将棋 AI で学ぶディープラーニング

出版社
出版日
ページ数
288
将棋 AI で学ぶディープラーニング
ISBN10
4839965412
ISBN13
978-4839965419
目次
はじめに 本書の読み方 第Ⅰ部 導入編 第1章 コンピュータ将棋について 第II部 理論編 第2章 コンピュータ将棋のアルゴリズム 第3章 コンピュータ囲碁のアルゴリズム 第4章 AlphaGoの手法 第5章 ディープラーニングについて 第III部 実践編 第6章 ディープラーニングフレームワーク 第7章 方策ネットワーク(policy network) 第8章 将棋AIの実装 第9章 学習テクニック 第10章 価値ネットワーク(value network) 第11章 学習テクニック その2 第12章 モンテカルロ木探索 第13章 さらに発展させるために 参照文献 付録 Linuxでのインストール手順
紹介( powered by openBD

将棋プログラムの作成を通してディープラーニングをより深く理解できる。

2016年3月、プロ棋士に勝つには後10年かかると言われていたコンピュータ囲碁でDeepMindが開発したAlphaGoがトップ棋士に勝利しました。そのAlphaGoで使われた手法がディープラーニングです。

AlphaGoでは局面を「画像」として認識し打ち手の確率と局面の勝率を予測することで、次の打ち手を決めています。画像とは具体的にどのようなものか、次の打ち手をどうやって決めるのか?AlphaGoの論文をヒントに、ディープラーニングを使い棋譜を学習した将棋AIの開発を行います。強化学習のみでトップレベルの強さを持つAlphaZeroで用いられた手法についても取り入れています。

[導入編]では、コンピュータ将棋の歴史とディープラーニングの関係、コンピュータ将棋の大会の概要と参加方法について紹介します。
[理論編]では、実装する将棋AIの前提となる理論について解説します。従来のコンピュータ将棋のアルゴリズム、コンピュータ囲碁で用いられているモンテカルロ木探索とAlphaGoがどのようにディープラーニングを応用したか。基礎的な知識について解説しつつ、これらを将棋AIに応用する方法について述べます。
[実践編]では、ディープラーニングを使った、実際に対局できる以下の3つの将棋AIについて、PythonとChainerで実装していきます。

方策ネットワーク(policy network)を使って指し手の予測のみでプレイするAI。
価値ネットワーク(value network)を使って1手探索を行うAI。
方策ネットワークと価値ネットワークを使ってモンテカルロ木探索を行うAI。

最後に、より強い将棋AIを作りたいという方のために、ヒントとなる情報を紹介します。