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

著者 :
  • ダイヤモンド社
4.03
  • (30)
  • (50)
  • (23)
  • (2)
  • (0)
  • 本棚登録 :345
  • レビュー :52
  • Amazon.co.jp ・本 (288ページ)
  • / ISBN・EAN: 9784478102541

感想・レビュー・書評

並び替え
表示形式
表示件数
  • 本著は将棋AIポナンザが名人に勝利するまでの経緯になぞらえ、人工知能を解説している。

    万能な人工知能(強いAI)ではなくー領域での人工知能(弱いAI)についての話だ。その分、具体的で分かりやすくなっている。

    同じボードゲームでもチェスAI、将棋AI、囲碁AIとでは、人工知能化するには事情がかなり異なるらしい。

    チェス・・・数式で表現が確立していた→1997年世界チャンピオンに勝利
    将 棋・・・数式の表現を試行錯誤→2013年プロ四段に勝利
    囲 碁・・・数式で表現不能→2016年イ・セドル氏に勝利

    つまり、同じボードゲームでも数式でどう表現するかによって、人工知能化していくアプローチは全く異なるものになってくる。結局、将棋は強化学習(機械学習)で、囲碁はディープラーニングでプロに勝利したというのがミソとなっている。

    後にボナンザ(将棋AI)もディープラーニングを搭載するだが、その一番知りたかった部分が書かれていなかったのが残念だ。人工知能に興味を持った読者が最も知りたい部分だと思うのだが。。

    270ページほどのボリュームのうち、70ページは対談になっているので、購入する前にそこは確認しておいたほうが良いだろう。

    他に著者の面白い知見は次の通り。

    ◯「知能は画像」というのは興味深い。
     一部分は当てはまると思うが、全てではないと思う。しかし、逆に言えば、画像に置き換えられるものは、ディープラーニングで解決可能ということだと思う。それについては同意できる。

    ◯現実の問題(政治などの問題)は囲碁の問題よりも易しいと考えている
     これはインタビューの中に書かれてあったので、どのような根拠でこう書かれているのか分からなかったのだが、政治の不甲斐なさを感じている身としては、是非チャレンジしていただきたい項目である。格差の問題や資源配分の問題については、人間よりコンピュータの方が期待できそうである。

  • 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」の開発者自らが、将棋や碁の人工知能開発について書いた本。実際にこの世界の先端を歩んできた開発者であるためその内容に信が置ける上に、表現も読者にとって非常に読みやすく興味を惹くように書かれている。論理的であるということと文章の才は関係もあるのかもしれない。

    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、現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、多くの人がそのことに若干の不安を持ちながら期待を持って確信した年でもあった。

    ポナンザも開発当初は将棋もそこそこの腕前であった著者が、勝つためのロジックをプログラマである自身が考えて組み込んで作ったものであった。その成果としてできあがったソフトは、残念ながら全く人間に歯が立たなかった。もちろん著者自身にも。つまり、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。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、具体的な事例に沿っているため非常に腹落ちしやすい形で説明される。たとえばAlphaGoが使ったモンテカルロ法の説明も非常にわかりやすい。

    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する。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いような世界となり、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認めるような状況になった。現在将棋界では新しい星として、14歳中学生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、人口知能一般にも話が向けられている。人口知能については「解釈と性能のトレードオフ」がある。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という。そして、将来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。そこが気味の悪さの大きな要素でもある。

    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。Googleの動きを見ていてもその通りであり、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ほぼ確実に期待できる。だからこそ、その先に何があるのかを倫理的な角度からも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。

  • 人工知能の将棋のプログラムであるポナンザを開発した著者が開発過程と人工知能の未来について書いた一冊。

    ルールの理解が難しい状態からプログラムの応用や機械学習という手法を経てトップのプロ棋士を破るまで成長した人工知能の歴史をわかりやすく解説されており大変勉強になりました。
    チェスやオセロに比べて難解な点や囲碁の難易度などゲームの難易度の解説から機械学習についてもわかりやすく書かれており機械学習が人工知能に及ぼした影響は革新的なものだということを本書を読んで感じることができました。

    本書の中で一番印象に残っているのはシンギュラリティが起きる時いかに人間と同等の倫理観を人工知能が持っているかというところは非常に心に刺さり考えさせられるものがありました。

    将棋や囲碁といったゲームから人工知能の歴史や可能性を本書から感じることができました。
    様々なものから卒業をしてきた人工知能が今後の歩みにおいて間違いを起こさないように上手く舵を取っていくことが大事だと思いました。
    そして、そのうえで自分たちの未来の生活にどのように関わってくるのか楽しみになった一冊でした。

  • 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。

  • 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)

  • いま人工知能(AI)がブームです。以前のブームでは期待されたほどの成果が出ませんでしたが、その後、機械学習の中でもディープラーニングがブレイクスルーとなり様々なところで成果が出ています。例えば、将棋や囲碁などでAIが人間(名人棋士)に勝利したことは有名な話です。この本では、名人棋士に勝利したAI将棋プログラムを開発した著者が、どのようにしてAIが名人に勝る知能を得ることができたのかを分かりやすく書いています。また、AIの黒魔術やAIが知性を獲得したら、などの話もとても面白いです。
    (教員 推薦)
    (特集:「先生と先輩のすすめる本」)

    ↓利用状況はこちらから↓
    http://mlib.nit.ac.jp/webopac/BB00541802

  • 機械学習・深層学習・強化学習の違いがなんとなーーく分かったような気がします。将棋ソフトのポナンザやアルファ碁の成長ストーリーが面白いです。

  • 面白かった。何回か読み直したい。

  • 記憶力だけで解決する問題は、現代では人工知能の対象ではない。

    知能とは探索と評価。未来をエミュレートし、目星を付ける。
    探索はエミュレート、探索+評価はシミュレート。

    チェスは勝ち方を教えられる。人工知能でなくてもよい。
    将棋は勝ち方を教えられない。機械学習が必要。

    プロの指し手を記憶さえて、それを評価させる。機械学習で学習する。

    黒魔術=機械学習のスラング=どうやって強くなったのか説明できない。怠惰な並列化、など。

    ディープラーニングは、機械学習のひとつ。ポナンザにはロジスティック回帰という機械学習の手法を使った。
    ディープラーニングは画像の解析に最適。

    過学習=放っておくと丸暗記する=未知の問題は正解率が落ちる。それを避けるため一部をドロップアウトさせる=学習困難にさせる。

    マルチモーダル=画像、文字、音声をどれでも入力して、他の形で出力する。画像を入力して説明文を出力する。
    知能の本質は画像なのではないか。頭は二次元の画像で認識している。

    人工知能の発達で、還元的な科学手法ではない方法を受け入れる必要が出てきた。

    教師あり学習の次は、強化学習=教師なし学習。
    自分で評価の方法を学習する。
    強化学習とは守破離=師匠の教えを捨てる。

    最初に、大量のデータで教師あり学習をし、その後強化学習する。

    モンテカルロ法=サイコロを振る。
    囲碁では評価の方法がないので、探索によって手を見つける。いろいろな手をやってみてどちらが勝つか、で評価する。

    エレガントな解法に対してエレファントな解法=力任せの解法のこと。実際の社会では有用なことも多い。

    プロ棋士がアルファ碁の真似をし始めた=科学が宗教になる瞬間を見た。

    知の本質=昆虫と人間の違い、だった。
    人工知能後は、強化学習とディープラーニングのおかげで、人間と人工知能の間を考えるべき。

    知能は与えられた目的に向かう道を探す能力=今の人工知能。
    知性は、目的を設計できる力。目的を持つのは意味と物語で考える力。今のところ、目的を動的に設定できるプログラムを書くことはできない。
    ディープラーニングをつなげれば実現できるかもしれない。

    人間に絶対負けないことを目的とすると、手段を選ばない人工知能は、人間を絶滅させることで達成しようとするかもしれない。

    人工知能は、倫理観と価値観も学習する。
    シンギュラリティ―は指数関数的に成長すれば、十分あり得る。追いつかれたと思ったらあっという間にはるか先までいってしまう。

    人工知能は人間の間違い、間違った倫理観も学習する。私たちの子供である。できる限りいい人である必要がある。ネット上の発言など。

  • ここ数年のAIの躍進を簡単に解説した本は2冊ほど読んだけど、執筆当時最強の将棋ソフトの開発者という立場から、いろいろと具体的なことが書かれているのがわかりやすい。

    黒魔術なんて言葉は実際にAIを作ってる人じゃないとなかなか出てこないのではないだろうか。

    でもこの本を出した直後に別のソフトに負けちゃって、今はもう引退してるとか。

全52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・強化学習の本質のその他の作品

山本一成の作品

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
リンダ グラット...
デール カーネギ...
又吉 直樹
トマ・ピケティ
佐々木 圭一
伊賀 泰代
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・強化学習の本質を本棚に登録しているひと

ツイートする