rezero18からdepth 8で生成した教師データ、100億局面を期間限定で公開します。(2018年2月19日までの限定公開)
月刊教師局面 2018年1月号
7
カテゴリーアーカイブ: 機械学習
さくらインターネットの機械学習ナイトで発表してきました
私のほう、発表資料の準備があまり出来てなくて、そして、こういう発表に不慣れで聞きづらかったと思う。聞きに来てくれた人たちには申し訳ない。
DeepMind社がやねうら王に注目し始めたようです
DeepMindがAlphaGo Zeroで使われた手法をチェスと将棋に適用して、チェスと将棋の世界でもぶっちぎり強いソフトが出来たそうです。(私は、内容は詳しく読んでいません。)
教師データはWCSC28終了まで公開しておきます
depth10で作った110億局面の教師データ、期間限定で公開します
SDT5の直前にAWSで20万円かけて生成したという例のやつです。
Apery(SDT5)の評価関数はどれくらい強いのですか？
本大会で最強の評価関数はAperyのものだと私はくどいほど言い続けたが、それを確認しておく。
評価関数をゼロから学習させるときに駒割りも学習させる話
リゼロ評価関数では、評価関数をゼロから学習させているが、駒割り(駒の点数)は、Aperyのソースコードで定義されている点数を初期値として用いてある。実際のところ、これがすべてゼロであってもきちんと学習できることは確かめた。
freeze_kkは何のためにあるのですか？
やねうら王のlearnコマンドのfreeze_kk/kkp/kppは何のためにあるのか、説明を書いておく。
本大会のやねうら王は究極のリゼロ系
今回のやねうら王は、学習時に人間の棋譜を用いていない。いわゆるリゼロ系である。学習時に人間の定跡も用いていない。初期局面から何手かランダムムーブさせた局面からdepth 10で対局させたものを教師局面として用いている。
評価関数のブレンドに関する知られざること
今回の大会、決勝に進出した12チームのうち、Ponanza、Apery、Seleneを除く9チームがやねうら王チルドレン。