AlphaGoは、ディープニューラルネットワークを用いて実装された「value network」と「policy network」によって動くモンテカルロ木探索（英語版）を用いる。
まあこんな風にWikiには書かれています。
MCTS（モンテカルロ木探索）まではCrazyStone(2006年）が起こしたブレークスルーでした。＜－－リンク
そして今回のAlphaGoのブレークスルーはArakiさんによれば、＜－－リンク
1.遅いけど正確な行動評価関数をDCNNで作る(b)。
2.ｂを強化学習でさらに学習する(c)。
3.cを使った自己対戦により、状態評価関数をDCNNで作る(d)（これにより状態評価が15000分の1の時間で出来るようになった。）
そうしてたぶん行動評価関数「policy network」と状態評価関数「value network」を使ったMCTS（モンテカルロ木探索）で対局する、、、ということの様です。
そういう訳で、AlphaGoは盤面全体を見渡しての大局観にすぐれてはおりますが、モンテカルロ木探索の弱点である、「• 細く長い正解手順がある場合、 最善手が1手だけある、という局面が長手順連続すると、確率的に正解にたどり着かない」というものも合わせ持っている様であります。
・シチョウ ： プレイアウトをパターンで強化して回避
・死活、攻め合い ： まだ対処法は不明
（• 山下さんは、探索との組合せなどを試しているらしい）
PS
行動評価関数「policy network」＜－－１３層のニューラルネットワーク（CNN）
枝刈り用のものである。（というよりは次の一手候補を戦略的に複数、選択する機能かな。）
「policy network」で有効な次の一手の候補を絞り、「value network」でその候補盤面の評価をする。
序盤はこれでしょう。
そうして終盤に近くなると、具体的にプレイアウトを実行して勝率を確認するものと思われる。
ソースはこちら＜－－リンク
PS
ご参考までに。
・和製の囲碁ＡＩ、趙治勲名誉名人と対戦へ 互先で３局＜－－リンク
・「DeepZenGo」と趙治勲名誉名人が対局へ第2回囲碁電王戦11月19日より3番勝負を開催＜－－リンク
PS
・電王戦最終局、趙名誉名人が勝利 囲碁AI「DeepZenGO」に勝ち越し＜－－リンク
囲碁は日本ではCOM君と人が競い合うには、ちょうど良いタイミングの様です。
PS
・囲碁に新国際戦 井山王座と中韓代表、ＡＩも参戦 ＜－－リンク
将棋世界のごたごた、ぐずぐずを他山の石とできる囲碁の世界は賢明でありますなあ。
なによりもオープンなのが、風通しが良いのがうらやましい所です。
・ネット上の超絶棋士「神の手」 囲碁界騒然、正体は？ ＜－－リンク
その名は「Ｇｏｄ Ｍｏｖｅｓ（ゴッドムーブズ、神の手）」。・・・
「Ｇｏｄ Ｍｏｖｅｓ」ー＞「神 動く」－＞「神 動」－＞読み変更ー＞「しん どう」－＞「進 藤」－＞「ヒカル」・・・とのこと。
面白いですね、これ。
PS
756 : 名無し名人 (ｶﾞﾗﾌﾟｰ KKff-IgmJ)2017/01/05(木) 00:30:13.82 ID:t61jixbAK
https://twitter.com/demishassabis/status/816660463282954240
ハサビス＜－－リンク
我々は精力的にAlphaGoの改良に取り組んできました。
そして、過去数日間、新しい試作バージョンが期待通りに動作するか
確認するため、非公式のオンライン対局を行ってきました。
Tygemと野狐のMagister、Masterアカウントと対戦してくださった
プレイヤーの皆さまと観戦してくださった皆様に感謝します。
我々はこの対戦結果と新しいAlphaGoが打った革新的で有効な手から
囲碁界と我々が学べることに興奮しています。
AlphaGoと対戦した古力棋士は「人とAIはともに囲碁の深淵の謎を解き明かしていくだろう」
と投稿しました。
今や我々の非公式のテストは完了し、棋界と棋士の協力の下、
公式の長時間対局が今年開催されることを楽しみにしています。
詳しい発表はすぐできると思います。
だってよ囲碁界
ーーーーーーーーーーーーーーーーーーー
囲碁界は上手におつきあいしていますね。
追記
・アルファ碁が進化 「匿名」対戦でトップ棋士ら撃破 ＜－－リンク
追記
・ネットの謎棋士60連勝、熱狂生んだ陰の主役＜－－リンク
PS
「電王戦記」はこちらから入れます。＜－－リンク
特集記事一覧にはこちらから入れます。＜－－リンク
まあこんな風にWikiには書かれています。
MCTS（モンテカルロ木探索）まではCrazyStone(2006年）が起こしたブレークスルーでした。＜－－リンク
そして今回のAlphaGoのブレークスルーはArakiさんによれば、＜－－リンク
1.遅いけど正確な行動評価関数をDCNNで作る(b)。
2.ｂを強化学習でさらに学習する(c)。
3.cを使った自己対戦により、状態評価関数をDCNNで作る(d)（これにより状態評価が15000分の1の時間で出来るようになった。）
そうしてたぶん行動評価関数「policy network」と状態評価関数「value network」を使ったMCTS（モンテカルロ木探索）で対局する、、、ということの様です。
そういう訳で、AlphaGoは盤面全体を見渡しての大局観にすぐれてはおりますが、モンテカルロ木探索の弱点である、「• 細く長い正解手順がある場合、 最善手が1手だけある、という局面が長手順連続すると、確率的に正解にたどり着かない」というものも合わせ持っている様であります。
・シチョウ ： プレイアウトをパターンで強化して回避
・死活、攻め合い ： まだ対処法は不明
（• 山下さんは、探索との組合せなどを試しているらしい）
PS
行動評価関数「policy network」＜－－１３層のニューラルネットワーク（CNN）
枝刈り用のものである。（というよりは次の一手候補を戦略的に複数、選択する機能かな。）
「policy network」で有効な次の一手の候補を絞り、「value network」でその候補盤面の評価をする。
序盤はこれでしょう。
そうして終盤に近くなると、具体的にプレイアウトを実行して勝率を確認するものと思われる。
ソースはこちら＜－－リンク
PS
ご参考までに。
・和製の囲碁ＡＩ、趙治勲名誉名人と対戦へ 互先で３局＜－－リンク
・「DeepZenGo」と趙治勲名誉名人が対局へ第2回囲碁電王戦11月19日より3番勝負を開催＜－－リンク
PS
・電王戦最終局、趙名誉名人が勝利 囲碁AI「DeepZenGO」に勝ち越し＜－－リンク
囲碁は日本ではCOM君と人が競い合うには、ちょうど良いタイミングの様です。
PS
・囲碁に新国際戦 井山王座と中韓代表、ＡＩも参戦 ＜－－リンク
将棋世界のごたごた、ぐずぐずを他山の石とできる囲碁の世界は賢明でありますなあ。
なによりもオープンなのが、風通しが良いのがうらやましい所です。
・ネット上の超絶棋士「神の手」 囲碁界騒然、正体は？ ＜－－リンク
その名は「Ｇｏｄ Ｍｏｖｅｓ（ゴッドムーブズ、神の手）」。・・・
「Ｇｏｄ Ｍｏｖｅｓ」ー＞「神 動く」－＞「神 動」－＞読み変更ー＞「しん どう」－＞「進 藤」－＞「ヒカル」・・・とのこと。
面白いですね、これ。
PS
756 : 名無し名人 (ｶﾞﾗﾌﾟｰ KKff-IgmJ)2017/01/05(木) 00:30:13.82 ID:t61jixbAK
https://twitter.com/demishassabis/status/816660463282954240
ハサビス＜－－リンク
我々は精力的にAlphaGoの改良に取り組んできました。
そして、過去数日間、新しい試作バージョンが期待通りに動作するか
確認するため、非公式のオンライン対局を行ってきました。
Tygemと野狐のMagister、Masterアカウントと対戦してくださった
プレイヤーの皆さまと観戦してくださった皆様に感謝します。
我々はこの対戦結果と新しいAlphaGoが打った革新的で有効な手から
囲碁界と我々が学べることに興奮しています。
AlphaGoと対戦した古力棋士は「人とAIはともに囲碁の深淵の謎を解き明かしていくだろう」
と投稿しました。
今や我々の非公式のテストは完了し、棋界と棋士の協力の下、
公式の長時間対局が今年開催されることを楽しみにしています。
詳しい発表はすぐできると思います。
だってよ囲碁界
ーーーーーーーーーーーーーーーーーーー
囲碁界は上手におつきあいしていますね。
追記
・アルファ碁が進化 「匿名」対戦でトップ棋士ら撃破 ＜－－リンク
追記
・ネットの謎棋士60連勝、熱狂生んだ陰の主役＜－－リンク
PS
「電王戦記」はこちらから入れます。＜－－リンク
特集記事一覧にはこちらから入れます。＜－－リンク
表示する項目が
