2026/09/20AIjev-puzzle-search

Jevを数独などの制約パズルへ使うなら探索ヒューリスティックとして考える

数独のような制約充足パズルは、JevのゲームAIとしての性質を測る題材として興味深い。正解判定と合法性が完全に決定論的であり、モデルに任せる部分を「どの枝を先に調べるか」へ限定できるからである。

なお、2026年9月21日時点で調べた範囲では、Jevの数独性能を多数問・既知難易度・探索ノード数などで定量評価した一次公開ベンチマークは確認できなかった。したがって、以下の数独部分は既存結果の紹介ではなく、公開されているJevの性質から導く設計案である。

数独でJevにやらせないこと

数独では次はコードで正確にできる。

これをJevへ質問する理由は薄い。

たとえば候補が {2,5,8} のcellがある場合、Jevへ「どれがこの局面で最も有望か」をChoiceさせる。

Jevの最大確率を即確定してしまうgreedy方式では、一度の誤りで後続が壊れる。しかし確率順にDFSを行えば、

という形になる。

Jevが完全に正確でなくても、正解枝を平均的に上位へ置けるなら探索ノード数は減る。

測るべき指標は正答率だけではなく、

である。

Rubik's Cubeでは、Paolo Rosson氏が「初心者法をコードにし、各段階でJevに次の操作を選ばせる」構成を公開し、94 movesでsolveしたと報告している。本人は22 moves程度のoptimal solutionではなく、人間の初心者法に似た解き方だと説明している。

この例の重要点は、JevがCube全体の探索アルゴリズムを発見したわけではないことにある。長期手順の骨格はコード、局所選択はJevという分業である。

コミュニティには2048、SameGame、Snakeなどのプロジェクトも公開されているが、現時点では統一条件の強さbenchmarkが乏しく、存在そのものと性能評価は分けて扱う必要がある。

将棋や麻雀では「その手が本当に良かったか」に議論が残る。一方、数独や迷路などは正解・失敗・探索量を完全に測れる。

そのため、Jevの能力を

solver能力ではなく
zero-shot heuristicの品質

として調べるには、制約パズルが非常に適している。

特に、

を同じproblem setで比較すれば、Jevの「直感」が本当に探索を短縮しているのかを数値化できる。