白ビール(将棋ソフト名)の開発者の48さんが面白い実験をされている。GPUなしの環境で、すなわちCPUだけでDL(Deep Learning)系の将棋ソフトを動かしたらどれくらいの棋力になるのかという実験だ。

東大の博士課程の学生でありながらプロ棋士である谷合廣紀四段が、BERT+MCTSを使った将棋ソフトを作られました。ソースコードも公開されています。盤面を言語(95文字の文章)と捉えて、それをBERTに入力しているようです。

将棋や囲碁で用いているMCTS(Monte Carlo tree search)では、末端の局面でplayout(rollout)として局面評価のためにNN(ニューラルネット)を呼び出している。つまりは、実際にはplayoutは行っていない。

将棋ソフトで使われている技術は将棋以外の分野で役に立つことは少ないのだが、Deep Learning系の将棋ソフトで使われている技術、例えばMCTS(モンテカルロ木探索)は、わりと広範な応用事例がある。

WCSC31(第31回 世界コンピュータ将棋選手権)で、2位に輝いたDeep Learning系の将棋ソフトであるPAL。その学習のためにHEROZの社内のマシンが使われているといる話がありましたが、その具体的な分量については不明でした。今回、Wantedlyのインタビュー記事でその情報が公開されました。

囲碁ソフト(例えばKataGoや『天頂の囲碁』(マイナビ))は、CPUで動かしてもそこそこ強いらしい。それに比べて、DL(Deep Learning)を用いている将棋ソフトはCPUで動かすと何故こんなに弱いのか(※ ただしトッププロよりは強い)という質問というか罵声というか、ときには言葉の暴力みたいなのがやってくる。中には、KataGoみたいにopcl(OpenCL)を使わないから弱いんだろ、将棋の開発者は開発を怠っている、みたいな意見があったり、「将棋の開発者が開発にお金をかけないのが悪い。やねさんのお小遣いでやったぐらいでおっつかないだろ」みたいに言う人もいる。

dlshogiの山岡さんから詫び石(教師データ)が配られるかもと書いたのですが、実際に配られた模様です。

今回、WCSC31(第31回世界コンピュータ将棋選手権)では二次予選敗退となってしまったdlshogi with GCTですが、詫び石(高poで生成された教師データ)が配られるかもしれないです。

NVIDIA A100というGeForce RTX 3090の3倍ぐらいの性能のGPUがあって、AWSだとA100×8、GCPだとA100×16というインスタンスが借りられる。前者の料金は1時間4000円弱、後者はその倍程度である。

AobaZeroはDeepMind社のAlphaZeroの追試をその目的としたプロジェクトであった。教師生成(棋譜生成)の部分をアウトソーシング化(?)してあり、誰でもGoogle Colabで棋譜生成に協力できるようになっていた。生成された教師は公開されており、誰でも利用することができた。昨年の電竜戦で優勝したGCTもAobaZeroの棋譜を利用していたし、他のdlshogiチルドレン(?)も、AobaZeroの棋譜にはずいぶんお世話になっているはずである。