人工知能はどのようにして「名人」を超えたのか？ の商品レビュー

山本一成(著者)

2017/12/02

・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
・ただし、目的までの距離が大きいときは、人間は適切な中間の目的を設計する。これが必要になる。
・人間は「指数的な成長」を直感的に理解できない。追いつかれたと思ったら、一瞬ではるか先まで行かれてしまう。

2017/11/23

「人工知能はどのようにして「名人」を越えたのか？」
佐藤将棋名人に勝った将棋ソフト「ポナンザ」を開発した山本准教授が初めて書いた本である。ポナンザの他、囲碁のα碁についてもいろいろと解説している。
まず、コンピューターは記憶と計算しかできないと言うことから話を始めている。至極もっともであるが忘れがちである。
そして、ソフトが何をどう計算するかを決めており、ソフトを作るに当たっては将棋の局面の評価が難しいと言うことである。
当初は人間がすべて局面評価を記述するというような方法をとっていたが、すべての曲面を合理的に評価することはできず、行き詰まってしまう。
そこで、人間の考え方を記述、理解することはやめて機械学習によりプロ棋士のデータを学習し局面評価のパラメータを調整していって開発を進めたと言うことである。なお、ディープラーニングはα碁で一躍有名になったが、機械学習のひとつの方法であると言うことだ。
ポナンザは機械学習を進めるに当たり機械同士で対戦させて勝った方のパラメーターを採用するという方法をとっているが、なぜそのパラメーターを調整すると勝つようになるのかは明確に説明できないようで、著者曰く黒魔術化していると言っている。
また、α碁は盤面を画像認識としてディープラーニングを使い成功を収めたが、将棋はコマの位置と機能の関連性が問題なのでもちろん評価方法が違い、差し手の探索方法も違うようだ。
面白かったのは人間とコンピューターの差し手の読み方である。コンピューターは決められた手順でモンテカルロ法などを使って差し手を決めて評価しているようだが、人間は物語性を持って差し手を読んでいると言うことに大きな違いがあるようだ。
本書は将棋という面から人工知能の仕組みを垣間見ることができる。
しかし、まだまだ知性(強いAI)に至るまでは相当な時間がかかるような気がするが、著者はコンピューターは指数関数的に学習・進歩しており、追いつかれたと思うやいなや遙か先まで到達していると指摘していることに若干の不安を感じざるを得ない。

2017/11/18

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。

2017/11/15

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

2017/11/05

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。

2017/10/29

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。

2017/10/23

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。

2017/10/20

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。

2017/10/09

倫理観のない人工知能には目的を達成するためにある、無数の中間の目的の中から、何なら選んでよく、何は選んではいけないかの判断基準がない。人工知能に倫理観を入れる必要がある。人工知能に、知能だけでなく知性を入れる際には同時に人間が考える正しさを獲得させることも大事になる。

2017/09/07

すごい
人工知能はこんなことになってるのか

人工知能だけでなく学習するとは？とか知能とは？とか自然とそんな問題まで話がおよぶ

すでに人工知能は人にわからない指し手を指しもはや政治だってできてしまいそうだ
これは確かに自分の仕事は将来あるか分からないかもしれない