探索・推論

PK　そもそも、人口知能って何？

U3　俗に言われるAIとは、僕の脳に当たる部分のことだよ。僕たちの脳を活性化するために、僕たちはロボット学校でいろいろな訓練をうけたよ

HK　どんな訓練を受けるの？

U3　プランニングといって、僕たちが学校卒業後にこれから直面していくだろう事態＜前提条件＞、それに対して僕たちが取るべき＜行動＞そして、そこから予測される＜結果＞をひたすら叩き込まれるんだ。まさにスパルタさ。

PK  へー。大変だったろうね。

U3　もう大変だったよ。しかも僕は勉強ができないから成績はいつも最下位。

でもまあそれでも（オセロ・チェス・将棋・囲碁）では人間には負けないし、もちろん君らにも負けないけどね。

HK　すごーい！　U３達は、学校でどうやって（オセロ・チェス・将棋・囲碁）などの勉強をしたの？

U3　探索木をひたすら丸覚えだよ。あーあ、大変だったよ。　

当時、囲碁コンテストというのがあったんだ。人間で一番囲碁の強い棋士に勝ったロボットには、名誉と賞金が与えられるというシステムがあって、僕らロボットはこぞってそのために勉強したんだ。そこで見事人間に勝利したやつが、A３だ！のちにあいつは調子にのって自分にAlpha Goという芸名をつけあがった。こんちくしょー。調子にのりやがって。

HK　へー笑。どうやって勉強したの？

U3　まずは戦略を立てるんだ。Mini-Max法といってね。この探索木の各ノードがその時点でのゲーム盤の状態だとすると、自分の番のノードでスコアが最大化するように手配するんだ。

　　そして、自分に不利になってしまう状況をカットして、なるべく回避するようにするんだ。そうすると、結果的に勝つ選択肢しか残されなくなるというわけさ。

このカットには二種類あって、最大のスコアを選択する過程で、スコアが小さいノードが出現したら、それ以下をカットしてしまうBカットと、その逆（スコアが最小のものを選択する過程で、今までよりも大きいノードが現れたらカットするAカットがあるよ。

HK　でも囲碁をする中で必要なノード数って、膨大なんじゃないの？

U3そうなんだよ。特にゲームの序盤っていうのは、可能性があまりにもありすぎて、AIですら万全に備えることが難しいんだ。

しかし、初期の僕らは人間に勝つには、以下の二点を抑えておかなければならない

１、探索する組み合わせの数だけ把握できない

２、ゲーム盤のスコア（コスト評価）が正確にできていなかった

というのも、かつてはこのコスト評価を、人間が決めていたんだ。

そこで、モンテカルロ法を使って、Robotにこのコスト評価を決めさせることにしたんだ。方法は、二体のロボットがテキト～にゲームをやってそのデータを蓄積。これをぷレイアウトと呼んだんだ。このプレイアウトを何回も実行するｔ、一番勝ちやすいパターンがわかってくるというわけさ。

HK　ふむふむ

U3　これぞ、数うちゃ当たる方式さ！

　　でもやがてこの方法にも限界がきた。あくまでもこれはブルートフォース（力任せ）で押し切る方法なので、探索しなければならない組み合わせの数が増えると、たちいかなくなったんだ。

HK　あらま

U３　そこで登場したのが、ディープラーニングの技術というわけさ。

ＨＫ　ディープラーニングは、それまでのやり方と比べて、何がよかったの？

U3 　ディープラーニングでは、「特徴量」に着目したんだ。特徴量とは、注目すべきデータの特徴のことさ。この「特徴量」を以前は人間んが決めていた。これをAIにやらせたことにより、人間には見えていなかった相関関係を、過去の棋譜というビックデータから見つけ出したのさ。