問題 No.4222
Google DeepMindによって開発された囲碁AI「AlphaGo」に関する記述として不適切なものはどれか。
【正解の解説】
人間同士の対局譜を用いた教師なし学習のみによって人間のトップ棋士の実力を超えることに成功した。
AlphaGoは人間の棋譜を使った教師あり学習と、AI同士が戦う強化学習を組み合わせて強くなりました。料理に例えるなら、レシピ本を読むだけでなく、実際に自分で何度も作って味見をする修行を重ねたからこそ人間を超えられたのであり、教科書を読むだけの教師なし学習だけではトップ棋士には勝てません。
スポンサーリンク
【その他の選択肢の解説】
ディープラーニングと強化学習を組み合わせることで人間との対局から戦略を学び棋力を向上させた。
AlphaGoの初期モデルは、人間のプロ棋士の対局譜をディープラーニングで学習する「教師あり学習」を行い、その後AI同士が自己対戦する「強化学習」を取り入れることで人間を超える実力を手に入れました。したがって、この記述はAIの学習プロセスを正しく説明しています。
モンテカルロ木探索を用いて次の手を進める確率と勝率を評価し探索空間を効率的に絞り込んだ。
囲碁は選択肢が膨大で全てを計算し尽くすことは不可能なため、モンテカルロ木探索という手法で有望な未来だけを効率的に予測しました。人間が将棋や囲碁で「先を読む」ときに直感的に良い筋に絞り込むのと同様に、AIもこの探索技術で次に打つべき最適な手を素早く見つけ出しています。
自己対戦による強化学習を大量に繰り返すことで人間プロ棋士の棋譜に依存しない学習を実現した。
のちの進化系であるAlphaGo Zeroでは、人間の棋譜を一切使わず、ルールだけを教え込んだAI同士の自己対戦のみで最強の強さを手に入れました。人間の過去の真似から脱却し、AIが独自に編み出した新しい定石や戦法は、世界のプロ棋士たちに大きな衝撃を与えました。