@demishassabis pros. That means CrazyStone/Zen w/o any handicap is about as strong as Han Fui or AlphaGO(non-distributed).
@demishassabis Could you explain this discrepancy?
@demishassabis Correction: CrazyStone/Zen *w/ 4-6 stone hadicap* should be roughly on par with top pros twitter.com/aq3948/status/…
www3.nhk.or.jp/news/html/2016… こちらでもすでにニュースが公開されています。なお、(たぶんもう言ってもいいと思いますが)明日の朝7:00～のNHKニュースで流れます(私は出ませんが)。あと、おととい夕方からの私と大橋先生のネガティブTweetの原因はこれでしたw。
Googleの囲碁プログラムが勝ったFan Huiさんはプロ２段か。３月にやるイ・セドルさんは世界トップクラスなので彼に勝ったら本物だけど。これは注目。自分は深層学習だけではトップには勝てないと予想してるけど、深層学習以外に何かやってるのかな。まあ予想外れの可能性もあるけど。
しかし３月の電聖戦は一気に興味なくなったな… 他のプログラムに勝っても、だから何、になりそう（まあ負けたらそれなりに面白いかもしれんが）
今日は仕事はお休みだなw 碁の論文読もう（一応研究職なのでまあ許容範囲）
Gの方読んだ。
【学習】
指し手の評価関数（確率分布 p）を３通り、局面の評価関数(v)を１通り作った：
・まず指し手の評価を２通り、教師あり学習で作る。軽いプレイアウト用の(pπ)と、重い木探索用(pθ)。
※rolloutって、普通プレイアウトでは？（自分の知識古いかも
・更に指し手の評価をもう１通り、強化学習で(pρ)。pρの学習には、初期値としてpθを使う。
・そして局面評価を強化学習で作る(vθ)。これにはpρとの対戦を使う（※ここ具体的に何やったのかよくわからず）。pρはここで使うだけで、対局時は使わない。
【探索】
基本MCTSと似ている。各局面（ノード）での確率分布の初期値はpθを使う。リーフノードの評価は、プレイアウトの結果だけでなく、vθによる評価と重みづけする(1:1)。
てことで要約すると、
1)指し手の評価がより正確になりました（木探索、プレイアウト共）
2)局面の評価がより正確になりました
3)ノード評価で、局面評価とプレイアウトを重みづけするようにしました
てことみたい。
以前たしかRemiさんは「プレイアウトの手選択に凝っても強くならない」と言ってた気がするけど、あれは間違いなのね。まあ直感的にそんなはずなさそうとは思ってたけど。ちょっと不思議なのは、3)の重みづけでレーティングで500近く強くなってる。
将棋でいう合議みたいな感じなので多少強くなるくらいはわかるにしても、500は想定外。なんかここにポイントがあるんだろうか。
ちなみにレーティングに関しては、Fan Hui氏とAlphaGO１台版がほぼ互角、クラスタ版が+300くらいとのこと。イ・セドル氏はFan Hui氏より600上との情報を見たので（要出典）、それからするとまだトップ棋士には及ばなさそう。まあそれは去年10月の話で、3月は知らんが。
モンテカルロが出てきた当初は、既存ソフトより明らかに強くて、みんな「おぉーっ！」となったんだけど、その後そんなに伸びてない。今回も、state of the artは明らかに超えたが、この路線でトップ棋士を超えられるかはまだ何とも言えないかなあ。まあまずは３月のイセドル戦だ。
出典は多分Remiさんが作ったレーティング goratings.org
5 Lee Sedol 3515
633 Fan Hui 2916
twitter.com/aq3948/status/…
えーっ 家のWinはVMWare Playerなんだけど、これもダメなのかな？VMWareのイメージみたいのを作ってVirtualBoxに持ってくのってできるんだっけ(<ggrks) twitter.com/kmo2/status/69…
ちょっと待てよ、やっぱなんかおかしい。ZenやCrazyStoneは一流プロに４～６子で互角のはず。
ja.wikipedia.org/wiki/%E3%82%B3…
だがGoogle論文の図では、4子置いたZen,CrazyStoneがFan Hui(≒AlphaGO)よりもかなり弱いとなってる
G論文ではCrazyStoneは32CPUと書いてあり、それなら本気の強さかと思ったが、「一流プロに４～６子」だとすると、Fan HuiやAlphaGOとあまり変わらんレベルということになる。32CPUって、80486x32とかじゃないよねｗ
というわけで、ちょっとAlphaGOの評価は保留だなー。もしかしたら本当に強いのかもしれないけど、これだけじゃ信用できるだけの根拠がない。
ちなみにFB論文の方もざっと見てるけど、こちらは「Deep Learning + MCTS でZen/DolBaram/CrazyStone と互角になりました～」という話で、そう衝撃的ではないみたい。
ま、G社が "That Day" とかいう手記を出すハメにならないといいけどね。
@demishassabis
I have read the paper on AlphaGO. It's just amazing! Congrats on your wonderful achievements. BTW, I have one question;
@demishassabis I would appreciate if you could clarify.
A figure on your paper says that CrazyStone/Zen w/ 4-stone handicap is significantly
@demishassabis weaker than AlphaGO or Fan Hui. However, the match records so far show that CrazyStone/Zen should be roughly on par with top
Eikyu Ito @aq3948
Nobuo Araki@もう少し頑張る @ark_golgo
tadc @tadctw