電王・Ponanza開発者が語る、理由がわからないけどスゴイ“怠惰な並列化”
皆さんこんにちは。 私は将棋プログラム「Ponanza」の作者、山本一成と申します。Ponanzaは初めてプロ棋士を破った将棋プログラムで、近年最も強い将棋プログラムと言えると思われます。また、2017年もトッププロ棋士の方と対局することが予定されています。Ponazaの改良のための機械学習に現在ジサトライッペイさんのPC「大紅蓮丸」の計算リソースを借りているのですが、その関係で原稿を書いてとお願いされたので、3回に渡って将棋プログラムの今について、書いていきたいと思います。 フリーランチの終焉、並列化の効率問題 アスキー読者の方々には言うまでもないのですが、まずは近年のCPU事情について解説していきたいと思います。ちょっと昔まではCPUはシングルコアが当たり前で18ヶ月経過すればCPUのトランジスター数は倍になり、性能が向上するという流れが続いていました。ソフトウェアはその性能向上に伴い
Sketch Simplification・ラフスケッチの自動線画化
Neural Network-based Sketch Simplification全層畳込みニューラルネットワークによるラフスケッチの自動線画化 Edgar Simo-Serraシモセラ エドガー*, Satoshi Iizuka飯塚里志*, Kazuma Sasaki佐々木一真, Hiroshi Ishikawa石川博 (*equal contribution筆頭著者に相当) Project Siteプロジェクトサイト Regarding this service本サービスについて We provide a service to use AI to clean rough sketches based on "Learning to Simplify: Fully Convolutional Networks for Rough Sketch Cleanup" [Simo-Serra
AlphaGoが誇大広告ぎみな件 - Ａ級リーグ指し手１号
Googleが開発した囲碁ソフトのAlphaGoが、世界で初めてプロ棋士に勝ったコンピュータとして大きなニュースになっています。Nature誌に論文が掲載されたのですが、仔細に読むといくつか不可解な点がありましたので、調査・考察してみました。 AlphaGoの論文はこちらから見えます。プロ棋士に勝ったこともありますが、何よりコンピュータ囲碁開発者（及び隣の分野のコンピュータ将棋開発者）を驚かせたのは、「既存の他の囲碁プログラムと対戦させた結果、495戦494勝だった」との報告でした。この報告は衝撃的で、これを読んだ他のコンピュータ囲碁開発者たちからは「俺の今までの努力が否定された」「目標を見失ってしまった」などの悲嘆の発言が相次ぐ始末でした。 論文から、AlphaGo、対戦相手のプロ棋士、及び他のソフトのレーティングを示したグラフを引用します。 CrazyStoneとZenはこれまでは最強
「TensorFlow Tutorialの数学的背景」シリーズの目次 - めもめも
TensorFlowを使って、実際にコードを動かしながら、DeepLearningの仕組みを段階的に学んでいきましょう。 目次 ・No.1 TensorFlow Tutorialの数学的背景 − MNIST For ML Beginners（その1） 平面上の2種類のデータをロジスティック回帰で直線的に分類するという、機械学習の基礎を説明します。 ・No.2 TensorFlow Tutorialの数学的背景 − MNIST For ML Beginners（その2） 線形多項分類器とソフトマックス関数で、3種類以上のデータを分類する方法を説明します。 ・No.3 TensorFlow Tutorialの数学的背景 − TensorFlow Mechanics 101（その1） No.1で説明した問題に対して、もっとも単純なニューラルネットワークを適用して、複雑な境界を持つ分類を実現します
Chainerで顔イラストの自動生成 - Qiita
PFNのmattyaです。chainerを使ったイラスト自動生成をやってみました(上の画像もその一例です)。 20日目の@rezoolabさんの記事(Chainerを使ってコンピュータにイラストを描かせる)とネタが被っちゃったので、本記事ではさらに発展的なところを書いていきたいと思います。一緒に読んでいただくとよいかと。 概要 Chainerで画像を生成するニューラルネットであるDCGANを実装した→github safebooruから顔イラストを集めてきて学習させた 学習済みモデルをconvnetjsで読み込ませて、ブラウザ上で動くデモを作成した→こちら(ローディングに20秒程度かかります) アルゴリズム 今回実装したDCGAN(元論文)はGenerative Adversarial Networkというアルゴリズムの発展形です。GANの目標は、学習データセットと見分けがつかないようなデ
全力で負けようとするオセロAI作ってみた
前半は普通にオセロAI作っています。オセロは本当に弱いです。すみません。プログラミング言語:C++,Win32APIお借りしたBGM:sm35054672014/6/24ミニマックス法の説明の部分ですが、「自分」というのが指し手を探索する側のAIのことで、「相手」というのが人間のことです。急に一般的な話にしてしまい分かりづらかったと思います、すみません。2014/12/23参考書でそのまま使ったというのは評価関数の部分のみです。あの参考書に載っているプログラムをそのまま作っても同じものは出来ません。勘違いをされてしまった方が居ましたら大変すみませんでした。たくさんのコメントありがとうございます（*^_^*）検証動画 → sm28457455mylist ：mylist/52497526twitter：https://twitter.com/__yoshi__1991
エンターテイメントと認知科学研究ステーション/講演会/20060821
・第5回招待講演会 開催日：2008年６月１４日（土）13時から18時頃まで 場所：電気通信大学 西９号館３階ＡＶホール 参加無料（事前申し込み不要） ------------------------------------------------------------------------- 13:00-14:30 「コンピュータ囲碁におけるモンテカルロ法」（理論編） ←発表資料 美添 一樹氏（科学技術振興機構 研究員） 概要 囲碁は，主なボードゲームの中でコンピュータの挑戦を拒み続けてきた唯一の ゲームである．囲碁の難しさは良い評価関数を作ることが困難であるということ に起因していた． しかし2006年にコンピュータ囲碁の世界に全く新しいアルゴリズムがもたらさ れた．評価関数が不要という画期的な探索アルゴリズム，通称，モンテカルロ木 探索と呼ばれるものである．登場から2年あまりで9
『【DiGRA公開講座】モンテカルロ木探索とは何か？』
将棋と比べて囲碁の評価関数を難しくしているのは、 ・将棋の駒は種類ごとに機能と優劣に差があるが、囲碁の石にはそれがない。 ・リバーシにおける角のように、明らかな特徴を持った場所が少ない。 ・支配領域の広さを基準としても、領域が確定するのはゲーム終了時になる。 ・局所的な最善手が全体の最善手ではなく、相手に取らせるためにわざと置く「捨石」というテクニックが常套となっている。 などの点で、さらに上級者の間でしか理解できないような評価基準が存在する。 ・石の厚い薄い 石の厚みは物理的厚さではなく、ある石の配置が全局的に与える影響のこと。 ・形の良し悪し 複数の石の配置の評価。良い形になるように、悪い形にならないように注意することにより、「打ち筋が良くなる」効果がある。ただし「愚形の妙手」も多数存在する。 「代表的な悪い形」 ┼┼┼┼┼┼ ┼┼●┼┼┼ ┼┼●●┼┼ アキ三角 ┼┼┼┼┼┼ ┼┼●
等価変換システム ETI (Equivalent Transformation rule Interpreter)
ETI (Equivalent Transformation rule Interpreter) とは、等価変換プログラミングという新しいソフトウェア開発方法を実現する言語処理システムです。BASIC、C、Prologなどのように汎用的なプログラミングが可能がですが、理論的基礎に「等価変換に基づく問題解決」を採用している点が、他の言語と大きく異なります。 等価変換とは？ 等価変換とは何でしょうか。等価変換とは、ある表現が表す意味を保存したまま表現だけを変更する変換のことを言います。記号を使って書くと「解くべき問題の条件や質問を記述した表現をP、Pが表す意味をM(P)、PをP'に書き換える変換をrとするときM(P)=M(P')ならばrは等価変換である」ということになります。等価変換を知らない人が一番イメージしやすいPの具体例は連立方程式だとおもいます。このときM(P)は連立方程式の答
［SQEXOC 2012］FFXIVで使われているAI技術〜敵NPCはどうやって経路を探索しているのか？
［SQEXOC 2012］FFXIVで使われているAI技術〜敵NPCはどうやって経路を探索しているのか？ ライター：米田 聡 スクウェア・エニックスが2012年11月23日と24日の両日開催した「スクウェア・エニックス オープンカンファレンス」の最後には「AIセッション」が用意されていた。AIセッションは前半と後半に分かれ，前半は「ファイナルファンタジーXIV: 新生エオルゼア」（以下，新生FFXIV）における経路探索の実装に関する実践的な解説，後半はゲームAIの第一人者とも評される三宅陽一郎氏による，Luminous Studio用AIエンジンのやや概念的な話という構成だった。本稿では，まず前半の，より実践的なセッションから紹介してみたい。 テーマは，「MMORPGでマップ上を移動する敵NPCの経路をどう決めるのか」である。複雑で広いマップを有するMMORPGでは，移動する経路を賢く選択
技術的特異点 - Wikipedia
この記事には複数の問題があります。改善やノートページでの議論にご協力ください。 出典がまったく示されていないか不十分です。内容に関する文献や情報源が必要です。（2019年10月） 一次資料や記事主題の関係者による情報源に頼って書かれています。（2023年5月） 信頼性に問題があるかもしれない資料に基づいており、精度に欠けるかもしれません。（2023年5月） 独自研究が含まれているおそれがあります。（2023年5月） 出典検索?: "技術的特異点" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL 技術的特異点（ぎじゅつてきとくいてん、英語: technological singularity〈テクノロジカル・シンギュラリティ〉）またはシンギュラリティ (singularity) とは、科学技術が急速に「
ＮＰＣ動作アルゴリズムの自動生成に関する考察
本稿は、情報処理学会「数理モデルと問題解決」研究会の第18回研究報告会（1998年3月20日 於：電気通信大学 西9号館）にて発表されたものです。 ＮＰＣ動作アルゴリズムの自動生成に関する考察 長久 勝 Abstract コンピュータゲームにおいて、俗に言う敵の動作アルゴリズムを自動生成する方法論についての考察。本稿においては、特に対戦格闘型動作アルゴリズムを非線形最適化手法で自動生成する事について述べる。コンピュータゲームを数理モデルとして捉え、数理的な手法を実際の開発に導入する事を提案する。 はじめに コンピュータゲームの制作を工学的な見地から俯瞰してみる時、そこに生じている問題を捉えるのに、その問題の質から次の２つのカテゴリに分類出来る。１つはゲームプログラム内部の実装に関する問題であり、もう１つはゲームに組み込まれるデータの生成に関する問題である。 前者の問題に関して、現在の開発現
ほぼ日刊イトイ新聞 - がんばれ森川くんの遺伝子くん
番外編 ゲームファン必読 「人工知能学会誌vol.14 No.2 1999-3」に掲載された 森川さんの原稿を、ほぼ日でも掲載 テレビゲームへの人工知能技術の利用 Use of Artificial Intelligence for Video Game 森川 幸人 Yukihito Morikawa （１）はじめに 近年ゲームは、ゲームマシンのスペックの向上に伴い、 グラフィックやサウンド、それに、 キャラクターの生態や振る舞いにも リアリティーが求められるようになってきました。 一方ゲームの定義はどんどん拡大され、 仮想生命を飼うようなものもゲームの１ジャンルとして 許容されるようになってきました。 そのような背景から、AI技術（人工知能）を利用した 仮想ペットをモニターの中で育てるゲームや 仮想生物が自律的に進化するゲームの開発を試みました。 （２）ビデオゲームにおけるAI技術 パソ
NameBright - Coming Soon
designnewsjapan.com is coming soon This domain is managed at
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
【ネット著作権】人工知能と著作権 ～増大するAIコンテンツを握るのは誰か？～ 
https://jp.techcrunch.com/2012/01/10/20120109khosla-artificial-intelligence/
Photo Tourism: Microsoft Research, Interactive Visual Media Group
学習向け参考文献 - ゲームAIなんでも倉庫