将棋盤面の難易度評価のための畳み込みニューラルネットワークによる人間の思考時間分類

情報処理学会

書誌事項

タイトル別名
  • Classification of human thinking time using convolutional neural network for evaluation of Shogi-board difficulty

説明

近年の将棋AI の発展は目覚ましく，初学者への学習支援ツールとして活用させることを目的とした研究も存在する．しかし，学習支援を行う上で重要な「盤面ごとに人間が感じる難しさの違い」を定量化している研究は少ない．本研究では，人間の思考時間を盤面の難易度の指標として用いて，駒の配置と持ち駒の情報を入力，人間の思考時間を出力とした畳み込みニューラルネットワークによって，盤面の情報から人間の思考時間を予測した．その結果，合法手数を用いたランダムフォレストによる予測と比べて，畳み込みニューラルネットワークでは，駒のぶつかりといった特徴を捉えることで，僅かな違いの盤面でも正しい方向へ予測値を変えていることが確認でき，盤面の難解さの定量化に有効なモデルであることが分かった．

Shogi AIs have made remarkable progress in recent years, and some studies aim to use them as an educational support tool for beginners. However, few studies have quantified the “difference in difficulty perceived by humans to each Shogi board”, which is important for educational support. In this study, we regarded human thinking time as the index of board difficulty and predicted human thinking time by convolutional neural networks where piece positions and pieces in hand were used as input to the neural networks. As a result, compared to the prediction by random forest using the number of legal moves, the convolutional neural networks well predicted human thinking time by getting characteristics such as the state that pieces being captured, even for a slightly different situation. Thus, we find that this model effectively quantifies the boards’ difficulty.

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ