従来、平面ボードゲームとして普及しているリバーシ（商標名：オセロ）の 盤面を球面上に再現し対戦するボードゲームを開発しました。 平面ボードゲームでは定石であった「隅を先にとる」 戦略は用をなさず、いつ大逆転が起こるか分からない、 スリリングな展開を楽しめます。 この球面リバーシを対象として、リバーシAIを開発する研究を行なっています。 球面リバーシAI開発に当たって、従来型の平面リバーシAIのうち、特に機械学習に 基づくAIを参考にして、球面リバーシAIを開発します。 出典：筑波大学・システム情報系・知能機能工学域 自然言語処理研究室(宇津呂研究室) http://nlp.iit.tsukuba.ac.jp/

1. 機械学習による
球面リバーシ(オセロ)AIの開発
• 球面オセロ
– 端の無いオセロ
– 全ての点に8方向のつながり
• 球面オセロの棋譜データ収集
• 棋譜データでの学習によるAI開発
1

2. 球面リバーシ（オセロ）
８方向＝縦、横、斜め
の方向を持つ点を球面上に描く
2

3. 画鋲を打つ場所
基本線６本の円周を１２等分する
これらの点（４８個）に画鋲を打てば完成
3

4. 𝒄
𝟐𝟐 𝒄
𝟐𝟐
𝒄
𝟐𝟐
𝒄
𝟐𝟐
𝒄
𝟐𝟐
𝒄
𝟐𝟐
球面オセロ(48点版)の作り方の一例
球の最大の円周(=大円)が
𝑐 の場合
大円から対象の位置に
𝑐
24
の
間隔で基本線を1本ずつ引く
6本の基本線上の12等分した点を
各コマを置く点であるとする
𝒄
𝟏𝟏
4

5. 5

6. ・・・
・・・
・・・
・・・
平面オセロAIの探索木
： 対戦相手の人間(先手）
： AI（後手）
初期状態
対戦相手の選択した手
AIの手の
候補
局面に対する評価関数
||
最終石差予測関数
の出力
すべて白 白石－黒石＝5 すべて黒
・・・
・・・
・・・
・・・
・・・
・・・
・・・
・・・
・
・
・
・
6最善手

7. 素性 f3
=
= 真
隅にある自分の
石の数 = 1
素性 f5 = 左上隅2✕2並び
=
= 真
平面オセロの局面に対する
素性表現（一部のみ）および評価関数
素性 f4 = 対角線3個並び
=
素性 f2 = 相手が打てる手数 = 3 = 真
：対戦相手の人間(先手）
：AI（後手）素性 f1
= AIが後手
= 真
= 真
7

8. 素性 f3
=
= 真
隅にある自分の
石の数 = 1
素性 f5 = 左上隅2✕2並び
=
= 真
平面オセロの局面に対する
素性表現（一部のみ）および評価関数
素性 f4 = 対角線3個並び
=
素性 f2 = 相手が打てる手数 = 3 = 真
：対戦相手の人間(先手）
：AI（後手）素性 f1
= AIが後手
= 真
全素性f1，f2，・・・，fｎ
の値に基づき、次式の
評価関数によって
各局面の最終石差を予測
𝐹 = � 𝑤𝑖 𝑓𝑖
𝑖
回帰分析により学習
予測石差 重み 素性
✕
= 真
8

9. オセロAIにおける局面評価関数の学習
訓練用棋譜データ 局面に対する素性表現
６
回帰分析により
𝐹 = � 𝑤𝑖 𝑓𝑖
𝑖
最終石差予測関数
を学習
最終石差＝その局面から双方が最善手を打った場合の結果
の最終石差
6
の最終石差
2
・・・
f1，f2，・・・，fn
9

10. 素性 f3
=
= 真
隅にある自分の
石の数 = 1
素性 f5 = 左上隅2✕2並び
=
= 真
素性 f4 = 対角線3個並び
=
素性 f2 = 相手が打てる手数 = 3 = 真
素性 f1
= AIが後手
= 真
= 真
球面オセロの場合の素性表現(1)
球面オセロでは利用不可
球面オセロでは
利用不可
球面オセロでは
利用不可
10

11. 素性 f3
=
= 真
隅にある自分の
石の数 = 1
素性 f5 = 左上隅2✕2並び
=
= 真
素性 f4 = 対角線3個並び
=
素性 f2 = 相手が打てる手数 = 3 = 真
素性 f1
= AIが後手
= 真
= 真
球面オセロの場合の素性表現(1)
球面オセロでは
辺と隅が存在しないため、
平面オセロの素性の一部のみ
利用可能
球面オセロで利用可能な素性
の詳細な調査が必要
球面オセロでは利用不可
球面オセロでは
利用不可
球面オセロでは
利用不可
11

12. AIの石のうち最大の
周囲の空きマス
の数 = 6
素性 f4
素性 f2
12
：対戦相手の人間(先手）
：AI（後手）
：配置可能点
素性 f1
= AIが後手
= 真
素性 f5
=
球面オセロの場合の素性表現(2)
素性 f3
相手が打てる手
の数 = 2
相手がひっくり返せる
石の数の最大値 = 1
= 真
=
= 真
=
= 真
相手の石の割合
= 60 %
=
= 真
※ この他に配置パターンの素性も用いる

13. ・回帰分析による評価関数の学習
・球面オセロAIの評価
球面オセロの
棋譜データ
AI同士の対戦による
棋譜データ収集
球面オセロ用AIの
学習・評価
各素性の重みを
ランダムに変化
させて評価関数
を使用
第一段階
収集された棋譜データの
偏りを分析し、人手によ
り各素性の重みの分布
を調整した上でランダム
に変化させて使用
第ニ段階
球面オセロ用AI vs. 球面オセロ用AI
球面オセロAIの研究全体の流れ
棋譜データを
自動で蓄積
教師データ
として利用
13