問題 No.858
囲碁のトッププロに勝利したアルファ碁において、膨大な選択肢の中から次に打つべき最善の手を効率的に探索するために、強化学習やディープラーニングと組み合わせて使用された手法の特徴として不適切なものはどれか。
【正解の解説】
すべての可能な局面を終局までシミュレーションする完全探索であり、計算能力の向上によって初めて実現した
囲碁のようなゲームにおいて全ての可能性を最後まで計算し尽くすことは、計算能力がどんなに向上しても不可能なほど膨大です。アルファ碁(AlphaGo)は完全探索ではなく、効率的な探索技術を用いています。
スポンサーリンク
【その他の選択肢の解説】
ランダムにシミュレーションを繰り返すことで、各局面の勝率を統計的に見積もるモンテカルロ木探索がベースとなっている
モンテカルロ木探索は、ある局面からランダムに最後までプレイするシミュレーションを繰り返すことで、その手からどれくらい勝てそうかを統計的に予測する手法です。
ニューラルネットワークを用いて形勢を判断する価値ネットワークと、次に打つべき手を絞り込む方策ネットワークが活用された
価値ネットワークは「盤面の良し悪し」を評価し、方策ネットワークは「次に打つべき良い候補手」を予測するためにニューラルネットワークを活用しています。
すべての選択肢を網羅するのではなく、勝率の高そうな筋に探索を集中させることで組み合わせ爆発を回避した
囲碁の手数は宇宙の原子数より多いと言われます。全ての枝葉を広げるのではなく、AIが見込みがあると判断した有望な筋に絞って計算資源を集中させることで、組み合わせ爆発という問題を回避しています。