| 研究課題/領域番号 |
20K12120
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分62040:エンタテインメントおよびゲーム情報学関連
|
|---|
| 研究機関 | 電気通信大学 |
|---|
研究代表者 |
保木 邦仁 電気通信大学, 大学院情報理工学研究科, 准教授 (00436081)
|
|---|
| 研究分担者 |
伊藤 毅志 電気通信大学, 大学院情報理工学研究科, 准教授 (40262373)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | ゲーム人工知能 / 将棋 / 強化学習 / 深層学習 / AlphaZero / 人工知能 / ヒューリスティック探索 |
|---|
| 研究開始時の研究の概要 |
2019年にSilverらは、囲碁・将棋などの知識を自己対局形式により獲得する人工知能プレイヤの強化学習アルゴリズムAlphaZeroとその実験結果をサイエンス誌で発表した。本研究では、この先行研究の将棋における大規模実験の追試を市場に出回っているハードウエアを用いて行い、強化学習過程や生成された人工知能の性能を観測し、AlphaZeroが将棋知識を獲得する過程を分析する。知識獲得過程の分析は、将棋などのボードゲームプレイヤの認知学の専門家 (研究分担者) と協調して行う。
|
| 研究実績の概要 |
Silver らは 2019 年、囲碁・将棋などの知識を自己対局形式により獲得する人工知能プレイヤの強化学習アルゴリズム AlphaZero とその実験結果をサイエンス誌で発表した。本研究では、この先行研究の将棋における大規模実験の追試を市場に出回っているハードウエアを用いて行い、強化学習過程や生成された人工知能の性能を観測し、AlphaZero が将棋知識を獲得する過程を分析する。
申請者は追実験を行うため、グラフィックス・プロセッシング・ユニット (GPU) を活用した自己対局生成の計算効率を追求した。NVIDIA 社の一個15万円程度の GPU (GeForce RTX 2080) を用いて、日産１万局程度の効率を達成した。現在申請者が参加している追実験のプロジェクトでは、市販ハードウエアのみを用いて構築された追実装は、AlphaZero の将棋の実験に準じた性能を獲得している (山下宏、保木邦仁、小林祐樹、AobaZero の高速化と現在の状況、コンピュータ将棋協会誌、vol. 32, pp. 72-86, 2021)。
申請者は現在、計算機実験を行う環境整備に取り組み、性能評価を行うための実装について検討中である。
本研究の成果物であるプログラムコードは、GitHub リポジトリ「AobaZero」(https://github.com/kobanium/aobazero) にて公開している。インターネットの検索エンジンにて、二つのキーワード「将棋」と「AobaZero」で検索すると、これが多数の Web ページで紹介されていることが分かる。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
プログラムコードの開発と強化学習実験は順調にすすんだが、将棋人工知能の性能を評価する対戦実験の結果が、先手の場合には先行研究と矛盾するということが分かった。この不思議な現象を解釈することに時間がかかり、計画はやや遅れている。
現在は、分担者と囲碁人工知能の現状を調査したり、将棋人工知能の現状に詳しい研究者と情報交換を密に行なったりして、研究成果をまとめる方向を探っている。
|
| 今後の研究の推進方策 |
将棋人工知能の性能を評価する対戦実験の結果にて、先手番での勝率計測方法を検討する。
分担者と囲碁人工知能の現状を調査したり、将棋人工知能の現状に詳しい研究者と情報交換を密に行なったりして、研究成果をまとめる方向を探る。
|
