深層学習を用いた囲碁における悪手の評価について

佐藤, 慎也, 山本, 修身

本稿では,囲碁における良手と悪手の識別のために,深層学習を用いて識別機を構築する手法およびそれを囲碁プログラムへ応用した場合の効果について検証した.過去のゲームの記録(棋譜)における着手点を良手,それ以外の座標をすべて悪手と仮定し,多数の 9 路盤における棋譜を用いて機械学習を試みた.その際,ニューラルネットワーク(NN)を用い,3 層の NN を用いた識別機および NN の一種である深層学習による識別を試みた.その結果,テストデータにおける良手ラベルの識別で 99.5%,悪手ラベルの識別で 51.6%で正しく識別を行うことができた.また,この識別機を用いたモンテカルロ木探索の枝刈りを行うプログラムを実装した.このプログラムで枝刈りしないプログラムと対局を行った時,8%勝率が向上した.この結果から,本稿の識別機が判別した悪手の枝刈りは効果があることを確認できた.

This paper describes a method for constructing a classifier which distinguishes good and bad moves in Go games and an evaluation of the performance of the classifier. Assuming that actual moves in recorded scores of Go games are good ones and others are bad ones, we constructed millions of examples from the recorded scores. We adopted a 3-layered neural network and a deep learning neural network for learning machines. Using those examples, the deep learning neural network detected 99.5moves as “bad moves.” We, moreover, implemented the classifier in a computer Go program for branch pruning. The winning ratio of the program against a program without the branch pruning improved by eight percent in average.

深層学習を用いた囲碁における悪手の評価について

書誌事項

抄録

収録刊行物

詳細情報詳細情報について

書き出し

問題の指摘

深層学習を用いた囲碁における悪手の評価について

書誌事項

抄録

収録刊行物

詳細情報 詳細情報について

書き出し

問題の指摘

詳細情報詳細情報について