Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Move Evaluation in Go Using Deep Convolutional Neural Networks

Move Evaluation in Go Using Deep Convolutional Neural Networks

論文LT会で作成した、CNNで囲碁の打ち手を予測する論文の説明資料です。

Masanori YANO

July 22, 2019
Tweet

More Decks by Masanori YANO

Other Decks in Science

Transcript

  1. 画像処理&機械学習 論文LT会 #5
    Move Evaluation in Go
    Using Deep Convolutional Neural Networks
    2019年7月22日(月)
    矢農 正紀 (Masanori YANO)

    View Slide

  2. 論文
    2
    Move Evaluation in Go
    Using Deep Convolutional Neural Networks
    論文のURL: https://arxiv.org/abs/1412.6564
    ⇒ CNNで「KGS Go Server」の打ち手を予測した論文
    著者の所属は、トロント大学・Google Brain/DeepMind
    選んだ理由
    ・AlphaGoやAlphaZeroの手法の応用に関心あり
    ・CNNへの入力とするための「状態の表現」に関心あり
    (囲碁や将棋は、基本的なルールを把握している程度)

    View Slide

  3. Google DeepMindメンバーの囲碁研究
    3
    [0] ICLR 2015の論文: CNNで「KGS Go Server」の打ち手を55%予測
    https://arxiv.org/pdf/1412.6564.pdf
    [1] AlphaGo Fan: 「KGS Go Server」の棋譜データでプロ棋士に勝利
    https://storage.googleapis.com/deepmind-media/alphago/AlphaGoNaturePaper.pdf
    [2] AlphaGo Lee: トップクラスのプロ棋士に勝利
    [3] AlphaGo Master: ネット碁で、プロ棋士に無敗
    [4] AlphaGo Zero: 棋譜データを使わずに強く
    https://deepmind.com/documents/119/agz_unformatted_nature.pdf
    [5] AlphaZero: 囲碁に加えて、チェスと将棋でも強く
    https://deepmind.com/documents/260/alphazero_preprint.pdf
    ⇒ AlphaZeroで、Google DeepMindの「囲碁研究は」終了
    論文に関心ある場合は、赤字の論文からが読みやすいかも
    今回取り上げる論文

    View Slide

  4. コンピュータ囲碁のアプローチ
    4
    2006年以降、MCTS(モンテカルロ木探索)が主流
    ・現在の状態から、乱数を含めて終局までシミュレーション
    ・シミュレーションするための評価関数は、MCTSでも重要
    ⇒ AlphaGoは、CNN評価関数+強化学習+MCTS
    CNN評価関数の入力
    ・サイズは、囲碁の盤面と同じく19×19
    ・チャネルは、現在の状態と、それに関連する特徴量
    (例) 現在の局面: 黒/白で2チャネル、空きで1チャネル
    CNN評価関数の出力
    [1] 現在の状態の評価値(その局面が、有利か不利か)
    [2] 次に取るべき行動(どの手を打つべきか)

    View Slide

  5. 本論文のアプローチ
    5
    現在の状態を「36チャネル×19×19」で表現
    [参考] AlphaGoは48チャネルと、13/15チャネル(対戦用)
    AlphaGo ZeroとAlphaZero(の囲碁)は17チャネル
    対象とした「KGS Go Server」参加者のランク: 初段~9段
    ⇒ 9チャネルのうち一つの19×19を全て1とし、他を全て0
    CNNはゼロパディング+最初だけ5×5で、以降は全て3×3
    教師データ数は27.4 millionで、テストデータ数は2 million

    View Slide

  6. 本論文の主な結果(1/2)
    6
    CNNのレイヤー数を変えたときの、棋譜との一致率
    ・中間層のチャネル数は128で、比較用に3レイヤーは16も
    ・横軸のは、CNNの出力のうちtop-(上位の手まで)

    View Slide

  7. 本論文の主な結果(2/2)
    7
    CNNのレイヤー数を変えたときの、一致率と強さ
    ・中間層のチャネル数は128で、比較用に3レイヤーは16も
    ⇒ 12レイヤーのCNNの「55.2%」が最高
    ・囲碁プログラムのGnuGoと対戦させたときの勝率も評価
    ・CNNを使った既存研究や、2014年の「彩」より高い精度
    ・KGSで6段の、GnuGoには完勝する打ち手と同等の精度

    View Slide

  8. まとめ
    8
    本論文は、CNNにより高い精度で人が打つ手を予測
    ・テストデータで、最高55%の精度(top-1)
    ・論文には、CNNの出力だけでMCTSに勝利した棋譜も
    ・AlphaGoの伏線でCNN+MCTSの評価も
    所感
    ・この時点では、入力に特徴量も多い
    ・CNNの最近の手法も、少し効果あるかも
    (AlphaGo Zero以降はResNet)
    ・「画像+特徴情報」の可能性に期待
    - PFNのPaintsChainer(初期)
    1チャネル+色塗りヒント3チャネル
    - 筑波大学の飯塚さんのGLCIC
    3チャネル+マスク1チャネル

    View Slide