囲碁世界レーティング1位の柯潔九段とAlphaGoが対局、第1局はAlphaGoが勝利 15
ストーリー by hylom
さてどうなるか 部門より
さてどうなるか 部門より
あるAnonymous Coward 曰く、
現時点でGoRatings.orgによる囲碁のレーティング1位である柯潔九段と、Google傘下のDeepMindが開発するコンピュータ囲碁ソフトウェア「AlphaGo」の対局が5月23日に行われた。第1局はAlpheGoが半目差で勝利（ITmedia）。
AlphaGoは、現在レーティング7位の李世ドル九段と昨年対局し4勝1敗で勝ち越し、レーティング2位となった。その後AlphaGoは一時柯潔九段を抜きレーティング1位となったが、現在GoRatings.orgによるレーティング対象からは外れている。
「AlphaGo」って何だろう (スコア:0)
この手のソフトは用意したデータセットによって学習結果が大きく変わる。
データセットを変えて学習しなおしたら、身体は一緒だけど中身が違う、ヒトで例えれば双子の片割れのようなものになる。おそらくはAplhaGoも学習リセットのようなことはしてるだろう。
つまり「AlphaGoのレーティング」算出に用いたデータは大勢いるAlphaGo双生児vs棋士の勝負データなのかなと思う。AlphaGoのレーティングを決めるというのは人類のレーティングを決めるのに等しい行為なのかなｗ
Re:「AlphaGo」って何だろう (スコア:1)
AlphaGOって最初は棋譜を学習してある程度良い手を打てるようになったら
自己対戦による強化学習してる(前回では500万回ww)から、与えた教材が～
というよりも前回負けた原因でもあるモンテカルロ木探索のパラメーターを
修正して再度強化学習したんだろうなーと。
前回のタレコミでAlphaGOには囲碁のルールが実装されてないって言ったら
ﾌﾙﾎﾞｯｺになったなー
自己学習における勝敗判定の先生にはもちろんルールが仕込まれてるけど、
AlphaGo自身には囲碁のルールなんて実装されてないって、もう一度ここで
大声で言っておこう
Re: (スコア:0)
ルールが実装されてるといっても過言ではないんじゃない？
あと、将棋の詰将棋アルゴリズム的なものは入ってないのかな？
Re:「AlphaGo」って何だろう (スコア:1)
ゼビウスでおなじみの遠藤雅伸さんによるモンテカルロ木探索の解説
http://ameblo.jp/evezoo/entry-10175289834.html [ameblo.jp]
これを囲碁に適用しようとしたのはAlphaGOが最初というわけじゃない
「コンピュータ囲碁におけるモンテカルロ法~理論編~」 [uec.ac.jp] (pdf注意)
ずばりAlphaGoの解説
「囲碁AI “AlphaGo” はなぜ強いのか?～ディープラーニング、モンテカルロ木探索、強化学習～」 [itscom.net] (pdf注意)
Re: (スコア:0)
ルール実装しなかったら、最終的に出力された手が反則手でないことを100%保証できないと思うんだけど
それは問題ないの？
Re:「AlphaGo」って何だろう (スコア:1)
勝敗を判定する「先生」はルールはもちろん勝敗の基準も含めて実装してるけど、
勝つための手を探索するときに囲碁のルールは使わない、という言い方のほうが合ってるかなorz
Re:「AlphaGo」って何だろう (スコア:1)
ルール違反の手は、学習の過程で負けと判定され、評価値最低の盤面と記録されているから、そのような手は出てこない、という状況でしょう。「探索処理を単純化するために、探索処理にルールを入れずに、データの方にルールを盛り込んでおく」という手法は、いわゆる「番兵法」 [wikipedia.org]の一種と言えると思います。
言いたいことはわかりますが、これを「ルールが実装されていない」と言ってしまうと、「ルールを外部データから読み込む(コード的に記述していない)」ようなものはみな「ルールが実装されていない」ことになってしまうかと。
Re:「AlphaGo」って何だろう (スコア:1)
確かに…食わせるものに最初から毒が入って無いって判ってるなら
毒見役はいらんもんなあ(たとえ下手 _(:3 」∠)_
Re: (スコア:0)
反則手を指したらその先生プログラムが敗北判定してくれるんだから
次の局からは学習してそういう手指さなければいいだけ
Re: (スコア:0)
困るときはルール評価エンジンを別に用意して出力を監視させる
ルールは準拠度をリニアに評価できるものではないのでNNがうまく食えないのは事実
Re: (スコア:0)
「俺は修行して生まれ変わったんだ。去年までの俺と一緒だと思わないことだな。」
というのは、人間のセリフだろ？（小っ恥ずかしくて普通は使えないけど。）
学習して成長して変化していくのは、べつにAlphaGoの専売特許じゃない。むしろ変化しない方が珍しい。
＞AplhaGoも学習リセットのようなことはしてるだろう。
そのソースは？
とりあえず、自分は今までそういう発表は見たことない。
Re: (スコア:0)
AlphaGoVSAlphaGoのようなこともやってるところはやってる。
Re: (スコア:0)
それこそ兄弟対決だね。優秀な方を採用
計算能力を1/10程度に削減したらしい (スコア:0)
http://imgur.com/a/hLIYw [imgur.com]
前回はCPU+GPUのサーバを1ラック使ったところ、今回はCPU+TPUで1ノードに削減してきたようだ。大雑把な話で計算能力は1/10とも言われている。
Re: (スコア:0)
計算能力が上がったから削減できたのでは…