AlphaGo対李世乭戦は、ディープマインド・チャレンジマッチとしても知られ、トッププロ棋士である李世乭と、Google DeepMindによって開発されたコンピュータプログラムであるAlphaGoとの間で行われた、5番勝負の囲碁の対局である。2016年3月9日から3月15日にかけて韓国ソウルで開催され、AlphaGoは5局中4局を勝利し、すべての対局は投了で終了した。この出来事は人工知能における画期的な成果として広く認識されており、1997年にIBMのディープ・ブルーが世界チャンピオンのガルリ・カスパロフを破ったチェスの対局にしばしば例えられる。
この対局は、Goが長い間コンピュータにとって困難な挑戦とされてきたため、世界中の注目を集めた。このゲームの持つ高度に分岐した要因と、直感とパターン認識への依存は、チェスをはるかに上回る難しさにしていた。AlphaGo以前には、最強のGoプログラムでも19路盤でのアマチュア段のレベルにしか到達できず、多くの研究者はトップレベルの人間のプレイヤーに勝てるコンピュータが登場するまでには、あと10年はかかると信じていた。AlphaGoの勝利は、Machine learningとNeural networkの技術が、複雑な戦略領域において伝統的なハードコードされたアプローチを上回ることができることを実証した。
背景
Goは戦略的思考、創造性、そして位置についての直感を必要とするボードゲームである。その複雑さは、可能なボード構成が莫大であり、総当たり探索を実行不可能にしていることに由来する。数学者のI・J・グードは1965年、Goをうまくプレイできるようコンピュータにプログラミングすることは、チェスよりもはるかに難しいだろうと書いている。優れた戦略の原則がより質的であり曖昧であるためである。2015年以前には、最強のGoプログラムはアマチュア段のレベルにしか到達せず、一部はより小さな9x9盤でより良い成績を収めた。ジョナサン・シェーファーなどの研究者は、近い将来の進歩について懐疑的な見方を示しており、Deep'''暗黙'''早期の投資者であるイーロン・マスクは、2016年、専門家がトップの正式なプロ棋を破るAIは約10年先だと考えていると述べた。
AlphaGoは、Deep learningとReinforcement learningの技術を用いることで、以前の研究から異なるものであった。そのニューラルネットワークは、当初、KGS Goサーバで強いアマチュアプレイヤーが行った160、000局から約3000万の手のデータベースで訓練された。一定の解答に達した後、AlphaGoは自分自身に対して数百万の対局を行い、強化学習を使用して戦略を洗練させることで改善した。このシステムはまた、モンテカルロ木探索を使用して、潜在的な手を評価した。伝統的なチェスプログラムとは異なり、AlphaGoは事前にプログラムされた手のデータベースに依存せず、その決定は訓練プロセスから現れ出たもので、その作成者自身も予測不可能だったと述べた。
対、ファン・フイ戦の勝利
2015年10月、AlphaGoは欧州王者で2段プロ棋のファン・フイに5対0で勝利した。初の人工知能がハンデキャップなしのフルサイズのボードで正式でプロの人類のプレイヤーを破った事例である。ただし、解説者たちはファンが、9段プロである李Se돌よりもかなり低いランクであると指摘ていた。ZenやCrazy Stoneなどの先行のコンピュータプログラムは、大きいハンデキャップのもとでしかトッププロを破れなかった。シェファーは、ファン・フイ戦の後にコメントレ、AlphaGoを経験不足の子供の天才と比較し、李が3月の対局で勝つことを予想した。ファン・フイは後に、この経験でゲームを後で見るように学び、その世界ランキングは2016年3月までに約600位から約300位に向上したと述べた。
準備
禅の専門家たちは、ファンの戦でのAlphaGoの弱点、特に全ボードに対する観念性を特定していた。プログラムが李戦の前の数ヶ月でどれほど改善したかのか不明でた。AlphaGoの訓練は、最初にインターネッ・ターのゲームのサーバーの対局から続き、次 の自らのゲーム内で数千万のゲーム自己プレイが実施された。
リー・ヘジン、プロプレイヤーで韓国棋院背国際連盟の事務総長は、対局への興奮 を表現 し、両方のプレイヤが勝つ可能性が等しいと考えた。
プレイヤーズ
AlphaGo
AlphaGoは、2014年にGoogleに買収されたロンドンに拠点を置くAI研究会社、Google DeepMindによって開発された。このプログラムはMachine learningと木探索の技術を組み合わせた。ニューラルネットワークは当初、過去の棋戯の記録を使用して人間のプレイを模倣するように訓練された後、自己対局によって強化学習を通じて洗練させた。ネットワークは移動のデータベースを使わず、その動きはトレーニングのアルゴリムの成果物として発生していた。リーとの対局で、AlphaGoはファン・フイの対局と同じくらいの計算能力を使用し、報告によると1, 202 CPUと176 GPUs、または最大1, 920 CPUと280 GPUが使われていた。Googleず、対局中に専用のテンソル処理ユニットが使用されていたとも述べた。
李世石
李世石は、Goプロの9端盤の正式なプロプレイヤーであり、ゲームの歴史上最強のプレイヤーとして広く考えられていた。彼は1996年に棋士としてキャリアを開始、12歳で正式なプロ段に昇進し、対局の時点で国際タイトル18個を勝利していた。彼は攻撃的で創造的なスタイルで知られ、その参加はしても対局は重要な名誉をもたらした。
対局の概要
対局は、2016年3月9日から3月5日までの毎日各局行われた5局で、AlphaGoは一、二、三、そして五局を、Leeは四番の対局を勝利した。すべての対局は勝敗を黒くした。初のの三局はAlphaGoの勝ちで、多くの観察者が、プログラムが人間を超えたﾚﾍﾞﾙに到達したことで結論づけたがった。Leeの四番目の対局は人間の勝利として祝われ、AlphaGoは無敵ではないことを示した。局は接戦でしたが結局AlphaGoが勝利した。
賞金とその後
勝者は100万ドルを受け取ることになっていた。AlphaGoが勝ったため、Google DeepMindは賞金はUNICEFや囲碁団体などを含む慈善団体に寄付されると述べた。 李世石は、参加のための150,000ドルと1局の勝利のための＋追加で20,000ドルの合計金額です。対局後、棋士ソサエは、囲碁における最高のグランドマスターレベルである名誉9段をAlphaGoに授与したことを認め、ゲームを習るための「正直な努力」を奨励した。その対局は、2016年12月22日に理学学会科学論文によって、その年のブレイクスルーの次に選ばれた。
その勝利は義的社会研究への広まるな影響をもたらした。ニューラルネットワークと強化学習が、人間の直感を要求するとされていた問題を扱えることを実証し、AlphaGoで使用された技術はその後、蛋白質のへ等、折り曲げ を含む可能なドメインを含に適用されつつある。対局はまた、AI倫amの関係も呼び起こし、人間と機械の知能の関係の新たな注目を集めた。関連研究は、認知科学、パターン recognition 、層達、Machine learning等に影響を与えている。
遺産
AlphaGo対パ、その対局は、人気あるプレイプロ match を転回点としてのしばしば引用される。この話題は、戦略的な判断を要するタスクだけでなく、計算速度でも機械が優れた成果を発揮できることを示した。また、Deep learningやNeural networkの構造が重、Generative AIとLarge language modelの発展に欠かせない基盤の可能性を持つことを示した。このmatchは、人工知能の能力と限界についての議論の中ですでに参照点とによっている。