Googleは運営するデータサイエンス・AI競技プラットフォーム「Kaggle」において、新たなAIベンチマークとして「人狼（Werewolf）」や「ポーカー」などの不完全情報ゲームを追加した。これは、従来のチェスや囲碁、将棋といった完全情報ゲーム中心の評価体系から一歩踏み出し、AIの論理的思考力だけでなく、駆け引き、推論、欺瞞への耐性といった、より人間的な知的能力を測定しようとする試みである。この取り組みを主導しているのがGoogle DeepMindであり、最新モデルである「Gemini 3 Pro」が好成績を収めている点も注目を集めている。
これまでAIの能力評価は、ルールが明確で全情報が公開されているゲームが中心だった。チェスや囲碁は計算量が膨大であるとはいえ、理論上は最適解が存在し、強化学習や探索アルゴリズムとの相性が良い。一方、人狼やポーカーは、参加者が持つ情報に偏りがあり、相手の意図や嘘を推測しながら行動を選択しなければならない。この「不完全情報」と「心理戦」が、AIにとっては大きな壁となってきた。
DeepMindがこれらのゲームをベンチマークに採用した背景には、生成AIが実社会で使われる場面が急速に拡大している現状がある。現実世界では、すべての条件が明示されることはほとんどなく、人は限られた情報から仮説を立て、相手の立場や意図を推測しながら意思決定を行っている。人狼ゲームは「誰が嘘をついているのか」「発言の裏にある目的は何か」を論理的に分析する能力を要求し、ポーカーは確率計算と同時に、相手の行動パターンから心理状態を読む力が試される。これらは、AIが人間社会でより高度な役割を担うために不可欠な能力と重なる。
今回のベンチマークでは、単なる勝率だけでなく、推論の一貫性や戦略の柔軟性、状況変化への適応力といった複数の指標が重視されている点も特徴的だ。その中でGemini 3 Proは、発言履歴や行動ログをもとにした論理的な推測能力に優れ、安定したパフォーマンスを示したとされる。これは、大規模言語モデルとして培われた文脈理解能力が、ゲーム内の駆け引きにも有効に機能していることを示唆している。
一方で、この動きはAI研究の方向性が「強さ」から「賢さ」へとシフトしつつあることを象徴しているとも言える。単に最適手を計算するだけではなく、不確実性の中で合理的な判断を下し、時にはリスクを取る能力が求められている。これは、交渉、経営判断、セキュリティ、教育支援など、実社会の応用分野と直結する要素でもある。
総じて、Kaggleに人狼やポーカーが加わったことは、AI評価の地平を大きく広げる出来事である。Gemini 3 Proの好成績は、現行の生成AIがすでに高度な論理的推論と戦略的思考を備えつつあることを示しているが、同時に、人間特有とされてきた「疑う力」や「読み合い」をどこまで再現できるのかという、新たな問いも浮かび上がらせている。今後、こうした不完全情報ゲームがAIの標準的ベンチマークとなれば、AIの進化はより人間社会に近い方向へと加速していくだろう。