Pluribus：ポーカー界を革命したAIボット

2019年、カーネギーメロン大学とFacebook AI Researchのチームが、6人制ノーリミットテキサスホールデムでトッププロプレイヤーを実際に打ち負かすことができるボットPluribusを発表し、ポーカー界とAI業界に衝撃を与えました。

2025年になっても、PluribusはAIに関する議論で依然として注目の話題です。ChatGPT、Claude、Geminiのような生成系システムが注目を集める一方で、多くの研究者はPluribusがゲームチェンジャーであったと考えており、その影響は今日でも戦略、サイバーセキュリティ、交渉、さらには新薬開発にまで及んでいます。

このボットはどのようにして、ブラフと戦略的思考が鍵となる世界で最も難しいカードゲームに挑んだのでしょうか？そしてより大きな疑問として、Pluribusのバージョンが実際にオンラインポーカールームに忍び込む可能性はあるのでしょうか？

Pluribusが重要な理由

Pluribusが登場する前、ポーカーにおけるAIの勝利のほとんどはヘッズアップ形式（2人のプレイヤーのみ）に限られていました。DeepStackやLibratusのようなボットは、複雑な数学を使ってナッシュ均衡に到達することで、2人制ゲームで「超人的」と呼ばれるレベルに達していました。これは基本的に、打ち負かすのが困難な戦略です。

しかし、マルチプレイヤーポーカーとなると、まったく別の話でした。チェスや囲碁のように両方のプレイヤーがすべてを見えるゲームとは異なり、ポーカーは不完全情報のゲームです。相手が何を持っているか完全にはわかりません。マルチプレイヤー設定では、ゲームはさらに複雑になります。1対1のゲームでは現れない弱点が、共謀、ブラフ、スタックサイズが変動する6人制の環境では悪用される可能性があります。

実際、2018年には多くの専門家が、AIが6人制ノーリミットホールデムを攻略するのは何年もかかると考えていました。もし攻略できるとしても。

そこにPluribusが現れたのです。

マシンの内部

2019年のScience誌に掲載された画期的な論文によると、Pluribusは2つの優れたアイデアに基づいて構築されました：

1. セルフプレイトレーニング
   何十億ものポーカーハンドを学習させる代わりに、チームはPluribusに自分自身のコピーと対戦させました。適度な性能の64コアサーバー（約150ドルのコスト）で8日間にわたり、AIは膨大な試行錯誤を通じて独自の戦略を学びました。このアプローチは、数百万ドルの費用がかかる他の分野の強化学習のブレークスルーよりもはるかに安価です。
2. 限定先読み探索
   何手も先まで計画するチェスAIとは異なり、Pluribusは数手先しか見ませんでした。これを一般的なゲームシナリオの確率ベースの「設計図」と組み合わせ、予測不可能性と効率性のバランスを実現しました。この方法により、硬直した戦略に固執することなく、ダイナミックで人間のような優位性を得ることができました。

その結果は？経験豊富なプレイヤーでさえ自分の直感を疑うほど奇妙でありながら効果的な手を打つAIでした。

独特なプレイスタイル

Pluribusを際立たせたのは、勝利だけでなくそのプレイの仕方でした。

• リンプなし
  プロプレイヤーは時にリンプ（フロップ前にビッグブラインドをただコールすること）をしますが、Pluribusはそれを完全にスキップしました。これは後にプロたちがより強力だと認めた洞察です。
• 「ドンクベット」の活用
  通常は好ましくないとされるドンクベット（初期のアグレッサーに対してリードベットすること）は、Pluribusのトレードマークの一つとなりました。そのドンクベットは完璧なタイミングで行われ、驚くべき方法でポットの流れを変えたことが判明しました。
• 型破りなブラフ
  人間にとってブラフは賭けですが、Pluribusにとってそれは単純に数学でした。感情に左右されることなく、長期的なポテンシャルを最大化するブラフを実行しました。
• 通常とは異なる場面でのチェックレイズ
  「やり過ぎ」と見なされがちな手が、Pluribusのプレイでは定期的に登場し、マシンが人間のポーカールールに従ってプレイしないことを示しました。

Darren Elias（World Poker Tourタイトル最多記録保持者）やChris Ferguson（2000年WSOPメインイベントチャンピオン）のようなプロに対して、Pluribusは1ハンドあたり約5ドルを稼ぎました。これは10,000ハンドで1時間あたり約1,000ドルに相当します。

セッションごとに負け続けた後、Eliasはこう語りました：

「私たちよりも高いレベルでプレイしているように感じます…そのアプローチに大きな欠陥は見当たりませんでした。」

2025年でもPluribusが注目される理由

では、6年後の今、なぜこのポーカーボットがまだ話題なのでしょうか？

それは、Pluribusが成し遂げた飛躍—マルチプレイヤーの不完全情報ゲームのナビゲーション—が依然としてAIにおける最大の課題の一つだからです。

• GPTモデルのような生成AIはテキスト予測には優れていますが、競争戦略には苦戦しています。
• ロボットシステムは主に制御された環境向けに設計されています。
• 多くの現実世界の問題は、チェスよりもポーカーに近いものです：サイバーセキュリティ、金融市場、多者間取引、さらには軍事シミュレーションまで、隠された情報、変化する同盟、協力しないプレイヤーに対処します。

AAASが指摘したように、Pluribusの設計はAIが最終的にサイバーセキュリティ戦略の交渉、治療困難な感染症の薬の設計、さらには軍事シミュレーションの支援に役立つ可能性があります。

しかし一般の人にとって、より大きな疑問があります—誰かがPluribusやその後継をオンラインポーカールームに忍び込ませることは可能でしょうか？

Pluribusはオンラインポーカーを壊すことができるのか？

Pluribusは一般向けには一度も公開されていません。研究者たちは明確でした：わずかに優れたAIでさえ人間のプレイヤーから数千ドルを吸い上げる可能性のある実際のポーカーゲームでの悪用を懸念していたのです。

とはいえ、わずか150ドルの単一サーバーでの8日間のトレーニングという簡素なハードウェア要件は、これが遠い将来のプロジェクトではないことを意味します。開発に莫大な費用がかかったGPT-4と比較すると、2025年の熱心なホビイストは、オープンソースの強化学習ツールを使用して小規模なPluribusスタイルのボットを再現できる可能性があります。

これは厄介な問題です：

• PokerStarsやWSOP.comのようなオンラインポーカーサイトは、奇妙な意思決定パターンや戦略の選択を追跡するボット検出対策をすでに使用しています。
• しかし、PluribusスタイルのAIはプレイを十分に混ぜてレーダーの下をかいくぐることができる可能性があります。ElliasとFergusonを困惑させた予測不可能性が、識別を困難にしています。
• これらのボットの1つが現れた場合、中程度あるいは高ステークスのオンラインゲームを圧倒し、カジュアルゲーマーとプロフェッショナルの両方を一掃する可能性が高いでしょう。

これまでのところ、Pluribusまたはその完全なコピーがオンラインの舞台に登場したという確かな証拠はありません。しかし、コンピューティングパワーが安くなり、強化学習が広がるにつれ、規制当局やポーカーサイトは常にいたちごっこの状態に陥る可能性があります。そしてそのゲームはPluribusから始まったと言えるでしょう。

全体像：現実のモデルとしてのポーカー

ポーカーはカードだけのゲームではありません。現実の生活を反映しています。人々は部分的な情報で意思決定を行い、ヒント、ブラフ、不確実な判断を使って相手を出し抜こうとします。

だからこそ、DARPA、国防総省、そして金融企業がポーカーAI研究に関心を示しているのです。Pluribusは単にカードで勝っただけではありません。マシンが複数のプレイヤーが参加する混沌とした競争的な状況で優れた成果を出せることを示したのです。

考えるべきいくつかの分野：

• サイバーセキュリティ：変化する戦略を持つハッカーからシステムを防御することは、長いブラフゲームに過ぎません。
• 金融取引：市場は不完全な情報に満ちたマルチプレイヤーゲームです。まさにPluribusが活躍した環境です。
• 医療：進化する細菌と戦う薬を設計することは、病原体の隠された動きに対する計画を意味します。

これらの各分野には、Pluribusが示したことが必要です：完全な可視性がなくても、柔軟な混合戦略を使用してうまく機能させる能力です。

依然として存在する限界

Pluribusは印象的でしたが、汎用AIではありませんでした。

• 静的でした：一度トレーニングされると、リアルタイムでのアップデートはありませんでした。常に新しいデータを吸収する今日のGPTモデルとは異なります。
• ノーリミットテキサスホールデム、6人制形式のみに焦点を当てていました。PLOやリミットホールデムでは、それほどうまくいかないかもしれません。
• 構造化された大量プレイの環境—オンラインキャッシュゲームに例えるなら—で最も優れたパフォーマンスを発揮しました。そこでは分散が均される場合です。ライブの少ないハンド数のトーナメントでは、結果が異なる可能性があります。

重要なのは、その設計図戦略は最適であることが保証されていなかったということです。大量のハンドにわたって単に打ち負かすのが困難であることが証明されただけです。

結論：2025年のPluribusの影

ポーカー界とAI界を驚かせてから6年、Pluribusは戦略、リスク、知性について異なる考え方を促す重要なマイルストーンであり続けています。

その真の影響はポーカーだけでなく、その教訓がサイバーセキュリティ、バイオテクノロジー、現実世界の交渉にどのように波及するかにあるかもしれません。それでも、2025年にPluribusのようなボットがオンラインポーカールームに静かに潜んでいるという考えは、不安でありながらも興味深いものです。

プロポーカープレイヤーのChris Fergusonは、Pluribusとの対局後にこう語りました：

「疲れない。感情的にならない。ただプレイするだけだ。」

これはおそらく機械知能の核心であり、Pluribusの偉業がポーカーテーブルをはるかに超えて反響し続ける理由です。

参考文献

• Brown, N., & Sandholm, T. “Superhuman AI for multiplayer poker.” Science (2019)
• AAAS, “Artificial intelligence conquers world’s most complex poker game” (2019)
• Science: “Superhuman AI for heads-up no-limit poker” (2017)