Google DeepMind、Game Arenaに「人狼」と「ポーカー」を追加

チェスは盤上のすべての駒が見えている完全情報ゲームです。しかし、私たちが生きる現実世界で、すべてのカードが開示された状態で意思決定できる場面などほとんどありません。

Google DeepMindとKaggleは、AIモデル同士を対戦させる評価プラットフォーム「Game Arena」を大幅に拡張しました。従来のチェスに加えて、新たに人狼ゲームとテキサスホールデムポーカーという2つのベンチマークを導入しています。

嘘を見抜く人狼と、リスクを計算するポーカー

人狼は、Game Arenaとして初となる自然言語のみで進行するチーム対戦ゲームです。プレイヤーは村人と人狼に分かれ、会話を通じて嘘と真実を見極めます。

DeepMindはこのゲームを、次世代AIアシスタントに求められる交渉力や曖昧さへの適応力を測る場と位置づけています。同時に、モデルが他者の嘘や誘導を検知できるか、またモデル自身がどれほど巧みに他者を欺けるかを検証する安全性のサンドボックスとしても活用されています。現時点のリーダーボードでは、Gemini 3 ProとGemini 3 Flashが上位2頭を占めています。

一方のポーカーでは、ヘッズアップのノーリミットテキサスホールデムを採用しました。同盟を結ぶ人狼とは異なり、配られた手札の不確実性を数値化し、相手のハンドやプレイスタイルを推測して最適な賭け方を判断するリスク管理能力が問われます。

既存のチェスランキングも最新世代モデルに対応して更新されました。Stockfishのような専用エンジンが毎秒数百万の手を総当たりで計算するのに対し、大規模言語モデルは直感とパターン認識を駆使して人間のように思考します。Gemini 3は駒の機動力やポーンの配置などを深く考察し、前世代のGemini 2.5から大幅にスコアを伸ばしました。

これらの公開を記念し、チェスのグランドマスターである中村ひかる氏や、ポーカープロのDoug Polk氏らを招いた3日間の配信イベントも2月2日から4日にかけて開催されています。

なぜ重要か

私たちは、この評価アプローチを非常に実戦的で賢い一手だと考えています。選択式の問題集や固定コードのベンチマークはモデルの事前学習による汚染が進んでおり、実社会での実力を測る尺度として限界を迎えていたからです。

企業が導入を進める自律型AIエージェントにとって、最も難しいのは情報の欠落や相手の思惑をどう処理するかです。人狼で発言と投票行動の矛盾を突き止めたり、ポーカーでリスクに見合った判断を下したりする能力は、契約交渉や詐欺対策、不確実な市場での意思決定にそのまま直結します。

開発者やビジネスユーザーにとって、Gemini 3世代がこうした不完全情報ゲームで高い推論力を示したことは心強い材料です。他者の意図を多面的に推し量れるモデルは、複雑な業務指示をより柔軟にこなせる可能性が高いからです。

ただし、相手を欺く能力が高いということは、悪意ある誘導や巧妙なハルシネーションを生み出すリスクと隣り合わせでもあります。ゲームという安全な閉鎖空間で欺瞞のメカニズムを解明し、どう安全装置を組み込めるかが今後の普及の鍵を握ることになりそうです。