Developers Summit 2018 「将棋プログラムPonanzaにおける強化学習、ディープラーニングとその先」を聞きました

Tweet

以下は、思ったことや気になったことをメモしていますので、必ずしも登壇者の発表内容やご意見ではないことを、ご承知おきください。

スピーカーはHEROZの大渡さん

HEROZ Kishinという独自AIを活用したソリューションを提供されている。

ゲームAI大会というのがあるんですね。
きっとその名前のとおりの大会なのでしょうね。

将棋プログラム

ミニマックス法ベースのアルゴリズムで出来ている、
お互いが最善の行動をした場合の評価を計算していく、
パラメータ数が数千万ぐらいあるので人間が手計算するのは不可能、とのこと。

Ponanzaと他プログラムとの違い

コードが短くて読みやすい。1万行ぐらい。
なので実戦検証のプログラムが充実してトライアンドエラーが早くまわせた。

ディープラーニング

一言で言うと「大量の足し算と掛け算の集合」らしい。なるほど。
AlphaGoZeroは盤面の履歴から最善手の予測と勝率の予測をニューラルネットワークで同時に計算している。
Ponanzaもニューラルネットワーク導入後はAlphaGoZeroと同じ。
ライブラリにTensorFlowを使っている。

これまでの将棋のプログラムは秒間600万局面を探索して理詰めで評価する。ニューラルネットは計算局面は少なく鋭い感性を持っている。

Alpha ZeroはAlpha Go Zeroを汎用的に見直したプログラム。

ニューラルネットで多様性な結果が本当にうまれるのかは、はい、疑問ですね。
でも多様性な結果が生まれるらしい。

ニューラルネットワークやモンテカルロ木探索の限界は思われていたよりずっと高かったらしい。

簡単に書けるようなるというのは本当にそうなんだろうなと思います。
今日のセッションにあったような技術面での話は意識することなく普段使いしていくんだろうなあと思いました。

AIがAI作ったとか聞いたら、もうAIとか作れなくてもよくて、使えればいいんだな。
なので多くの人が知るべきなのは統計学よりも、何をどう使えばどんな結果になるか、場面に応じたうまい使い方は？ってことになるんじゃないでしょうか。

素朴な疑問ですが、初期のファミコンの「将棋」はどうしてたんだろ #devsumiA

— やました (@yamamanx) 2018年2月15日

@yamamanx

開発ベンダー5年、ユーザ企業システム部門通算9年、ITトレーナー1年目のSoftware Engineerです。
質問はコメントかSNSなどからお気軽にどうぞ。
出来る限りなるべく答えます。

このブログの内容/発言の一切は個人の見解であり、所属する組織とは関係ありません。

また、勉強会やイベントのレポートは自分が気になったことをメモしたり、聞いて思ったことを書いていますので、登壇者の意見や発表内容ではありません。