2016年にGoogle傘下のDeepMind社が開発した囲碁AI「アルファ碁」が人類に初めて勝った。ボードゲームの中で碁は“最後の砦”と思われたが、Deep Learning（深層学習）の手法を使うことで、ブレークスルーしたのだ。 当時、あと10年はAIが人間に勝つ日が来ないと思っていたプロ棋士たちは、AIの長足の進歩に驚いたものの、多くの棋士は新しい世界を見せてくれるAIをむしろ歓迎した。その強さを認めながらも、自身の棋力向上に役立てている棋士たちの姿を紹介したい。 AIに淘汰された定石、悪手が好手になることも まずはAIが囲碁界にもたらしたインパクトと、現在の「活躍」の状況について説明しておこう。 人類よりはっきり強いAIが出現したことで、囲碁界は大きく変化した。まず、盤上では新しい定石や手段が打たれるようになった。 もっとも象徴的なのが、今や主流となった「ダイレクト三々」だ。碁をた
世の中には将棋やチェスなどさまざまなボードゲームがありますが、これらが駒を動かして「王(キング)を取った方の勝ち」であるのに対して、囲碁は石を置いて「多くの陣地を取った方が勝ち」というルールであるため、素人目では盤上で何が起きているのか理解するのが難しいもの。そんな囲碁の詳細なルールを理解していなくても、プレイするだけでなんとなくルールがわかるようになるのが「ぷよ碁」です。初心者が囲碁を楽しみながら理解するにはピッタリなゲームということで、さっそく囲碁初心者がプレイしてみました。 ぷよ碁 - 無料囲碁ブラウザゲーム https://puyogo.app/ 「ぷよ碁」の画面は以下の通り。上部に5×5の盤面が配置されており、その下に白石と黒石の数が表示されています。さらにその下には「パス」と「降参」というボタンが配置されており、文字通りパスと降参が可能。 初期状態だと白石の下に「対 AI」と表
囲碁入門くらいの人に分かりやすいかもしれない、くっつく碁石さんはどうでしょう？ ・石のつながりが分かりやすい ・欠け眼も気づきやすいかも？ ・大石取るの気持ちよさそう ・盤面わりと囲碁っぽくなくて斬新な気が 前にもらったリプに… https://t.co/yDZGLIMbVx
囲碁AIを日本のプロ棋士が研究に使うようになって1年半ほどたちますが、使い方はどう変化しましたか。 大橋氏 上野さんをはじめとする10代の棋士は、今では囲碁AIを使うのが当たり前になっていますね。20代も多くの棋士が囲碁AIに触れています。 囲碁AIの実行環境としてどのようなITインフラを使っているのでしょうか。 大橋氏 Amazon Web Services（AWS）のようなクラウドを使う棋士もいれば、高性能のGPUマシンを自ら購入している棋士もいます。 まず従量課金型のクラウドで囲碁AIを使ってみて、公式戦の振り返りで週1回使うだけならそのままクラウド、囲碁AIで毎日何時間も勉強するようならマシンを買う、といった判断をする棋士が多いですね。若手棋士はだいたい使い方のリズムがつかめてきた感じですが、その点で最先端を行くのが上野さんです。 おお、そうなんですか。上野さんの囲碁AIの実行環境
囲碁の世界タイトルを20回近く獲得し、2000年以降最強の棋士の1人とも評されるイ・セドル棋士が、2019年11月19日に韓国棋院に辞職願を提出したことを、韓国メディアの聯合ニュースが報じています。かつてAI企業DeepMindの開発した囲碁AI「AlphaGo」と戦って敗れたイ棋士は、引退の動機の1つとして「AlphaGoなど囲碁AIの圧倒的な強さ」を挙げているとのことです。 (Yonhap Interview) Go master Lee says he quits unable to win over AI Go players | Yonhap News Agency https://en.yna.co.kr/view/AEN20191127004800315 Former Go champion beaten by DeepMind retires after declaring
本製品は電子書籍【PDF版】です。 ご購入いただいたPDFには、購入者のメールアドレス、および翔泳社独自の著作権情報が埋め込まれます。 PDFに埋め込まれるメールアドレスは、ご注文時にログインいただいたアドレスとなります。 Amazon Payでのお支払いの場合はAmazonアカウントのメールアドレスが埋め込まれます。 本製品を無断で複製、転載、譲渡、共有および販売を行った場合、法律により罰せられる可能性がございます。 ご購入の前に必ずPDF利用案内をお読みください。 「神の一手」の謎にせまる！ 【概要】 2017年5月にアルファ碁（AlphaGo）と柯潔（カ・ケツ）九段の最終決戦が行われ、 アルファ碁の3連勝となりました。アルファ碁は今回の対戦で さらに進化をとげました。 このようにAIの技術進化は日進月歩で進んでおり、国内でも 企業や研究開発が進んています。中でも目されているのは、 機
本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 強化学習入門の第3弾。「モンテカルロ木探索（Monte Carlo Tree Search, MCTS）」を解説するとともに、実際にAI同士で五目並べを戦わせてみました！ こんにちは。アナリティクスサービス本部 AI開発部の山崎です。 昨年も強化学習界隈は盛り上がりを見せていましたが、今なお、強化学習と言えば一番にAlphaGoを思い浮かべる人も多いのではないでしょうか。昨年、AlphaGoZeroという進化バージョンが発表され、一切のお手本を用いずに従来バージョンより強いということが話題になりました。（それまでのAlphaGoは、人のお手本をある程度学び、その後勝手に学んでいくものでした） さらに、AlphaGoZeroを一般化したアルゴリズムに修正したAlphaZeroが登場し、チェス
ドワンゴは3月16日、世界トップレベルの囲碁AI（人工知能）開発を目指すプロジェクト「DeepZenGOプロジェクト」を今春で終了すると発表した。3月～4月に「囲碁電王戦FINAL」と題したプロ棋士との対戦を行い、DeepZenGoは引退する。 ドワンゴ広報部によれば、2016年3月のプロジェクト発足時に立てた「プロ棋士・李世ドル九段と対局したバージョンの米Googleの囲碁AI『AlphaGo』の強さに追い付く」という目標を達成したため終了する。対局サイト「幽玄の間」での対プロ棋士勝率や、「第1回世界電脳囲碁オープン戦」（17年8月）での優勝といった結果から判断したという。 「人間と囲碁AIの関係で、AIの棋力をより高めるという以外の方向もあり得ると考えており、棋力向上を目標としたDeepZenGoプロジェクトは終了という結論に達した」（ドワンゴ広報部） DeepZenGoは、日本最強の
せいだんしゃ／紙媒体、WEBメディアの企画、編集、原稿執筆などを手がける編集プロダクション。特徴はオフィスに猫が4匹いること。http://seidansha.com ニュース3面鏡 インターネットの登場以来、以前にもまして巷にはニュースがあふれ返っています。そうしたニュースや出来事の中から、ＤＯＬ編集部が気になる出来事を厳選し、正面のみならず右から左から、価値あるニュース、楽しいニュースをお届けします。 バックナンバー一覧 昨年の将棋界は「藤井聡太四段（現五段）がデビュー1年目で29連勝」「羽生善治が永世七冠達成」など大いに盛り上がったが、将棋と双璧をなすボードゲームの「囲碁」はイマイチだった印象だ。囲碁界にも、先日の国際大会・ＬＧ杯でも準優勝の活躍を見せた井山裕太七冠というスター棋士がいるが、なぜ将棋と囲碁はこれほど人気に差が生まれてしまったのか。囲碁の普及に取り組むＩＧＯホールディン
2016年の3月、DeepMindのAlphaGoが人類最強の囲碁棋士を破った最初のAIとなり、衝撃が走りました。この時のAlphaGoのバージョンであるAlphaGo Leeは世界中の最高の囲碁棋士の膨大な対局を学習に使っていました。数日前に発表された 新しい論文 によると、新しいニューラルネットワークの AlphaGo Zero は人間が囲碁の打ち方を教える必要がないそうです。今までの囲碁棋士より(人間、機械に関係なく)優れているだけでなく、たった3日間の学習で打ち方を学んでしまうのです。この記事では、これがどのようにして可能なのか、そしてなぜ可能なのかについて説明します。 モンテカルロ木探索 離散的で決定論的な完全情報ゲームをするボットを作成できるアルゴリズムは、モンテカルロ木探索(MCTS)でしょう。囲碁やチェスやチェッカーのようなゲームをするボットは次の一手を決める際に全ての選択
流し読みだとちゃんと分からなかったのでメモ。 準備(AlphaGo) policy network : 盤面とその特徴量を入力として受け取り、各マスに打つ確率を返すニューラルネット。 value network: 盤面とその特徴量を入力として受け取り、その盤面での勝率を返すニューラルネット。 AlphaGo ではまず policy network をプロの棋譜データから教師あり学習で事前学習させ、その後自己対戦による強化学習によってさらに改善させていく。 AlphaGo の強化学習パート 教師あり学習後の policy network のパラメータ $\rho_0$ から学習をスタートする。自己対戦の結果から policy network のパラメータは随時更新されていく。それらを $\rho_1, \rho_2, \cdots$ とする。$t$ 回目の自己対戦では、現在のパラメータ $\
AlphaGo Zeroが自己学習のみで過去最強になったというニュースが出たのでその元論文を読み、要約をしました。 まず感想を述べると、過去数千年にわたって蓄積してきた知識をAIが数時間で発見することに対する気持ち良さがありました。人間などクソ食らえと思っておりますので、こう言うニュースはとてもスッキリします。そして人間の発見していない打ち筋の発見にも感動しました。これこそがAIの真髄だと信じています。人間が見えていないものをAIが見つける、僕もいつかそんなことをしてみたいと思いながら生きています。 あともう一つ重要だと思ったのは、とてもネットワーク構造および学習過程が簡素化されたことです。マシンパワーも過去に比べて非常に少なく済み、個人でもすぐに再現実験ができそうなくらいです。AIが強くなることと、構造および学習のsimplerが同時に達成できていることが本質的だと思います。 一応、下記
Research AlphaGo Zero: Starting from scratch Published 18 October 2017 Authors David Silver, Demis Hassabis Artificial intelligence research has made rapid progress in a wide variety of domains from speech recognition and image classification to genomics and drug discovery. In many cases, these are specialist systems that leverage enormous amounts of human expertise and data. However, for some pro
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
