- コンピューター囲碁ソフトについて語るスレ51 [無断転載禁止]©2ch.net
629 ：名無し名人[sage]：2017/08/24(木) 00:03:29.27 ID:S+6i8WdC - >>626
アルファ碁だってロールアウトは、ただの線形回帰だよ。
UCTは、勝率＋UCB1の大きさによって手を選択する。
１．勝率については、ロールアウトとバリューネットの加重平均
２．UCB1値を、ポリシーネットで調整する事で、プレイアウト選択率の調整
この２つによって、ただのMCTSにアンサンブル効果を付け足したのがアルファ碁。
自分は別ゲームでアルファ碁的なものを作っているけど、２のポリシーネット部分
については、かなり容易にオーバーライドされる印象で、探索時間の節約にしか
効いていない印象。アルファ碁論文では、ここが５段相当だと自慢しているけど、
目くらましだと思うな。
１の勝率については、ロールアウトのウェイトが５０％あるという事で、実はロール
アウトの精度も、DCNN部分と同じ程度の重要性を持っている。そして、これまでの
MCTSな囲碁AIの、それぞれの工夫は、このロールアウト関数にあったと思う。
適度なランダムさと適度な正確さが必要だからね。
一番大事なのは、仮に教師データから作られたとしても、違う目的で生成されて、
長所短所が違う評価の仕組みを組み合わせる事で生じた、アンサンブル効果が
かなり重要なのではないかと思っている。
僕が個性と表現したのは、ロールアウト関数部分だよ。もしかしたら、ここの余計な
工夫が弱さの原因かもしれないけどね。
|