スーパーマリオでゆるーくわかる！AlphaGoが世界最強棋士に勝利した意味＝東条雅彦

5月25日、グーグル傘下のDeepMindが開発したAI「AlphaGo」（アルファゴ）が中国烏鎮で開催された「The Future of Go Summit」で、世界最強囲碁棋士・柯潔（カケツ）氏と対局しました。結果は、3対0でAlphaGoが圧勝。

私は囲碁の知識はほぼゼロですが、その昔、プロのゲーム制作者を目指していたこともあり、「AlphaGoが一体、どういうプログラムで作られているのか」にとても興味を持ちました。

AlphaGoがプロ棋士に勝てた理由について、できるだけ数学的な説明は避けて、直感的に「ゆるーくわかる」を目指して解説したいと思います。（『ウォーレン・バフェットに学ぶ！1分でわかる株式投資～雪ダルマ式に資産が増える52の教え～』東条雅彦）

囲碁も投資も人間以上!? 人工知能の最前線をざっくり理解しよう

最後の砦「囲碁」でも人間はコンピュータに負けてしまった

5月25日、グーグル傘下のDeepMindが開発したAI「AlphaGo（アルファゴ）」が中国烏鎮で開催された「The Future of Go Summit」で、世界最強囲碁棋士・柯潔（カケツ）氏と対局しました。

結果は、3対0でAlphaGoが圧勝。去年、李世ドル（イ・セドル）氏がAlphaGoに負けるのを見て、柯潔氏は「AlphaGoは李世ドルに勝っても、俺には勝てない」と強気の発言をしていました。しかし、結果は完敗でした。

AlphaGoは1日に100万局ぐらいを対局して自己学習をしており、去年よりも圧倒的に強くなっていました。李世ドル氏に9勝している柯潔氏でも、まったく歯が立たなかったのです。

＜参考＞『コンピューター vs. 人間』の歴史

オセロ：（1997年）Logistelloが世界チャンピオン村上健に勝利
チェス：（1997年）IBMのDeep Blueが世界チャンピオン ガルリ・カスパロフに勝利
将棋　：（2013年4月）第2回将棋電王戦にて、GPS将棋がA級棋士 三浦弘行八段に勝利
囲碁　：（2016年3月）AlphaGoがイ・セドル九段に勝利
　　　：（2017年5月）AlphaGoがカ・ケツ九段に勝利

コンピューターが苦戦する要因「探索空間の大きさ」

なぜ、これまで囲碁はコンピュータよりも人間の方が有利だったのでしょうか？ 最も大きな要因は、「探索空間の大きさ」です。

＜探索空間の大きさ＞

オセロ：10の60乗
チェス：10の120乗
将棋　：10の220乗
囲碁　：10の360乗

例としてチェスと囲碁を比べてみると、コンピューターから見た場合の処理負荷の違いは一目瞭然です。

＜チェス＞

最初の一手は、先手の白は20通り、後手の黒も20通りである。両者が最初の一手を打ち終わった時に現れる盤面の形は20×20で400通りになる。

＜囲碁＞

盤面に描かれた縦横19本ずつの直線の交差点361個の1つに先手の黒を打つ。後手の白の打ち方は360通りである。両者が最初の一手を打ち終わった時に現れる盤面の形は361×360で129,960通りになる。

仮に6手先を読むことにすると、次のような計算式になります。

＜チェスの枝別れ総数＞

20×20×20×20×20×20＝64,000,000通り

＜囲碁の枝別れ総数＞

361×360×359×358×357×356＝2,122,781,978,399,040通り

囲碁の6手先の枝別れ総数は、2千兆を超えます。枝別れ総数が多ければ多い程、コンピューターの処理に負荷がかかります。

元々、囲碁でコンピューターが人間に勝てるまでに、あと10年かかると言われていました。枝分かれ総数がほぼ無限大に広がるため、コンピューターの処理能力では間に合わなかったのです。人間が一手を打つ度に、コンピューターの方が「うーん」と唸って、1週間後に次の一手を打ち返すようだと対局になりません。

チェスでは1997年にIBMのDeep Blueが世界チャンピオンのガルリ・カスパロフに勝利していますが、チェスと囲碁ではまったく前提条件が異なります。Deep Blueはコンピューターの処理能力を極限まで高める力技で押し切りましたが、囲碁では力技だけでは人間には勝てません。

AI革命の到来を予感させるAphaGoの完全勝利

囲碁のトップ棋士達も、全ての手を読み切って打っているわけではありません。囲碁は全ての手を読み切れないため、他のゲームよりも「思考」の比重が圧倒的に大きいという特徴を持っています。

プロの棋士ですら、相手の手筋を読み切れないので、（論理的には説明不可能な）閃きに似た力も活用しながら、打っていると言われています。

コンピューターが囲碁で勝とうとした場合、「計算」だけではなく、人間と同じように「思考」という領域に踏み込まなければいけません。

＜人間とコンピューターの得意不得意＞

単純計算…コンピューターの方が得意
思考…人間の方が得意

今回、AlphaGoを勝利に導いたのが、「モンテカルロ木探索」の発明だと言われています。

従来の探索アルゴリズムは、開発者側が予め作った評価関数（最善手を探すための処理）に基づいて最善手を導き出すという方法でした。ところが、モンテカルロ木探索は、コンピューターの内部でランダムシミュレーションを行った結果を元に最善手を導き出します。「ランダム」に探すという所がポイントです。

＜モンテカルロ木探索のイメージ＞

出典：『モンテカルロ木探索の理論と実践』美添一樹氏

評価関数なしでも探索できるモンテカルロ木探索の発明によって、コンピューターは擬似的に人間の思考に近づくことができたのです。

Next: AIが動かすスーパーマリオで「モンテカルロ木探索」を理解する