コンピューターは将棋・囲碁・チェスをどう変えたか

1997年5月、ニューヨークのエクイタブル・センターで、IBM のコンピューター「ディープ・ブルー」がチェスの世界チャンピオン、ガルリ・カスパロフとの6局の対局に3.5対2.5で勝ちました。IBM の記録「Deep Blue」は、これを、通常の大会の持ち時間で、現役の世界チャンピオンに対局として勝った最初のコンピューターと書いています。
それから約20年で、囲碁と将棋でも同じことが起きました。この記事では、チェス、囲碁、将棋の順に、いつ何があったかを、開発した側と対局を運営した側の記録から並べます。3つのゲームのルールの違いは 将棋・囲碁・チェスの違い に、カスパロフまでの世界チャンピオンの流れは チェスの世界チャンピオンの歴史 に書きました。
チェス:1996年と1997年のディープ・ブルー
IBM の記録によると、ディープ・ブルーとカスパロフの最初の対局は1996年2月、フィラデルフィアで6局行われました。第1局はディープ・ブルーが勝ちました。通常の持ち時間で、コンピューターが現役の世界チャンピオンに勝った最初の1局です。そのあとカスパロフが立て直し、対局全体は4対2でカスパロフの勝ちでした。
翌1997年5月の再戦は、次のように進みました。
- 第1局はカスパロフの勝ち
- 第2局はディープ・ブルーの勝ち
- 第3局から第5局までは引き分け
- 第6局はディープ・ブルーの勝ち
合計は3.5対2.5です。ディープ・ブルーは32個のプロセッサーで並列に計算し、1秒間に2億の局面を評価できた、と IBM は書いています。
IBM の記録には、カスパロフのこんな言葉が載っています。「I have to pay tribute. The computer is far stronger than anybody expected.」(敬意を表さなければなりません。コンピューターは、誰が思っていたよりもずっと強かった。)
囲碁:2016年の AlphaGo
DeepMind のページ「AlphaGo」によると、囲碁では、何十年もの取り組みのあとも、最も強いプログラムが人間のアマチュアの水準にとどまっていました。2016年1月27日に Nature 誌に載った DeepMind の論文「Mastering the game of Go with deep neural networks and tree search」は、要旨の最初で、囲碁は探索の範囲が非常に広く、局面と手の良し悪しを評価するのが難しいため、古典的なゲームの中でも人工知能にとって最も難しいものと見られてきた、と書いています。
同じ要旨によると、AlphaGo は2種類のニューラルネットワークを使います。局面を評価する「バリューネットワーク」と、手を選ぶ「ポリシーネットワーク」です。どちらも、人間の強い打ち手の棋譜からの学習と、自分どうしの対局からの学習を組み合わせて鍛えられました。AlphaGo はほかの囲碁プログラムに99.8%の勝率をあげ、ヨーロッパの囲碁チャンピオンに5対0で勝ちました。要旨は、19路盤でコンピューターが人間のプロ棋士に勝ったのはこれが初めてで、少なくとも10年は先と考えられていたことだと書いています。
同じ DeepMind のページによると、このヨーロッパチャンピオンとの対局は2015年10月で、相手は3度ヨーロッパチャンピオンになった棋士でした。
続いて2016年3月、韓国のソウルで、世界タイトルを18回取った李世ドル九段と対局し、AlphaGo が4勝1敗で勝ちました。DeepMind のページは、この対局を世界で2億人以上が見たと書いています。
この対局では、2つの手がよく知られています。第2局で AlphaGo が打った「37手目」と、第4局で李世ドル九段が打った「78手目」です。DeepMind のページは、どちらも打たれる見込みが1万分の1ほどの手だったとしています。78手目は「God’s Touch」と呼ばれ、李世ドル九段はこの第4局に勝ちました。ページには「Players of all levels have examined these moves ever since.」(それ以来、あらゆる段階の打ち手がこれらの手を調べてきました。)とあります。
37手目を見たときのことを、李世ドル九段はこう話しています。「I thought AlphaGo was based on probability calculation and that it was merely a machine. But when I saw this move, I changed my mind. Surely, AlphaGo is creative.」(AlphaGo は確率の計算でできた、ただの機械だと思っていました。でもこの手を見て、考えが変わりました。AlphaGo には創造性があります。)
将棋:電王戦
日本将棋連盟の「電王戦中継ブログ」には、プロ棋士とコンピュータ将棋の二番勝負の記録が残っています。2016年の第1期電王戦は、PONANZA が山崎叡王に2連勝しました。
2017年の第2期電王戦は、第2期叡王戦で優勝した佐藤天彦叡王(名人)と、第4回電王トーナメントで優勝した PONANZA の二番勝負でした。持ち時間は各5時間です。先手と後手は2月22日の記者発表会で決まり、振り駒をしたのは韓国の囲碁棋士、李世ドル九段でした。PONANZA が先手になりました。
- 第1局(4月1日、日光東照宮):71手で PONANZA の勝ち
- 第2局(5月20日):94手で PONANZA の勝ち
PONANZA の連勝で、二番勝負は終わりました。
第2局のあとの記者会見で、佐藤叡王は2局をこう振り返っています。「内容としては、僕自身が本来持っている感覚や価値観を真正面からぶつけて敗れました。私の感覚や価値観の外にあるような、PONANZAの独特な感覚を見せられて、それによって上回られた2局だったかなと思います」
同じ会見で、PONANZA 開発者の山本一成さんは、コンピュータ将棋の強くなり方をこう話しています。「いまのトップレベルのコンピュータ将棋は、自分で調べて自分で改良する強化学習が行われています。」そこまで強くなれたのは「プロ棋士という教師の何万もの棋譜を学習したから」で、「いまはプロ棋士の方がコンピュータ将棋の知識・戦法・感覚について勉強されているとうかがっています。」とも述べています。この会見の記録は、日本将棋連盟の「記者会見(3)」で読めます。
3つのゲームを1つの仕組みで:AlphaZero
DeepMind は2017年の終わりに AlphaZero を発表しました。2018年12月6日の記事「AlphaZero: Shedding new light on chess, shogi, and Go」によると、AlphaZero は、チェス、将棋、囲碁の3つを、1つの仕組みで、ゼロから自分で覚えました。最初はでたらめに指すところから始め、ゲームの基本のルールのほかには何も教えられていません。くわしい評価は、Science 誌に論文として載りました。
この記事によると、学習にかかった時間は、チェスでおよそ9時間、将棋で12時間、囲碁で13日です。学習を終えたあとの対局の結果は次のとおりです。
| ゲーム | 相手 | 結果 |
|---|---|---|
| チェス | 2016年のコンピューターチェス世界チャンピオンのプログラム | 1,000局で155勝6敗 |
| 将棋 | 2017年の CSA(コンピュータ将棋協会)の世界チャンピオン版のプログラム | 91.2%の対局に勝利 |
| 囲碁 | DeepMind の AlphaGo Zero | 61%の対局に勝利 |
同じ記事には、羽生善治九段の言葉が英語で載っています。AlphaZero の指し手には、玉を盤の中央へ動かすような、将棋の定跡に反し、人間から見ると危なく見える手がある。それでも盤を支配し続けている。その独特な指し方は、将棋に新しい可能性があることを示している、という内容です。
カスパロフの言葉も載っています。「Not only do these self-taught expert machines perform incredibly well, but we can actually learn from the new knowledge they produce.」(自分で学んだこうした機械は、ただ非常に強いだけではありません。それが生み出す新しい知識から、私たちが実際に学ぶことができます。)
年表
| 年月 | ゲーム | 出来事 |
|---|---|---|
| 1996年2月 | チェス | ディープ・ブルーがカスパロフに1局勝つ。対局全体はカスパロフが4対2で勝つ |
| 1997年5月 | チェス | ディープ・ブルーがカスパロフに3.5対2.5で勝つ |
| 2015年10月 | 囲碁 | AlphaGo がヨーロッパチャンピオンに5対0で勝つ |
| 2016年3月 | 囲碁 | AlphaGo が李世ドル九段に4勝1敗で勝つ |
| 2016年 | 将棋 | 第1期電王戦で PONANZA が山崎叡王に2連勝 |
| 2017年4月、5月 | 将棋 | 第2期電王戦で PONANZA が佐藤天彦叡王に2連勝 |
| 2017年の終わり | チェス、将棋、囲碁 | DeepMind が AlphaZero を発表 |
出典
- IBM「Deep Blue」
- D. Silver ほか「Mastering the game of Go with deep neural networks and tree search」Nature 529, 484〜489(2016年)
- Google DeepMind「AlphaGo」
- Google DeepMind「AlphaZero: Shedding new light on chess, shogi, and Go」(2018年12月6日)
- 日本将棋連盟「電王戦中継ブログ」(第1期、第2期の対局記事と記者会見)
マイスポについて
マイスポ は、将棋、チェス、囲碁、麻雀、ブリッジなど12種類の頭脳ゲームを収録したアプリです。iPhone、iPad、Android で遊べます。将棋、チェス、囲碁の入門レッスンでは、タップで答えるクイズでルールを覚え、実戦の局面で練習します。CPU は Lv.1 から Lv.50 まであり、勝つと1つ上がり、負けると1つ下がります。対局中は「待った」で手を戻せて、終わった対局は「感想戦」で1手ずつ振り返れます。将棋、チェス、囲碁の CPU 戦は、途中でやめても「続きから」再開できます。ゲームと入門レッスンは無料で、広告が表示されます。買い切りの「アンロック」で、すべての上級レッスンが開き、広告が消えます。
マイスポの使い方は StudyX Mindsports(マイスポ)の始め方 に、CPU のレベルの上がり方は マイスポのレベル自動調整の仕組み にあります。
StudyX Mindsports家族で楽しむマインドゲームアプリを見る →