ノーム・ブラウンは、長らくAIにとって困難とされてきたゲームでトップレベルの人間のプロを打ち負かすゲームプレイシステムを構築したことで知られるアメリカのコンピューター科学者であり、その後、OpenAIでの推論モデルに関する研究を主導したことでも知られている。
ブラウンはカーネギーメロン大学で博士号を取得し、そこでトゥオマス・サンドホルムとともにポーカーエージェントの研究に取り組んだ。彼らのシステムであるLibratusは、2017年にヘッズアップ・ノーリミット・テキサスホールデムでトップレベルのプロプレイヤーを打ち負かし、その後継機であるPluribusは、2019年に6人制ポーカーで複数のプロを同時に打ち負かした。この結果は、チェスや囲碁などAIがこれまでに習得した2人用ゼロサムゲームよりもはるかに難しい、複数の競合エージェントが同時に関与するマルチエージェント設定である点で注目に値する。
ディプロマシーとCICERO
Meta AI（当時のFacebook AI Research）に入社後、ブラウンはCICEROの背後にあるチームを率いるのに貢献した。CICEROは、人間プレイヤー間での自然言語による交渉、説得、戦略的計画を必要とするボードゲームであるディプロマシーをプレイするシステムである。2022年にScience誌で発表されたCICEROは、対話生成のための言語モデルと戦略的推論エンジンを組み合わせ、オンラインのディプロマシーリーグで人間レベルのパフォーマンスを達成した。この成果は、AIが完全情報を持つ敵対的ゲームだけでなく、協力的かつ敵対的な社会的推論を扱えることを示す証拠としてしばしば引用されるマイルストーンである。
OpenAIへの移籍とo1
ブラウンは2023年にOpenAIに入社し、テスト時計算、つまりモデルの回答はトレーニングの規模を拡大するだけでなく、推論時に「考える」時間を長くすることで改善できるというアイデアに取り組んだ。この研究は、2024年にリリースされたOpenAI o1に反映され、強化学習で訓練された拡張された連鎖的思考推論を使用して、数学、コーディング、論理タスクのパフォーマンスを向上させた。ブラウンは、テスト時計算のスケーリングが、事前学習データとパラメータのスケーリングと並ぶAI進歩の第二の軸を表すと公に主張しており、自身のポーカーエージェントがトレーニングを増やすだけでなく、行動前に検索する時間を増やすことで劇的に改善したことに類似点を見出している。
評価
ブラウンのポーカーとディプロマシーの研究は、ゲーム理論に基づくAI技術が、狭いボードゲームを超えて、隠れた情報、交渉、多数の同時エージェントを含む設定に一般化できることを示す証拠として広く取り上げられており、これらのテーマは彼の後の推論研究にも繰り返し登場する。彼は、公開講演やインタビューでOpenAIの推論ロードマップを説明する、より著名な研究の声の一人となり、テスト時計算のスケーリングを、より大規模な事前学習実行による継続的な進歩の代替ではなく補完として位置づけることが多い。