| 研究課題/領域番号 |
20K12120
|
|---|
| 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 – 2023-03-31
|
| キーワード | ゲーム人工知能 / 将棋 / 強化学習 / 深層学習 / AlphaZero |
|---|
| 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)。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
AlphaZero の将棋の実験を一度行うために必要な棋譜生成数は一千万棋譜程度である。今年度の申請者の研究によって、一個15万円程度の GPU で日産１万棋譜程度の棋譜生成効率を達成した。これから、ハードウエアなど設備を整えて、日産30万棋譜の生成速度を達成し、一か月程度で追試を一度繰り返せる程度の実験セットアップを整える。
研究計画の一年目は計算機実験の効率化であり、計画はおおむね順調に進展している。
|
| 今後の研究の推進方策 |
計算機実験を本格的に始動させる。また、2018年以降に公開された及びされるであろう最新の将棋人工知能と対局実験を行い、AlphaZeroの強化学習アルゴリズムが生成する将棋人工知能の性能を計測する。そして、既知の将棋の手筋や好形が出現したり消滅したりする様子を観測する。さらに、本研究の総括を行い、学術論文誌などで研究成果を公開する。
|
