「強さ＝リソース」の脱却を目指す囲碁プログラム「AQ」と高火力コンピューティング
世界で名だたる企業が開発に心血を注ぐ囲碁プログラムの世界。そんな中、確実に上位を脅かす囲碁プログラムとして成長しているのが、山口祐氏が開発する「AQ」だ。山口氏にAQ開発にかける想い、研究や学習で利用するさくらの高火力コンピューティングについて話を聞いた。 Facebookチームのプログラムに勝利した「AQ」のすごさ 囲碁プログラム「AQ」を開発している山口 祐氏は大学院卒業後、産業技術総合研究所（AIST）の研究員として7年勤務した後、2018年8月に退職し、フリーランスとして独立した。「研究では応用物理学をやっていて、趣味で囲碁や将棋のプログラムを作っていたが、機械学習やプログラミングの方が面白くなってしまった」（山口氏）が独立のきっかけだ。 山口氏が将棋や囲碁のプログラムに興味を持ったのは、AIST在籍時に読んだ「AlphaGo」の論文だ。後にGoogleに買収されるDeepMind
囲碁AIブームに乗って、若手棋士の間で「AWS」が大流行 その理由とは？
囲碁AIブームに乗って、若手棋士の間で「AWS」が大流行 その理由とは？：週末エンプラこぼれ話（1/4 ページ） 人間の能力をAIが完全に上回りつつある「囲碁」の世界。最近では、AIを活用した研究を行う棋士も増えているそうだが、その裏側でAWSが若手棋士の中で大流行しているという。一体何が起こっているのだろうか。 ここ数年、将棋や囲碁といったボードゲームの世界では、AI（人工知能）の能力が人間を上回りつつある。特に、Alphabet傘下のDeepMindが開発した囲碁AI「AlphaGo」は、世界のトップ棋士を次々と破ったことで、昨今の人工知能ブームの“火付け役”となったのは記憶に新しい。 最近では、プロ棋士たちも研究にAIを使い始めているが、その影響で、若い囲碁棋士たちの間で今「AWS（Amazon Web Services）」を利用する人が急速に増えているのだという。一体何が起きている
AlphaZero Shogiの学習にかかるコストを試算してみた | やねうら王 公式サイト
昨日の記事で、AlphaZeroがどれくらいの強さなのかざっくり試算したのですが、ざっくりすぎてかなりいい加減だったので、LC0(LeelaChessZero)のbenchmarkを元に、正確に計算しなおします。 AlphaZeroがTPUv1×4でR4500相当。ニューラルネットワークはResNet 20ブロックでチャネル数は公開されていませんが、npsは、80k(80,000)だそうです。(※) ※ https://arxiv.org/pdf/1712.01815.pdf 一方、LC0のBenchmarks(※)によると、(CPU側の)スレッド数により多少変動はあるものの、ResNet 20ブロック×256ch構成において、以下のようになっていました。 ・GTX 1080Ti : 9knps ・RTX 2080 : 26.1knps ・TITAN V : 31knps ・RTX 208
AlphaZero Shogi弱すぎクソワロタ | やねうら王 公式サイト
AlphaZeroのShogi版は、あっという間に従来の将棋ソフトを抜き去ったかのように喧伝されているので今回はここで少しばかり反論したい。 AlphaZero(の手法)が、将棋のドメイン知識(ゲーム固有の知識)を用いずに、汎用性の高い方法でゼロから機械学習をして、囲碁・将棋・チェスのAIにおいて成功を収めた。ここに異論はないし、素晴らしい業績だと思う。この点は、惜しみなく称賛すべきであると思う。 しかし、従来の将棋ソフトを圧倒的に追い抜いたのかについては若干の疑念がある。今回は、それについてざっと書いておきたい。 AlphaZeroの論文では、aperypaqとも対局させたと書いてある。aperypaqは最新のやねうら王エンジンと組み合わせるとおそらくR4300相当である。AlphaZeroはそれよりR150か200ほど強いことになっている。正確な数値はよくわからないが、まあ仮にR200
AlphaGoの衝撃再び — タンパク質構造予測でAlphaFoldが今までのモデルに圧勝｜Zhubo.JP
原文記事: [阿尔法狗再下一城 | 蛋白结构预测AlphaFold大胜传统人类模型] (2018/12/03公開) 「研究したいタンパク質があるのだが、その構造と機能がわからない」 — これは分子細胞生物学の研究者が日々直面する最大の難題の一つである*a。アミノ酸配列測定技術が発展する中で、多くのタンパク質の配列がハイスループット*1に解析されているが、この配列決定の段階から実際に3次元構造を決定するまでの間には、未だに大きな距離がある。 生物の基本単位が細胞だとして、細胞の基本的な機能単位こそが、複雑多岐なタンパク質の1つ1つである。そしてまさにタンパク質の機能の本質を決定しているのが、タンパク質の構造である。タンパク質の機能を研究したり、それをターゲットとする薬剤を開発したいというとき、タンパク質の構造はとても重要な要素の一つになる。だからこそ、生物学には、構造生物学という学問領域まで
強化学習入門 Part3 － AlphaGoZeroでも重要な技術要素！ モンテカルロ木探索の入門 － - Platinum Data Blog by BrainPad
強化学習入門の第3弾。「モンテカルロ木探索（Monte Carlo Tree Search, MCTS）」を解説するとともに、実際にAI同士で五目並べを戦わせてみました！ こんにちは。アナリティクスサービス本部 AI開発部の山崎です。 昨年も強化学習界隈は盛り上がりを見せていましたが、今なお、強化学習と言えば一番にAlphaGoを思い浮かべる人も多いのではないでしょうか。昨年、AlphaGoZeroという進化バージョンが発表され、一切のお手本を用いずに従来バージョンより強いということが話題になりました。（それまでのAlphaGoは、人のお手本をある程度学び、その後勝手に学んでいくものでした） さらに、AlphaGoZeroを一般化したアルゴリズムに修正したAlphaZeroが登場し、チェスや将棋でもその時点での最強ソフトを打ち負かしています。 今回は、AlphaGoやAlphaGoZero
Tensorflowユーザから見た Alpha(Go)Zero, Ponanza
本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。 "Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise. The slides are made by the lecturer from outside our company, and shared here with his/her permission. Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステム
How to build your own AlphaZero AI using Python and Keras
Update! (2nd December 2019)I’ve just released a series on MuZero — AlphaZero’s younger and cooler brother. Check it out 👇 How to Build Your Own MuZero Using Python (Part 1/3) How to Build Your Own MuZero Using Python (Part 2/3) How to Build Your Own MuZero Using Python (Part 3/3) In this article I’ll attempt to cover three things: Two reasons why AlphaZero is a massive step forward for Artificial
AI and Deep Learning in 2017 – A Year in Review
The year is coming to an end. I did not write nearly as much as I had planned to. But I’m hoping to change that next year, with more tutorials around Reinforcement Learning, Evolution, and Bayesian Methods coming to WildML! And what better way to start than with a summary of all the amazing things that happened in 2017? Looking back through my Twitter history and the WildML newsletter, the followi
Googleが最強のチェス・将棋AI「AlphaZero」を発表 わずか24時間の自己学習で最強AIを上回る
世界最強の囲碁AI「AlphaGo Zero」を開発したDeepMind（Google関連会社）が、チェスと将棋のAIに関する論文を発表しました。AlphaGo Zeroと同様の手法を使い、24時間で既存の最強AIを超える実力に至ったとのこと。 AlphaGoは2017年5月、世界トップ棋士である中国の柯潔（かけつ）九段に3戦全勝した囲碁AI。もともと人間同士の棋譜（対局データ）を学習させていましたが、進化したAlphaGo Zeroでは人間の棋譜を用いず、AIによる自己対戦のみで強くする「強化学習」が用いられました。 「AlphaGo」に敗れた最強棋士の柯潔九段 Googleの囲碁AI「AlphaGo」が19歳の最強棋士に全勝 囲碁AI「AlphaGo」が進化した「AlphaGo Zero」開発 自己との対局で学習し強く 今回の論文では、AlphaGo Zeroで用いられた手法を「Alp
AlphaGo Zero – How and Why it Works – Tim Wheeler
DeepMind’s AlphaGo made waves when it became the first AI to beat a top human Go player in March of 2016. This version of AlphaGo – AlphaGo Lee – used a large set of Go games from the best players in the world during its training process. A new paper was released a few days ago detailing a new neural net—AlphaGo Zero—that does not need humans to show it how to play Go. Not only does it outperform
AlphaGo Zeroの論文の要約 : ブログ
AlphaGo Zeroが自己学習のみで過去最強になったというニュースが出たのでその元論文を読み、要約をしました。 まず感想を述べると、過去数千年にわたって蓄積してきた知識をAIが数時間で発見することに対する気持ち良さがありました。人間などクソ食らえと思っておりますので、こう言うニュースはとてもスッキリします。そして人間の発見していない打ち筋の発見にも感動しました。これこそがAIの真髄だと信じています。人間が見えていないものをAIが見つける、僕もいつかそんなことをしてみたいと思いながら生きています。 あともう一つ重要だと思ったのは、とてもネットワーク構造および学習過程が簡素化されたことです。マシンパワーも過去に比べて非常に少なく済み、個人でもすぐに再現実験ができそうなくらいです。AIが強くなることと、構造および学習のsimplerが同時に達成できていることが本質的だと思います。 一応、下記
AlphaGo Zero: Starting from scratch
Research AlphaGo Zero: Starting from scratch Published 18 October 2017 Authors David Silver, Demis Hassabis Artificial intelligence research has made rapid progress in a wide variety of domains from speech recognition and image classification to genomics and drug discovery. In many cases, these are specialist systems that leverage enormous amounts of human expertise and data. However, for some pro
衝撃！AlphaGoの自己対戦│囲碁ゲームのパンダネット
AlphaGoが再び公の場に姿を現した「未来の碁サミット」は、柯潔九段との三番勝負、相談碁ともにAlphaGoが安定した強さを見せての勝利となりました。特に面白かったのは古力九段＆AlphaGo対連笑七段AlphaGoのペア碁対決でした。人類とAI初の競演となったわけですが、スリリングな内容となり、これからのAIとの関わり方を考えるうえで非常に有意義だったのではないかと思います。一時は古力九段ペアが勝率75％まで優勢になりながら逆転を許したのは、私にとっても驚きでした。 一体AlphaGoはどれくらい強いのか？現在の所、AlphaGoは強くなりすぎて、実力を正確に測る手段はないように見えます。しかし「未来の碁サミット」閉会式でDeepMindデミス・ハサビス氏より衝撃の発表がありました。なんとAlphaGoの自己対戦50局を公開するというのです。これらはきちんと考慮時間を取って打たれた対局
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Accelerating Self-Play Learning in Go
将棋ソフト「mEssiah」公式さんのツイート: "たぶん持ち時間や探索速度に応じて最適なハイパーパラメータを設定してやらないといけない類だと思います。ポリシーネットとバリューネットの精度に強く依存する探索精度を向上する方法としてはとても簡単でいい方法だと思うので、取り入れない手はないですね。… "
GitHub - AppliedDataSciencePartners/DeepReinforcementLearning: A replica of the AlphaZero methodology for deep reinforcement learning in Python
http://www.rightrelevance.com/search/articles/hero?article=168058a605249ab5f9ab3cf235e3e62e0f636dc6&query=natural%20language%20processing&taccount=ml_toparticles