最近、やねうら王プロジェクトでは大規模定跡を掘っているせいで、「この局面についてはどうですか？」などと局面を送り合うことが増えた。局面をこうしてやりとりする方法として、CSAファイル形式やKIFファイル形式などがあるが、SNSに貼り付けるには、やや冗長である。

WCSC35(第35回世界コンピュータ将棋選手権)の二次予選において、dlshogi VS nshogiが、dlshogi思考時間0秒のまま勝ちきってしまった。言うまでもなく、二次予選において詰みまで思考時間0秒で指して勝利した将棋は、本大会初である。今回は、このことについて詳しく書く。

WCSC35(第35回世界コンピュータ将棋選手権)、皆様、お疲れ様でした！やねうら王もエンジョイ勢として(?)参加してきました。

ふかうら王(dlshogi互換エンジン)のインストール手順を詳しく解説した動画をYouTubeで公開しました。

将棋AIでは、教師(教師局面)を生成して、そこから評価関数パラメーターの学習を行っている。AlphaZeroなんかもそうしている。

Deep Learningで将棋の評価関数の学習を行う。仮に、ResNetと呼ばれる画像識別でよく用いられるアーキテクチャを評価関数に使うとしよう。

やねうら王関連のドキュメントは、やねうら王のGitHubのWikiに整理して公開している。

先週末、第5回世界将棋AI電竜戦TSECが開催された。毎回、このような将棋AIの大会が行われると御自分の作った将棋AIを公開する開発者が一定数おられる。

いまどきの将棋AIは、探索エンジンとは別に、評価関数パラメーターの書かれたファイル(評価関数ファイル)、定跡DB(定跡の書かれたファイル)などに分かれている。これは、従来ひとかたまりだったものを、これでは開発の単位として大きすぎると思った私が、やねうら王をコンポーネント指向なデザインにしたからである。