概要：

新たなプロジェクトにおいて、PyTorch などの重い外部ライブラリの必要性を回避し、カスタム WebGPU カーネルを使用して完全に Web ブラウザ内で動作するオープンソースのポーカーソルバーが成功裏に作成されました。大規模言語モデル（LLM）を利用して从零で高性能なコードを生成することにより、このシステムは従来の実装よりも 10 倍超の速度を達成しています。コア技術は、仮想後悔最小化（Counterfactual Regret Minimization）アルゴリズムとニューラルネットワークを組み合わせ、最適戦略を瞬時に算出します。以前のアプローチでは複雑なコーディングタスクに失敗することが多かったが、現在のモデルではすでに DeepStack や ReBeL の論文などで示された手法を用いた研究上の概念全体を効率的に機能するソフトウェアへと変換する能力を持っています。この飛躍的な進展により、プレイヤーは高価なハードウェアや数ヶ月の手動計算設定を必要とすることなく、ナッシュ均衡戦略—that is、数学的に不敗とするプレイスタイル—to 無償でアクセスできます。現時点では 2 人対戦のシナリオに限られ、ノードロックなど高度な商業機能を備えておらず、エージェントの計画および判断に関する制限により人間の監督を数ヶ月必要としたものの、このプロジェクトは、人工知能がオンラインに公開されたソースコードを通じてコンシューマーデバイス上で直接複雑なゲーム理論ツールを民主化する方法における強力な転換を示しています。

WebGPU カスタム実装によるポーカー求解器の構築：ライブラリ不要のケース

コーディングエージェントが高度に進歩した現在でも、汎用テンソルライブラリは不可欠な場合があります。この記事では、PyTorch 相当の機能を持たない環境で WebGPU を使いこなすためのアプローチと、その成果について解説します。

背景：なぜ自前で書くのか

ポーカー求解器の構築において、ブラウザ上で動作するオープンソース版を求めましたが、既存の解決策には以下の課題がありました。

商用求解器の高コスト: 従来の高性能求解器は利用に多額の費用が必要でした。
汎用ライブラリの欠如: WebGPU でモデルを実行するには WebAssembly が有効ですが、PyTorch に相当する汎用的なテンソルライブラリは存在しませんでした。
従来手法の限界: 数ヶ月間 PyTorch で検証しても、それをブラウザ環境（WebGPU）で再現できる手段がありませんでした。

解決策：カスタム WebGPU カーネルの構築

2026 年現在の状況では、既存ライブラリに依存せず、以下の手順で独自実装を構築しました。

PyTorch を「正解のオラクル」として利用:
- PyTorch の実装を参照基準とし、Codex（AI アジェンツ）に対して等価な WebGPU カーネル生成を指示しました。
- 単一のプロンプトで等価性テストをパスさせました。
自動化による高速化と最適化:
- 検証通过后、エージェントに最適化タスクを一晩放置するよう指示しました。
- 結果：初回生成から10 倍以上の高速化を達成し、活性化関数の切り替えなどの性能向上も提案されました。

このアプローチが有効な理由

通常、「正しいかつ高速なコードを書くコスト」は多数の利用者で償却されるため汎用ライブラリが存在します。しかし、生成コストが安く検証可能な場合にはこのバランスが逆転し、カスタムカーネルの方が勝つことがあります。

重要な条件:

計算内容が明確に定義されていること。

参考実装（オラクル）の信頼性が高いこと。

テストが重要な動作を網羅していること。

LLM の時代において、「すべての関連動作を網羅したテストスイート」は仕様書よりも強力な存在となります。

実際の運用：CFR アルゴリズムの実装進化

ポーカー求解器の核心である「仮想的後悔最小化（CFR）」アルゴリズムの実装プロセスは劇的に変化しました。

昨年の秋：手動実装と困難さ

主要な作業: LLM への依存度が高く、動作するコード生成が困難でした。
技術的課題:
- eager モードでもテンソルに対する
```
for
```
  ループを多用しがち（禁忌）。
- 非標準的な演算に対応したカスタムカーネルの作成に失敗しました。

現在の状況：自律的な開発が可能に

数ヶ月を経て、以下のタスクをアジェンツに委任できるようになりました。

全体的な実装: 論文全体からゼロベースで正しいコードを書けるレベルに達しました。
自律的な実験サイクル:
- CFR バリエーションの文献調査、実装、パフォーマンス比較を自動実行。
- 超パラメータ最適化やスケール則の導出を実行。
- WebGPU タスクにおいて、検証可能な報酬があるため長時間の実行（数時間〜数日）が成果につながります。

人間と AI の役割分担

AI（エージェント）: コード記述のほぼ全てを行います。
人間: 計画立案と意思決定を担当します。
- 「何を」「どう作るか」という方向性は依然として人間が判断し、監督しています。

結論

ライブラリや言語への依存度が下がり、コードのリファクタリングも容易になりました。

商用求解器の代替:
```
holdem.computer
```
で入手可能です。
ソースコード: 完全にオープンソース化されており、以下の GitHub リポジトリで確認できます。
```
https://github.com/phulin/poker2
```

付記：プロジェクト情報と制限事項

本プロジェクトはニューヨークのプログラム・リトリート「Recuse Center」参加者として行われました。学術文献内の手法（DeepStack、ReBeL など）を組み合わせて実装しています。

現状のモデルへの制約

現在のライブモデルには以下の制限があります：

性能: 史上最強の求解器ではありません。
対局形式: 2 名のみ（「ヘッドズ・アップ」モード）。
機能不足: 商用求解器にある「ノードロック」（相手の非均衡戦略への対策提示）機能は未実装です。
計算量: 学術論文で報告されているモデルの約1/100のトレーニング計算量です。

より強力なプレイヤーになるためには、基盤モデルに大幅な GPU リソースを投入する必要があります。また、TensorFlow JS (TFJS) は現在サポートが減少しており、必要な基礎演算に対応しておらず、実装テストでは低速でした。

カスタム WebGPU カーネルによるポーカーの解法

Japanese Translation:

概要：