AlphaGoは土曜日、世界最強の囲碁棋士の一人であるイ・セドルとの5番勝負を制し、3連勝を飾った。これは、多くの人工知能研究者がまだ何年も先のことだと考えていた壁を越えた快挙である。.

ソウルでの対局で、李氏は176手目で投了し、GoogleのDeepMind部門が開発したプログラムが残り2局を残して3対0と圧倒的なリードを奪った。これは単なるボードゲームにおける機械の勝利以上の意味を持つ。囲碁は、膨大な数の局面の可能性と、局面の形状、影響力、長期的なバランスに関する判断力が求められるため、チェスを攻略した力任せの戦術では攻略できなかったのだ。.

ロイター通信はソウルから 、この勝利はAlphaGoの開発者たちをも驚かせ、李選手は「力不足だった」と謝罪したと報じた。33歳の韓国チャンピオンである李選手は、国際大会で18のタイトルを獲得しており、人間の経験と直感によってソフトウェアの限界を突けると確信してこの対局に臨んだ。

囲碁盤は19×19の線で構成されており、最初の駒の配置は361通り、その後の配置は天文学的な数になる。チェスとは異なり、囲碁では駒の数だけで優劣を判断することはできない。盤面全体の状況によって、石の集まりが生き生きとしていたり​​、脆弱だったり、影響力があったり、あるいは消耗品になったりする。熟練したプレイヤーは、徹底的な計算が不可能なため、自分の選択は直感的だとよく言う。.

そのため、囲碁は計算能力にとって非常に難しいゲームとなった。従来のゲームシステムは、可能な手の数を網羅したツリーを探索し、その結果生じる局面を評価する。囲碁では、ツリーが急速に拡大し、局面を正確に評価することが困難すぎる。モンテカルロ法(多くの可能な手順をサンプリングする手法)によってプログラムは改良されてきたが、最近までハンディキャップなしではトップレベルのプロ棋士に勝つことはできなかった。.

AlphaGoは、探索と学習による判断を組み合わせたシステムです。DeepMind が1月にNature誌に発表した論文 紹介されているこのシステムは、「ポリシーネットワーク」を用いて有望な手を選択し、「バリューネットワーク」を用いて局面からの勝利確率を推定します。これらのネットワークによって探索範囲が絞り込まれるため、プログラムは経験から妥当だと判断した手順に計算リソースを集中させることができます。

この経験は2段階で得られた。まず、AlphaGoは実力のある人間がプレイした対局の記録からパターンを学習した。次に、強化学習を用いて、勝ち負けを通して自身のバージョンと何百万もの対局を行い、能力を向上させた。この方法により、従来のプロの対局とは似ていない戦略であっても、効果的な戦略を発見することが可能になった。.

3つの試合が証拠を広げる

最初の対局は、AlphaGoが九段のチャンピオンとの生対局のプレッシャーに耐えられることを示した。李氏は約3時間半後に投了した。 ロイター通信は水曜日の初戦について 、李氏が黒石を握り、数万人がオンラインのライブ配信を視聴し、機械が繰り返し正確な答えを出す様子を見守ったと報じた。

第2局は、プロ棋士にとってより不安な展開となった。AlphaGoが当初は疑問視されるような手を打ったものの、後にそれが強力な手であることが証明されたからだ。 試合序盤、5線で打たれた肩打ちは、確立されたオープニングの原則に慣れ親しんだ解説者たちを驚かせた。Wired誌は第2局の分析で、 AlphaGoのプレイを単なる正確さではなく創造的だと評した。これは、しばしば計算機と評されるシステムにとって重要な違いである。

土曜日の第3局は、リーの別の弱点を試すものだった。リーは局面を複雑化させようと、コウ合戦を仕掛けた。コウ合戦とは、盤上の他の場所からの脅威に対応しなければならない、繰り返し行われる戦術的な戦いである。このような局面では、全体的な判断力が求められ、長く分岐する局面が生じる可能性がある。AlphaGoは主導権を維持し、有利な局面では簡略化を図り、リーの投了を余儀なくさせた。.

Wired 誌の記事は、この決定的な試合について 、プログラムが単に戦術的な複雑さを乗り越えただけでなく、有利な総合的な位置を維持しながらそれをうまく対処したことを強調した。このパフォーマンスは、人間のチャンピオンが試合を混乱させることでシステムを打ち負かすことができるという理論を弱めるものだ。

機械の直感は統計的だが、それでも強力だ

AlphaGoを直感的だと言うことは、それが人間のように考えたり、ゲームを体験したりするという意味ではありません。そのネットワークは、盤面、手、結果の間の統計的な関係を符号化するものです。AlphaGoは囲碁に文化的意味を付与したり、対戦相手からのプレッシャーを感じたり、観客がなぜある手を美しいと評価するのかを理解したりすることはありません。.

しかし、この区別があるからといって、その判断の重要性が軽くなるわけではない。人間の専門知識もまた、繰り返し経験することで構築されるパターン認識に依存しているが、それは言語、感情、身体的な経験、そして意識的な推論と統合されている。AlphaGoは、より限定的なシステムでも、専門家の判断の重要な部分を十分に再現でき、明確なルールによって適切な戦略が規定されていない領域において、達人を凌駕できることを示している。.

Googleが 公開した試合レポートでは、 この対戦は既に欧州チャンピオンのファン・フイを5勝0敗で破ったプログラムにとって究極の挑戦であると紹介されていた。リーはそれよりもはるかに高いレベルの相手だった。したがって、最初の3試合に勝利したことは、この手法が当初の研究を検証するために使用された相手よりも優れた性能を発揮できることを証明している。

このシステムの目的は、盤面を支配したいという人間の欲求とは微妙に異なる。AlphaGoは、最終的な得失点差の大きさではなく、勝利の確率を最大化する手を選択する。リスクは大きいがより多くの点数を狙う攻撃的な手よりも、わずかではあるが確実な優位性を維持する静かな手の方が好ましい場合もある。そのため、AlphaGoのプレイは、ある瞬間には保守的に見え、次の瞬間には驚くほど型破りに見えることがある。.

ゲームから総合的な学習へ

DeepMindの主張の核心は、AlphaGoの基盤となる技術が、有用な判断を事前に完全にプログラムできない問題にも対処できるという点にある。ニューラルネットワークは既に音声認識、画像分類、推薦システムなどに活用されている。強化学習は、ラベル付けされた事例だけに頼るのではなく、フィードバックを通じてソフトウェアを改善する方法を提供する。.

囲碁は依然として境界が明確な環境である。ルールは明確で、すべての動きが可視化され、成功は勝利によって定義される。一方、医療診断、ロボット工学、エネルギー管理、科学研究には、不確実なデータ、変化する目標、そしてスコアに還元できない結果が含まれる。AlphaGoは、一つのシステムが盤面からこれらのタスクに直接移行できることを証明したわけではない。.

しかしながら、学習された表現、シミュレーションされた経験、そして選択的な探索の組み合わせによって、かつては明らかに人間の直感が必要だと考えられていた問題を解決できることを示している。 第1戦後のガーディアン紙の報道は 、IBMのディープ・ブルーとの歴史的な比較を即座に捉えていたが、ここでの技術的な進歩は異なっている。アルファ囲碁は可能性を列挙することよりも、どの可能性が重要かを学習することに重点を置いているのだ。

残り2試合。リー氏は少なくとも1勝は挙げたいと語っている。その結果次第では、プログラムの脆弱性や、これまで知られていなかった戦略の事例が明らかになるかもしれない。しかし、中心となる結果はすでに確定している。圧倒的な複雑さの中で判断力を競うこの競技において、機械がエリートレベルの人間を打ち負かしたのだ。しかも、それは偶然ではなく、3回連続での勝利だった。.