いま、待ち合わせのため時間が30分ほどあるので記事２つほど書く。
Qhapaqさんが技術書典4で『科学するコンピュータ将棋』という同人誌を販売された。
Countermove(応手)とは何ですか？
返信
「コンピューター将棋全般」カテゴリーアーカイブ
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
Stockfishがもたらさなかったもの
昨年ぐらいからStockfishの改良点を取り込んでもほとんど強くならないというのが続いている。いまや、Stockfishによって将棋ソフトにもたらされるレーティング向上は年間R30にも満たないように思う。
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。
評価値がオーバーフローするとどうなりますか？
今年の6月ごろ、色んな人から、やねうら王だと教師局面の生成が終わらないことがあるという報告を受けた。
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。
何故、SDT5までにやねうら王は強くならなかったのか
今回、やねうら王は公開しているバージョンからほとんど強くすることが出来なかった。(KPP_KKPT型 評価関数でelmo+R170、探索部で+R20程度。elmo+rezero8 = relmo8がelmo+R120程度なので+R70ぐらいしか強くなっていない。) 私の本業のほうが忙しかったこともあるが、それを差し引くとしても、課題に対する取り組み方とか、方針の立て方とか、色々反省すべき点は多い。他の開発者が同じ轍を踏まぬよう、その原因をざっと書いておきたいと思う。
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。
256手ルールが前大会から改変されていた件
今回の電王トーナメントで256手ルールが問題になった。