SlideShare una empresa de Scribd logo
1 de 20
オセロ界はソフトといかに
向き合ってきたか
人類は人工知能にいかに立ち向かうのか②
中森弘樹(日本オセロ連盟六段)
オセロの基礎知識
 ありがちな誤解 :オセロの勝敗は運で決まる?
⇒ オセロは将棋や囲碁やチェスなどと同じ二人零和有限確定
完全情報ゲームであり、偶然(運)には左右されない。
 オセロの歴史
○ 故・長谷川五郎氏が考案 ⇒ 1973年に商品化され、空前の大ヒット
○ 1973年 第1回全日本オセロ選手権開催(~現在まで)
○ 1977年 世界オセロ選手権大会開催(~現在まで)
○ 2006年 従来の全日本選手権と名人戦に加えて、王座戦の創始
⇒以後は三大タイトル制となり、各優勝者が世界選手権の代表に
○ 過去から現在にいたるオセロが最も強い国は日本(競技人口の桁が違う)
2016/11/27 人類は人工知能にいかに立ち向かうのか 2
オセロの基礎知識
 オセロのルール
○ 8×8の盤で、初期配置(右図)から
黒→白→黒…の順番で、相手の石を
挟めるマスに交互に着手する。
○ 打てる箇所がない場合は、パス。
○ 盤が全て埋まるか、黒も白も打てる箇所がなくなると、試合終了。最終的に
石が多い方が勝ち。⇒ 必ず60手以内で終局する。
○ 競技オセロの大会形式:参加者が一日に6~7試合を戦い、優勝を競う。
 オセロの戦略
○ 自分の打てる箇所が多い(≒自分の色の石が少ない)ほど有利
 オセロにプロはない(過去から現在に至るまで)
2016/11/27 人類は人工知能にいかに立ち向かうのか 3
私はオセロがそれなりに強かった
 主な戦績
○ ネットでオセロを始めたのは2002年頃、初めて大会に出たのが2004
年
○ 2009年度王座戦準優勝(あと1回勝てば世界戦に行けたのに…)
○ 公式レーティング(日本ランキングのようなもの)最高4位
○ 2007,2010,2011年度オセロ近畿・北陸名人
○ 全日本選手権最高4位(2006年)、名人戦最高3位(2013年)
○ 最近も関西選手権優勝(2015年)、レート最高10位(2016年)など
 しかし現在は69位…
 そんな私がedax(現在最強と言われているオセロプログラ
ム)と対局すると…
2016/11/27 人類は人工知能にいかに立ち向かうのか 4
人類がソフトに敗北を認めた日
 1997年、当時の世界チャンピオン村上健七段(当時)が
Logistelloと6番勝負を行い、全敗する。
 「私が生きている間、努力を続けても追い付かないほど『ロ
ジステロ』は強いと思った。人間には手が届かないところに
いってしまっている」(「朝日新聞夕刊」)
 この対局は、村上健七段が色々な意味で準備を怠って臨んだ
ことがオセロ界で物議を醸した。
○ 現在の将棋の電王戦のように、人間とソフトの対戦自体をコンテンツ
化したり、延命させたりすることはできなかったのか?という指摘も
2016/11/27 人類は人工知能にいかに立ち向かうのか 5
オセロのソフトとは
 代表的なソフト
○ Logistello:初期の最強ソフト。1997年に村上九段に圧勝した。
○ Wzebra:90年代から00年代頃まで広く普及し、研究に使われた。
○ Edax:現在最強と謳われるソフト。現在、多くの人間のトッププレイ
ヤーも研究に使用している。
 なぜオセロでは早い時期に人間がソフトに敗北したのか
○ オセロにはプロ制度がなかったので、人間のレベルが低かった
○ 盤面が8×8と狭く、手数も決まっているため、ソフトが解析しやす
かった(それに対して囲碁や将棋は分岐が多い)。
○ 特に、終盤(ソフトや設定にもよるが、ラスト20手~30手ぐらいま
で)は全ての手を読み切ることができるため、絶対に間違わない。
2016/11/27 人類は人工知能にいかに立ち向かうのか 6
2000年代前半のオセロ界
 インターネットによるオンラインオセロ対戦の普及
○ 「暗記オセラー」の出現:大会ではなくインターネットでオセロを始
め、ソフトで序盤を研究して強くなるプレイヤー
○ 「ソフト打ち」の出現:インターネット対戦でソフトに代打ちさせる
こと。当然のことながら、ズルとしてプレイヤーからは嫌われる。
○ インターネットで高段者を含む人間を圧倒するソフト打ち
○ ネットでオセロを始めたプレイヤーがリアルの大会にデビューする。
 その頃のオセロ高段者たち
○ 大会育ちの高段者たちは、ソフトを十分に活かそうとはしなかった。
 大会育ちのベテラン高段者 vs 若手の暗記オセラーの構図
2016/11/27 人類は人工知能にいかに立ち向かうのか 7
ソフトによるオセロ戦術の変化①
 「変化」という概念の変容
○ 従来、「変化」とは人間によって確立された定石から意図的に外れた
新手を打つことを意味していた。
○ ソフトが最強になって以降、対人戦における「変化」とは、ソフトが
解析・研究したBOOK(定石)が示す最善手とは異なる手(評価値的
には悪い手)を意図的に打つことを意味するようになった。
○ 大会育ちのベテラン高段者たちは、意図的に(あるいはソフトによる
研究をしていないため非意図的に)最善進行とは異なる悪手を打つこ
とで、ソフトのBOOK通りに打ってくる暗記オセラーの研究を外し、
自力勝負に持ち込むことで、暗記オセラーたちに勝利していった。
○ 2000年代前半に出現した暗記オセラーたちは、まだ相手の変化や終盤戦に
弱く、ベテラン高段者たちの牙城を切り崩せなかった。
2016/11/27 人類は人工知能にいかに立ち向かうのか 8
BenSeeley vs 為則九段
 Ben Seeley選手の出現
○ ソフトの研究による序盤の知識と、変化された後の対応力や終盤力と
いった自力の両方を兼ね備えたアメリカ人プレイヤー
○ Seelyに日本の高段者は苦戦(Seelyは2003・04年と世界戦を連覇)
 為則九段がソフトを活かす
○ 為則英司:現在でも歴代最強と言われているオセロプレイヤー。
○ 為則九段は、1990年代の時点で世界戦を五度制するなど、すでにレ
ジェンドプレイヤーだったが、久々にオセロに復帰して出場した2004
年の世界戦で、Seelyの強さに衝撃を受ける。
○ 後に為則九段は、Seelyと同じくソフトによる研究を取り入れ、
2005・06年の世界戦を連覇する。Seelyへのリベンジに成功。
2016/11/27 人類は人工知能にいかに立ち向かうのか 9
為則九段の与えた影響
 為則九段のソフトによる研究を活かした打ち回し
為則 vs Kashiwabara(世界戦2005準決)
柏原はこの進行を終局まで調べて把握して
いたが、為則も終局まで最善進行でついて
いった(為則もソフトでかなり研究して
いたと思われる)。結果は引き分け。
○ 最強のベテラン高段者が、ソフトを用いた序盤研究を駆使して世界戦
を連覇したことは、他の日本人プレイヤーたちにも、ソフトを使用し
た研究の重要性を知らしめることになった。
2016/11/27 人類は人工知能にいかに立ち向かうのか 10
ソフトによるオセロ戦術の変化②
 <真理>の所在の移動
○ ソフトが強くなる以前は、人間の高段者の思考が最善手の根拠であり、
彼らの研究した定石や実践譜が他のプレイヤーの教科書だった
○ しかし、ソフトが人間を上回ってからは、コンピューターの思考こそ
が絶対的な最善手の根拠になった。
○ この傾向は、最強の高段者である為則九段がソフトから多くの手を教
わって世界戦を勝利して以降、より顕著になった。
 その影響
○ 人間の強豪同士が対戦した棋譜の価値の低下
○ 最善手は、探索すべき未知のものから、誰でもアクセス可能な既知の
ものへ。ソフトを使えば誰でも棋譜の「答え合わせ」が可能になった
2016/11/27 人類は人工知能にいかに立ち向かうのか 11
2000年代後半~現在のオセロ界
 高梨九段の出現
○ 過去10年で世界戦を4回制覇している、近年最強の天才プレイヤー。
○ おそらく日本初の、コンピューターの研究による緻密な序盤知識と、
あらゆる変化に対応する自力(中盤力+終盤力)を持ったオンライン
オセロ出身のプレイヤー。
○ 高梨九段の出現以降、インターネット出身のプレイヤー全体のレベル
が飛躍的に向上し、同様の傾向を持ったプレイヤーが次々と生まれる。
○ 高梨九段を旗手とした新世代のオンラインオセロ出身のプレイヤーた
ちは、旧世代のオンラインオセロ出身のプレイヤー(暗記オセラー)
たちが為しえなかった、ソフトをあまり使用しないベテラン高段者た
ちの打倒を果たしてゆくことになる。
○ 背景には、携帯電話端末のオセロソフト(アプリ)の普及があった。
2016/11/27 人類は人工知能にいかに立ち向かうのか 12
まるでコンピューターのような
 2010年の名人戦決勝、高梨七段 vs 明石二段(段位は当時)
○ 高梨七段は、ソフトによる解析でも全くミスのない、最初から最後ま
でオール最善手の打ち回しを決勝戦で披露して勝利。
○ まるでコンピューターのような高梨九段のオセロ
2016/11/27 人類は人工知能にいかに立ち向かうのか 13
ソフトによるオセロ戦術の変化③
 最善手と変化
○ ソフトによってどんどん最善手の研究が進めば、プレイヤーたちは最
善手しか打たなくなる??
 おそらく、500通りほど60手(初手~最終手)の最善進行のパターンを記憶で
きていたら、あらゆる最善進行には対応可能である。
 それはトッププレイヤーにとっては不可能ではないが、その場合、結果は引き
分けばかりになる(オセロは双方最善で引き分けと言われている)
○ そこで、特に2000年代半ば以降に進んだのが、対人戦における変化の
研究である。
 以前の変化は、最善手とされる展開をとりあえず外すだけだった。
 2000年代半ばからは、事前に最善進行ではない-2や-4の変化をソフトで深く
研究しておいて、実戦で武器として使用する選手が増えた。
2016/11/27 人類は人工知能にいかに立ち向かうのか 14
ソフトによるオセロ戦術の変化③
 「変化の研究」という戦略の有効性
○ なぜ、あえて最善進行ではない展開をソフトで研究するのか
 ソフトによる研究がトッププレイヤーの間に浸透すると、有名なソフトの最善
進行は彼らにとっては知っていて当然になってくる。
 そこで、有名な最善進行をわざと外し、少しだけ自分が不利になる代わりに、
相手の知らない展開に誘導する。
 すると、僅かに不利ではあるが、一時的に「自分だけがソフトで研究していた
展開」になるので、相手にソフトと打つような状況を強いることができる。
 変化の有限性(≒「オセロの有限性」?)という問題
○ 「ベテラン高段者vs暗記オセラー」から、「最善派vs変化派」の構図
に変化。
○ しかし、有効な変化のバリエーションには限界がある。
2016/11/27 人類は人工知能にいかに立ち向かうのか 15
ソフトによるオセロ戦術の変化③
 変化の有限性(≒「オセロの有限性」?)という問題
○ 変化の「有効期限」の短さ
 良い変化が見つかっても、一度ソフトによって解析・対策されれば、最善手によっ
て対応されてしまう。変化を発見⇒ソフトで対策のいたちごっこ。
 その結果、自らの棋譜の公開を拒むトッププレイヤーが増加した。
○ 三大タイトル戦後に作成されていた「棋譜集」の成立が困難に。
○ 全ての最善進行が記憶され、かつ良い変化が枯渇してしまったとき、それで
もオセロの競技性は保たれるのだろうか?
 携帯端末へのオセロアプリの普及
○ 大会中にも誰でも棋譜の解析が可能に
 変化が一日ももたないことも(準決勝の変化が決勝で対策されているとか)
○ 大会での、ソフトを使った不正の恐れ(中座問題など)
2016/11/27 人類は人工知能にいかに立ち向かうのか 16
オセロとコンピューター
 コンピューターの圧倒的な力
○ 圧倒的な計算量と絶対に忘れることのない記憶力
○ コンピューターによる完全解析も時間の問題?
○ オセロでは、コンピューターこそが「神」
 オセロは、すでに<真理>が存在するゲーム
○ オセロでは、カント的な構図がもはや成立しない。
○ そのとき、ボードゲームはボードゲームのままでいられるだろうか?
2016/11/27 人類は人工知能にいかに立ち向かうのか 17
理性による無限の志向
真理
(物自体)
ソフトによる解析
真理
オセロとコンピューター
 コンピューターによる人間のレベルの向上
○ たしかにソフトは、従来のオセロの「面白さ」をかなり失わせた。
 高段者の権威、棋譜の価値、無限性、最善手の追求、ネット対局の面白さ
○ しかし、ソフトは同時に、人類のオセロレベルを飛躍的に向上させた。
 まるでコンピューターのようなプレイヤーの出現
 ソフトに敗北して20年を経た今、人類とソフトの表面上の差はむしろ縮まった
○ 最善手と変化をめぐる人間同士の駆け引きの出現
 暫定的な結論
○ ソフトの出現による、ゲームが行われる位相の変化
 真理(最善手)をめぐる戦いから、真理(最善手)を資源として用いる戦いへ
○ 人工知能の台頭は、単に人類の行いを減らすだけではない。
 環境の変化に応じて、新たにイシューを作り出してしまう(良くも悪くも)が資本
主義的な、あるいは近代的な人間のあり方である。
2016/11/27 人類は人工知能にいかに立ち向かうのか 18
他のボードゲームについて
 他のボードゲームとの比較
○ オセロでの出来事(とそこから得た知見)は、他のボードゲームにも
適用可能か。 ⇒どこまで一般化して考えることができるか
 オセロで起きる問題は、囲碁や将棋でも後で起きる(by オセロの谷田七段)
○ おそらく、特にこれまでの経緯が似ているのは、チェス
○ しかし、囲碁や将棋は、同じ二人零和有限確定完全情報ゲームであり
ながら、ゲームの中身も置かれている環境もオセロとはかなり異なる。
 プロ制度の有無
○ それにともなう、人間のレベルの高さ
 ゲームの<深さ>
○ 選択肢が多いゲームは、コンピューターが人間を追い抜くのに時間がかかる。
○ しかし、ひとたびコンピューターが人間を追い抜くと、今度はその<深さ>ゆえに、
人間がコンピューターと勝敗を争うことが困難になる恐れがある。
2016/11/27 人類は人工知能にいかに立ち向かうのか 19
ご清聴ありがとうございました。
2016/11/27 人類は人工知能にいかに立ち向かうのか 20

Más contenido relacionado

La actualidad más candente

セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイントセグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
takehikoihayashi
 
LLVMで遊ぶ(整数圧縮とか、x86向けの自動ベクトル化とか)
LLVMで遊ぶ(整数圧縮とか、x86向けの自動ベクトル化とか)LLVMで遊ぶ(整数圧縮とか、x86向けの自動ベクトル化とか)
LLVMで遊ぶ(整数圧縮とか、x86向けの自動ベクトル化とか)
Takeshi Yamamuro
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
 

La actualidad más candente (20)

多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
 
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイントセグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
 
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
 
3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布
 
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
 
分析のビジネス展開を考える―状態空間モデルを例に @TokyoWebMining #47
分析のビジネス展開を考える―状態空間モデルを例に @TokyoWebMining #47分析のビジネス展開を考える―状態空間モデルを例に @TokyoWebMining #47
分析のビジネス展開を考える―状態空間モデルを例に @TokyoWebMining #47
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
 
プログラマのための線形代数再入門
プログラマのための線形代数再入門プログラマのための線形代数再入門
プログラマのための線形代数再入門
 
競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf
競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf
競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf
 
マッチングの数理
マッチングの数理マッチングの数理
マッチングの数理
 
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
 
LLVMで遊ぶ(整数圧縮とか、x86向けの自動ベクトル化とか)
LLVMで遊ぶ(整数圧縮とか、x86向けの自動ベクトル化とか)LLVMで遊ぶ(整数圧縮とか、x86向けの自動ベクトル化とか)
LLVMで遊ぶ(整数圧縮とか、x86向けの自動ベクトル化とか)
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
 
Word2vecの理論背景
Word2vecの理論背景Word2vecの理論背景
Word2vecの理論背景
 
20190721 gaussian process
20190721 gaussian process20190721 gaussian process
20190721 gaussian process
 
PRML 4.1.6-4.2.2
PRML 4.1.6-4.2.2PRML 4.1.6-4.2.2
PRML 4.1.6-4.2.2
 
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
 
線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会
 
日本におけるアジャイル開発の認知度の変遷を情報処理技術者試験の問題から考察してみた_公開用
日本におけるアジャイル開発の認知度の変遷を情報処理技術者試験の問題から考察してみた_公開用日本におけるアジャイル開発の認知度の変遷を情報処理技術者試験の問題から考察してみた_公開用
日本におけるアジャイル開発の認知度の変遷を情報処理技術者試験の問題から考察してみた_公開用
 

2オセロプレゼンテーション