↑: [[G検定に関する知識]] - 2016年、**ディープマインド（DeepMind）社**が開発した囲碁AI - 囲碁世界チャンピオン、棋士**イ・セドル**に**4勝1敗**で勝利 - 「囲碁はAIには無理」と言われていた常識を覆した歴史的事件 - しくみ：**モンテカルロ木探索**＋**ディープラーニング**の組み合わせ - 2017年 **AlphaGo Zero**：人間の棋譜を一切使わず、自己対戦のみで学習→さらに強力に - cf. [[モンテカルロ法]] - cf. [[ディープラーニング-G検定]] - 初代AlphaGoの学習手順：人間の棋譜による**教師あり学習**で方策ネットワークを初期化 → 自己対戦の強化学習 → MCTSと統合。「棋譜を一切使わず自己対戦のみ」は**AlphaGo Zero／AlphaZero** ← 頻出ひっかけ - 2種類のNN：**方策ネットワーク**（次の手の確率分布）と**価値ネットワーク**（局面の勝率推定） - AlphaZero（2017）：ゲームのルールのみを与え自己対局だけで囲碁・チェス・将棋の3種で超人的性能 - 他の深層強化学習成果との区別：[[AlphaStar]]＝DeepMind・**StarCraft II**（模倣学習＋リーグ形式の自己対局）/ [[OpenAI Five]]＝OpenAI・**Dota 2**（5対5、大規模分散PPO）。対象ゲームと組織の対応を取り違えない