Innovative Tech

GoogleのゲームAI、“探索なし”でチェスのグランドマスターレベルを達成　大量データでの訓練のみで

　Google DeepMindに所属する研究者らが発表した論文「Grandmaster-Level Chess Without Search」は、これまでの定石である探索アルゴリズムを使用せずに、AIがチェスにおいて人間のグランドマスターに匹敵するレベルに到達できることを示した研究である。

　1997年にIBMのチェス専用のスーパーコンピュータ「Deep Blue」が世界チェスチャンピオンのガルリ・カスパロフさんを破った。この勝利は、複雑な思考と戦略を要するチェスで、機械が初めて人間を上回る可能性があることを世界に示した。

　Deep Blueは、豊富なチェスの知識と高度な探索アルゴリズムを組み合わせたシステムであり、現在「Stockfish 16」のような強力なチェスエンジンがこの路線を引き継いでいる。米DeepMindが開発する「AlphaZero」のようなシステムは、豊富なチェスの知識に頼らず自己学習することで高い性能を発揮している。

　近年のAIシステムのスケーリングによる劇的な進歩は、特に大規模なアーキテクチャとデータセットを用いた教師ありトレーニングによって推進している。しかし、チェスのように複雑な戦略が求められる領域で、これらの技術がどのように機能するかはいまだ明確ではなかった。この研究では、大規模なデータセットで人間によるチェスの知識や探索アルゴリズムを使わずに強力なチェスプレイを実現できるかどうかを探求した。

　研究チームは、270M（2億7000万）パラメータを持つトランスフォーマーモデルを使用し、1000万局のチェスゲームからなるデータセットでモデルを訓練した。このデータセットは、Stockfish 16が提供したアクション値で注釈付けしており、約150億のデータポイントが含まれている。この大規模なトレーニングにより、モデルは高度なチェスゲームを解決する能力を示した。

　モデルの性能を評価するため、オンラインチェスプラットフォーム「Lichess」での早指し対戦で人間のプレイヤーと対決し「Elo2895」を達成した。これは、グランドマスターレベルに相当し、ドメイン固有の調整や探索アルゴリズムを一切使用せずに成し遂げられたことであり、AlphaZeroやAIモデル「GPT-3.5-turbo-instruct」といった既存の先進的なモデルを超える結果となった。

　この研究で特に注目すべきは、強力なチェスパフォーマンスが大規模なトレーニングによってのみ実現可能であることが示された点である。モデルとデータセットのサイズを体系的に調査することで、より大きなモデルが、より大規模なデータセットでトレーニングされた場合に顕著な改善が見られ、この「スケールの法則」が、チェスという特定の領域でも有効であることを示した。

Source and Image Credits: Anian Ruoss, Gregoire Deletang, Sourabh Medapati, Jordi Grau-Moya, Li Kevin Wenliang, Elliot Catt, John Reid, Tim Genewein. Grandmaster-Level Chess Without Search.

Innovative Tech

2019年にスタートした本連載「Innovative Tech」は、世界中の幅広い分野から最先端の研究論文を独自視点で厳選、解説している。執筆は研究論文メディア「Seamless」（シームレス）を主宰し、日課として数多くの論文に目を通す山下氏が担当。イラストや漫画は、同メディア所属のアーティスト・おね氏が手掛けている。

この連載の記事をもっと見る

この記事の著者

関連記事

• 

  ポケモンバトルに特化したAI、ポケモン社が将棋AIの会社と開発　「竜王戦」ライブ配信に活用

• 

  「AIより先に良い手を発見することある」──藤井聡太叡王と将棋AI「Ponanza」山本一成さんが対談

• 

  将棋の“学生名人戦”で不正　優勝者が試合中にAI使用　学生将棋連盟が謝罪　「選手への誹謗中傷控えて」

• 

  ChatGPTとBingに将棋をさせてみた　ルール無用の対局が実現！

• 

  AMD、藤井聡太五冠にPC提供　CPUは100万円超えの「Ryzen Threadripper PRO 5995WX」