アルファ碁(AlphaGo)とは

アルファ碁(AlphaGo)は、人間の直感が必要とされてきた囲碁で、ディープラーニングがトップ棋士を超えたことを示した、象徴的な成果です。

なぜ囲碁は難しかったのか

囲碁は盤が19×19と広く、1手ごとに打てる場所が多いため、手順の組み合わせが膨大です。チェスでは1997年にIBMのディープ・ブルーが世界王者に勝ちましたが、同じように先を読む探索だけでは、囲碁では通用しませんでした。局面の有利・不利を数式で評価することも難しく、トップ棋士に勝つのはまだ先だと考えられていました。

仕組み

AlphaGoは、次の要素を組み合わせました。

• ポリシーネットワーク：盤面を画像のように入力し、次の一手の候補を確率で出す深層ニューラルネットワーク（CNN）です。人間の棋譜で教師あり学習したあと、自己対局による強化学習でさらに強くしました。
• バリューネットワーク：局面から、どちらが勝ちそうかを予測するネットワークです。
• モンテカルロ木探索：有望な手を中心に先を読み、ネットワークの評価や終局までのシミュレーションの結果を合わせて、打つ手を決めます。

主な成果

2015年10月、欧州王者の樊麾（ファン・フイ）に5戦全勝し、19路盤でハンディなしにプロ棋士に勝った初めてのプログラムとなりました。2016年3月には、世界トップ級の棋士である李世乭（イ・セドル）に4勝1敗で勝ち越しました。2017年5月には、中国のトップ棋士の柯潔にも3戦全勝しています。

後継のAI

2017年に発表されたAlphaGo Zeroは、人間の棋譜を使わず、自己対局だけで学習してAlphaGoを上回りました。2018年に論文が発表されたAlphaZeroは、同じ手法を囲碁・チェス・将棋のそれぞれに適用しました。

覚え方

「CNNで候補を絞り、木探索で読む」と覚えます。