DeepCubeA：事前知識なしでルービックキューブを瞬時に解くAI

AIはチェスと囲碁で成功証明済みですが、ルービックキューブのようなより難しいパズルは機械知能で解かれていません。機械学習に独特で興味深い課題を提示する古典的組み合わせパズルです。

機械学習手法が以前ルービックキューブ解法に用いられたことはありますが、効率的・確実には解けず、特定ドメイン知識に依存していました。

カリフォルニア大学アーバイン校研究者たちが、特定ドメイン知識なしで非常に複雑なパズルを解く深層強化学習アプローチ「DeepCubeA」を開発。人間のインゲームコーチングなしで数秒でルービックキューブを解きます。

次元増加で基礎組み合わせパズル複雑性は劇的増大。15パズル最適解は従来コンピュータで秒単位、24パズル最適解は同マシンで数日かかる場合も。

人間ドメイン固有知識に頼らず多様パズル解法を学習する機械学習モデル開発を目指し、3最先端アプローチを統合してDeepCubeA構築：

モンテカルロ木探索と組み合わせた方策・価値関数を用いる深層強化学習アルゴリズムでルービックキューブを解きます。

TensorFlow深層学習フレームワークでネットワーク訓練。スクランブル・完成パズル約100億シミュレーションで訓練。全プロセス約100万反復、36時間かかりました。

Reference: Nature | DOI:10.1038/s42256-019-0070-z | UCI | Online Demo

訓練後、DeepCubeAは各テスト設定で100%精度達成、最短経路を60.3%で発見。コストを過大評価しないヒューリスティック関数使用。重み付きA*探索で最適解長からの変動に境界あり。

組み合わせパズル以外への応用

24パズル、ライツアウト、ソコバン等他パズルでも訓練。検証可能ケース大多数で最短経路発見。

こうした研究の最終目的は、組み合わせパズルを超えた分野（ロボティクスから自然科学まで）に適用可能な次世代深層学習モデル開発です。

検索エンジンやAlexa、Siri等アプリで日常的にAIと対話していますが、これらシステムは真に知的ではなく、容易に操作・欺騙可能です。

理解・推論・計画能力を持つより堅牢・賢いAI構築が必要。この研究はその巨大目標への小さな一歩です。

産業技術