人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質

  • 262人登録
  • 4.03評価
    • (21)
    • (25)
    • (17)
    • (1)
    • (0)
  • 31レビュー
著者 : 山本一成
  • ダイヤモンド社 (2017年5月11日発売)
  • Amazon.co.jp ・本 (288ページ)
  • / ISBN・EAN: 9784478102541

この本を読んでいる人は、こんな本も本棚に登録しています。

有効な左矢印 無効な左矢印
伊賀 泰代
リンダ グラット...
トマ・ピケティ
三浦 しをん
ジャレド・ダイア...
佐々木 圭一
スティーヴン ワ...
クリス・アンダー...
有効な右矢印 無効な右矢印

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質の感想・レビュー・書評

並び替え:

表示形式:

表示件数:

  • 2017年4月についに現役名人を破った将棋ソフト「ポナンザ」の開発者が自ら将棋や碁の人工知能開発について書いた本。実際の先端を歩んできた開発者であり、その内容に信が置ける上に、非常に読みやすく書かれている。

    人口知能は、将棋界だけでなく、囲碁界でも躍進し、AlphaGoが2016年のイ・セドルに続き囲碁界の頂点に君臨するカ・ケツにも2017年5月に圧勝した。それまでは一線級の棋士にはまだまだコンピュータは勝てないだろうと思われていたものが、正に一瞬にして様相が変わり、もはや人間はコンピュータには勝てないだろうという認識が支配的になった。そういう意味でもこの1年は人口知能界にとって画期的な年であった。そして、この先もどんどん進化していくだろうと、多くの人が若干の不安をもって確信した年でもあった。

    ポナンザも開発当初はそのロジックをプログラマである著者が考えて組み込んで作ったものであった。そしてその当時のソフトでは全く人間には歯が立たなかった。人間のロジックを上手く言語化して計算可能な問題にすることができなかったのだ。その限界を変えたのが機械学習とディープラーニングだった。著者はこの技術について、計算不可能と思われていた問題が計算可能な問題になったと表現する。その表現は納得感が高い。さらにポナンザの開発経緯を辿って、強化学習の導入やコンピュータ自身による「評価」の調整方法などが説明されるが、非常に腹落ちしやすい形で説明される。AlphaGoが使ったモンテカルロ法の説明も非常にわかりやすかった。

    ポナンザの生みの親である著者が、ポナンザに負けたとき、自分の子供の成長に例えてその喜びを表現した。また一方、2013年にプロ棋士(佐藤四段)をポナンザが破ったときの記者会見のことをゾッとしたと表現した。しかし、現在では状況はずいぶんと変わった。ポナンザが新しい戦法を指すようになり、将棋界でもポナンザ流というものが出るようになったという。そしてついに名人が破れてもそれほど驚かれなかったし、佐藤名人自身もオフラインの対局でもほとんど勝てなかったと漏らすほどであった。現在、14歳の藤井四段がプロになってからの連勝を伸ばしているが、彼も将棋ソフトから大きな影響を受けて強くなっているのかもしれない。

    本書の中では、当然将棋が中心になるのだが、それだけでなく人口知能一般にも話が向けられる。人口知能については「解釈と性能のトレードオフ」、つまり性能を上げるほどなぜ性能が上がったのかわからなくなるというものである。それは将棋ソフト以外でもあてはまる原則だ。そこにはある種の倫理の問題が出てくるのではと指摘する。
    また、ディープラーニングの未来について「言葉」と「音声」と「画像」が大きな応用先であることは間違いないという。Googleの動きを見ていてもその通りで、音声認識率や翻訳の自然さ、Google Lensの話などますます精度があがることが期待できる。その先に何があるのかを考えなくてはならない。

    著者は、開発を経て、ときどきポナンザの指し手に意思を感じたり、目的を感じるようになったという。人口知能は「知能」を獲得したが、そのうちに「知性」まで獲得するようになるかもしれない。かつて、人口知能は人間の脳に近いやり方ではうまく行かないと言われていたが、それは道具立てが追いついていなかっただけで、今では人間の脳に近いほどうまくいくと言われている。人間の脳のメカニズムの解明にもつながっていくのではないか。

    とにかく将棋がわからない人にもお勧めの本のひとつ。そこいらの人口知能の解説本よりよほど本質がわかるような気がする。

  • 非常にわかりやすい文章なので人工知能について知りたい入門書としてオススメ。あと、著者の人工知能という存在に対する価値観が面白いと思った(あとで詳述)

  • 2017/11/17:読了
     面白かった。
     将棋「ポナンザ」。
     囲碁「アルファ碁」。
     機械学習。
     ニューラルネットワークの層を深くしたからディープラーニング。
    <ドロップアウト:黒魔術>
     ほっておくと、丸暗記。丸暗記だと未知の問題に対応できない。この状態を過学習という。
     過学習は、防がなくてはならない。
     丸暗記でなく、特徴を抽出で学習するのが良い。
     ディープラーニングで学習中に、ニューロンをランダムにドロップアウトさせる。どういう仕組みか分からないが、これにより、必死になって特徴を抽出しようとする。
     ドロップアウトは、ディープラーニングの数ある黒魔術のうちの1つ。
    <マルチモーダル>
     自由度の高い入力・出力の設計。入力が音声で、出力が音声に適した画像ということも。
    <学習>
     ・教師あり学習
     ・教師なし学習
     ・強化学習
      教師を必要としない。未知の環境であってもコンピューターが投機的に調べて、結果をフィードバックすることで学習する。フィードバックを繰り返すことで、「評価」が「強化」されるから、強化学習。

  • 分かりやすい!

    人工知能は確かにすごいけど、すごいのは目的を与えられた時に最短でその目的を達成するスキル。
    逆に言うとまだ「何を目的にすればいいか」はできない。それが知性。それができるのが人間なんだな、と。いや、人間にも出来てるか分からんけど笑

  • 佐藤名人を2連勝で終えたポナンザの制作者の人工知能論。ポナンザ自体は当時ディープラーニングは使わず、探索と刈り込みを強化学習し、プログラム対プログラムver2との対戦を繰り返し、勝率が52%を超えたら乗り換えるという手法を取って行った。将棋チェスの場合は、コマの移動できる範囲が大きく、静的なディープラーニングは向かないと考えていたが、その後ディープラーニングでもポナンザを作りうまくいっている。

    そのきっかけとなったのがアルファ碁だったが、これはディープラーニングの強みとされている画像認識を用いている。白、黒、石なし、で構成される局面を画像と捉え局面化し、それぞれの勝率を計算し強化学習を行った。さらに局面の評価もディープラーニングで評価できるプログラムを強化学習で構築し、それら二つをつないであっという間に最強のプログラムとした。

  • 人工知能はどのようにして「名人」を超えたのか? 山本一成
    2017年5月10日第1刷発行
    2017年9月29日読了

    プロ棋士を破った将棋AIポナンザの開発者である山本一成の著書。
    ポナンザの進化の過程を分かり易い言葉で解説した本。色んな例に例えて説明してるけども、肝心の部分は謎に包まれていたりする。
    それは、機械学習において、将棋のある局面を画像として記憶させ、その局面の「評価値」を機械自身にさせるというもので、その判断は人間には分からないから。
    プログラマーは、その局面が良いかどうかは分からなくても機械が勝手に数ある局面との比較で評価していく。なのでいかに早くプログラムが動作するかのプログラムを書き上げていくかだという。同じプログラムをさせるにも、書き方で差が出るそうです。
    するとコンピュータ自身が勝手に評価して強くなっていく過程は人間にも分からず「黒魔術」という表現でまとめられてしまう。科学技術の産物なのに黒魔術という表現は面白い。

    人工知能の「守破離」
    人工知能でも、お手本とするプロ棋士の膨大な棋譜から学び、その後、さらなる強化の為に強化学習=選択した一手が数手進んだ後に良い一手だったのか否かをフィードバックするもの。に変わりさらなるコンピュータ将棋の進化になったなど。進化の過程が優しい言葉で書いてありました。

  • 著者は、将棋ソフトでは最強と言われる「ボナンザ」の開発者。ボナンザの開発途上の知見やアルファ碁の分析を通して、人工知能はどのように進んで、どこに行こうとしているのかを平易な言葉で語る。実際にボナンザを開発した人だけに、著者の感情が垣間見えて親しみを感じるとともに理解が進む。
    章のサブタイトルが良かったのでメモっておこう。
    ①プログラムからの卒業 人間の人間の表現力が足りないため、プログラムには限界。
    ②科学からの卒業 分析することに解がある、という考えに限界。 など。

  • 知能と知性
    知性 目的を設計できる能力
    知能 目的に向かう道を探す能力

    人間は機械に知能では圧倒的に破れそうだが、知性がある。逆に言うと知性がないと機械にあっさり置き換えられる。中間の目標を設計しながら大きな目的に向かう。道筋立てたら後は機械でもいいじゃないか。

    黒魔術化したポナンザ
    人工知能を作る側、導入する側からすると、何をもってこの知能は出来上がったと言えるんだろうか?作ってる側も実際わかってない。なぜ、知能が成長したのか?ロジックを人間が作るのではなく、ロジックを作る知能があり、その知能が新たなロジックを作る。作ったものの全てを作る側が理解することができなくなる。基幹システムとしてはあり得ない考えだけど、それと切り離して考えないといけないんだろうな。

  • これは面白かった。
    将棋、囲碁ソフトはなぜ急に強くなり、一気に人間…トップ棋士さえも超えてしまったのか。これ以上平易には解説できないであろうくらい噛み砕いて、最強の将棋ソフト「ボナンザ」の開発者自身が語る本。

    後半のアルファ碁をめぐっての対談は囲碁の知識があればもっと興味深く読めるのだろうな、と思いましたが、囲碁・将棋の知識がなくても充分に面白いだろうと思います。

  • 人間は指数的な増加に反応できない

全31件中 1 - 10件を表示

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質を本棚に「読みたい」で登録しているひと

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質を本棚に「読み終わった」で登録しているひと

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質を本棚に「積読」で登録しているひと

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質はこんな本です

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質のKindle版

ツイートする