米グーグルの研究部門であるGoogle DeepMindが開発した囲碁AI（人工知能）「AlphaGo（アルファ碁）」と、韓国のプロ棋士イ・セドル氏が2016年3月9日～15日に韓国で相まみえた五番勝負は、イ・セドル氏が第四局で一矢を報いたものの、4勝1敗でAlphaGoの圧勝に終わった。この五番勝負は、“第三次AIブーム”を牽引するディープラーニング（深層学習：多層のニューラルネットによる機械学習）のデモンストレーションという枠を超え、その強みと弱点、ビジネス応用の方向性を浮き彫りにした。
グーグルの人工知能「アルファ碁」とトップ級棋士の囲碁対決。第４局は人間が勝利した（2016年３月13日、ソウル）＝ＡＰ
今回の五番勝負が改めて示したディープラーニングの強みは、このAI技術が用途によらず、極めて汎用的に使えるという点だ。
AlphaGoのソフトウエアには、囲碁のルールすら組み込まれていない。過去の棋譜をニューラルネットに入力する「教師あり学習」と、勝利を報酬に囲碁AI同士を対局させて鍛える「強化学習（教師なし学習）」だけで、世界最強と称されるプロ棋士を破るまでに成長させた。
AlphaGoは2015年10月の時点で、3000万局もの自己対局をこなしたという。地球上にプロ棋士が1000人いるとして、毎日対局したとしても1年当たり約20万局。少なくとも、未知の定石や打ち筋といったイノベーションを生むスピードで言えば、コンピューターは囲碁の領域で「シンギュラリティ（技術的特異点）」に達した、と言わざるを得ない。今後は、コンピューターとプロ棋士の組み合わせが生み出すイノベーションへと焦点が移るだろう。
プレーヤーが全情報を把握できる「完全情報ゲーム」でなくとも、ディープラーニングは適切な「入力データ」と「教師データ」「報酬データ」を用意できれば威力を発揮できる。これまで人間が担っていた「認識」「検知」に関わる領域、例えば画像認識、音声認識、顔認証から、防犯カメラに映った人間の振るまい解析、サイバー攻撃の予兆検知、医療用画像の解析などで、人間を超える精度を実現しつつある。
■ディープラーニングの「弱み」とは
今回の五番勝負は、ディープラーニングの強みに加えて、ディープラーニングを実社会に応用する上での二つの弱点を露呈させた。
一つは、AIが明らかに誤りと思える判断を出力した場合にも、その原因の解析が極めて困難であることだ。イ・セドル氏が勝利した第四局では、AlphaGoは明らかな悪手を繰り返した後に敗北したが、その原因は当のDeepMindのメンバーにも分からなかった。通常のプログラムであればコードを追跡してデバッグできるが、ディープラーニングには人間が読める論理コードはなく、あるのは各ニューラルネットの接続の強さを表すパラメーターだけ。アルゴリズムは人間にとってブラックボックスになっている。
もう一つは、高度に訓練されたAIは、例え結果的に正しい判断であっても、人間にはまったく理解できない行動を取る場合があることだ。特にAlphaGoが勝利した第二局では、プロ棋士の解説者は「なぜAlphaGoの奇妙な打ち手が勝利につながったのか、理解できない」といった言葉を繰り返した。