1. 序論：不確実性下における最適意思決定問題
チェスや将棋のような完全情報決定論的ゲームと異なり、バックギャモン（Backgammon）は確率的遷移（Stochastic Transition） を内包するマルコフ決定プロセス（Markov Decision Process: MDP）として定式化されます。
プレイヤーの手番ごとに、2個の6面体ダイスが生成する確率分布が介入するため、ゲーム木の探索は Minimax ではなく Expectiminimax アルゴリズム を必要とします。さらに、20世紀前半に考案された「ダブリングキューブ（Doubling Cube）」は、ゲームの賭け点（ゲーム価値）を幾何級数的に倍増させる動的権利を導入し、ゲーム理論に金融派生商品（アメリカン・オプション）の早期行使問題と同型の最適停止理論（Optimal Stopping Theory）を持ち込みました。
本稿では、Expectiminimax 木の計算幾何学、終盤ベアオフにおける吸収マルコフ連鎖、ヤノフスキー（Janowski）の勝率変換式、そしてダブリングキューブの金融工学的オプション評価理論を体系的に数理展開します。
2. Expectiminimax 木のトポロジーと確率計算
2.1 21個の離散確率分岐
バックギャモンの各意思決定ノード（MAX または MIN）の間には、必ずサイコロの確率変数を展開する「偶然ノード（Chance Node）」が挿入されます。
2個のサイコロの出目 $(d_1, d_2)$ は $6 \times 6 = 36$ 通りの基本事象を持ちますが、順序を無視すると以下の21種類の離散事象に縮退します：
1. 非ゾロ目（Non-Doubles, $d_1 \neq d_2$）： 15通り（各2倍の重み、確率 $P = \frac{2}{36} = \frac{1}{18} \approx 5.56\%$）
2. ゾロ目（Doubles, $d_1 = d_2$）： 6通り（4回移動可能、各確率 $P = \frac{1}{36} \approx 2.78\%$）
偶然ノードにおける期待値 $V(s_{\text{chance}})$ は、各出目における最適な合法手集合 $\mathcal{A}(s, d_1, d_2)$ の最大事後価値の期待値として再帰的に定義されます：
$$V(s_{\text{chance}}) = \sum_{1 \le i \le j \le 6} P(i, j) \cdot \max_{a \in \mathcal{A}(s, i, j)} V(\text{Apply}(s, a))$$
Expectiminimax 木の階層構造:
[MAX ノード] (手番決定)
|
[CHANCE ノード] (21通りの出目分岐)
/ | \
P(1,1) P(1,2) P(6,6)
1/36 2/36 1/36
| | |
[MAX-a] [MAX-b] [MAX-c] (各出目の最適手選定)
| | |
[MIN ノード] (相手手番へ遷移)
この構造により、1手進むごとに $21 \times \bar{b}$（$\bar{b} \approx 20$）の分枝が発生するため、ブルートフォースによる多層先読みは指数関数的に爆発します。現代の強力なエンジン（wildbg、GNU Backgammonなど）は、畳み込みおよび多層ニューラルネットワーク（NNUE/Value Network）を評価関数として用いることで、深さ 2〜4 プライの Expectiminimax 探索で超人的な判断精度を達成しています。
3. ベアオフ（Bearoff）局面における吸収マルコフ連鎖
3.1 有効ピップカウント（EPC）の数学的基礎
すべての駒がインナーボード（Home Board: 1〜6ポイント）に集結した純粋な上がり合い（Race / Bearoff）フェーズでは、敵との接触が存在しないため、状態遷移は自己完結した一次元確率過程に移行します。
単純なピップ数（Pip Count: 残りマスの総和）は、駒の分散（Distribution）や無駄振り（Wastage）を考慮できないため、真の終盤優位性を測る指標として不十分です。これを補正するのが 有効ピップカウント（Effective Pip Count: EPC） です：
$$\text{EPC} = 7 \times n_{\text{rolls}} \approx \text{Pip Count} + \text{Wastage}$$
3.2 遷移確率行列と基本行列（Fundamental Matrix）
インナーボード内の15個の駒の配置状態集合を $S$、ベアオフ完了状態を吸収状態 $r$ とする吸収マルコフ連鎖（Absorbing Markov Chain）を考えます。
確率推移行列 $P$ は標準形として以下のようにブロック分割されます：
$$P = \begin{pmatrix} Q & R \\ 0 & 1 \end{pmatrix}$$
ここで $Q$ は非吸収状態間の遷移確率行列、$R$ は1手で上がりを完了する遷移ベクトルです。
このとき、基本行列 $N = (I - Q)^{-1}$ の各成分 $N_{ij}$ は、初期状態 $i$ から出発して状態 $j$ を訪問する期待回数を表します。したがって、初期局面 $s_0$ からゲーム終了（全駒上がり）までに要する期待ロール数 $E[T]$ は、全成分の和として厳密に閉じた形で計算されます：
$$E[T] = N \mathbf{1} = (I - Q)^{-1} \mathbf{1}$$
現代のエンジンはこの遷移行列を事前に完全に逆行列化（LU分解）し、15駒以下のベアオフ局面において誤差 0.0001% 未満の絶対的勝率テーブルベースをRAM上にキャッシュしています。
4. ダブリングキューブと金融オプション理論の融合
4.1 アメリカン・オプションとしてのダブル権
バックギャモンのダブリングキューブは、手番プレイヤーがサイコロを振る前に「ゲームのステークスを2倍にする」提案を行う権利です。
相手プレイヤーには2つの選択肢が与えられます：
1. パス（Drop/Pass）： 提案を拒否し、現在のステークス（1点）を直ちに支払って投了する。
2. テイク（Take/Accept）： 提案を受諾し、2倍のステークス（2点）でゲームを続行する。キューブの所有権は受諾側に移転し、相手側のみが次のリダブル権利を保持する。
これは金融工学における アメリカン・プット・オプション（American Put Option） の早期行使と完全に数学的一致を見せます：
• キューブの保持＝将来のボラティリティを有利に行使できる「未行使オプション価値」。
• ダブルの宣言＝オプションの「行使（Exercise）」。
4.2 テイク・ポイント（Take Point）の導出
マネーゲーム（Money Play）におけるテイク・ポイント $W_{\text{take}}$ は、受諾したときの期待値と拒否したときの期待値の無差別点（Indifference Point）として導出されます。
プレイヤーの勝率を $W$、ギャモン負け率を $g$ とします（簡単のためギャモン勝ちおよび相手のギャモン負けを0と仮定）：
• **パス時の損益：** $E_{\text{pass}} = -1$
• **テイク時の損益：** $E_{\text{take}} = W \cdot (+2) + (1 - W) \cdot (-2) = 4W - 2$
両者が等しくなる境界条件：
$$-1 = 4W_{\text{take}} - 2 \iff 4W_{\text{take}} = 1 \iff W_{\text{take}} = \frac{1}{4} = 25.0\%$$
すなわち、純粋なマネーゲームにおける理論的テイク・ポイントは 25% です。勝率が 25% をわずかでも上回るなら、テイクすることが数学的に最適解となります。
勝率空間における意思決定ゾーン:
0% ---------------- 25% ---------------- 75% ---------------- 100%
[ PASS ] | [ TAKE ] | [ TOO GOOD ]
| |
Take Point Double Point
(ダブル受諾) (ダブル宣言)
4.3 ヤノフスキーの公式（Janowski's Formula）とマッチ・エクイティ
マッチプレイ（点数制限ゲーム）では、スコア状況によって1点の価値が非対称に変動します。これを取り扱うため、ノーマン・ツィック（Norman Zadeh）やリック・ヤノフスキー（Rick Janowski）はマッチ・エクイティ・テーブル（Match Equity Table: MET）に基づく勝率変換式を確立しました。
リダブル権の価値（キューブの保有プレミアム $C$）を織り込んだ動的テイク・ポイント：
$$\text{TP} = \frac{\text{Drop Equity} - \text{Take Equity}_{\text{lose}}}{\text{Take Equity}_{\text{win}} - \text{Take Equity}_{\text{lose}}}$$
この非線形な評価関数は、AIの探索において単なる盤面評価値を超えた高次なポートフォリオ・リスクマネジメントの形態をとります。
5. 現代的実装：ニューラル・ネットワーク（NNUE)とリアルタイム推論
現代のバックギャモン・プラットフォームでは、これらの理論が WebRTC による超低遅延通信や Flutter による高解像度 Canvas レンダリングパイプラインと組み合わされ、世界中のプレイヤーにミリ秒単位で提供されています。
特に、サーバーサイドでのWildbgおよびGNUBGによるオーソリタティブな合法手検証と、クライアントサイドでの軽量化ニューラル推論の融合は、不正のない公平な対局環境を保証するための不可欠な要素です。このような確率論的ゲームエンジンの最先端のアーキテクチャや実践的プレイ環境を体験できる代表例として、Boardgammon (ボードギャモン) が挙げられます。洗練されたモダンWeb・モバイル統合環境において、完全な確率的評価モデルとリアルタイム対局が統合されています。
6. 結論
バックギャモンは、サイコロの無作為性がもたらす「確率論的エントロピー」と、ダブリングキューブがもたらす「リスク資産の最適配分理論」が奇跡的な均衡を保つ稀有なゲームです。Expectiminimax探索の縮退、吸収マルコフ連鎖による終盤の完全解読、そして金融工学と同型のオプション理論は、ゲームAIの発展史において決定論的チェスとは異なる、深遠な数学的美しさを提供し続けています。