lishogiという将棋の対局サイトでは、次の一手問題が出題されてそれに解答していくとR(レート)が上がっていき、自分のレートがわかるという仕組みがある。

いま大会上位に位置するDeep Learning系の将棋AIは、評価関数として画像認識などでよく使われているResNetを用いている。ResNetについては機械学習を齧っている人ならば誰でも知ってるぐらい有名だと思うので、詳しい説明は割愛する。(ググれば詳しい説明がいくらでも出てくる)

いま、将棋AIの世界はdlshogiに代表されるDeep Learning型の将棋ソフトと、αβ探索を用いる従来型の将棋ソフトとに大きく二分される。後者の上位ソフトは、評価関数にNNUE評価関数を採用しており、後者のタイプのソフトはNNUE型と呼ばれるほどの一大勢力を築き上げている。

このNNUE評価関数を設計したのは、tanuki-チーム(当時)の那須さんである。NNUEは浅い層からなるニューラルネットワークだが、那須さんの実装は、C++ templateで書かれていて、層を増やしたり特徴量の数を変更したりできるようになっていた。

将棋AIは現在のほとんどの将棋ソフトはUSIプロトコルというプロトコルを採用している。これはチェスAIのプロトコルであるUCIプロトコルをそのまま将棋に転用したものであり、長年の運用により特に大きな問題がないことが実証されている。

将棋ソフトの出力する評価値31111について、数年前にどこかに書き散らしたことはあるのですが、まとまった記事がなかったので解説します。

WCSC(世界コンピュータ将棋選手権)で引き分けの回数を集計した人がいて、その結果を教えてもらった。やねうら王は通算で2位なのだそうだ。前回とか今回とかの集計結果ではなく、WCSC第1回から第32回までの通算で2位。

やねうら王Wikiを充実させたことで、いままで「ふかうら王が自分の環境では動かん！」と言ってた人もすべて救済されたと思う。

やねうら王のGitHubとそのWikiのテキストをすべて刷新した。この作業に40時間以上要した。

やねうら王に関するあらゆる質問はこの記事のコメント欄にお願いします。
ふかうら王の件もこの記事のコメント欄でお願いします。

今月のゴールデンウィークに開催されたWCSC32(第32回世界コンピュータ将棋選手権)において、興味深い知見が得られたので簡単にここにまとめておきたい。