人間と機械が遊ぶゲーム：戦略的思考を解明しAIを前進させる

ガブリエレ・ファリーナは、イタリア北部の丘陵地帯にあるワイン産地の小さな町で育ちました。彼の両親はいずれも大学卒業資格を持っていませんでしたが、二人とも「数学が理解できない」と確信していたにもかかわらず、ファリーナが望む技術書を買い与え、古典科ではなく科学指向の高校に進学することを阻んだりしませんでした。 14 歳頃には、ファリーナは彼のキャリアにおいて基礎となるべきある考えに焦点を当てていました。 「機械が人間よりもはるかに優れた予測や意思決定を行えるというアイデアに、私は非常に早くから魅了されました」と彼は言います。「人間が作り出した数学とアルゴリズムが、単純な構成要素の上に積み重ねながら、ある意味ではその創造者たちを超えたシステムを構築できるという事実は、私にとって常に大きな畏敬の念を抱かせる源泉でした。」 16 歳の時、ファリーナは 13 歳の妹と遊んでいたボードゲームを解くためのコードを書きました。 「私はゲームを次々と計算して最適な手を導き出し、妹に自分たちがそれ自体で気づくよりもずっと前に彼女がすでに負けていることを証明しました」とファリーナは語り、妹はこの新しいシステムにはそれほど熱狂しなかったと付け加えています。 現在、マサチューセッツ工科大学（MIT）電気工学・コンピュータ科学部（EECS）の准教授であり、情報意思決定システム研究所（LIDS）の主任研究者であるファリーナは、ゲーム理論の概念を機械学習、最適化、統計学などのツールと組み合わせ、意思決定のための理論的およびアルゴリズム的な基盤を推進しています。 ミラノ工科大学に入学し、ファリーナは自動化および制御工学を専攻しました。しかし時を経て、彼が関心を抱くのは「既知の技法を適用することだけ」ではなく、「その基礎を理解し拡張すること」であることに気づきましたと語っています。「私は次第に理論へとより多く傾倒していきましたが、それでもなお、その理論の具体的な応用を実証することに深くこだわり続けていました。」 ミラノ工科大学におけるファリーナの指導教官であるニコラ・ガッティ教授（コンピュータサイエンスおよび工学分野の研究者）は、ファリーナを計算ゲーム理論の研究課題へと導き、博士課程への進学を勧めました。当時、直系家族で初めて大学学位を取得し、博士号の取得方法が異なるイタリアに暮らしていたファリーナは、博士号とは何かさえ知らなかったと述べています。 それでもなお、学士号取得から1ヶ月後、ファリーナはカーネギーメロン大学のコンピュータサイエンス分野で博士課程を開始しました。そこで彼は研究および学位論文において顕著な成果を収め、経済学・計算分野におけるFacebook Fellowship（フェローシップ）を受賞しました。 博士課程修了直前、ファリーナは1年間、Metaの基礎AI研究所（Fundamental AI Research Labs）で研究科学者として勤務しました。彼の主要プロジェクトの一つは、同盟形成、交渉、他プレイヤーのブラフ検知を要するゲームにおいて人間プレイヤーに勝利できるAI「Cicero」の開発支援でした。 ファリーナは、「シセロを構築する際、それが自身の利益にならない限り同盟を結成することに同意しないように設計し、またプレイヤーが嘘をついている可能性を理解できるようにしました。なぜなら、提案された行動をとることが彼ら自身のインセンティブに反するためです」と述べています。 2022年に『MIT Technology Review』誌に掲載された記事では、シセロは妥協を必要とする複雑な問題を解決できる AI への進展を表すものであると報じられました。 メタでの1年間を終えた後、ファリーナは MIT の教員として加わりました。2025年には、国立科学財団の CAREER アワードを受賞しました。彼の研究はゲーム理論に基づいており、異なる当事者が異なる目標を持つ際に何が起こるかを記述する数学的言語を用い、誰も戦略を変更する理由がない「均衡（equilibrium）」を定量化します。この研究は、そのような均衡を計算するのに10億年かかるような膨大で複雑な現実世界のシナリオを簡素化することを目指しています。 「私は、最適化とアルゴリズムを用いてこれらの安定した点をいかに効率的に見つけるかについて研究しています」と彼は言います。「私たちの仕事は、理論の数学的基盤に新たな光を当て、これらの複雑な動的システムをよりよく制御・予測し、これらのアイデアを用いて大規模なマルチエージェント相互作用に対する良質な解を計算することを目指しています。」 ファリーナは特に、一部のエージェントが他の参加者には未知の情報を保有しているという「不完全情報」を伴う設定に関心を持っています。このようなシナリオでは、情報に価値があり、その価値を低下させずに情報を暴露しないようにするために、参加者は自分が持つ情報に基づいて行動する際に戦略的である必要があります。日常の例として、プレイヤーがカードに関する情報を隠すためにブラフを行うポーカーゲームが挙げられます。 ファリーナによれば、「私たちは今や、人間よりも機械の方がはるかに巧みにブラフできる世界に生きています。」 「膨大な量の不完全情報」を伴う状況により、ファリーナはボードゲームの原点へと戻ることになりました。ストラテゴは軍事戦略ゲームであり、人間のプレイヤーに勝利するシステムを生み出すために数百万ドルの研究費が投じられてきました。複雑なリスク計算や誤魔化し（ブラフ）を必要とするこのゲームについては、主要な取り組みが行われたにもかかわらず、人間を超える性能を持つシステムを作ることに失敗した唯一の古典的ゲームだったとファリーナは述べています。 10,000 ドル未満という低コストで新しいアルゴリズムとトレーニングが可能となったことで、ファリーナとその研究チームは史上最高のプレイヤーに勝利することができました（15 勝、4 引き分け、1 敗）。ファリーナは、これほど経済的な方法でこのような結果を達成できたことに興奮しており、「これらの新技術が将来のパイプラインに取り入れられることを願っています」と述べています。 「私たちは、大きな行動空間や不完全な情報にもかかわらず、戦略的に推論し、確かな意思決定を行うことができるアルゴリズムの構築に向けた着実な進歩を目にしてきました。これらのアルゴリズムが、私たちが取り巻くより広範な AI 革命に組み込まれていく様子を見ることを楽しみにしています。」

人間と機械が遊ぶゲーム：戦略的思考を解明しAIを前進させる

背景や根拠まで確認しますか？

調べる

選ぶ

サイト