YAMATO / ARCADE 03

OTHELLOオセロ — AIアルゴリズム対局

AIが考案したアルゴリズムと対局・観戦しよう。

黒番（先手）

プレイヤー操作

白番（後手）

AIアルゴリズム

AI思考テンポ

対局相手を選んでスタート

人間 vs AIはもちろん、AIモデル同士の自動対局（AI vs AI）も観戦できます。

BLACK 2

WHITE 2

現在の手番 黒番（先手）

最終着手 / 手数 開始前 / 0手目

合法手数4

空きマス60

人間通算勝敗0勝 0敗

最大石数差--

準備ができたらスタート。

読み込み済みAIモデル（0種）

配置先: public/pages/othello/vedia_google-api_gemini-4-argon/models/

操作方法

クリック / タップ: マスに石を打つ
矢印 / WASD: カーソル移動
Enter / Space: 選択マスに打つ
P / Esc: 一時停止・再開

CUSTOM AI GENERATOR GUIDE

AIモデルにアルゴリズムを作らせる「型」とプロンプト

好きなAIモデル（ChatGPT、Claude、Geminiなど）に以下のプロンプトをそのままコピー＆ペーストして渡し、出力されたコードを public/pages/othello/vedia_google-api_gemini-4-argon/models/ フォルダーに保存するだけで、すぐに対戦相手として選べます（先頭が _ のファイルは除外されます）。

方式A：JS関数型（.js）

アルゴリズム・探索ロジック自体を書かせる

AI自身に評価関数やミニマックス探索・定石分岐などのJavaScript関数を自由に実装させる方式です。保存ファイル名例: claude-sonnet.js

あなたは熟練のゲームAI開発者です。以下の仕様と型（テンプレート）に従って、オセロ（リバーシ）の思考アルゴリズムを1つのJavaScriptファイルとして実装してください。

【ルール・仕様】
- リアルタイム通信や外部ライブラリは使わず、純粋なJavaScriptのみで完結させてください。
- `chooseMove(board, color, validMoves, helpers)` の中で最善手を計算し、`{ row, col }` を返してください（処理時間は1手あたり300ms以内を目安にしてください）。
- 引数:
  - `board`: 8x8の2次元配列（`0`: 空き、`1`: 黒石、`-1`: 白石）
  - `color`: 自分の石の色（`1` または `-1`）。相手の色は `-color`
  - `validMoves`: 現在打てる合法手の配列 `[{ row, col, flips: [[r, c], ...] }, ...]`（1手以上保証）
  - `helpers`: 以下の補助関数が使えます
    - `helpers.cloneBoard(board)`: 盤面のコピーを返す
    - `helpers.getValidMoves(board, targetColor)`: 指定色の合法手一覧を返す
    - `helpers.applyMove(board, row, col, targetColor)`: 1手進めた新しい盤面を返す
    - `helpers.countDiscs(board)`: `{ black, white, empty, total }` を返す
    - `helpers.countStableDiscs(board, targetColor)`: 角から連続する確定石の数を返す
    - `helpers.isCorner(row, col)` / `helpers.isXSquare(row, col)` / `helpers.isCSquare(row, col)`

【出力するコードの型】
(() => {
  'use strict';
  window.OthelloModels = window.OthelloModels || [];
  window.OthelloModels.push({
    id: 'ユニークな英数字ID',
    name: 'AIモデル名＋戦略タイトル',
    author: 'あなたのAIモデル名',
    description: 'このアルゴリズムの戦略や特徴の説明（50〜80文字程度）',
    chooseMove(board, color, validMoves, helpers) {
      // ここに最強の思考アルゴリズムを実装してください
      return { row: validMoves[0].row, col: validMoves[0].col };
    }
  });
})();

方式B：JSONデータ型（.json）

64マスの評価値と戦略重みパラメータを出させる

ゲーム本体内蔵のαβ探索エンジンに読み込ませる「64マスの位置評価表」と「序盤・中盤・終盤の重み付け」をJSONで出力させる方式です。保存ファイル名例: gpt-tactics.json

あなたはオセロ（リバーシ）の戦術アナリストです。ゲーム本体のαβ探索エンジンに読み込ませるための「思考パラメータJSON」を1つ作成してください。

【各パラメータの意味】
- `searchDepth`: 通常時の先読み深さ（1〜5の整数。標準は3または4）
- `endgameExactDepth`: 終盤の完全読み開始残りマス数（6〜9の整数）
- `weights.board`: 8x8マスの位置評価テーブル（角は高評価、角の斜め隣Xマスはマイナス評価など）
- `weights.positional`: 位置評価テーブルの倍率（opening: 序盤, midgame: 中盤, endgame: 終盤）
- `weights.mobility`: 着手可能数（自分−相手）の重要度
- `weights.discDiff`: 石数差（自分−相手）の重要度（序盤はマイナスにすると少なく取る戦略になります）
- `weights.stability`: 角から繋がる確定石の重要度
- `weights.opennessPenalty`: 裏返す石の周囲の空きマス（開放度）に対するペナルティ係数

【出力するJSONの型（有効なJSONのみを出力してください）】
{
  "id": "ユニークな英数字ID",
  "name": "AIモデル名＋戦術名",
  "author": "あなたのAIモデル名",
  "description": "このパラメータの戦術的な特徴（50〜80文字程度）",
  "searchDepth": 4,
  "endgameExactDepth": 8,
  "weights": {
    "board": [
      [ 120, -25,  20,   5,   5,  20, -25, 120],
      [ -25, -45,  -5,  -5,  -5,  -5, -45, -25],
      [  20,  -5,  15,   3,   3,  15,  -5,  20],
      [   5,  -5,   3,   3,   3,   3,  -5,   5],
      [   5,  -5,   3,   3,   3,   3,  -5,   5],
      [  20,  -5,  15,   3,   3,  15,  -5,  20],
      [ -25, -45,  -5,  -5,  -5,  -5, -45, -25],
      [ 120, -25,  20,   5,   5,  20, -25, 120]
    ],
    "positional": { "opening": 1.2, "midgame": 1.0, "endgame": 0.3 },
    "mobility":   { "opening": 15.0, "midgame": 18.0, "endgame": 4.0 },
    "discDiff":   { "opening": -3.0, "midgame": 1.0, "endgame": 25.0 },
    "stability":  { "opening": 15.0, "midgame": 30.0, "endgame": 40.0 },
    "opennessPenalty": 6.0
  }
}