AlphaGo

AlphaGoは、DeepMindによって開発された、ボードゲームの囲碁をプレイするためのコンピュータプログラムである。囲碁は、チェスよりもはるかに広大な探索空間を持つため、Deep Blueで使われたような力任せの手法が計算上不可能であり、長い間人工知能にとって未解決の大きな課題と見なされてきたゲームである。AlphaGoは、深層ニューラルネットワークとモンテカルロ木探索を組み合わせ、人間の専門家の棋譜と自己対戦による強化学習の両方で訓練されたネットワークを用いて、盤面の評価と手の選択を行った。

李世乭戦

AlphaGoは、2016年3月9日から3月15日に韓国ソウルで開催された、世界最強のプロ囲碁棋士の一人である李世乭との2016年の対局を通じて国際的に有名になった。AlphaGoは5番勝負を4勝1敗で制し、その結果は囲碁界とAIコミュニティの多くを驚かせた。彼らは一般に、ゲームの複雑さから、人間の囲碁の熟達が少なくともあと10年は機械に対して持ちこたえると予想していたからである。この対局は世界中に放送され、推定2億人が視聴し、それまでのAI能力の最も目に見える公開デモンストレーションの一つとなり、ChatGPTの登場が7年後にもたらすような形で、深層学習が一般の認識に入った瞬間とも言える。

第37手

この対局の第2局では、AlphaGoの新規性を象徴する瞬間が生まれた。第37手で、AlphaGoは盤面の五線に手を打ったが、プロの解説者や李世乭自身も、それが何世紀にもわたって蓄積された人間の囲碁戦略に反するため、非常に異例で、おそらくはミスであろうと最初は考えた。この手は後にその局でのAlphaGoの勝利に決定的であることが判明し、その後、システムが人間のプレイを単に模倣したり補間したりするのではなく、真に斬新な戦略的洞察を導き出した証拠として広く引用された。この主張は、システムの内部的な手の確率推定に関する後の分析によって概ね支持された。第37手は、AI研究と一般向けの著作の両方において、機械学習システムが創造的で人間らしくない問題解決を生み出す例として頻繁に引用されるようになった。

AlphaZeroへの前身

AlphaGoの訓練は当初、記録された人間の専門家の棋譜の大規模なデータセットに依存してポリシーネットワークを初期化し、その後、自己対戦による強化学習でさらに洗練させた。DeepMindはその後、2017年に発表されたAlphaGo Zeroを開発した。これは、人間の棋譜データを一切使わず、ランダムな初期状態から純粋に自己対戦を通じて囲碁を学習し、元のAlphaGoの棋力を上回った。この研究の流れは、同じ自己対戦アプローチを囲碁に加えてチェスと将棋に一般化したAlphaZeroへと直接つながり、2017年後半に公開された。

評価と遺産

AlphaGoの李世乭に対する勝利は、AIの歴史における画期的な出来事として広く認識されており、文化的意義においては1997年のディープ・ブルーによるガルリ・カスパロフの敗北に匹敵するが、AlphaGoが網羅的な探索ではなく学習されたパターン認識に依存している点で区別され、AI研究が象徴的で力任せの手法から深層学習ベースのアプローチへの移行を反映している。李世乭は2019年にプロ囲碁の現役を引退し、その理由の一部として、AIがゲームにおいて打ち負かすことができない存在になったという感覚を挙げ、「打ち負かすことができない存在」にはトッププレイヤーである自分でも勝てないと述べた。DeepMindのAlphaGo研究プログラムは、AlphaFoldと並んで、明確に定義されながらもこれまで手に負えなかった問題に強化学習と深層学習を適用するというDeepMindのより広範な戦略の証拠として頻繁に引用されている。