ゲームＡＩコミュのDiGRAJ １１月の公開講座を終えて

DiGRAJ １１月の公開講座

囲碁ＡＩにおける革命「モンテカルロ木探索」とは何か？
　　http://www.digrajapan.org/modules/eguide/event.php?eid=31

についてのトピックです。お越し頂いた方、ありがとうございます。

改めて聴いて見ても、やはり凄い内容でした。
囲碁ＡＩの歴史が、あらゆるボードゲームの中で、
最難関と言われたゲームＡＩが、目の前で進化するというのを
見るのは、やはり驚嘆と言わざるを得ないでしょう。

感想や議論のネタなどがありましたら、こちらに気軽にお願いします。

コメント(4)

最初
全て
最新の40件

[1] mixiユーザー 11月29日 12:54

最後の質疑応答で出てきた

今までは、次の手を決定する為に評価関数が必要だったが
モンテカルロを使ったこれからは、プレイアウトする手を決定する為に評価関数が必要になる

という部分が興味深かったです。

何と言うか、AIアルゴリズムの作成にも、どんどんゲームの中身以外の専門知識が必要になってきていて、今まで職人芸で食べてきた人は、変化に対応できないと、どんどん辛くなっていくだろうな、と感じました。

[2] mixiユーザー 11月29日 14:22

面白かったですね。
マシンパワーが増大してくると、いままでダメだと思われていた力技が現実に使えるようになって発想が逆転するというのはソフトウェアではよくありますが、まさにその好例なのかな、と。
発想の転換って大事だなーとあらためて思いました。

モンテカルロを使ってなにか他にもできそうだと思えるところが夢があって良かったですｗ。

[3] mixiユーザー 11月30日 01:07

一晩考えてみた。

モンテカルロ木探索って、見かけ上のアルゴリズムは、
非常に単純に見えるけど、いろいろなものを
うまく含んでいると思う。

?
まず、min-max 法との違い。min-max は相手と自分が最善手を
討つことを仮定して、一手を探索する。これは、あり得ないほど、
賢い討ち手を仮定している。

一方、モンテカルロ木探索は、最低の討ち手を仮定する（改良しなければ）。
最も下手な討ち手同志が囲碁を討つ。

?　ある一手が飛びぬけていいわけではない、ということが多いという
　　囲碁の性質にマッチしていること。

　　そうでなければ、勝率だけを返すことが、
　　うまく行かないからだ。

　　大雑把に言えばだいたいどの手も善いのが同じぐらいなので、
　　勝率を返すことに意味がある。

?　ＡＭＡＦ

　　ランダムで討つなら手を討つ順序が（それほど）影響しない。
　　Ａ，ＢとＢ，Ａと討つのが違わないケースが多い。
　　
　　これも囲碁の性質をうまく利用している。
　　もし、将棋のように駒の利きが重要なら、
　　こうはいかない。

モンテカルロ木探索は、幸運にも囲碁というゲームの性質によく合っていた、
ゲームとゲームＡＩのよい出会いとは、こういうものかな、と思いました。

[4] mixiユーザー 11月30日 01:13

そして、それが意図的でないというところが、なんとも妙なところで、

天衣無縫って感じがします。^^

こう、下から積み重ねていたところに、
上から降臨した感じです。^^

ログインすると、みんなのコメントがもっと見れるよ