アルファ碁ゼロ、将棋も攻略

Googleが最強のチェス・将棋AI「AlphaZero」を発表　わずか24時間の自己学習で最強AIを上回る
まるで永世７冠の誕生を待っていたかのようなタイミングで（笑）google社がチェスと将棋を攻略したと発表した模様です。

この アルファ碁ゼロはいわゆるディープラーニング（深層学習）タイプのＡＩですが、囲碁のルールの他に、これまで「教師データ」としてプロ棋士の棋譜等を読み込ませていた作業をすっ飛ばし、０から自己対局のみで強くしたというものです。以前の記事の後、自分も論文を探し出して読んでみました。最初の１局とされる棋譜は本当にルールもろくに理解していない超初心者がランダムに石を置き続け、生きたり取られたりした後にも置き続けると言うある意味恐ろしい碁で（笑）その後３時間経ってもまだコウを理解できず石を延々取り合う棋譜が紹介されていましたが、１０時間後にはついに一般的な基本定石を発見し、１９時間後に死活や地と厚みといった概念を習得。おそらくこの辺りで有段者と打てるレベルになったと思われます。そして５５時間で人類がまだ知らなかった定石を編み出し、７２時間で韓国のトッププロを倒したアルファ碁１．０に１００戦１００勝の実力に辿り着いたとか。ただし、その後は４０日間学習して世界１位カケツを倒したアルファ碁２．０にやっと勝率で上回れたわけで、必ず勝てる実力とまではいかなかった模様です。この時点でレーティングは５０００以上！トッププロが３５００、プロ試験合格レベルは２５００と言われていますが、レートの上昇グラフを見るとまるで対数関数のような感じで、７２時間（３５００）前後を境に強さの上昇が極めて緩やかになっていくようです。４０日で見切りをつけたわけは、おそらくこれ以上は何ヶ月と動かしてもレート１００も増えないと判断したのだろうと思われます。つまり、現在のディープラーニングのシステムでは、このアルファ碁２．０より強いゼロが囲碁の強さの上限と言えるのかもしれませんね。ちなみに最終の棋譜も見てみましたけど、やはり意味不明でした（笑）結構初期からそういう傾向がありますけど、何故あんなにすぐ三三に入りたがるのだろう・・・？

で、そのアルファ碁ゼロに、今度は将棋とチェスを教えて０から２４時間ディープラーニングさせた後、現最強ＡＩとの対局を１００回行ってみたというのが今回の発表のようです。何故人間でなくＡＩかというと、チェスは２０年以上前に既に世界チャンプがＡＩに負けていますし、将棋もこの前ポナンザが佐藤天彦名人を圧倒しましたから、最早ＡＩの力を測る相手はＡＩしかないと言うことですね（笑）一応、それまでのアルファ碁は人間の教師データを用いて進化していましたから、いわば「人類ｖｓ人類の英知の集大成」であり、人間の頂点と戦い超えることに意義がありましたが、アルファ碁ゼロは教師データを用いず０から誕生しているので、言わば鉄人兵団と戦うのと同義となってしまい、ディープマインド社側に「人類とＡＩが敵対する」という構図を避けたい心情もあった模様です。まあそんな難しい理屈じゃなくても、ＡＩ同士なら休まず２４時間対局しても疲れませんし、人間と１００戦と言う選択肢は流石にないですな。
今回対局したelmoはそのポナンザよりも強いＡＩということですが、何と生まれて１日のゼロの９０勝８敗２分けだったとか・・・完勝ではないにしても、９割勝てればまず明白に上回ったと言えるでしょうね。囲碁のグラフの件もありますし、おそらく今回は２４時間という縛りで試したかったと言う所でしょう。ちなみにチェスは２８勝０敗７２分けとあるので、一応無敗だったようですが、勝つというよりも負けないためにルール上引き分けに持ち込む手が最善であることが多いみたいですね。○×ゲームみたいなものか・・・それってゲームとしてどうなの（笑）

囲碁は少なくとも人間を圧倒するのに３日かかったわけですけど、まさか将棋は１日で抜かれてしまうとは。今回の発表の一番の収穫はココですね。「囲碁は将棋の３倍複雑」・・・って、単純に手数が３倍だからかな？