Recommended
More Related Content
Similar to [AI11] 人工知能の技術を用いれば誰でも名人に勝つ将棋／囲碁のプログラムを作ることができる？
Similar to [AI11] 人工知能の技術を用いれば誰でも名人に勝つ将棋／囲碁のプログラムを作ることができる？ (6)
More from de:code 2017
More from de:code 2017 (20)
Recently uploaded
Recently uploaded (14)
[AI11] 人工知能の技術を用いれば誰でも名人に勝つ将棋／囲碁のプログラムを作ることができる？
- 2. ∗ 思考ゲームは人工知能の良い例題 ∗ ルールが明確 ∗ 勝敗によって評価が容易 ∗ さまざまなむずかしさのゲームが存在する ∗ 強い人間が存在する ∗ それ自体が面白い 人工知能と思考ゲーム
- 3. ∗ 欧米では人工知能の基本的な例題となった（チューリン グ、シャノンなどが「お墨付き」を与えた） ∗ 日本では長い間思考ゲームを例題とすることが認めら れなかった（白い目で見られた） ∗ 「ゲームの研究はなぜ日本では疎外されてきたか」 （ゲームプログラミング、共立出版、１９９８） ∗ 結果的に日本は出遅れた 思考ゲームの研究
- 4. ∗ チェッカー １０の30乗 1994年 ∗ オセロ １０の６０乗 1997年 ∗ チェス １０の120乗 1997年 ∗ 将棋 １０の220乗（８０の１１５乗） 2015年 ∗ 囲碁 １０の360乗 2016年 ∗ 数学的に解けた（必勝法がわかった）のはチェッカーま で ゲームの場合の数
- 5. ∗ 1950年ごろ チューリング、シャノンが開始 ∗ (1950年代にサイモンはあと10年で世界チャンピオンに勝てると宣 言して後で「ほらふき」と言われる） ∗ （哲学者のドレイファスがコンピュータは永遠に世界チャンピオンに 勝てないと出張する） ∗ 1967年 マックハック アマ初級者 ∗ 1970年代 Chess X.Y. アマ上級者 ∗ 1985年 Deep Thought プロ並み ∗ 1996年 Deep Blue Kasparovに１勝 ∗ 1997年 Deep Blue Kasparovに勝ち越し ∗ 機械学習は（ほとんど）使っていない コンピュータチェス (人工知能の「蠅」 by McCarthy)
- 6. ∗ 1975年頃研究がスタート(チェスに比べてかなり遅い） ∗ どうしようもなく弱い時代が続く ∗ 1984年前後 森田将棋発売 ∗ 1990年代 アマチュア有段レベル ∗ 2000年代 アマチュア高段レベル ∗ 2006年 ボナンザメソッド（機械学習で評価関数を作る） ∗ 2010年 女流プロに勝つ（あから2010 情報処理学会） ∗ 2013年 プロ棋士に勝ち越す ∗ 2015年 実力的にはトッププロ棋士を超える ∗ 2017年 Ponanzaが佐藤天彦名人に圧勝 コンピュータ将棋
- 7. 将棋の思考アルゴリズム （保木さん） 6 5 4 3 2 1 14 4 先手番局面 後手番局面 最善応手系列 静的評価関数 静的評価関数の効果的な設計法は？ 将棋は分岐数が多い。 十分深く探索できるのか？
- 9. Player 勝率勝率勝率勝率 (%) 多数決合議 73 Gekisashi 50 GPS Shogi 36 Bonanza 62 YSS 37 • 分散並列探索法＋合議法 ４異種プログラム (Gekisashi, GPS Shogi, Bonanza, YSS) で多数決 表: 多数決による性能の向上。勝率は一手３秒 1,000局より計算 あから２０１０の開発（保木さん） • 約200台の計算機を使用 人間が分散並列環境と対峙 T. Obata, T. Sugiyama, K. Hoki, T. Ito, CG2010 IPSJ Official Character
- 12. ∗ 2015年10月11日 情報処理学会将棋プロジェクト終了 宣言。トッププロ棋士に勝つコンピュータ将棋を開発す るというプロジェクトの目的を事実上クリアできたので終 了する。マスコミでかなり取り上げられる。 ∗ 羽生さんといい勝負をするのは今しかない！！数年後 にしても意味がない。 ∗ コンピュータ将棋の研究は人間より強くするという目的 ではないものに移る（たとえば「接待将棋」） 終了宣言
- 13. コンピュータも創造性を持てる？ ∗ 創造性は人間だけのものでコンピュータには持てないという 主張がある ∗ 人間のデータから機械学習すると人間を越えられないという 主張がある ∗ しかしコンピュータ将棋が新手を創造している ∗ ＧＰＳ新手（第2回電王戦第5局） この新手でコンピュータが 勝った ∗ Ponanza新手（2013年名人戦第5局）コンピュータの手を名人 が真似をした ∗ コンピュータは人間のデータから人間は思いつかなかった創 造性を持つことができた
- 14. ３七銀
- 15. ５五銀左
- 16. （ちょっと自分たちの研究の宣伝） ∗ コンピュータは創造性を持たせるための研究の一環と して小説を書かせよう ∗ 「きまぐれ人工知能 作家ですのよ」 プロジェクトを２０１ ２年から実施している ∗ コンピュータに星新一のようなショートショートを創作させ ることを目指す ∗ 昨年の星新一賞（第３回）に人間とコンピュータ共同で 創作した作品を応募した（順当に落選したが、一次審 査に通った）
- 17. ∗ 小説創作は「ストーリーを考える」、「考えたストーリーを 文章にする」の２つから成る ∗ ２つをコンピュータにやらせることを並列に研究している が、今回は後者の「考えたストーリーを文章にする」こと を実現した ∗ 現状ではストーリーは（ほぼ）人間が与え、それに基づ いてコンピュータが文章化している ∗ 人間８割でコンピュータ２割 ∗ これから頑張らないと。。。。 コンピュータによる小説創作
- 19. ∗ 現在の機械学習のほとんどは人間の（ビッグ）データか ら学習をしている ∗ コンピュータ将棋はもう人間より強くなったので、人間の データは参考にならない？ ∗ コンピュータ将棋同士でたくさん将棋を指してその棋譜 データを貯めて、そのデータから学習する（強化学習） ∗ 人間とは関係なく、コンピュータだけで（人間には理解 でない）将棋を指すことになるかもしれない 以前は人間から学んでいたが、 人間を超えたときは。。。
- 20. ∗ 竜王戦（10月15日開始）の挑戦者である三浦弘行9段が直前の10 月12日になって対局停止 ∗ 挑戦者決定戦で負けた棋士が代わりに挑戦 ∗ 三浦9段に対局中にスマホでカンニングをした疑い ∗ 本人は否認 ∗ 昨年一杯対局禁止の措置 ∗ 今後対局中はスマホ利用禁止 ∗ 第三者委員会の判断は三浦9段はシロだが対局禁止の判断もや むを得ない ∗ 会長辞任 スマホカンニング疑惑事件
- 21. ∗ 藤井聡太 ∗ 中学生で将棋のプロ棋士（4段） 4人目 ∗ デビューから公式戦13連勝（新記録） ∗ 小さい頃からコンピュータの対戦に親しんでいる ∗ コンピュータの気持ちがわかる？ ∗ 「AIネイティブ」世代 明るい兆し
- 22. そもそも。。。 ∗ プロ棋士が負けるのはいわば「歴史的な必然」 ∗ 人間のプライドをかけて戦うべきものではない ∗ 負けたり引き分けたりして泣くべきものではない ∗ 人間対コンピュータの対決ではなく人間同士の異種格 闘技にすぎない ∗ 人工知能は道具なので、対等の立場で戦うというもの ではない
- 23. コンピュータに負けた将棋は？ ∗ 世の中で一番将棋が強い存在は人間ではなくコン ピュータになる ∗ 15年以上前に負けたチェスが参考になりそう ∗ チェスは依然として盛ん 寂れていない ∗ 将棋もそうなってほしいが心配がある。。。 ∗ チェスは（頭脳）スポーツだが、将棋はスポーツでなく人 間の道の一つ
- 24. １００メートル競走と将棋 ∗ 人間のチャンピオンよりも機械（車）の方が100メートル 競走は早い ∗ でもそれは悔しくない ∗ ではなぜ将棋だと悔しいのか？ ∗ 人間は体力で負けることは経験がある（動物にも機械 にも負けている）が、知性で負けた経験がなかった
- 25. ∗ 1960年代に研究が始まる ∗ 長い長いとても弱い時代が続く ∗ 2000年代半ば モンテカルロ法の応用手法開発 ∗ 2010年代 アマ高段者レベル ∗ 2016年 Google のAlphaGo プロ棋士に勝つ ∗ 深層学習＋モンテカルロ法＋強化学習 ∗ 2016年3月 韓国のイ・セドルと対戦 コンピュータ囲碁
- 26. ∗ メインは D.Silver とAja Huang の二人 ∗ 2016年10月弱いプロ（２段）に5戦5勝 非公式戦を入れ ると8勝2敗 ∗ 深層学習でプロ棋士の棋譜（3000万局面）を再現する 予測器の作成 予測率 ５７％ ∗ 予測器を初期値としてコンピュータ同士で強化学習さ せ、元のに80％勝つシステムを作成 ∗ そのシステムを使って3000万局面をデータにしてvalue networkを作成（これが囲碁の評価関数に相当） ∗ それにモンテカルロ木探索を使ってプレイする AlphaGo １
- 27. ∗ 機械学習に50個のGPU 一か月 ∗ 対戦は１２０２個のＣＰＵと１７６個のＧＰＵ ∗ やはりGoogle の資金力はすごい ∗ Nature の論文の著者が20人！！ ∗ 「論文のレベルでは絶対イ・セドルに勝てない（すべて のプロ棋士が断言）が、機械学習がその後もすごくうまく いっていれば、もしかするともしかするかもしれない」と 当初は思っていた。。。。 AlphaGo 2
- 28. ∗ 2016年３月 AlphaGoがイ・セドルに４勝１敗 ∗ コンピュータ側の完勝（イ・セドルに大きなミスはない） ∗ 世界中の囲碁のプロ棋士、囲碁ファン、人工知能関係 者がショックを受けている ∗ AlphaGoは人間より優れた大局観を持っている(コン ピュータには人間に見えない未来が見えていた） ∗ すでに実力として人間よりもAlphaGoの方が上と思わざ るを得ない ∗ 囲碁も将棋と同じ道を辿ったことになる AlphaGo 3
- 29. ∗ 日本のDeepZenGoが趙治勲に1勝2敗（2016年） ∗ 刑天（中国）がカ・ケツといい勝負（2016年） ∗ Masterが世界中のトッププロ棋士に60連勝負けなし （2016－2017年） ∗ Master はAlphaGoの改良版 ∗ DeepZenGoも井山に勝利 ∗ 2017年5月にカ・ケツとAlphaGoが対戦する（3回戦） その後のコンピュータ囲碁
- 30. ∗ 中国のテンセント(世界最大のゲーム会社）が作ったコ ンピュータ囲碁のプログラム ∗ 深層学習（ディープラーニング）＋モンテカルロ木探索 ＋強化学習 AlphaGoの仕組みと基本的に一緒 ∗ 昨年AlPhaGoが発表されてから開発を開始 ∗ 開発メンバーは誰も囲碁のルールを知らず ∗ 1年でトッププロ棋士に勝つレベルに達する ∗ 人工知能の開発方法論が確立されたということ 絶芸
- 31. ∗ 技巧、ボナンザ、Apery、やねうら王、うさぴょんなど公 開されている強い将棋ソフトを拾ってくる（中にはプロに 勝てるソフトもある） ∗ 機械学習は既存のものを応用する ∗ 探索はストックフィッシュ（チェスの公開ソフト）を応用す る ∗ Floodgateというコンピュータ将棋のサイトで対戦するこ とで強化する（棋譜データを入手する） 名人に勝つ将棋ソフトの作り方
- 32. ∗ Natureの論文などでAlphaGoの手法を勉強する ∗ モンテカルロ木探索を勉強する（「コンピュータ囲碁－ モンテカルロ法の理論と実践―」，美添・山下著 など） ∗ 強化学習を勉強する（「強化学習」サットン他 など） ∗ 「彩」（山下宏さん）などの情報で囲碁のソフトの作り方 を学ぶ ∗ 速いGPUを用意する！！ 名人に勝つ囲碁ソフトの作り方
- 33. ∗ ルールが明確で棋譜がたくさんあるので機械学習で強 くすることができた ∗ 人間の棋譜から学んだが、人間を超えることができた (創造性も発揮できるようになった） ∗ 人間には理解しがたい手を指す／打つようになった ∗ ルールが不明確な対象ではまだコンピュータの能力は 低い ∗ データを集めるのがむずかしい対象では機械学習を使 えない 将棋と囲碁からの教訓