AlphaGo编辑历史

# AlphaGo

## 1 開発背景

### 1.1 囲碁の複雑性とAIの課題
囲碁は19×19の碁盤上で行われる盤上ゲームであり、その可能な局面の数は約10の170乗と推定される。チェスや将棋と比較してはるかに大きな探索空間を持つため、従来のブルートフォース探索や評価関数ベースの手法では効果的なAIの実現が困難であった。また、囲碁には「形勢判断」や「大局観」といった人間の直感に依存する要素が多く、機械による定量的な評価が長らく不可能とされていた。

### 1.2 DeepMindの挑戦
Google DeepMindは2014年に設立され、汎用人工知能の実現を目標に掲げていた。創設者デミス・ハサビスは、囲碁をAI研究のベンチマークとして位置づけ、深層学習と強化学習を組み合わせた新たなアプローチでこの課題に挑むことを決断した。同チームは過去の研究蓄積を活かし、従来の手法では不可能とされていた囲碁AIの開発に着手した。

## 2 技術体系

### 2.1 深層神経ネットワーク
AlphaGoの核心は、複数の深層神経ネットワークを組み合わせたアーキテクチャにある。これにより、局面の評価と手の選択を同時に最適化することを可能にした。

#### 2.1.1 ポリシーネットワーク
ポリシーネットワークは、与えられた局面においてどの手を打つべきかの確率分布を出力する。このネットワークは、人間の棋譜からの教師あり学習と、自己対戦による強化学習の両方で訓練された。一手ごとの選択確率を高速に計算することで、探索の効率を大幅に向上させた。

#### 2.1.2 バリューネットワーク
バリューネットワークは、局面の勝敗確率を評価する。盤面全体の特徴から、その局面が最終的に勝利につながるかどうかを