Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
GPT-5と寿司合戦を攻略する
Search
GO Inc. dev
September 02, 2025
1
59
GPT-5と寿司合戦を攻略する
社内勉強会で使用した資料です。
GO Inc. dev
September 02, 2025
Tweet
Share
More Decks by GO Inc. dev
See All by GO Inc. dev
大規模アプリのDIフレームワーク刷新戦略 ~過去最大規模の並行開発を止めずにアプリ全体に導入するまで~
mot_techtalk
0
180
Grafanaスタックをフル活用したオブザーバビリティ基盤の紹介
mot_techtalk
6
950
オンデマンド交通のための車両ルーティング問題
mot_techtalk
0
110
Open-Vocabularyオブジェクト検出
mot_techtalk
0
49
Grafana Loki によるサーバログのコスト削減
mot_techtalk
1
850
『GO』アプリ データ基盤のログ収集システムコスト削減
mot_techtalk
0
820
GAEログのコスト削減
mot_techtalk
0
780
『GO』アプリ バックエンドサーバのコスト削減
mot_techtalk
0
830
タクシーアプリ『GO』のリアルタイムデータ分析基盤における機械学習サービスの活用
mot_techtalk
6
3.5k
Featured
See All Featured
Facilitating Awesome Meetings
lara
56
6.6k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
32
2.2k
Making the Leap to Tech Lead
cromwellryan
135
9.5k
GraphQLの誤解/rethinking-graphql
sonatard
72
11k
The World Runs on Bad Software
bkeepers
PRO
71
11k
Building a Scalable Design System with Sketch
lauravandoore
462
33k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
36
2.5k
Done Done
chrislema
185
16k
Being A Developer After 40
akosma
90
590k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
45
2.5k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
367
27k
The Art of Programming - Codeland 2020
erikaheidi
56
14k
Transcript
AI 2025.08.21 田村和樹 GO株式会社 GPT-5と寿司合戦を攻略する
AI ▪ 8/8にOpenAIからGPT-5がリリースされた ▪ バラエティ『水曜日のダウンタウン』で行われた企画「寿司合戦」の 最適な戦略を探すことをテーマにGPT-5を試してみた ▪ なお、発表者は数理最適化や強化学習の分野には明るくない はじめに
AI 1. GPT-5と寿司合戦について 2. ゲームの定式化と諸設定 3. 戦略の検討 4. まとめ アジェンダ
AI 1. GPT-5と寿司合戦について 2. ゲームの定式化と諸設定 3. 戦略の検討 4. まとめ アジェンダ
AI ▪ 8/8にリリースされた現在OpenAIの中で最も高性能・速度・汎用性を持つモ デル ▪ 特にコーディング・数学・文章生成・ヘルス領域など実務寄りのタスクで正 確性と再現性が大きく向上 ▪ 前モデルを「賢い大学生」と表現したのに対し、「博士号を修得した専 門家」と表現
▪ 発表時のデモでは、飛行機が飛ぶ原理であるベルヌーイ効果について説 明させ、アプリケーションを4分程で作成した GPT-5について 発表配信より
AI ▪ 5月21日放送の『水曜日のダウンタウン』(TBS系)で行われた企画 ▪ 簡単なルール紹介 ▪ コンビ対コンビで回転レールで運ばれてきた寿司を食べる ▪ 食べた皿を自陣に積み上げるか相手の積み上がった皿に投げて崩すかを 選択できる
▪ 一度積み上げた皿や投げて外した皿を再度投げることはできない ▪ 制限時間終了時点で多く皿が積み上がっていたコンビの勝ち 寿司合戦について
AI 1. GPT-5と寿司合戦について 2. ゲームの定式化と諸設定 3. 戦略の検討 4. まとめ アジェンダ
AI ▪ コンビではなく1対1の勝負とする ▪ 相手と自分の食べる能力と投げる能力(後述するq)は同じ ▪ 以下を1ステップとし、Nステップ繰り返す ▪ お互いに食べた枚数の皿を食べる(持つ) ▪
個々の皿は積み上げるか投げるかを選択できる ▪ 投げる場合、確率qで命中し、積み上げられた皿の枚数Sに対してB(S,d) 枚崩れるとする ▪ Nステップ後に多く皿が積み上がっていた方の勝ち ゲームルールの定式化
AI ▪ ステップごとに食べた皿をどれだけ投げるかを「戦略」と呼ぶ ▪ 相手は全てのステップで、固定された戦略(割合)で皿を投げてくるとする ▪ ゲーム開始時点では相手の戦略はわからない ▪ 後述する様々な自分が持つ戦略で200回勝負し勝率を測る 戦略の評価
AI 1. GPT-5と寿司合戦について 2. ゲームの定式化と諸設定 3. 戦略の検討 4. まとめ アジェンダ
AI ▪ GPT-5にゲームルールや諸条件を伝えたところ、3つのモデル(戦略)を提案し てくれた GPT-5に相談
AI ▪ 未知である相手の戦略(つまり皿を投げる確率)を最尤法で逐次的に求め、自 分も全く同じ戦略をとる ▪ 相手の戦略を観察し「自分の判断の基準」を作る ▪ 限界: 相手と同じ戦略を取るので差をつけられない(勝率は五分五分) 戦略1
: ミラー
AI ▪ 最尤法で求めた相手の戦略から線形変換した戦略をとる ▪ 相手と同じでは勝てない → 推定した戦略を少しずらして「こちらが有利 になる方向に変換」 ▪ 改善点:
単純模倣から「相手を利用して差をつけに行く」発想への進化 ▪ 限界: 線形変換なので調整幅に限界がある。極端な相手には強いが、中庸な相 手には対応が難しい 戦略2 : カウンター(線形)
AI ▪ GPT-5「線形の限界を超えるために非線形関数で柔軟に変換」 ▪ 線形では表現しきれなかった「相手の戦略に応じた微妙な調整」が可能 になり、ほとんどの場合で勝ち越せている ▪ 「柔軟に変換」とあるが、相手がどんな戦略をとってきても戦略0.52付近を とるという戦略になっていた 戦略3
: カウンター(非線形)
AI ▪ 少しでも相手が投げるor食べる能力が高いと全く勝てなくなってしまう ▪ GPT-5からいくつか改善策をもらったが別の機会に... 課題
AI 1. GPT-5と寿司合戦について 2. ゲームの定式化と諸設定 3. 戦略の検討 4. まとめ アジェンダ
AI ▪ 「寿司合戦」をテーマにGPT-5の凄さを体感できた ▪ 「相手の戦略を特定し対策を立てる」という点が最もらしいし、勝ち越 せる戦略に辿り着けた ▪ シミュレーションのコードはほとんど書いてくれた ▪ 相手の戦略に加えて能力も加味することが今後の課題
まとめ