Windows上でメモリ確保にLarge Pageを使うとランダムアクセスが5%程度速くなるそうです。やねうら王の場合、ランダムアクセスはわりと支配的なのでTT(置換表)と、EvalHash(評価関数の値をcacheしておくメモリ領域)と評価関数テーブルをすべてLargePageに割り当てることで10数%高速化することがわかりました。

前回の続き。将棋AIで最初に大規模機械学習に成功させたBonanzaの開発者である保木さんのインタビューがちょうどYahoo!ニュースのトップ記事として掲載されたところなので、今回はBonanzaの機械学習について数学的な観点から解説してみたいと思います。

KENTOという赤字を垂れ流し続けている(?)オンラインの棋譜解析サービスがあります。

最近、機械学習を勉強している人が増えてきたので、簡単な機械学習ならわかるよといった人たち向けに将棋AIの開発、特に評価関数の設計について数学的な側面から書いていこうかと思います。線形代数と偏微分、連鎖律程度は知っているものとします。

AlphaZeroの再現実験として、YSSの山下さん、Bonanzaの保木さん、Ray(囲碁ソフト)の小林祐樹さんのゴールデンコンビがタッグを組んだAobaZeroというソフトがあるのですが、ここ最近は棋力が停滞気味であります。

今年の5月に開催予定のWCSC30(第30回世界コンピュータ将棋選手権)、コロナのせいで中止になりそうなのに、PR文書の提出期限は3月末なので何か書いて提出しなければならない。

仕方がないので20分ぐらいで殴り書きしたPR文書を提出しておいた。以下にそのコピーを貼り付けておく。なお、内容の正確性については一切保証しない。

ShogiDroidでやねうら王の一部のエンジンオプションが正常に動かないらしい。
今回は、この問題について詳しく書く。

将棋ソフトで標準的に使われているUSIプロトコルですが、この原案、以前あったらしいサイトはドメインごと売りに出されていて、どうしたものかと思っていたのですが、以下のサイトで公開されているのを見つけたので、(またドメインごと無くなると困るので)魚拓代わりに本記事にコピペしておきます。

※　2020/03/09 19:00時点での魚拓としてお使いください。