タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
「CPU最強 vs. GPU最強」──進化する将棋AIのいま プロに勝利した「Ponanza」から「水匠」「dlshogi」まで
「CPU最強 vs. GPU最強」──進化する将棋AIのいま プロに勝利した「Ponanza」から「水匠」「dlshogi」まで：プロ棋士向け最強将棋AIマシンを組む！（1/4 ページ） 将棋のプロ棋士である広瀬章人八段向けに「最強の将棋AIマシン」を組むべく奔走する本連載。前回は、プロ棋士の間でコンピュータを使った研究が本格化していること、必要な演算装置には多コアCPUである米AMDの「Ryzen Threadripper」や並列計算の多いAI処理に向いたGPUがあることを紹介した。 今回注目するのは、「CPU計算による将棋ソフト」と「GPU計算による将棋ソフト」のいまの実力と、それにつながる技術的な変遷についてだ。 コンピュータ将棋がプロに勝った日 その技術は“AIブーム”にあらず コンピュータ将棋の歴史は長く、コンピュータ将棋協会が主催する「世界コンピュータ将棋選手権」の第1回は19
最強ＣＰＵ将棋ソフト『水匠』ＶＳ最強ＧＰＵ将棋ソフト『dlshogi』長時間マッチ観戦記 第一譜『水匠』杉村達也の挑戦
取材・文／白鳥士郎 「……まさか？」 『水匠』開発者・杉村達也は、自身の開発した将棋ソフトの読み筋にその文字を見つけた瞬間、血の気が引いていくのを感じた。 『それ』が存在することを、杉村は事前に知ってはいた。 同時に、極めて再現性が低いということも知っていた。ある棋士はその出現率を「2年で3～4回」と語っていたのだから……。 『それ』について、『やねうら王』の開発者である磯崎元洋（やねうらおのペンネームで知られる）もやはり「再現性がない」という理由で、大して取り合ってくれなかった。 つまり、いつ出るかわからないし、出る確率も極めて低いということである。 しかしそれが今、水匠の読み筋の中にはっきりと出現していた。 「え!? こ、ここで出るのか……」 しかも『それ』が出たのは、水匠だけではなかった。 検討のために別のパソコンを使って走らせていた、別のソフトでも……その『バグ』が出現していたのだ
いま大会上位に位置するDeep Learning系の将棋AIは、評価関数として画像認識などでよく使われているResNetを用いている。ResNetについては機械学習を齧っている人ならば誰でも知ってるぐらい有名だと思うので、詳しい説明は割愛する。(ググれば詳しい説明がいくらでも出てくる) 囲碁AIの世界では、このResNetのブロック数を大きくしていくのが一つの潮流としてある。ブロック数が多いと言うことは、より層の数が増え(よりdeepになり)、1局面の評価に、より時間を要するようになるということである。それと引き換えに評価精度がアップするから、トータルでは得をしていて、棋力が向上するというわけである。 ところが大きいブロック数になればなるほど学習に要する教師局面の数が増える。学習もブロック数に応じた時間を要するようになるから、そう簡単に大きくはできない。しかし囲碁AIの方は、中国テンセント
最強ＣＰＵ将棋ソフト『水匠』ＶＳ最強ＧＰＵ将棋ソフト『dlshogi』長時間マッチ観戦記 第二譜『dlshogi』山岡忠夫の信念
取材・文／白鳥士郎 「バグが原因で勝ったと思われるのは、嫌だな」 第1局に勝利した瞬間、山岡忠夫の心に真っ先に浮かんだのは、そんな思いだった。 『やねうら王』に存在したバグ。 山岡はその存在に全く気付いてはいなかった。そもそも山岡は将棋ソフトを開発する際に、盤面や読み筋はおろか、評価値すら見ることがない。だからバグを知らないのも当然といえた。 では、山岡は何を見て開発しているのか？ 「基本的に、見るのは勝率と正解率です」 正解率とは、長時間の対局で『dlshogi』が指した手と同じ手を、ニューラルネットで予測して時間を使わず指すことができるかどうか、その割合を示す。 この精度が高ければ高いほど、dlshogiが強くなっているということを意味する。 だから山岡はdlshogiがどんな将棋を指すのかをほぼ知らない。将棋を指さず、将棋番組も見ないため、そもそも将棋の対局を見る機会もあまりない。
たややんさんが実施していた棋譜から棋力を推定する方法をdlshogiを使って検証してみた。 棋譜から棋力を推定する手法を検証しており、水匠の評価値をシグモイド関数で疑似的な勝率に変換した上で平均損失を計測する+計測する局面の勝率の閾値を設定するという手法で、24レーティングとの高い相関(相関係数-0.9536)を得られるようになりました。（続く） pic.twitter.com/wTu8pH6Ak7— たややん＠水匠(将棋AI) (@tayayan_ts) 2021年9月17日 使用する棋譜 将棋倶楽部24の名人戦対局の2452棋譜を使用した。 対局者間のレーティングの分布は以下の通り。 対局者のレーティングのヒストグラムは以下の通り。 dlshogiの設定 棋譜の各局面について、バッチサイズ1で512プレイアウトで探索を行い評価値と最善手を取得する。 勝率の平均損失 まずは、各棋譜ごとに
最強ＣＰＵ将棋ソフト『水匠』ＶＳ最強ＧＰＵ将棋ソフト『dlshogi』長時間マッチ観戦記 第四譜『プロ棋士』阿部健治郎の未来予測
取材・文／白鳥士郎 「私がCSA会員だというのが大きな理由だったんだと思います」 解説者として電竜戦への協力を求められたきっかけを尋ねたとき、阿部健治郎七段はそう答えた。 CSA――『コンピュータ将棋協会』。 歴史ある団体であり、かつては将棋連盟に挑戦状を叩きつけたこともある。まだ人類が機械より強かった頃のことだ。 なぜ将棋連盟の正会員である阿部は、CSAの会員にもなったのか？ 「10年くらい前……２０１０年に新人王戦で優勝したんですが、優勝者は世界コンピュータ将棋選手権で解説役をするという慣例があるんです。その時に開発者の方々から、将棋ソフトのことについて教えていただいて、それで興味を持ったから入会しました」 とはいえ、解説役として協力することはあっても、わざわざ会費を払って入会までするプロ棋士というのは少ないだろう。 阿部は20代で竜王戦1組に昇ったトップ棋士であると同時に、研修会幹事
最強ＣＰＵ将棋ソフト『水匠』ＶＳ最強ＧＰＵ将棋ソフト『dlshogi』長時間マッチ観戦記 第三譜『GCT』加納邦彦の自信
取材・文／白鳥士郎 「なんて……なんて、趣味人なんだ……」 加納邦彦が山岡から初めてその話を聞いたとき、あまりの壮大さに圧倒されたことをよく憶えているという。 なぜなら山岡は、Googleという超巨大企業が行った壮大な実験を、論文だけを頼りに、たった一人で再現しようというのだから……。 「山岡さんは同じ会社の1年先輩だったんです。私は老けて見えるので意外かもしれませんが（笑）」 新卒で入社した会社の同僚。 それが、加納と山岡の出会いだった。およそ２０年前のことだ。 現在はお互いに別の企業で働いている。 山岡は今、将棋ソフト開発者が多数在籍し、『将棋ウォーズ』を運営するHEROZに在籍している。まさに将棋が身近にある職場だ。 一方、加納が今の会社で担当しているのは『チャットボット』と呼ばれる技術だ。 「自動会話プログラムですね。サイトを訪問したお客さんに、機械が話しかけるといった技術です」
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。 http://www.yss-aya.com/aobazero/ 対して、AlphaZeroのようにDeep Learningを用いている将棋ソフトではあるものの、山岡忠夫さんのdlshogiのほうは、AlphaZeroの再現にはこだわってないようで、C++で高速化したり、終盤用にdf-pnによる詰将棋ルーチンを搭載したり、LeelaChessZero(AlphaZero型のオープンソースのChessのソフト)の改良点を取り込んだり、TensorRTを用いた高速化を行うなど、様々な改良を意欲的にされていて、ずいぶん強くなっているようです。 将棋AIの進捗 その42
【電竜戦】チームdlshogiのGCTが決勝リーグで優勝しました - TadaoYamaokaの開発日記
本日開催されたコンピュータ将棋の大会「電竜戦」で、チームdlshogiのGCTが決勝リーグで優勝しました！ コンピュータ将棋の大会でディープラーニングを使用したソフトが優勝するのは初です。 2017年からdlshogiの開発を始めてやっと優勝までたどり着きました。 GCTについて 元々GCTは、加納さんがdlshogiを使用して開発したソフトです。 探索部分はdlshogiで、モデルの学習に使うデータをdlshogiとは別のもので行っています。 今大会では、私とチームで参加して、dlshogiの強化学習のデータや、学習方法、定跡作成方法など共有して、加納さんが主体でモデルの学習・定跡作成をしています。 今回の成果は、私のdlshogi単体では成し遂げたられなかったので、GCTが優勝してくれたことに感謝しています。 チームの経緯 加納さんとは将棋AI開発前からの知り合いで、以前から気楽に情報
最新の将棋ＡＩの実力と研究成果を競うオンライン大会である「第３回世界将棋ＡＩ電竜戦」（主催：特定非営利活動法人ＡＩ電竜戦プロジェクト、後援：デジタル庁ほか）が12月３・４日（土・日）に行われました。２日間にわたる大会の結果、Ａ級リーグで15勝２敗１千日手の成績を残した水匠が優勝を飾り、第３回電竜の座に輝きました。 ＤＬ系ソフトの３連覇なるか 本大会はまず、34の将棋ＡＩ（以下ソフトと呼ぶ）が１日目の予選を戦ってＡ級・Ｂ級・Ｃ級の３つのリーグに振り分けられ、さらに翌日に戦われるＡ級リーグの頂点に立ったソフトに電竜の称号が与えられるというもの。成績上位16チームには「第１回マイナビニュース杯電竜戦統一ハードウェア戦」への参加資格が与えられます。 さまざまな参加チームのなかでも、前回・前々回優勝ソフト「GCT」を開発した山岡忠夫さん・加納邦彦さんが株式会社HEROZの協力のもとに開発した「dls
特徴量を入れて効率的に学習をさせる 川島馨氏（以下、川島）：私が作っているdlshogiの特徴を説明します。dlshogiでは私個人が趣味でやっていて、Googleみたいな計算資源が大量にあるわけじゃないので、どうやって効率的に学習するかをいろいろ考えて、少し工夫をしています。 主な工夫点は、先ほど盤面の画像を用いるという話があったんですが、そこにもう少し将棋で有効な特徴量を入れています。駒の配置以外にも駒の利きの情報や王手の情報を入れることで、もっと効率的に学習するようにしています。 先ほど少し言ったとおり、やっぱり終盤が少し弱いので、そこをどうやって克服するかを考えて工夫しています。モンテカルロ木探索の中で、終端で“詰め”の探索をしたり、長手数の詰めの探索はdf-pnという別のアルゴリズムで行なったりしています。 強化学習をするときも“詰み”の探索をして、詰みが見つかったらそれを勝ちと
Amazon EC2にディープラニング系将棋ソフトのdlshogiをインストールしてみた | DevelopersIO
最近はdlshogiやPALなど深層強化学習ベースの将棋ソフトの躍進が目覚ましく、使ってみたい人も多いかと思います。 ただし、性能を引き出すには、そもそもちゃんとしたGPUが必要だったり、NVIDIA 系の依存ライブラリのために、インストールも煩雑です。 今回は、Amazon EC2のGPU系インスタンスに、ディープラーニング系のコミコミのAMI(コンピュータのテンプレート)を使って、なるだけ省エネで dlshogi をインストールする方法を紹介します。 前提 NVIDIA A100を8基搭載した EC2のGPU系最強インスタンスタイプ P4d は Linux 系 OS にしか対応していないことから、ターゲット OS も Linux とし、コマンドラインで usi インターフェースを動作確認できるところまでをゴールとします。 なお、 dlshogi 将棋の作者が 1年ほど前の EC2 P4
Windows11+WSL2+Dockerでdlshogiを動かす - TadaoYamaokaの開発日記
学習用のPCをWindows11にアップグレードしたので、CUDA on WSLを試してみた。 ドライバインストール CUDA on WSLに対応したドライバをインストールする。 GPU in Windows Subsystem for Linux (WSL) | NVIDIA Developer ※2021/11/1 追記 CUDA 11.4に付属するドライバでも大丈夫だった。 このドライバを使うとWindows上で、以前のCUDA+TensorRTでビルドしたdlshogiのNPS性能が低下した。 WSL2インストール 公式のドキュメントの通り、管理者モードでPowerShellを起動して、 wsl --installでインストールする。 Ubuntuも合わせてインストールされる。 GPUが使用できることを確認 Windows11でWSL2をインストールすると、デフォルトでCUDAが使
","naka5":"<!-- BFF501 PC記事下（中⑤企画）パーツ＝1541 -->","naka6":"<!-- BFF486 PC記事下（中⑥デジ編）パーツ＝8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下（中⑥デジ編）パーツ＝8826 -->","adcreative72":"<!-- BFF920 広告枠）ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag ＰＣ誘導枠５行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">\n <div class=\"
明日8/15(日) 17:00から、私の開発した「dlshogi」と電竜戦TSEC優勝ソフト「水匠」との長時間マッチを行います。 対局の様子は、YouTubeとニコニコ動画で生配信されます。 先手、後手入れ替えて計2局行います。 第1局は、阿部健治郎七段と佐々木勇気七段のダブル解説、そしてゲスト解説に渡辺明名人をお呼びしています。 予告動画 電竜戦長時間マッチ「水匠 vs dlshogi」第１局 youtu.be 電竜戦長時間マッチ「水匠 vs dlshogi」第２局 youtu.be ニコニコ生放送 live.nicovideo.jp ソフトの特徴 従来型将棋AI 「水匠」は、第2回電竜戦TSECで優勝した現在最強の将棋AIです。 探索部 やねうら王ライブラリを使用しており、探索はαβ法を基本として、チェスのStockfishを参考に開発されています。 αβ法ベースの探索は、非常に長い歴
接待水匠にインスパイアされて接待dlshogiを作ってみた。 何番煎じだというネタですが、接待将棋プログラムが一応動くようになりました！https://t.co/BLvfTF2rOe MultiPVで思考し、手番から見た評価値が100以上の指し手のうち、最も100に近いものを選択する単純な仕組み。 皆様とも指したいですね…誰か犠牲者、もとい対局相手になっていただけませんか！— たややん＠水匠(将棋AI) (@tayayan_ts) 2021年10月2日 仕組み MultiPVを使うのではなく、モンテカルロ木探索(PUCT)で、勝率の期待値が接待係数に近づくように探索を行う。 接待係数(USIオプションSettai)は、1から99の整数で、50の場合に互角になるように指して、0に近いと負けるように指す。100に近いと最善手に近づく。 利点 MultiPVは探索した中で上位の手から選ぶが、この
dlshogiのPyTorch Lightning対応 - TadaoYamaokaの開発日記
dlshogiの学習は、PyTorchを使用して、モデルの訓練処理を独自に実装していた。 マルチGPUによる分散学習に対応させようと考えているが、独自に実装するより、PyTorch lightningに対応させた方が実装が楽になるため、dlshogiをPyTorch Lightningに対応させたいと考えている。 まずは、訓練の基本部分の実装を行った。 PyTorch Lightning CLI ボイラープレートをできるだけ削除するため、PyTorch Lightning CLIを使用して実装する。 PyTorch Lightning CLIを使用すると、コマンド引数のパース処理など含めて自動で行ってくれる。 起動部分の処理は以下のように記述するだけでよい。 def main(): LightningCLI(Model, DataModule) if __name__ == "__main
dlshogiは、開始局面から170点という比較的大きな評価値を出力する。 これは適切でないため、今回調整を行うことにした。 勝率から評価値への変換 dlshogiの内部では、局面の価値は、評価値を使わず勝率で扱っているが、GUIソフトには評価値として返す必要があるため、勝率から評価値にシグモイドの逆関数で変換を行っている。 ここで、は勝率である。 係数aは、Aperyややねうら王では、Ponanza定数と呼ばれるa=600が使われている。 ただし、Aperyややねうら王でこの定数を使うのは、学習時だけである。 探索時は評価値そのものを使用している。 dlshogiの係数a dlshogiでは、以下の2か所で係数aを使用している。 教師ありで棋譜を学習する際に、棋譜に記録された評価値から、勝率に変換する場合 探索時に、GUIソフトに評価値を表示するため、勝率から評価値に変換する場合 かなり
dlshogi(第2回世界将棋AI電竜戦エキシビジョンバージョン)のWindows版ビルド済みファイル公開 - TadaoYamaokaの開発日記
dlshogi(第2回世界将棋AI電竜戦エキシビジョンバージョン)のWindows版ビルド済みファイルを公開します。 ダウンロード Release 第2回世界将棋AI電竜戦エキシビジョンバージョン · TadaoYamaoka/DeepLearningShogi · GitHub のAssetsからダウンロードしてください。 モデルファイル モデルファイルは別のzipファイル(model-dr2_exhi.zip)になっています。 ダウンロード前に、下記のライセンスを参照してください。 ダウンロードしたモデルファイルを使用するにはエンジン設定で、モデルファイルのパスの設定が必要です。 DNN_Modelに解凍したモデルファイル(model-dr2_exhi.onnx)のパスを設定してください。 モデルファイルのニューラルネットワークは15ブロックのResNetになっているため、以前のバージ
dlshogi互換エンジン「ふかうら王」を公開しました。 ふかうら王(dlshogi互換エンジン) Technology Preview #1 https://github.com/yaneurao/YaneuraOu/commit/8dc5e58c7490220edd74541045a0499ff7871c4d dlshogiはAperyの指し手生成や盤面操作のためのフレームワークとして使用している。今回、Aperyに依存する部分をすべてやねうら王に依存するように書き換えた。Aperyとやねうら王の細かい違いがあるため、これは簡単な作業ではなかったが、とりあえず、ある程度のところまでやねうら王に移植してくることができた。ついでにdlshogiにあった潜在的なバグもかなり修正した。 - dlshogi互換エンジン - dlshogiの詰将棋ルーチンをオフにして、1スレッドで5万ノードを探索
電竜戦公式チャンネル特別企画！ 渡辺明名人をお招きして、将棋AIを活用した渡辺名人の研究を主テーマに、YouTubeライブ配信をいたします。 高性能PCの使い方、今までの研究環境との比較、水匠、dlshogi、将棋所、ShogiGUI……様々な話題について、渡辺名人よりご講演いただきます！ #渡辺明 #将棋 #将棋AI ◆今回の配信にて使わせていただいた棋譜 第92期ヒューリック杯棋聖戦五番勝負第1局（主催：産経新聞社、日本将棋連盟） 第80期名人戦七番勝負第2局（主催：朝日新聞社、毎日新聞社、日本将棋連盟） 第71期王将戦七番勝負第4局（毎日新聞社、スポーツニッポン新聞社、日本将棋連盟主催） 電竜戦公式チャンネルでは、今後も様々な企画を安定的に行うための寄付をお願いしております。 本ライブ放送につきましても、スーパーチャット等で盛り上げていただければ大変うれしく思います。 何卒よ
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
誰もdlshogiには敵わなくなって将棋AIの世界が終わってしまった件 | やねうら王 公式サイト
dlshogiを使って棋譜から棋力を推定する - TadaoYamaokaの開発日記
dlshogi強すぎクソワロタ | やねうら王 公式サイト
第32回世界コンピュータ将棋選手権の優勝決定戦である、☗二番絞り VS ☖dlshogi with HEROZ の解説記 - あらきっぺの将棋ブログ
【やじうまPC Watch】 ゲームコントローラの入力を可視化するツール。将棋AI「dlshogi」の開発者作
dlshogiの独走に待った！ 水匠が第３回世界将棋ＡＩ電竜戦を制する
“深層学習”ではなく“深層強化学習”が決め手 将棋界最強のAlphaZeroと互角の強さ「dlshogi」の秘密
コンピュータ将棋、dlshogiが優勝 温めていた後手番の秘策：朝日新聞デジタル
電竜戦長時間マッチ「水匠 vs dlshogi」 - TadaoYamaokaの開発日記
接待dlshogi - TadaoYamaokaの開発日記
dlshogiの評価値のスケール調整 - TadaoYamaokaの開発日記
ふかうら王(dlshogi互換エンジン) Technology Preview #1 | やねうら王 公式サイト
dlshogiのインストールと設定｜Windows11ノートPCで水匠4とdlshogiで検討させながら将棋観戦するまで
【渡辺明名人】将棋AIによる序盤研究とは？名人による将棋AI活用法【水匠/dlshogi】
www.mizuho-rt.co.jp
www.magnolia.co.jp
x.com
gta.rdy.jp
domi.blog.jp
www.magnolia.co.jp