◆人の囲碁とは異なる戦略

このように開発されたアルファ碁ゼロは従来のアルファ碁を上回った。アルファ碁ゼロは以前のアルファ碁のうち最も強力な「アルファ碁マスター」を相手に９０％の勝率となった。アルファ碁マスターは５月に中国の柯潔九段に３－０で勝利したバージョンだ。論文によると、アルファ碁ゼロとアルファ碁マスターが制限時間２時間で１００回対局した結果、アルファ碁ゼロが８９勝１１敗と圧倒した。

アルファ碁ゼロの驚く棋力は数値でも確認できる。「ＥＬＯレーティング」（囲碁の実力を数値化した国際囲碁ランキング）で表記したアルファ碁ゼロの点数は５１８５点。アルファ碁マスター（４８５８点）より３００点以上高い。昨年３月に李世ドル（イ・セドル）九段と対局したアルファ碁バージョン（３７３９点）より約１５００点、２０１５年１０月に樊麾（Ｆａｎ　Ｈｕｉ）二段と対戦したアルファ碁バージョン（３１４４点）より２０００点以上も高い。

さらに驚く事実は、アルファ碁ゼロが現段階に到達するまで４０日しかかかっていないという点だ。論文によると、アルファ碁ゼロが李世ドル九段と対局したバージョンのアルファ碁を上回ったのは学習を開始してからわずか３６時間後だった。学習開始から７２時間後には李世ドル九段と対戦したバージョンのアルファ碁を相手に１００戦１００勝と完勝した。

自ら成長したアルファ碁が棋譜入力を通じて成長したアルファ碁を越えたというのは何を意味するのだろうか。グーグル・ディープマインド側は論文を終えながら「学習の初期段階では棋譜を入力したアルファ碁の方が実行能力が上回り、プロ棋士の着手をよく理解した。しかし時間が経過するほど自ら強化学習したアルファ碁の競技力の方が全般的に優れている点を観察することができた」とし「人がこれまで積み上げてきた囲碁に対する接近法とは質的に違う戦略をアルファ碁ゼロが悟ったようだ」と分析した。

◆「強化学習は指導学習より良い結果」

カム・ドングン亜洲大電子工学科教授は「指導学習（棋譜入力学習）はガイドラインを提示し、偏見や固定観念に閉じ込められる限界状況が発生する可能性がある」とし「この論文は囲碁の領域で強化学習が指導学習より良い結果を出すことができるという事実を証明したという点で意味がある」と説明した。


「アルファ碁」アップグレード…人間の棋譜は入力せずゼロから学習（１）