズルを出す前に、自分で見積もればよい。勝敗(パズルなら解ける見込み)が偏っていないか。考えた方が得になっているか。どれくらいの手数で終わりそうか。この3つが揃っていない試作は、遊ばれる前に落ちる可能性が高い、と読める。『Tabletop Simulator』(Berserk Games)の Steam ストアページより。見たことのないボードゲームの盤を前にする体験そのものが商品になっている例。論文中のゲームではない。

二つ目は、難易度と最初の案内である。プレイヤーは1手先しか見ないと想定して作る。もし私が倉庫番風のパズルを作るなら、最初の面は「押した箱がどこで詰まるか」が1手で見える形にする。1手の結果が画面から読めない盤は、初見の人にとって当てずっぽうの盤になる。

三つ目は、盤面の自動生成のふるいだ。生成した候補すべてを強いソルバーにかけるのではなく、深さ1・6回の安い模擬プレイで「面白そうか」を測る。論文の数字では Expert Gamer 比で約700倍速い。数十万個の候補から上位を残す用途では、この差がそのまま実行できる規模の差になる。

四つ目は、やめ際の設計である。引き分けの分析は、人が「見返りより面白さ」で続ける場合があると読める。デイリーパズルなら、残り手数や進捗をどこまで見せるかが、続けるかやめるかに直接効く。終わりが見えない盤は、面白さが上回っていなければ閉じられる。

限界

著者自身が認めている点から。対象は完全情報の2人対戦ボードゲームに限られる。「新しい」といっても三目並べの一族の中の新しさであり、著者は「多くの人が馴染んでいるジャンルの中の新しさ」と書いている。同じ枠のより複雑なゲーム、たとえば囲碁やチェス、あるいはまったく別の種類のゲームに、この目安が通じるかは未解決だという。人が目安を学び直す過程も扱っていない。そして「面白さ」は遊ぶ前の期待であって、遊んだ後の満足ではない。

Fukai がここで指摘するのは、まず1人用パズルが入っていないことだ。私たちのデイリーパズルは対戦ではない。「相手の並びを止める」という目安が消える分、モデルをそのまま持ち込むことはできない。使えるのは、初見の判断が浅く速いという発見の方向だけである。

もう一つ。k=6 はデータへの当てはまりから選ばれた値で、人が本当に頭の中で6回遊んだと測ったわけではない。報酬(時給12.50ドル、最大15ドル)が引き分けの判断に影響した可能性も残る。事前登録があると本文に書かれているのは対戦と予想の実験についてであり、すべての実験がそうだとは読めなかった。

Fukai の読み

ここからは私の解釈である。私はこの研究を「限られた資源で賢くやる」路線の延長に置きたい。Vul ら(2014)の「One and done?」、つまり少数のサンプルで十分な決定ができるという議論の、ゲーム版だと整理できる。そして設計批評の語彙に移すなら、これは第一印象の自動化に近い。面白さの予感が浅い想像6回で決まるのなら、作る側が勝負しているのも、その6回の中身なのだと読める。長く遊ばせる工夫より前に、6回分の絵をどう見せるか、である。

おわりに

もっと深く知りたい人は、二方向に読み進めるとよい。読みの深さ側は van Opheusden ら(2023, Nature)の四目並べの研究、少ないサンプルで決める側は Vul ら(2014)の議論である。この2本を両脇に置くと、今日の論文がどこに座っているかの地図が描ける。

私が次に読みたいのは、1人用パズルでの追試だ。相手のいない盤で、人は何回想像してから最初の一手を置くのか。そこが分かれば、デイリーパズルの初手の設計はもう少し具体的になる。

参考文献

本記事で参照した論文と関連資料:

・People use fast and flat simulation to reason about new games(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, Nature 655, 598–607, 2026年7月15日・査読済み・オープンアクセス)

・DOI: 10.1038/s41586-026-10722-1

・関連研究: Expertise increases planning depth in human gameplay(van Opheusden ら, Nature, 2023) — 熟練するほど読みが深くなることを示した研究。本論文が対比の相手として挙げている

・関連研究として本論文中で言及: One and done? Optimal decisions from very few samples(Vul ら, 2014) / Mastering the game of Go with deep neural networks and tree search(Silver ら, 2016)

・画像は『Into the Breach』(Subset Games)、『Hive』(BlueLine Games)、『Tabletop Simulator』(Berserk Games)の Steam ストアページより。いずれも論文で扱われたゲームではなく、話題の見本として引用した