「1手1秒で強い将棋ソフトが1手10秒でも強い」とは限らない。しかし、それはどういう条件の時にそう言えて、どういう条件の時にそう言えないのだろうか？これがわかると短い持ち時間で探索をチューニングすれば長い持ち時間で対局させた時も強いソフトが作れるはずである。

1手1秒で強い将棋ソフトが1手10秒でも強いとは限らない。しかし、1秒で強いソフトが10秒で強くなかったことなど私はこれまでの人生で7回しか経験していない。つまり、その7つのケースを知っていれば実は短い持ち時間で対局させ、長い持ち時間で強いような探索部のチューニングは可能であるのだが文字数 https://t.co/HH9gJKpIp9

— やねうら王 (@yaneuraou) May 16, 2019

この辺の話は、SDT2(第2回 将棋電王トーナメント/2014年)のころから参加している将棋ソフト開発者には常識であった(?)のだが、開発者の世代交代が進んだためか神話の世界に突入しつつある。

そのためこのへんの内容を書き留めておくことは非常に重要だと思うが、書き出すとかなりの長文になる。一言で言うと書くのめっさしんどい。そして、これを全部書ききると探索部を独自に書いている開発者もやねうら王と同じレベルまで探索部をチューニングできてしまう。つらぽよ。でも白ビールの芝先生にも(私のアマゾンの欲しいものリストから)猫砂を頂戴したので書かないわけにもいかない。つらぽよ。

とりあえず、過去の記憶を辿りながら時系列順に書いていくことにする。

Ponanza/SDT3

まずはSDT3(第3回 将棋電王トーナメント/2015年)のころの話からだ。

文脈は忘れてしまったが、Ponanzaの開発者の山本君が「短い持ち時間で強いソフトが長い持ち時間で弱いことなんてある？」と言い出した。２つのソフトがあるとして、長い持ち時間にしたときに強さが逆転することがあるかという質問である。

この発言に対して、周囲にいた参加者(将棋ソフト開発者)達が、呆れた顔で彼のことを見ていたのを私は鮮明に覚えている。というのも、評価関数の精度が低いけどnps(探索速度)が高いソフトと、評価関数の精度が高いけどnpsが低いソフトとがあるとしたら、持ち時間を増やしていくとき後者のほうが棋力の伸びが著しいはずである。このように簡単な反例を誰でも挙げられるからだ。2倍の時間を使ったときに+R100のソフトと+R200のソフトとでは長い持ち時間で強さが逆転しうることは自明である。

でも山本君は誰かからのそのような説明を聞いても今ひとつ合点がいかないようであった。「えー？この説明わからん奴おる？」という顔で他の開発者達が彼のことを眺めていた。私も、「彼は、馬鹿なんかな？」と思った。そして、SDT3ではPonanzaが優勝した。果たして馬鹿なのは誰であったのだろうか？

当時のPonanzaは比較的短い時間で探索部のチューニングがなされていたと聞いている。「短い時間で強いソフトが長い時間でも強い」のであれば、わざわざ長い時間でチューニングするのは計算資源の無駄でしかない。

現代のソフトでは2倍の時間を使うと自己対戦で+R200程度強くなると言われているが、探索部をわずかに改良してもそれは非常に酷似したソフトであり、2倍の時間を使った時の強くなる度合いはほぼほぼ変わらない。評価関数についても同様である。非常に性質の似た探索部と評価関数を持つソフトを2つ用意して、その2つのソフトを短い持ち時間で対局させた場合と長い持ち時間で対局させた場合とを比較した場合、当然短い持ち時間で強いほうのソフトは長い持ち時間でも強いであろう。

おそらく、山本君はずっとそういう改良の仕方を続けてきたので、短い持ち時間と長い持ち時間とで強さが逆転するような状況に遭遇したことがなかったのだと思う。そして、それこそが普通なのだ。長い持ち時間で強さが逆転するのが異常なのだ。長い持ち時間で逆転するとしたら、何かがおかしい。そこには何か特別な理由があると考えるべきなのである。

そして、これがすべての思考の出発点なのである。

次回につづく。

1500万ノードで強い評価関数は、1億ノードでも同じくらい強い、という説にはまだ反証がなされていないと思っています！ https://t.co/Ua8D8G4DI5

— たややん＠水匠＋NNUEkai (@tayayan_ts) May 16, 2019

感覚的には1手1500万ノードと1億ノードでレーティング表の並びが同じになるわけがないと思うのですが、1億ノードでの対局はめちゃくちゃ大変なので検証難易度はかなり高いですよね・・・。

— めきっと＠鵺日々成長中 (@_illqha) May 16, 2019