JumpStarは、世界最強のチャイニーズチェッカーAIエンジンです
はじまり
JumpStarは、母のために作りました。プロジェクトが始まったのは2026年5月15日、インディアナ州で、両親が私たちの育った家から引っ越すのを手伝っていたときのことです。荷造りをしていると昔のチャイニーズチェッカーの盤が出てきて、家族で遊んだ楽しい思い出話に花が咲きました。
兄と私が大学進学で家を出たあと、母はひとりでも遊び続けられるようにチャイニーズチェッカーのiPhoneアプリを探しましたが、良いものは1つもありませんでした。AlphaGoやStockfishの成功を考えれば、チャイニーズチェッカーにも強力なオープンソースのAIエンジンがたくさんあるはずだと思っていました。ところが、ありませんでした。人気があり洗練されたゲームであるにもかかわらず、チャイニーズチェッカーはAIの研究コミュニティから驚くほど注目されてこなかったのです。その空白こそが、私がJumpStarを作るきっかけになりました。
目標は、人間を超える初めてのチャイニーズチェッカーAIエンジンを作ることでした。強いコンピュータ対戦相手がいれば、兄や私がそばにいなくても母は遊び続けられます。人間を超えるAIエンジンなら、まだ広く知られていない美しいパターンや戦略を発見してくれるかもしれません。
このプロジェクトを公開したのも同じ理由からです。非公開の強いエンジンは面白いものですが、ほかの人が評価したり改良したりするのは困難です。チャイニーズチェッカーAIの公開ベンチマークによって、この取り組みは検証可能なものになります。ルールセット、プロトコル、局面集、基準となるエンジン、対局ログ、そしてほかのシステムが挑戦できる名前付きのJumpStarモデルがそろっています。
チャイニーズチェッカーAIが面白い理由
チェスや囲碁には、エンジン、ベンチマーク、レーティングリスト、共有された棋譜など、何十年分もの公開されたAI研究の積み重ねがあります。チャイニーズチェッカーには、そうしたものがほとんどありません。AIが研究するのに向いたゲームなのに、です。隠された情報も運の要素もなく、勝ち方もはっきりしています。
しかも、すぐに複雑になります。JumpStarの2人用ルールでは、指せる初手は14通り、最初の2手の進み方は196通り、3手目までには4,760通りになります。対局が進むと、連続ジャンプや混み合った通り道のせいで、ルールの単純さからは想像できないほど良い手が見えにくくなります。
JumpStarとは
JumpStarは、自己対戦で学習したチャイニーズチェッカーエンジンです。コンパクトなC++20製のルール・探索コア、ニューラルネットワークによる方策・価値モデル、モンテカルロ木探索で構成されています。公開されている最強のチェックポイントJumpStar_60は、現在のCCERL-2P10-v2ベンチマークのチャンピオンです。JumpStarのモデルはすべて、有名なチェスや囲碁のエンジンを支える大規模なGPUクラスタではなく、MacBook M4で学習されました。
目標は人間を超える強さで、その主張は検証できる形にしています。JumpStarは2人用ルールで人間を超える、あるいはそれに近い強さに見えます。CCERLを使えば、将来のどのエンジンでもこれに挑戦できます。
システム
JumpStarは学習済みモデルだけでなく、エンジンとベンチマークまでそろった一式です。
- ルールと探索。 121穴の盤をコンパクトに表現し、厳密な2人用ルール、1マス移動と連続ジャンプの高速な手生成、対局ランナーを備えています。ルールをあえて明示的にしているのは、エンジンが三角形に居座ったり、審判の癖を突いたりして勝てないようにするためです。
- 自己対戦による学習。 JumpStarは自分自身と対局し、その対局で方策・価値モデルを学習させます。そのモデルが次の探索を導きます。
JumpStar_60はパラメータ数約10.36Mの512x4ネットワークで、1.8M件の再分析済み局面で学習しています。 - 公開ベンチマーク。チャイニーズチェッカーには公開のエンジンランキングがなかったので、JumpStarと並行して
CCERL-2P10-v2を作りました。ルール、エンジンのプロトコル、固定の開始局面集、基準となるエンジン、レーティングの計算方法を定めていて、結果を検証できるようにすべての対局ログを公開しています。
JumpStarはチャイニーズチェッカーをどう指すか
JumpStarは、ただ速さを競うだけの指し方をしないことがよくあります。相手の進みを遅らせ、役に立つ妨害の駒をその場に残し、三角形のコンパクトな形を作って、盤の中央を跳び抜けにくくします。
駒が取られることはないので、守りの形は何手にもわたって残ります。ジャンプの進路を奪い、相手に遠回りさせ、JumpStar自身の駒がゴールに入るまでの時間を稼げるのです。
勝ちにつながる序盤のパターン
| # | プレイヤー | 種類 |
|---|
探索と学習のループ
大まかに言えば、JumpStarはAlphaZeroの方式に従っています。自己対戦でMCTSの訪問回数の目標値を作り、その目標値で方策・価値モデルを学習させ、強くなったモデルが次の探索を導きます。
self-play -> MCTS visit targets -> policy/value training -> stronger search -> self-play
実際の強さは、このループを繰り返し回せるほど低コストにしたことから生まれました。ネイティブC++の自己対戦ワーカー、効率的な合法手生成、葉ノードのバッチ評価、トランスポジション、部分木の再利用、コンパクトな記録、そしてローカルのAppleハードウェア向けに調整したリリースビルドです。
この効率化の大きな部分は、Codex(GPT-5.5)を実装と研究のパートナーとして使ったことによるものです。Codexはコードベースの調査、ボトルネックのプロファイリング、処理の重い部分の書き直し、学習ログの分析、ベンチマーク実行のパッケージ化を手伝い、複数の実験を同時に進められるようにしてくれました。最も重要だったのは実用面での成果です。自己対戦と評価が大幅に高速化し、学習処理のメモリ使用量が約98%削減されて手元のマシンに収まるようになりました。さらに、EdiaのCEOとしての本業をこなしながらでもエンジンの改良を続けられるだけの自動化も実現しました。
このプロジェクトが異例の速さで進んだのは、ループがモデルの自己対戦だけでなく、その周りのシステムを改良し続けるエンジニアリングのループでもあったからです。Codexのおかげで、実験を回し、失敗の原因を調べ、コードを最適化し、ベンチマークを再実行し、結果をまとめ、次の疑問を具体的なパッチに変えることができました。このフィードバックの循環によって、本来ならインフラ、ツール、フロントエンド、ベンチマーク、執筆に何か月もかかったかもしれない作業が、古い盤を見つけてから公開までの約1週間に凝縮されました。
ローカルのCodexの集計を見ると、この協働の規模がおおよそわかります。ローカルのCodex状態データベースで確認できるプロジェクトのスレッド全体で、記録されたtokens_usedの合計は約559.9Mトークンでした。この数字にはコンテキスト、ツールの出力、キャッシュされたコンテキストの影響、推論・出力の集計、重複する作業スレッドが含まれています。そのため、計算量の科学的な測定値ではなく、作業プロセスの指標として読むべきものです。
CCERLと公開ベンチマーク
チャイニーズチェッカーには、チェスや囲碁のような成熟した公開のエンジンランキングがないため、エンジンの強さや進歩を評価するのが困難です。CCERLはその空白を埋めます。CCERLは、チャイニーズチェッカーAIエンジンの強さを評価する初めての公開ベンチマークです。チェスや囲碁の同様の仕組みをもとに、固定されたルール、検証済みの開始局面、先後を入れ替えたペア対局、ダウンロード可能な対局ログ、公開の基準エンジンを提供しています。
CCERLのベンチマークによれば、JumpStarは一般に公開されているチャイニーズチェッカーAIエンジンの中で、大差をつけて世界最強であるとみられます。
私は、JumpStarが2人用ルールのもとで、MacBook規模のローカルな計算資源を使って、人間を超える水準に近いチャイニーズチェッカーの強さに達したと考えています。さらに重要なのは、CCERLが今後のすべての貢献者に目標を与えることです。JumpStarを改良する、新しいモデルを作る、既存のエンジンをより忠実に移植する、より良い局面を追加する、あるいは同じ審判のもとで挑戦者を送り込む、といったことができます。
今後の取り組み
JumpStarは、単なる非公開のボットで終わるつもりはありません。このプロジェクトは、次のようなものになることを目指しています。
- 強力な公開AIモデル。 JumpStarはオープンライセンスで、このWebサイトは無料です。誰でもJumpStarと対戦でき、自分で改良に挑戦することもできます。JumpStarはすべてMacBook M4で学習しました。計算資源を増やせば、性能はきっとさらに向上するでしょう。
- 公開ベンチマークの基盤。チェスや囲碁には、エンジンをテストし、比較し、改良できるコミュニティがあります。CCERLは同じ基盤をチャイニーズチェッカーにもたらします。明確なルール、再現可能な対局、公開ログ、そしてほかの人が自分のモデルを作るための道筋です。
- ゲームそのものの研究。強いAIは、私たちに見えるものを変えます。良い指し手とはどういうものか、序盤がどう進化するのか、混み合った盤がなぜそのように振る舞うのか、そして盤の中央が可能性の渋滞になる3人・4人・6人対戦で何が起きるのかを理解したいと考えています。
- 多人数のバリエーション。 2人用モデルは始まりにすぎません。もっと刺激的な問いは、盤が混み合ってきたときに始まります。3人、4人、6人、移り変わる同盟関係、ふさがれた進路、そして思いがけず生まれる奇妙な序盤。そこで、さらには標準よりはるかに大きな盤で、強い指し手がどういうものなのかを探りたいと思っています。そこに現れる複雑さとパターンは、きっと魅了されるものになるでしょう。
JumpStarをきっかけに、より多くの人がチャイニーズチェッカーについて考え、遊び、研究し、新しいものを作ってくれたらうれしいです。