人工知能 オセロ。 強いAIと弱いAI

世界最弱のオセロAI負けるのが難しすぎwwプレイはこちら!

人工知能 オセロ

オセロプログラムと人間はどっちが強いのか?ロジステロとの戦い このサイトでは、C言語でのオセロ(リバーシ)のプログラム開発方法を解りやすく説明しています。 初級者、初心者でも作れるオセロ実装のコツが満載です。 チェスの世界チャンピオンとチェスの最強ソフト「ディープブルー」との対戦を覚えているでしょうか? 最近ではチェスに限らず囲碁や将棋などでもソフトの開発が進み、パソコンや家庭用ゲーム機でその強さを十分に感じることができます。 Logistello(ロジステロ) VS 村上健7段 リバーシ(オセロ)は他のゲームに比べてルールが単純 (一手における選択肢の幅が狭く、最大でも60手で終了する) なので、 強いソフトを作りやすく、コンピューターはすでに人間を超えたといわれていました。 しかし、正式にリバーシ(オセロ)の世界チャンピオンとコンピューターが対戦したことはなく、人間の強豪プレーヤー達はコンピューターの挑戦から逃げているのだと思われていました。 これを聞きつけた 麻布学園の英語教師、村上健先生 (現在九段)は憤慨し、挑戦されればいつでも受けてたつことを宣言。 そして 1997年8月、村上先生が初めて世界チャンピオンとなったとき(当時七段)アメリカで、最強のリバーシ(オセロ)ソフト「ロジステロ」との対戦が実現しました。 「ロジステロ」は、スーパーコンピューターで動くチェスの「デイープブルー」と違い、家庭用のパソコンで動きます。 そのため「ディープブルー」が一秒間で2億手読むのに対して、「ロジステロ」は 最大一秒間に48万手読みます。 しかし、それでも「ロジステロ」は 最後の26手を6分で完璧に読み、勝敗を判断できます。 しかも「ロジステロ」は 序盤の20手を過去の膨大な棋譜の中から定石として記憶し、悪手を打ちません。 つまり人間は全60手のうち、序盤の20手と終盤の26手を除いた中盤の14手でコンピューターに形勢で勝ち、なおかつ残りの26手で全て最善手を打たなければならないのです。 また、「ロジステロ」は 棋譜や自分自身との対戦で24時間学習し続け、時間とともにどんどん強くなっていきます。 この対戦は全部で6回戦行われ、その全てで「ロジステロ」は勝利し、村上健先生は一矢報いることすらできませんでした。 村上健さんは「私が生きている間、努力を続けても追い付かないほど『ロジステロ』は強いと思った。 人間には手が届かないところにいってしまっている」(朝日新聞夕刊)と言ったとか。 「自分のほかにも強いプレーヤーはいるが、彼らが当たっても勝つのは無理ではないか」(毎日新聞夕刊)ともコメントしたようです。 追記 村上先生の6連敗という結果はあまりに予想通りでしたが、問題は他にありました。 「ロジステロ」との対戦に臨んだ村上先生は、対「ロジステロ」用に特に対策を練るわけでもなく、当日の体調の管理も怠り、さらには研究してもいない新手を対戦中に見せ、惨敗するという有り様でした。 当然、周囲はこの対戦を「人間代表vsコンピューター代表」として見ていたわけで、村上先生が対戦で見せた態度はとうてい納得のいくものではありませんでした。 まして、テレビでも取り上げられ、「 リバーシ(オセロ)の世界チャンピオン、コンピューターに6連敗」なんてニュースが流れ、何も知らない人が聞いてどう思ったか・・・。 当の村上先生も勝てるとは思っていなかったらしいのですが、勝てる見込みもないのに挑戦を受けたことも「人間代表」という意識の無さを表しています。 敗れたにもかかわらず賞金を受け取った村上先生は、その賞金でアメリカを観光し帰国。 後にこの対戦は、一部のオセラーからの非難を生み、学校では 生徒の笑いの種になったのでした。 Logistello(ロジステロ) VS 冨永健太7段 オセロで世界最強のパソコン用ソフト「ロジステロ」と元日本チャンピオン、 冨永健太氏 当時24歳 の2番勝負が 2002年5月14日、千葉市で始まったコンピューター関連の国際会議で行われました。 結果は接戦ながら 冨永氏の2敗。 冨永氏は「奇妙な手を指すと感じたが、最後にはそれが効いた」と脱帽したそうです。 JavaScriptを有効にしてください。

次の

人工知能演習(リバーシ)

人工知能 オセロ

Google傘下のDeepMind社から最強の囲碁プログラム「AlphaGo Zero」が発表され話題になっていますね。 2016年に初代バージョン「AlphaGo」がトップクラスの棋士に勝ち越したことが話題になって以来、人工知能( Artificial Intelligence, AI)ブームが再燃しているようで、最近はニュースや本屋などでも人工知能関連の情報を多く見かけるようになりました。 しかしながら、人工知能は人類の未来を発展させるものとして期待される反面、併せ持つ危険性に警鐘を鳴らしている著名人も多いようです。 (ビル・ゲイツ、スティーブン・ホーキング、イーロン・マスク等) 一体、人工知能には何をさせるべきで、何をさせるべきではないのか? 今回は、「人工知能」について考察します。 人工知能のやっていること まずは人工知能のやっていることを簡単に理解しておきましょう。 現在ニュースなどで話題となっている人工知能は、「 特化型人工知能(特化型AI)」というもので、文字どおり特定の機能に特化して動作するものです。 つまり、囲碁のAIは囲碁しか打てませんし、将棋のAIは将棋しか指せません。 特化型AIは、特定の決まった作業を遂行するためのもので、自動運転技術や画像認識、将棋・チェス、人との会話など、一つの機能に専門化して稼働するものだ。 引用) ここではそのうちの一つ、オセロの場合で動作を見ていくことにします。 オセロのAIがやっているのは、平たく言ってしまえば「 現在の盤面を見て、一番良い手を決める」、これだけです。 (まあ実は人間がオセロをプレイしても、やることは同じなのですけれど。 )そして、一番良い手を決めるために、「 評価関数」というものを計算して使っています。 評価関数は、「 その手がどのぐらい良い手かを決める計算式」だと理解すれば良いでしょう。 Figure. 強いです。 ) 上の盤面例では、左下の手は+6点で良い手、右上の手は-9点でとても悪い手であることが算出されています。 人工知能は、各局面での評価関数を計算し、左下の手のような良い手を選択していくことで、ゲームを進めていきます。 (実際には、現在の盤面だけでなく、数手先まで進めた場合の評価関数も同時に計算しながら、総合的に判断して手を決めていきます。 しかし最近では、 人工知能にこの評価関数自体を自己生成させ、学習による洗練までもを自律的に行わせることで、比類無い強さを実現しています。 もうこういった分野では、既に人間は人工知能に勝てなくなっています。 チェスとオセロでは、20年前に世界チャンピオンが人工知能に敗北しています。 囲碁では「AlphaGo」が2016年にトップクラスの棋士に4勝1敗で勝ち越し、今年2017年5月には世界最強と評される棋士に3戦全勝しました。 更に、先週発表された後継バージョン「AlphaGo Zero」は、トップクラスの棋士に勝利したバージョンに対して100戦100勝 ! を記録しています。 もはや人類が勝つのは絶望的と言ってよいでしょう。 更には、ポーカーや麻雀のような不完全情報ゲーム(相手の手札など、自分からは知りえない情報があるゲームのこと)の分野でも、トップクラスのプレーヤーを打ち負かしつつあります。 上述のような話題は、「ついに人工知能が人間を超えた」という文脈で語られることが多いです。 では、 いずれは人工知能の方が人間よりも常に正しい選択を行えるようになり、人間の判断は不要になるのでしょうか。 政治でも教育でも、 何でも人工知能に任せてしまえばよい未来がやって来るのでしょうか? いいえ。 私は、そうではない、いや、そうであるべきではない、と考えます。 人工知能の限界 人工知能は、いずれ価値観の壁にぶつかる 既にチェスや囲碁で人間を凌駕し、このままいけば万能になっていきそうにも思える人工知能ですが、私にはある限界が存在するように感じられます。 人工知能は、いずれ価値観の壁にぶつかるでしょう。 どういうことかというと、 価値観の絡む問題には画一的な正解が無く、人によって答えが異なるため、人工知能をもってしても答えを出すことは出来ない、ということです。 で挙げた例を見てみましょう。 「最強のスマホはどれだ?」 「牛肉の一番美味しい食べ方は?」 こんな問題に高度な人工知能を投入する必要があるのか?という疑問はひとまず置いておいて 笑 、このような問題には、画一的な正解がありません。 答えは人によって異なっていてよく、それぞれの答えが、その人にとっての正解です。 人工知能にはこの問いに対する答えは決められません。 次の例はどうでしょうか。 数年前にベストセラーになった、『』で提示された問いです。 あなたは路面電車の運転士で、時速六〇マイル(約九六キロメートル)で疾走している。 前方を見ると、五人の作業員が工具を手に線路上に立っている。 電車を止めようとするのだが、できない。 ブレーキがきかないのだ。 頭が真っ白になる。 五人の作業員をはねれば、全員が死ぬとわかっているからだ(はっきりそうわかっているものとする)。 ふと、右側へとそれる待避線が目に入る。 そこにも作業員がいる。 だが、一人だけだ。 路面電車を待避線に向ければ、一人の作業員は死ぬが、五人は助けられることに気づく。 どうすべきだろうか? 引用)『』(マイケル・サンデル著, 早川書房) 誰もが必ず葛藤してしまうであろう、非常に難しい状況だと思います。 そして、この問いにおいて、 もし走っているのがあなたが運転する路面電車ではなく、人工知能が運転する自動運転車であれば、この命題に答えを出さなければいけないのは人間ではなく人工知能であるということになります。 さて、人工知能が、このような場合の判断を下してしまって良いのでしょうか?? 「価値観」は、人間が決めるべきである このような問題に答えを出すためには、「価値観の決定」が必要になります。 オセロなどのゲームでいえば、ゲームのルールがこれにあたると考えることができるでしょう。 しかしながら、価値観は人によって異なります。 価値観が異なれば、結論が真逆になることすらありえます。 前項では、人工知能が得意とする囲碁やオセロを「こういった分野」と曖昧にまとめましたが、もう少し明確に表現するとこうなります。 何が「良い」かを明確に定義できる分野。 実装面では「 評価関数が定義・計算可能である」と言い換えてもよいでしょう。 価値観の絡む問題は、人工知能の得意とするところではないのです。 もちろん、とりあえずエイヤっと決めちゃうことは可能です。 開発者が自分自身の個人的な価値観を人工知能に反映させてしまうことや、今や人工知能自身に自己生成させることも可能でしょう。 しかし、 「開発者が勝手に決めた価値観」や「人工知能が勝手に生成した価値観」による判断を、人間はすんなり受け入れることができるでしょうか。 以来その刑事はロボットを毛嫌いするようになるのですが、 もし人間が、人工知能による判断を全く疑問を持たずに受け入れてしまうのであれば、もはやそれは人間的ではなく、むしろロボット的であるとさえ言えるでしょう。 人間は、他の誰でもない自らの価値観を持って、自分自身で判断を行い、その判断の結果に責任を持つべきではないでしょうか。 実社会における議論 幾つかの分野では、上記のような問題は、既に実社会でも議論が必要な段階にあります。 実用化に向けて急速に開発が行われている自動運転技術においては、自動運転車が事故を起こした場合の責任についての議論が進められています()。 主な論点は、事故の責任がドライバー側にあるのか、自動運転システム(およびそのメーカー)側にあるのか、などです。 実務面では、損害賠償や自動車保険の役割について法整備も含めた対応が進められていくでしょう。 しかしながら、人工知能がどうしても事故を回避できない状況に陥った時、「 どのような基準に従って判断を下すように実装されているのか」についてはメーカー側の実装に依存しており、開示されていません。 そのまま直進すれば老人と子供の二人をはねるがハンドルを切ればどちらかは助かるとき、A社の自動運転車は老人を助け、B社の自動運転車は子供を助けるような事態が発生すると考えられます。 多数派の意見を統一基準として採用するか、ドライバーは自動運転車を購入する際にこの究極の選択について予め答えるよう要求されるのかもしれません。 いずれにせよ、メーカーはこのような価値観ロジックについて開示を迫られることになるでしょう。 また、軍事利用においては、2012年にアメリカ国防総省が人間の判断を介さない自律殺傷兵器の開発を禁止し、2017年にこれを恒久的なものにしました。 高度な人工知能による人類への反逆は古くからSF作品でもよく見られる設定ですが、そうなる可能性自体を未然に防ぐ社会的意思決定が既に現実に行われているということに重要な意義があると思います。 最近は、「将来政治も人工知能がやるようになるだろう」なんて乱暴な意見も散見されますが、それは 人間が人工知能の言いなりになる世界を許容すると言っていることと同義であることを認識すべきです。 ゲームのAIが自己生成する評価関数において、その計算式にどんな意味があるのかもう人間には理解が出来ません。 人工知能の裁判官が死刑を求刑しても、何故そのように判断されたのか計算式を見ても人間には理解できないということです。 2045年には(ちょっと早い気がしますが)、圧倒的な人工知能が完全に人間を超越し、科学技術の進歩を担い世界を変革する技術的特異点(シンギュラリティ)が到来すると言われています。 しかし、 シンギュラリティが到来した後の世界でも、「価値観の決定」は人類が担う仕事として在り続けるべきだと考えます。 「人間は考える葦である」(B. パスカル) どんな状況にあっても、考えることをやめないことが人間が人間たりえるために必要なことだと思います。 今回のまとめ• 人工知能はルールが明確に決まっているゲームが得意。 もう人間は勝てない。 人工知能は価値観の壁を越えられない。 いや、越えさせてはならない。 シンギュラリティの到来後は、「価値観の決定」が人類に残される最後の仕事になるだろう。 これだけは人工知能に委ねてはならない。 自分たちのことは自分たちで決めましょう。 ではでは今回はこの辺で。 この記事をいいね!と思ったら購読やシェアをしていただけるとうれしいです。

次の

人工知能がゲームで人間を凌駕!大貧民AI開発者が語る未来への道

人工知能 オセロ

例えば、アパレル業界で自分にピッタリの洋服を人工知能がレコメンドしてくれるためには、ユーザーの興味・関心、過去に購入した履歴、好みのカラー、サイズ・寸法、最近のトレンド…など、あらゆるデータを人工知能に学習させる必要があります。 これらのデータを学習させて専用の機械学習モデルを作成したら、これをWebサービスなどへ導入することでユーザーが活用できるようになります。 さらに、ユーザーが使っていく過程においても、人工知能は常に学習を続けながらさらに精度を高めていくことになるわけです。 人工知能の基礎知識 引用元:FUJITSU JOURNAL 「 ディープラーニング」とは、人工ニューラルネットワークを利用し、データから自動で学習する仕組みです。 これらの「人工知能とはなにか?」についてはこちらの記事で詳しく解説しています。 参考にしてみてください。 人工知能でもっとも重要な技術を知る 人工知能は、 機械学習や ディープラーニングなどの技術を利用し作ります。 機械学習やディープラーニングを知っておくのは重要なので、順番に解説していきます。 それぞれの意味を把握すれば学習もスムーズ進みます。 機械学習とは 意味や特徴 機械学習とは、 大量のデータを反復的に分析して、そこに潜むパターンを見つけ出すことです。 これは、人間が自然に行っている「学習能力と同様の機能」をコンピュータで実現しようとしているものです。 これによって、コンピューターで分析した結果を新たなデータにあてはめ、パターンにしたがって将来を予測したりできるようになります。 下記の記事では初学者の方でもわかるように具体例などを使ってやさしく解説しています。 必要な知識 機械学習ではデータを分析することが基本となるので、「数学の知識」が必要です。 具体的には• 線形代数について• 確率・統計について• 微分積分について ディープラーニングとは 意味や特徴 「ディープラーニング(Deep Learning、深層学習)」とは、データの特徴を学習して事象の認識や分類を行う 機械学習の手法の1つです。 長年の間、困難だと思われていた「自ら学ぶコンピューターをつくれること」が最大の特徴です。 「人工知能の革命」とも言われ、間違いなく人工知能の中心にいる主役で、人工知能が再度注目されるきっかけとなった技術です。 データの特徴をより深いレベルで学習し、コンピューターが自ら特徴を認識できるため、音声認識や画像認識などで応用がされはじめています。 ディープラーニングについてはこちらの記事が参考になります。 必要な知識 機械学習で必要な数学の知識に加えて、ニューラルネットワークという独自のアルゴリズムを学ぶ必要があります。 ニューラルネットワークというのは、簡単にいうと「人間の脳をコンピューターで実現しようとしているもの」です。 ニューラルネットワークがどのような仕組みになっているのかを学ぶことが、高度な人工知能を作るためには必要となります。 人工知能の作り方より、どう利用するのか 今の社会は日本だけでなく世界中でAIブームが巻き起こっています。 これは企業やファンドなどがAIの研究やビジネスに巨額の投資を行っていることも1つの理由かもしれません。 世界中の優秀なエンジニアが競争を繰り広げているなかで、人工知能をゼロから作るために統計学・線形代数などの数学知識やデータサイエンティストとしてのスキルを数年かけて身につけるのは得策とは言えません。 すでにAI開発は レッドオーシャンになっています。 これらのサービスを上手く活用することで、高度な専門知識を身に付けなくても独自の機械学習モデルを構築できるようになるわけです。 人工知能の作り方を簡単にするWebサービス Watsonを利用した人工知能の作り方 引用元:IBM Watson IBMが提供するプラットフォーム「IBM Cloud」では、アプリケーションの構築・管理・実行を行うことができます。 「IBM Cloud ライト・アカウント」ならクレジットカード不要で無料利用できます。 こんなものが無料って、すごい時代になりました。 下記の動画は開発者向けですが、IBM Cloud + Watson APIでリアルタイム音声翻訳アプリを作るチュートリアルです。 人工知能を手軽に利用できるクラウドサービスは、他にもなどがあります。 LINEを利用した人工知能の作り方 LINE BRAIN: LINEと言えば国内のユーザーだけでも8000万人を超える巨大なサービスですが、社内で培ってきた最新技術を取り入れた人工知能の開発サービスが「 LINE BRAIN」です。 現段階では企業向けにサービス展開してますが、2020年中には一般の開発者向けに開放される予定です。 LINEを活用した人工知能サービスで一番最初にイメージするのは、AIアシスタントの「 Clova」ではないでしょうか。 また、マイクロソフトが開発している「 女子高生AIりんな」も有名です。 このような人工知能を活用したサービスを誰でも作れるようになるLINE BRAINは、主に以下のような機能を提供しています。 Chainer• PyTorch• Tensorflow• scikit-learn これらのツールをPythonからプログラミングすることで、画像認識・AI予測・テキスト解析…などさまざまなサービスを構築していくことができるわけです。 Pythonを活用した人工知能の開発については、以下の記事で体系的にまとめているのでぜひ合わせて参考にしてみてください。 人工知能の利用例 人工知能で会話できるチャットボット 人工知能を活用すれば、ユーザーが入力したテキストに対して自動で解析を行い最適な回答を返信できる チャットボットを開発することができます。 以下の動画はWatsonの人工知能開発サービスを活用したデモになります。 ほとんどの操作をプログラミング不要で実現している点についても注目してみてください。 また、LINE BRAINを活用したデモ動画もあります。 音声の解析によりユーザーの話す言葉を理解し、最適な回答を取得して音声を合成して言葉で返してくれる機能を開発できるようになります。 これらのボットは、人手不足を解消しユーザーにとって迅速なサポートを受けられる未来のサポートデスクを意味していると言えるでしょう。 また、スマートスピーカーなどにも利用されている 音声認識も手軽に開発ができるようになっています。 下記の記事でも音声認識・生成についてまとめていますので参考にしてみてください。 競馬などのデータ分析ができる人工知能 データ分析 SONYが無償提供する「Prediction One」は、専門家でなくても簡単に操作が可能な、 データを分析し予測できるソフトウェアです。 ノンプラミングでデータ分析が可能なので、初心者でも日々の業務に取り入れることができます。  また、データ分析の世界では少しずつ人気が出ているのが競馬の予測・分析でしょう。 データを集めやすいのと定期的にレースが開催されていることもあって、人工知能を活用した競馬予測サービスは以下のようにいくつか公開されています。 引用元:Coursera は機械学習の定番サイトです。 英語のサイトですが、動画は日本語字幕も用意されています。 機械学習を一から学ぶことができるので、知識に自信がない人でも、基礎からしっかり学ぶことができるでしょう。 実践のテストも用意されているので、理解度の確認に役立ちます。 書籍で学ぶ 人工知能の作り方など、AIを学ぶための書籍はいま無数に出版されています。 多すぎて初心者が選ぶのも一苦労ですので、下記の記事にオススメ学習本をまとめておきました。 入門レベルから上級レベルまでの書籍を解説しています。 ぜひともご参考ください。 プログラミングスクールで本格的に学ぶ 人工知能の学習方法として、プログラミングスクールで学ぶ方法もあります。 侍エンジニア塾インストラクター。 主に技術担当をしています。 【経歴】 力仕事、接客業、営業職など様々な業界を経てIT業界に参入。 IT未経験からスタートし、1ヶ月で仕事獲得に奇跡的に成功。 1年半後にフリーランスに転身。 Web開発を主に行っており、得意とするのはRails、Ruby。 【技術スキル】 Rails、Ruby、Swift、Java(Android)、JavaScript 【趣味、趣向】 麻雀 MTG(マジックザギャザリング) ダーツ、卓球、野球、ボウリングなどの球技 【Facebookページ】 【Twitter】 自分でプログラミングができない人のために情報を発信しています。 お気軽にフォローください。

次の