Wang ら: Tetris Block Puzzle の難易度を強い AI の学習速度で測る — Fukai が読む

一段落要約

今日読んだのは、スマホで人気の「Tetris Block Puzzle(テトリスの形のブロックを 8×8 のマスに置き、縦か横の列をそろえて消す一人用パズル)」のルールを少しひねると難易度がどう動くかを、強い AI に解かせて測った研究だ。著者は台湾の陽明交通大学と中央研究院(Academia Sinica)のグループで、2026 年 3 月に arXiv へ出たプレプリント(査読前の原稿)である。

肝は、人にアンケートを取るのではなく、AlphaZero 系の強い AI がそのルールをどれだけ速く・どれだけ高い点まで学習できるかを難易度の目安に使った点だ。結果はおおむね直感どおりで、選べる手札(ホールドブロック)を増やすと易しくなり、この先に控えるブロックを先読みできる「プレビュー」を増やしても少し易しくなる。逆に新しい形のブロックを追加すると難しくなり、中でも T 字の五マスブロック(T-pentomino)が最も学習を遅らせた。この記事だけで要点が掴めるように解説する。

はじめに

著者は Chun-Jui Wang, Jian-Ting Guo, Hung Guei, Chung-Chin Shih, Ti-Rong Wu, I-Chen Wu の6名。所属は国立陽明交通大学(NYCU、台湾・新竹)と中央研究院(台湾・台北)である。発表媒体は arXiv のプレプリント(arXiv:2603.18994、2026 年 3 月 19 日投稿、翌日に v2 へ改訂)で、私が確認した範囲では査読を通った会議や論文誌の記載は本文中になかった。だから本記事では一貫して「プレプリント」として扱う。

なぜ今日この一本を選んだか。私たちのようにパズルを日々作る側にとって、「ルールを一つひねると難易度がどちらへ動くか」は最も知りたいのに最も測りにくい問いだ。人手のプレイテストは高くつくし、答え合わせだけでは途中の難しさが見えない。この論文は、その物差しに「強い AI にとっての学習しやすさ」を当てるという、地に足のついた道具立てを見せてくれる。派手さはないが実務に近い。だから紹介したい。

背景

背景を押さえておく。まず AlphaZero(自己対戦だけで囲碁・チェス・将棋などを超人的に指すようになった、人間の棋譜を使わない強化学習=試行錯誤しながら報酬が高くなる行動を学ぶ枠組み、の代表例)がある。ただし AlphaZero は、一手ごとに先読みする「探索の手数(シミュレーション回数)」が少ないと、必ず強くなるという保証がない。

そこを直したのが Gumbel AlphaZero(少ない探索回数でも着実に強くなることを保証するよう、根=いまの局面での手の選び方を工夫した派生)だ。さらに、テトリスのようにブロックがランダムに降ってくる「運が絡む環境」を扱うために Stochastic AlphaZero(自分の行動の結果と、環境の偶然による分岐を分けて探索木を作る派生)がある。この二つを合わせたのが本論文の道具、Stochastic Gumbel AlphaZero(SGAZ)である。著者らによれば、SGAZ の系列はすでにパズルゲーム 2048 で有効性が示されている。

そして「強い AI を難易度の物差しに使う」という発想自体は新しくない。著者たちは、AlphaZero でチェスのルール変種のバランスを測った先行研究を引き、同じ『強いエージェントで評価する』流儀をこのパズルに持ち込んだと述べている。つまり本研究の新しさは手法そのものより、対象=確率パズルのルール設計への応用にある、と私は読んだ。

アプローチ

方法を平易に説明する。ゲームは 8×8 の盤。テトロミノ(4 マスでできたブロック)が手札として配られ、プレイヤーは回転させずにそのままの向きで空きマスへ置く。縦か横の列が埋まると消えて 1 点入り、置いた分だけ手札が補充される。著者はここに3つのつまみを付けた。

一つ目はホールドブロック h(いま選べる手札の枚数)。二つ目はプレビューブロック p(この先の順番に控えていて先読みできるブロックの枚数。古典的なルールにはない要素)。三つ目は追加ブロックで、標準のテトロミノに加えて五マスの U・V・X・T ペントミノを混ぜる。古典ルールは h=3, p=0, 追加なし、と定義される。

難易度は AI に解かせて二つの数字で測る。一つは「訓練報酬」(学習の終盤 50 反復の平均得点。高いほど、その AI がうまく遊べている=易しい)。もう一つは「収束反復数」(最大得点を3反復連続で安定して取れるまでに要した学習の反復回数。少ないほど早く習得できる=易しい)。実装は公開フレームワーク MiniZero、計算は 1080Ti GPU 4 枚で行われた。なお、1ゲームが無限に続くのを防ぐため、得点の上限は 6750 点に設定されている。

発見

主要な結果を、原文の数字のまま並べる。まず古典ルール(h=3, p=0)では、SGAZ は 500 反復の学習で平均 6544 点に達した。上限 6750 点にかなり近く、「この AI で十分うまく解ける」ことをまず示している(出典: 論文 Fig.2)。

手札 h を変えると差は劇的だ。p=0 のとき、h=1 では報酬わずか 39.0 点で AI はまともに遊べず(著者は「難しすぎて不適」と表現)、h=2 で 4126.1 点、h=3 で 6544.0 点だった(Table 1)。収束反復数は、h=1 が学習期間内に収束せず、h=2 で 160 反復、h=3 で 61 反復(Table 2)。つまり手札を増やすほど、はっきり易しくなる。

プレビュー p を増やしても易しくなるが、効き方は h より弱い、と著者は述べる。p が小さいと報酬はゆっくり上がって約 5000 点で頭打ちになり、p を増やすとそれを楽に超える。一方、追加ブロックを入れるとどの場合も報酬が下がり(=難しくなる)、中でも T-pentomino の影響が最大で、単独で足したときの収束が常に最も遅かった。h=2, p=0 で 2 種類のブロックを足した実験は、いずれも学習期間内に収束しなかった、とある。

使いどころ

作る側がどう使えるか、具体例を挙げる。一つ目。落ち物・配置系パズルを作っていて難易度カーブを引きたいなら、「手札の枚数」を最優先の粗いつまみ、「プレビュー枚数」を微調整のつまみ、と役割を分けられる。この論文の数字は、h の方が p より効きが強いことを示しているからだ(ただし後述の限界に注意)。

二つ目。新しいピース形状を足して歯ごたえを上げたいとき、「どの形が一番きついか」を人手のプレイテスト前に AI で当たりを付けられる。T-pentomino のように凹凸が噛み合いにくい形は難度を大きく押し上げる、という仮説をまず機械で絞り込み、人のテストは候補を絞ってから回す、という順番にできる。

三つ目。デイリーパズルのように毎日ルールを少し変える運用では、「この変種は解けるのか、解けても地獄か」を出荷前に自動チェックしたい。SGAZ は少ない探索でも強く指せるので、変種ごとに軽く学習を回し「収束するか/報酬がどこで頭打ちか」を見れば、明らかな詰み構成(h=1 のような)を世に出す前に弾ける。四つ目として、ステージを易しい順に並べる下書きを、AI の収束反復数を代理指標にして機械的に作る、という使い方も考えられる。

限界

限界を整理する。まず著者自身が認めているのは、これが AI にとっての難易度であって、人間が感じる難しさや面白さはまだ測っていない点だ。論文は今後「盤面サイズの変更」「特定ブロックを選べなくする」「新しいブロック形状」などの変種と、人間プレイヤーの体感評価を扱う計画だと明記している。

私(Fukai)がここで指摘するのは、指標の粒度と外挿の危うさだ。手札を h=1 から h=2 へ動かすだけで報酬が 39 点から 4126 点へ跳ねる。これは「難易度が滑らかに変わるダイヤル」ではなく、崖に近い。だから『h を増やすと易しくなる』は方向としては正しくても、間の刻みは非常に粗いと読むべきだ。

もう一点。収束しなかった設定については「学習できる範囲より難しい」ことしか分からず、どれだけ難しいかまでは言えない(いわば天井で頭を打ったデータだ)。順序の情報はあっても距離の情報はない。加えて実験は 1 種類のゲーム・4 枚の GPU・500 反復規模と小さく、被引用もまだ付いていない真新しいプレプリントなので、結論は「この条件下でこう観察された」までに留めて受け取りたい。

Fukai の読み

ここからは私の読みだ。私はこの研究を、「難易度を人に訊く」時代から「難易度を強いソルバー(解答器)の学習コストで代理する」時代への、地味だが本質的な一歩として位置づけたい。設計批評の言葉で言えば、これはプレイテストの一部を『AI が学ぶ速さ』へ外注する試みだ。面白さそのものは測れないが、「詰み」や「作業ゲー」の兆候を出荷前に検出する安全網としては十分に実用的で、私たちのデイリーパズル運用にもすぐ効くと読める。ここだけは Fukai 個人の解釈である。

おわりに

おわりに。難易度を AI で測るという流儀をもっと深く知りたい人は、本論文が下敷きにしている「AlphaZero でチェスのルール変種のバランスを測った研究(Tomašev ら, 2020)」と、SGAZ の土台になった「2048 を Gumbel MuZero で解いた研究(Kao ら, 2022)」を合わせて読むと、地図が見えるはずだ。実装を触りたいなら、著者が使った MiniZero フレームワークが入口になる。人の体感まで含めた難易度評価は、著者の次の研究を待ちたい。

参考文献

本記事で参照した論文と関連資料:

・Evaluating Game Difficulty in Tetris Block Puzzle(Chun-Jui Wang, Jian-Ting Guo, Hung Guei, Chung-Chin Shih, Ti-Rong Wu, I-Chen Wu, 2026, arXiv preprint arXiv:2603.18994)

・関連研究(実装フレームワーク): MiniZero: Comparative Analysis of AlphaZero and MuZero on Go, Othello, and Atari Games(Wu ら, IEEE Transactions on Games, 2025)

・関連研究: Assessing Game Balance with AlphaZero: Exploring Alternative Rule Sets in Chess(Tomašev ら, 2020)— 強い AI でルール変種を評価する先行研究

・関連研究: Gumbel MuZero for the Game of 2048(Kao ら, TAAI 2022)— SGAZ の土台となった確率環境向けの手法