AlphaZero

AlphaZero（アルファゼロ）は、DeepMindによって開発かいはつされたコンピュータプログラムである。汎ひろし化かされたAlphaGo Zeroのアプローチを使用しようしている。 2017年ねん12月5日にち、DeepMindチームはAlphaGo Zeroのアプローチを汎ひろし化かしたプログラムであるAlphaZeroの論文ろんぶんをarXiv上うえで発表はっぴょうした。AlphaZeroは、24時間じかん以内いないにチェス、将棋しょうぎ、囲碁いごの世界せかいチャンピオンプログラムであるStockfish、elmo、3日間にちかん学習がくしゅうさせたAlphaGo Zeroを破やぶるレベルに達たっした。具体ぐたい的てきには、2時じ間あいだで将棋しょうぎ、4時じ間あいだでチェスの最高峰さいこうほうのAIに勝利しょうりし、AlphaGo Zeroも8時じ間あいだで上回うわまわった。

AlphaZeroは、オープニングブック（序盤じょばん定跡じょうせきデータベース）とエンドゲームの表ひょう（終盤しゅうばんを解析かいせきしたデータベース）を参照さんしょうせずに、4時じ間あいだの自己じこ対戦たいせんだけでStockfishを凌駕りょうがした。

それまでチェスおよび将棋しょうぎのAIで一般いっぱん的てきであったアルファ・ベータ探索たんさくではなく、囲碁いごAIで成功せいこうを収おさめたモンテカルロ木き探索たんさく（モンテカルロ法ほうの応用おうよう）とディープラーニングをこれらのゲームに対たいして適用てきようしても強つよいAIが作つくれることを実証じっしょうした。

手法しゅほう

モンテカルロ木き探索たんさくを使用しようした自己じこ対戦たいせんによって、ディープラーニングを用もちいた強化きょうか学習がくしゅうをする。

AlphaGo Zeroとの関係かんけい

詳細しょうさいは「AlphaGo Zero」を参照さんしょう

AlphaZero (AZ) は、AlphaGo Zero (AGZ) アルゴリズムのより汎ひろし化かされた変種へんしゅであり、囲碁いごとともに将棋しょうぎとチェスがプレーできる。AZとAGZとの間あいだの違ちがいには以下いかの内容ないようが含ふくまれる。

• AZは探索たんさくハイパーパラメータの設定せっていのためにハードコードされている。
• ニューラルネットワークは絶たえず更新こうしんされる。
• （チェスと異ことなり）囲碁いごは任意にんいの鏡かがみ映うつと回転かいてん下かで対称たいしょうである。AGZはこれらの対称たいしょう性せいをうまく利用りようするようにプログラムされている。AZはされていない。
• （囲碁いごと異ことなり）チェスには引ひき分わけがある。したがって、AZは引ひき分わけの可能かのう性せいが考慮こうりょできる。

性能せいのう

囲碁いご

囲碁いごを8時じ間あいだ自己じこ学習がくしゅうした後のちに前ぜんバージョンのAlphaGo Zeroと対戦たいせんして、AlphaZeroは60勝しょう40敗はいであった。

将棋しょうぎ

将棋しょうぎプログラムelmoとの100局きょくにおいて、AlphaZeroは90勝しょう8敗はい2分ふんであった。このとき、思考しこう時間じかんはチェス同様どうよう一いち手てごとに1分ふん与あたえられた。

チェス

AlphaZeroとStockfishとのチェス対局たいきょくにおいて、それぞれのプログラムは一いち手てごとに1分ぶんの思考しこう時間じかんが与あたえられた。AlphaZeroは白しろ（先手せんて）で25勝しょう、黒くろ（後手ごて）で3勝しょうし、残のこりの72局きょくで引ひき分わけた。

AlphaZeroはStockfishを初はじめて打うち負まかしたプログラムではない。Komodoと呼よばれるプログラムが、今回こんかいより前まえにStockfishを破やぶっていた。Komodoのラリー・カウフマンはAlphaZeroの勝利しょうりを重要じゅうよう視しせず、「AlphaZeroは効果こうか的てきに自分じぶんのオープニングブックを構築こうちくしているので、オープニングブックを用もちいるトップエンジンに対たいしてよりフェアに戦たたかえたのだろう」と主張しゅちょうした。

評価ひょうか

新聞しんぶんは、訓練くんれんにわずか4時じ間あいだしかかからなかったとの大だい見出みだしを付つけた: 『朝食ちょうしょくと昼食ちゅうしょくの間あいだと大差たいさない時間じかんでやってのけた』。WIRED誌しは、AlphaZeroを「初はつのマルチスキルAIボードゲームチャンピオン」として大々的だいだいてきに宣伝せんでんした。AI専門せんもん家かのJoanna Bysoは、Googleは「パブリシティ（宣伝せんでん）の才覚さいかく」によって競合きょうごう他社たしゃに対たいして有利ゆうりな立場たちばに立たったと述のべた。「すぐれたプログラマーを雇やとえるだけではありません。AI部門ぶもんに注目ちゅうもくする各国かっこく政府せいふや規制きせい当局とうきょく者しゃとの交渉こうしょうにおいてできる限かぎり強つよい立場たちばに立たつ上じょうでも有益ゆうえきなので、非常ひじょうに政治せいじ的てきでもあるのです。」

オランダのチェスグランドマスターであるピーター・ハイネ・ニールセンはBBCのインタビューに対たいして、「私わたしはいつも、人間にんげんより優すぐれた生命せいめいが地球ちきゅうに降おり立たち、チェスをどうプレーするのか見みせてくれたらどんな風ふうになるのだろうと思おもっていました。今いま、わかりました」と語かたった。ノルウェーのグランドマスターであるヨン・ルズヴィ・ハンメルはAlphaZeroの特徴とくちょうについて、深遠しんえんなポジショナルプレイ（駒こまの位置いちを良よくする指さし方かた）を用もちいながらの「常軌じょうきを逸いっした攻撃こうげき的てきチェス」と述のべた。