ふかうら王 3kn(3000ノード固定,評価関数GCT) VS 水匠 300kn(30万ノード固定)での対局で、これがほぼ互角のようなので、詰将棋ルーチンを無くすとどれだけ強さが変わるのかを検証してみた。

ふかうら王側、root node(探索開始局面)のdfpn(長手数詰将棋ルーチン)をなくすと -R10
ふかうら王側、leaf node(探索の末端局面)の5手詰めなくすと -R25
ふかうら王側、leaf nodeの5手詰め(固定手数の詰将棋ルーチン)をdfpn 300ノードに変更すると -R5 // 計測誤差かも
ふかうら王側、leaf nodeの5手詰めをdfpn 3000ノードに変更すると +R10

結局、5手詰めで+R25程度しか稼げてないので、これ頑張っても仕方ないのではないかと…。

あと、dfpn 3000ノード(7手詰めか9手詰めに相当)ですら+R10にしかならないので、leaf nodeで7手詰めに変更したところで+R5ぐらいしか稼げないように思う。

チェスでは終盤、駒が少なくなっていくので、チェスのソフトではテーブルベース(tablebase)という終盤の定跡データベースを利用している。7駒以下は解析が完了しているらしい。

将棋では、そのようなデータベースを用いることは出来ないので、詰将棋ルーチンは欲しいところではあるが、上述の実験結果からすると、わずかの差しかなく、詰将棋ルーチンの呼び出しのせいで探索速度が稼げないのであれば、leaf nodeの5手詰めを3手詰めか1手詰めぐらいにしたほうがマシだと言えそうである。

詰将棋ルーチンが効果があるのは、強化学習のために自己対局で教師を最初に作る時だ。leaf nodeでの5手詰めがないと詰みがわからないので終局までの手数が長くなり、自己対局のための計算資源が余分に必要になる＆詰みを逃して逆転されてしまう(対局の勝敗も含めて学習に利用するので、誤った勝敗情報はなるべく少なくしたい)ということがある。

逆に、教師生成のための自己対局用の計算資源が豊富にあるのならば、詰将棋ルーチンはなくとも問題なさそうではある。(だからこそ、AlphaZeroが詰将棋ルーチンなしに強くなったのだと言うことはできそう)

また、学習を進めていくと、対局時の詰将棋ルーチンの有無による棋力差はさらに小さくなるものと思われる。結論的には、こんなところ頑張ってないで、まずは、大会の本番環境(AWSのA100×8のP4インスタンス？)できちんと性能が出るように頑張れと言うことになりそう。

// ふかうら王がその探索性能でdlshogiに負けると悔しいので、私は詰将棋ルーチンも頑張るが、お前ら(他の開発者)は、俺の屍を乗り越えてゆけ。