人狼ゲームは不完全情報ゲームで、人工知能にプレイさせることは新たな挑戦である。人狼ゲームをプレイするAIは人狼知能と呼ばれ、大会等も開催されている。現在、既存の人狼知能の多くはルールベースや統計をもとに行動しており、行動のすべてを機械学習によって選択するものはない。囲碁や将棋などでは機械学習によるブレイクスルーを果たしたことを考えれば、人狼ゲームでも学習によって発展する期待が持てる。そこで、我々はDifferentiable Neural Computer (DNC) (Graves et al., 2016)を用いて行動のすべての選択を学習によって行う人狼知能の開発を目指している。本論文では既存の人狼知能エージェントによる人狼ゲームのログを用いて学習し、エージェントの行動予測を試みた。評価結果として発話行動に関して、発話内容や発話の対象の66.8%を正しく予測することができた。一方でそれ以外の行動の予測精度はチャンスレベルにとどまった。
