하나비 (카드 게임)
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
하나비는 5가지 색깔의 카드를 사용하여 협력하는 카드 게임이다. 각 플레이어는 자신의 카드를 볼 수 없고 다른 플레이어의 카드를 보면서 정보를 주고받으며 게임을 진행한다. 플레이어들은 정보를 교환하고 카드를 버리거나 내면서, 정해진 규칙에 따라 카드를 성공적으로 내는 것을 목표로 한다. 게임은 퓨즈 토큰이 소진되거나, 카드 덱이 소모되거나, 다섯 벌의 카드가 성공적으로 플레이될 때까지 진행되며, 최종 점수를 합산하여 승패를 결정한다. 하나비는 독창성과 몰입도로 긍정적인 평가를 받았으며, 2013년 올해의 게임상을 수상했다. 또한, 인공지능 연구의 벤치마크로 활용되어, 컴퓨터 프로그램이 자기 학습 또는 임시 팀 플레이를 통해 하나비를 플레이하는 연구가 진행되고 있다.
더 읽어볼만한 페이지
- 프랑스의 보드 게임 - 리스크 (게임)
리스크는 알베르 라모리스가 발명한 전략 보드 게임으로, 세계 지도를 바탕으로 군대를 움직여 영토를 점령하고 주사위 전투를 통해 최종적으로 모든 영토를 점령하는 것을 목표로 한다. - 협동 보드 게임 - 아컴 호러
아컴 호러는 러브크래프트의 크툴루 신화를 기반으로 플레이어들이 아컴 시를 탐험하며 고대 존재의 부활을 막는 것을 목표로 하는 보드 게임으로, 1987년 카오시움에서 처음 출판되었고 2005년 판타지 플라이트 게임즈에서 재판되어 확장판과 다양한 미디어로 세계관을 넓혀가고 있다. - 협동 보드 게임 - 팬데믹 (보드 게임)
맷 리콕이 디자인한 팬데믹은 플레이어들이 역할을 분담하여 전 세계에 퍼지는 4가지 질병의 치료제를 개발하고 확산을 저지하는 협력 보드 게임으로, 다양한 확장판과 규칙 및 보드가 영구적으로 변경되는 팬데믹 레거시 시리즈가 존재한다. - 2010년 도입된 제품 - 비비고
- 2010년 도입된 제품 - 애플 A4
애플 A4는 ARM Cortex-A8 CPU 코어와 PowerVR SGX 535 GPU를 통합한 애플의 싱글 코어 시스템 온 칩으로, 아이패드, 아이폰 4 등에 탑재되었으며 삼성전자의 45nm 공정으로 제조되었다.
| 하나비 (카드 게임) | |
|---|---|
| 기본 정보 | |
 | |
| 디자이너 | 앙투안 보자 |
| 퍼블리셔 | R&R 게임즈 칵테일 게임즈 아바쿠스 슈필레 |
| 플레이어 | 2 ~ 5명 |
| 연령 | 8세 이상 |
| 준비 시간 | 5분 |
| 플레이 시간 | 20 ~ 30분 |
| 무작위성 | 중간 |
| 필요 기술 | 연역 추론 기억력 협력 계획 |
2. 게임 방법
하나비는 5가지 색깔(흰색, 노란색, 녹색, 파란색, 빨간색)의 카드로 구성되며, 각 색깔별로 1은 3장, 2, 3, 4는 각각 2장, 5는 1장씩 들어있다. 게임은 정보 토큰 8개와 퓨즈 토큰 3개로 시작하며, 플레이어 수에 따라 4장 또는 5장의 카드를 받는다. 인도 포커와 같이, 각 플레이어는 자신의 카드는 볼 수 없고 다른 플레이어의 카드만 볼 수 있도록 카드를 든다.
게임 진행 중, 플레이어는 자신의 차례에 다음 행동 중 하나를 해야 한다.
- 정보 주기: 다른 플레이어에게 그 플레이어가 가진 카드 숫자나 색깔을 알려준다. 정보는 완전하고 정확해야 하며, 어떤 것이 없다는 정보는 줄 수 없다. 정보를 주면 정보 토큰 1개가 소모된다.
- 카드 버리기: 자신의 손에서 카드 한 장을 버리는 카드 더미에 추가한다. 버린 카드는 더 이상 사용할 수 없다. 카드를 버리면 정보 토큰 1개가 보충된다.
- 카드 내기: 손에서 카드를 한 장 내서 플레이한다. 만약 이 카드가 아직 플레이되지 않은 색깔의 1이거나, 이미 플레이된 색깔의 다음 숫자이면 성공이다. 그렇지 않으면 퓨즈 토큰이 소모되고 잘못 낸 카드는 버려진다. 어떤 색깔이든 5를 성공적으로 내면 정보 토큰 1개가 보충된다. 플레이 성공 여부와 관계없이 카드를 낸 플레이어는 새 카드 한 장을 뽑는다.
게임은 퓨즈 토큰이 모두 소모되거나, 모든 색깔의 5를 내어 게임에서 이기면 즉시 종료된다. 그렇지 않으면 카드 덱이 소진될 때까지, 그리고 그 후 한 라운드 전체 동안 계속 플레이한다. 게임이 끝나면 각 색깔에서 가장 높은 숫자를 합산하여 점수를 매기며, 최고 점수는 25점이다.
2. 1. 게임 준비
하나비 덱은 5가지 색상으로 구성되어 있으며, 각 색상별로 숫자 1은 3개, 숫자 2, 3, 4는 각 2개씩, 숫자 5는 1개씩 들어있다. 게임은 정보 토큰 8개와 퓨즈 토큰 3개로 시작한다. 플레이어는 플레이어 수에 따라 4장 또는 5장의 카드를 받는다. 인도 포커에서와 같이, 각 플레이어는 자신의 카드는 볼 수 없고 다른 플레이어의 카드만 볼 수 있도록 카드를 든다.2. 2. 게임 진행
플레이어는 자신의 차례에 다음 행동 중 하나를 해야 한다.- 정보 주기: 다른 플레이어에게 그 플레이어가 가진 카드 숫자나 색깔을 알려준다. 정보는 완전하고 정확해야 한다.[1] 정보를 주면 정보 토큰 1개가 소모된다.[1]
- 카드 버리기: 자신의 손에서 카드 한 장을 버린다. 버린 카드는 더 이상 사용할 수 없다. 카드를 버리면 정보 토큰 1개가 보충된다.[1]
- 카드 내기: 손에서 카드를 한 장 내서 플레이한다. 만약 이 카드가 아직 플레이되지 않은 색깔의 1이거나, 이미 플레이된 색깔의 다음 숫자이면 성공이다. 그렇지 않으면 퓨즈 토큰이 소모되고 잘못 낸 카드는 버려진다. 어떤 색깔이든 5를 성공적으로 내면 정보 토큰 1개가 보충된다.[1] 플레이 성공 여부와 관계없이 카드를 낸 플레이어는 새 카드 한 장을 뽑는다.[1]
2. 3. 게임 종료
모든 퓨즈 토큰이 소모되면 게임에서 패배한다. 모든 색깔의 5를 내면 게임에서 승리한다. 덱이 소진되면 마지막 한 라운드를 진행하고 게임이 종료된다. 게임이 끝나면 각 색깔에서 가장 높은 숫자를 합산하여 점수를 계산하며, 최고 점수는 25점이다.3. 평가
하나비는 긍정적인 평가를 받았다. 보드 게임 퀘스트는 게임의 독창성, 접근성 및 몰입도를 칭찬하며 별 4.5개를 부여했다.[2] 디 오피니언에이티드 게이머스(The Opinionated Gamers) 또한 게임의 몰입도와 중독성을 칭찬했다.[3] 2013년 올해의 게임상 수상, 2013년 페어플레이 알라 카르테상 수상 등 여러 상을 받았다.[4][5] 2013년 도이체 슈필레 프라이스에서 6위를 차지하기도 했다.[6]
4. 컴퓨터 하나비
하나비는 불완전 정보를 활용하는 협력 게임으로, 인공지능 연구에도 쓰인다. 컴퓨터 프로그램은 '자기 플레이'(프로그램 여러 개가 한 팀으로 플레이)나 '임시 팀 플레이'(다른 프로그램 또는 사람과 플레이) 방식으로 하나비를 플레이한다.[8]
규칙 기반 전략으로 만들어진 WTFWThat 등의 컴퓨터 프로그램은 5인 자기 플레이에서 25점 만점에 24.9점을 기록하기도 했다.[7][8] 2019년, 딥마인드는 하나비를 협동 플레이 인공지능 연구의 기준으로 제안했다.[8][9][10]
4. 1. 인공지능 도전 과제
딥마인드는 협동 플레이에 대한 새로운 인공지능 연구의 벤치마크로 하나비를 제안했다.[8][9][10] 하나비는 불완전 정보의 협력 게임이다.하나비를 플레이하는 컴퓨터 프로그램은 자기 플레이 또는 "임시 팀 플레이"에 참여할 수 있다. 자기 플레이에서 프로그램의 여러 인스턴스가 팀을 이루어 서로 플레이한다. 따라서 그들은 의사 소통과 플레이를 위한 신중하게 연마된 전략을 공유하지만, 각 게임에 대한 정보를 프로그램의 다른 인스턴스와 불법적으로 공유하는 것은 허용되지 않는다. 임시 팀 플레이에서 프로그램은 다른 임의의 프로그램 또는 인간 플레이어와 플레이한다.
규칙 기반 전략을 수동으로 코딩하여 다양한 컴퓨터 프로그램이 개발되었다. WTFWThat과 같은 최고의 프로그램은 다섯 명의 플레이어로 자기 플레이에서 거의 완벽한 결과를 달성했으며 평균 점수는 25점 만점에 24.9점이었다.[7][8]
자기 학습 모드에서 과제는 처음부터 다른 인스턴스와 함께 잘 플레이하도록 학습할 수 있는 프로그램을 개발하는 것이다. 이러한 프로그램은 2019년 기준으로 게임당 약 15점 정도를 달성하는데, 이는 손으로 코딩된 프로그램보다 훨씬 낮은 점수이다.[8] 하지만 2020년 기준으로 이 격차는 상당히 좁혀졌으며, Simplified Action Decoder는 약 24점의 점수를 기록했다.[11]
임시 팀 플레이는 AI에게 훨씬 더 큰 과제인데, "하나비는 다른 에이전트의 신념과 의도에 대한 추론을 전면에 내세우기 때문이다".[8] 임시 팀과 인간 수준으로 플레이하려면 알고리즘이 마음 이론을 통해 다른 플레이어와 함께 시간이 지남에 따라 커뮤니케이션 규칙과 전략을 학습하고 개발해야 한다. 자기 학습을 위해 개발된 컴퓨터 프로그램은 임시 팀에서 플레이할 때 제대로 작동하지 않는데, 다른 플레이어가 플레이하는 방식에 적응하는 방법을 배우지 못하기 때문이다. Hu 등은 대칭 불변 전략을 학습하는 것이 AI 에이전트가 해석할 수 없는 규칙을 학습하는 것을 피하는 데 도움이 되며, 별도로 훈련된 AI 에이전트(약 22점) 및 인간(자기 학습 모델이 약 9점인 것에 비해 약 16점)과 함께 플레이할 때 성능을 향상시키는 것을 보여주었다.[11]
딥마인드는 연구를 용이하게 하기 위해 Hanabi Learning Environment라는 오픈 소스 코드 프레임워크를 출시했다.[12]
참조
[1]
웹사이트
Hanabi ! Board Game ! BoardGameGeek
https://boardgamegee[...]
2016-01-24
[2]
웹사이트
Hanabi Review
https://www.boardgam[...]
2022-02-24
[3]
웹사이트
SdJ Re-Reviews #35: Hanabi
https://opinionatedg[...]
2022-02-25
[4]
웹사이트
Fairplay Online: À la carte prize 2013
http://fairplay-onli[...]
[5]
웹사이트
Spiel des Jahres official site: 2013 winner
http://www.spieldesj[...]
[6]
웹사이트
Preisträger – SPIEL Messe
https://www.spiel-me[...]
2022-12-22
[7]
논문
How to Make the Perfect Fireworks Display: Two Strategies for Hanabi
2014-12
[8]
arXiv
The Hanabi Challenge: A New Frontier for AI Research
2019-02-01
[9]
웹사이트
The next big challenge for Google's A.I. is a card game you've never heard of
https://www.digitalt[...]
2019-07-04
[10]
웹사이트
A cooperative benchmark: Announcing the Hanabi Learning Environment
http://www.marcgbell[...]
2019-07-04
[11]
웹사이트
"Other-Play" for Zero-Shot Coordination
http://proceedings.m[...]
International Conference on Machine Learning, 2020
[12]
Citation
hanabi_learning_environment is a research platform for Hanabi experiments.: deepmind/hanabi-learning-environment
https://github.com/d[...]
DeepMind
2019-07-04
[13]
웹인용
http://www.spieldesj[...]
2015-06-07
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com