花火（カードゲーム）

花火

花火の箱カバー
デザイナー	アントワーヌ・ボーザ
出版社	R&R ゲーム、カクテル ゲーム、そろばんゲーム
プレイヤー	2から5
セットアップ時間	5分
プレイ時間	20～30分
チャンス	中くらい
年齢範囲	8歳以上
スキル	推理、記憶、協力、計画

花火は、フランスのゲームデザイナー、アントワーヌ・ボーザによって作成され、2010年に出版された協力型カードゲームです。 [ 1 ]プレイヤーは 他^のプレイヤーのカードは知っていますが自分のカードは知らず、一連のカードを特定の順序でプレイして、模擬花火ショーを開始しようとします。プレイヤーがお互いに提供できる情報の種類は限られており、ゲーム中に提供できる情報の総量も限られています。2013年、花火は年間最優秀ボードゲームに贈られる業界賞である Spiel des Jahresを受賞しました

ハナビデッキには、5 つのスート (白、黄、緑、青、赤) のカードが含まれています。1 が 3 枚、2、3、4 がそれぞれ 2 枚、5 が 1 枚です。ゲームは、8 個の情報トークンと 3 個のヒューズ トークンで開始します。ゲームを開始するには、プレーヤーに 5 枚のカード (4 人または 5 人のプレーヤーの場合は 4 枚) が配られます。ブラインド マンズ ブラフと同様に、プレーヤーは互いのカードを見ることができますが、自分のカードを見ることはできません。ゲームはテーブルを回って進行します。各ターン、プレーヤーは次のいずれかのアクションを実行する必要があります。

• 情報提供: プレイヤーは、他のプレイヤーの手札にある特定の数字または特定のスートのカードを指摘します (例:「このカードはあなたの唯一の赤いカードです」、「この 2 枚のカードはあなたの唯一の 3 です」)。 提供される情報は完全かつ正確でなければなりません。 (一部のエディションでは、プレイヤーが何かを 0 枚持っていることを示すことが許可されていますが、他のバージョンではこのケースは明示的に禁止されています。) 情報提供には、情報トークンが 1 つ消費されます。
• カードを捨てる: プレイヤーは手札からカードを 1 枚選び、捨て札置き場に追加し、代わりにカードを 1 枚引きます。捨てられたカードはゲームから外れ、プレイできなくなります。カードを捨てると、情報トークンが 1 つ補充されます。
• カードをプレイする: プレイヤーは手札からカードを 1 枚選び、すでにプレイしたカードに追加しようとします。カードがまだプレイされていないスートの 1 であるか、プレイ済みのスートの次の数字である場合に成功します。それ以外の場合は、ヒューズ トークンが消費され、誤ってプレイされたカードは破棄されます。任意のスートの 5 を正常にプレイすると、情報トークンが 1 つ補充されます。プレイが成功したかどうかに関係なく、プレイヤーは交換用のカードを引きます。

すべてのヒューズ トークンが使い果たされてゲームに負けるか、すべての 5 がうまくプレイされてゲームに勝つかのいずれかになると、ゲームは直ちに終了します。それ以外の場合は、デッキがなくなるまでゲームが続き、その後は 1 ラウンド続きます。ゲーム終了時に、各スートの最高カードの値が合計され、最大 25 ポイントの合計スコアが算出されます。

花火は好評を博した。Board Game Questは、このゲームに4.5つ星を与え、そのユニークさ、アクセスしやすさ、そして没入感を称賛した。 ^[2]同様に、The Opinionated Gamersもこのゲームの没入感と中毒性を称賛した。^{[3]このゲームは、2013年の}Spiel des Jahres賞受賞や2013年のFairplay À la carte Award受賞など、いくつかの賞を受賞した。 ^{[4] [5]花火はまた、2013年の}Deutscher Spiele Preisで6位に入った。^[6]

花火は不完全情報に基づく協力ゲームです。

Hanabi をプレイするコンピュータ プログラムは、セルフ プレイまたは「アドホック チーム プレイ」のいずれかに参加できます。セルフ プレイでは、プログラムの複数のインスタンスがチームで互いにプレイします。したがって、通信とプレイに関して慎重に磨き上げられた戦略を共有しますが、もちろん、各ゲームに関する情報をプログラムの他のインスタンスと違法に共有することは許可されていません。

アドホック チーム プレイでは、プログラムは他の任意のプログラムまたは人間のプレイヤーとプレイします。

ルールベースの戦略を手動でコーディングすることで、さまざまなコンピュータプログラムが開発されてきました。WTFWThatなどの最高のプログラムは、5人のプレイヤーによるセルフプレイでほぼ完璧な結果を達成し、平均スコアは25点満点中24.9点でした。^{[7] [8]}

2019年、DeepMindは協力プレイにおける人工知能研究の新たなベンチマークを確立するための理想的なゲームとしてHanabiを提案した。 ^{[8] [9] [10]}

セルフプレイモードでは、ゼロから学習して自分自身の他のインスタンスとうまくプレイできるプログラムを開発することが課題です。そのようなプログラムは、2019年時点でゲームあたり約15ポイントしか獲得できず、手動でコーディングされたプログラムよりもはるかに劣っています。^[8]しかし、この差は2020年時点で大幅に縮まり、簡易アクションデコーダーは約24のスコアを達成しています。^[11]

アドホックチームプレイはAIにとってはるかに大きな課題です。なぜなら「Hanabiは他のエージェントの信念や意図についての推論を前面に押し出している」からです。^{[8]アドホックチームで人間レベルでプレイするには、アルゴリズムが}心の理論を介して他のプレイヤーと時間をかけてコミュニケーションの慣習や戦略を学習し、開発する必要があります。セルフプレイ用に開発されたコンピュータプログラムは、他のプレイヤーのプレイ方法に適応する方法を知らないため、アドホックチームでプレイすると大きく失敗します。Huらは、対称性不変戦略を学習することでAIエージェントが解釈不可能な慣習を学習するのを防ぎ、個別にトレーニングされたAIエージェント（スコア約22）や人間（スコア約16、ベースラインセルフプレイモデルのスコア約9）と対戦したときのパフォーマンスが向上することを実証しました。^[11]

ディープマインドは研究を促進するためにHanabi Learning Environmentと呼ばれるオープンソースコードフレームワークをリリースしました。^[12]

• コンピュータブリッジ
• 7つの驚異（ボードゲーム）
• たけのこ（ボードゲーム）
• ミープルシティの恐怖

• BoardGameGeekの Hanabi
• Seagull, Jon (2014 年 9 月 29 日)。「Hanabi: 壮大な花火を打ち上げることを目的としたカードゲーム」。Boing Boing。2015年6 月 7 日閲覧。
• 大澤宏隆 (2015 年 4 月 1 日)。「不完全情報による協力ゲームにおける相手の行動から手札を推定する Hanabi の解決法」www.aaai.org。第 29 回 AAAI 人工知能会議における AAAI ワークショップ。2015年 6 月 7 日閲覧。