AlphaGoとは
AlphaGo（アルファ碁）とは、DeepMindが開発した囲碁AIプログラムです。2016年にプロ棋士のイ・セドル九段を4勝1敗で破り、AIが人間のトッププレイヤーを上回ったことで世界に衝撃を与えました。深層学習と強化学習、モンテカルロ木探索を組み合わせた画期的なシステムです。
| ひとことで言うと | 2016年に囲碁のトップ棋士を破った、DeepMindの囲碁AI。 |
|---|---|
| 何が画期的か | 深層学習と木探索を組み合わせ、「不可能」とされた囲碁で人間を超えた。 |
| 注意点 | 膨大な計算資源を要した。後継のAlphaZeroはより汎用的で効率的。 |
AlphaGoの技術
AlphaGoは2つのニューラルネットワークを使用します。Policy Network（方策ネットワーク）は次の着手の確率を予測し、Value Network（価値ネットワーク）は現在の局面の勝率を評価します。学習はまず人間の棋譜で教師あり学習を行い、その後自己対戦による強化学習で方策を改善しました。
1棋譜から学習人間の手を模倣
▶
2自己対戦で強化自分と何百万局も打つ
▶
3方策で候補を絞る有望な手だけ探索
▶
4価値で局面評価勝率を予測
▶
5木探索で決定最善手を選ぶ
モンテカルロ木探索との統合
実際の対局では、Policy Networkで有望な手を絞り込み、Value Networkとロールアウト（ランダムシミュレーション）で局面を評価するモンテカルロ木探索（MCTS）を使用します。これにより膨大な探索空間を効率的に探索します。
AlphaGoの歴史的意義
囲碁は盤面の複雑さからAIにとって最大の難関とされていましたが、AlphaGoはこれを克服しました。後継のAlphaGo Zeroは人間の棋譜を一切使わず自己対戦のみで学習し、さらにAlphaZeroへと発展してチェスや将棋でも超人的な性能を達成しました。