| 研究概要 |
今まで知識なしで動かしていたアルゴリズムに,知識を組み込むことで効率化する研究を行なった.また,ハードウェアの進歩により扱えるデータの量が増えた利点を活用し,組み込む知識を自動的に獲得させる際に大規模な計算を行うことで信頼性を追及した.
対象としては適度に複雑でかつ成果が期待できる題材として,探索問題の一つである将棋及び囲碁のブログラムを選び,そこで用いられるアルゴリズムと知識の組み合わ方を整理し,そのような知識を自動的に獲得することを目標に研究を行なった.
将棋においては,知識を用いて主にdepth first proof number searchを効果的に活用するための研究として次の3点を進めそれぞれ成果を得た.(1)詰将棋探索の制御に知識を用いて効率的に詰を発見することと,その知識を統計に基づき自動的に獲得すること.(2)将棋の終盤において,攻め合いでの一手勝を計算可能とするために,詰や必至の概念を一般化した探索の枠組の精緻化と,その効率化のための知識の利用.(3)探索の一種であるProbeCutにおいて,知識の利用に基づく性能の向上.また,囲碁においては,モンテカルロ法における知識の利用とそのトレードオフを明らかにし,特にサンプル数を増やしたときの性能の向上の頭打ちになる現象の緩和に知識の利用が重要であることを示した.
最後に,組み込むべき知識の効果的な予測方法として,大量の棋譜から求めた評価値毎の勝率を用いることを提案し,実際に、囲碁,将棋,チェスなどで有効性を示した.
|
