テキサスホールデム（ポーカー）の必勝プログラムが完成　ついに不完全情報ゲームでもコンピュータが人間を上回る

　カナダのアルバータ大学は1月9日（日本時間）、ヘッズアップリミットホールデム（ポーカーの1種）において、コンピュータソフト「Cepheus」が“完全プレイ”を解析したと発表しました。研究成果をまとめた論文が米科学誌サイエンス（電子版）に掲載されています。

　ヘッズアップリミットホールデムとは、手札2枚と共通カード（最大5枚）を組み合わせる「テキサスホールデム」という形式を1対1（ヘッズアップ）で行うもの。リミットとは賭け金が決められているタイプです（有り金を全部賭けるオールインなどは不可）。

　つまり、同ゲームでは一定額ずつチップをかけての勝負（降りてもよい）を何度も行います。これを長期的にプレイすると「Cepheus」は絶対に負けないそうです。ポーカーは「不完全情報ゲーム」であり、相手の手札がわからないことからブラフも有効でしたが、リミットゲームにおいてはこのたび実質的な“完全解”が求められました。

　研究チームによると、「Cepheus」は、CFRと呼ばれるアルゴリズム（あの時ああしていれば！　という後悔を最小化するアルゴリズム：参考）の改良版「CFR＋」を用いて、自分自身と対戦することで最適戦略を学習。2カ月にわたって、秒間60億以上の手を考えるCPUを4000個稼働し、完璧に近い腕前になったそうです。同ソフトは、これまで経験則として知られていた「ディーラーボタンのプレイヤー（最後に行動できる人）が有利」についても事実だと証明したほか、いくつかの有効なプレイ戦略についても明らかにしています。

　同大学の研究チームは、2007年に「チェッカー」の完全解明を発表。同年にボウリング博士が作ったポーカーソフト「Polaris」が人間の一流プレイヤーと対戦し敗北しましたが、翌年には勝利を上げ注目されていました。