将棋ＡＩで学ぶディープラーニング　人より強い将棋プログラムを作る！

人より強い将棋プログラムを作る！Ｐｙｔｈｏｎ、Ｃｈａｉｎｅｒによる将棋ＡＩの作成を通して、ディープラーニングのしくみをより深く理解。ＡｌｐｈａＧｏ、ＡｌｐｈａＺｅｒｏで用いられた手法も解説。

将棋プログラムの作成を通してディープラーニングをより深く理解できる。

２０１６年３月、プロ棋士に勝つには後１０年かかると言われていたコンピュータ囲碁でＤｅｅｐＭｉｎｄが開発したＡｌｐｈａＧｏがトップ棋士に勝利しました。そのＡｌｐｈａＧｏで使われた手法がディープラーニングです。

ＡｌｐｈａＧｏでは局面を「画像」として認識し打ち手の確率と局面の勝率を予測することで、次の打ち手を決めています。画像とは具体的にどのようなものか、次の打ち手をどうやって決めるのか？ＡｌｐｈａＧｏの論文をヒントに、ディープラーニングを使い棋譜を学習した将棋ＡＩの開発を行います。強化学習のみでトップレベルの強さを持つＡｌｐｈａＺｅｒｏで用いられた手法についても取り入れています。

［導入編］では、コンピュータ将棋の歴史とディープラーニングの関係、コンピュータ将棋の大会の概要と参加方法について紹介します。
［理論編］では、実装する将棋ＡＩの前提となる理論について解説します。従来のコンピュータ将棋のアルゴリズム、コンピュータ囲碁で用いられているモンテカルロ木探索とＡｌｐｈａＧｏがどのようにディープラーニングを応用したか。基礎的な知識について解説しつつ、これらを将棋ＡＩに応用する方法について述べます。
［実践編］では、ディープラーニングを使った、実際に対局できる以下の３つの将棋ＡＩについて、ＰｙｔｈｏｎとＣｈａｉｎｅｒで実装していきます。

方策ネットワーク（ｐｏｌｉｃｙ　ｎｅｔｗｏｒｋ）を使って指し手の予測のみでプレイするＡＩ。
価値ネットワーク（ｖａｌｕｅ　ｎｅｔｗｏｒｋ）を使って１手探索を行うＡＩ。
方策ネットワークと価値ネットワークを使ってモンテカルロ木探索を行うＡＩ。

最後に、より強い将棋ＡＩを作りたいという方のために、ヒントとなる情報を紹介します。

目次

第１部　導入編（コンピュータ将棋について）
第２部　理論編（コンピュータ将棋のアルゴリズム
コンピュータ囲碁のアルゴリズム
ＡｌｐｈａＧｏの手法
ディープラーニングについて）
第３部　実践編（ディープラーニングフレームワーク
方策ネットワーク（ｐｏｌｉｃｙ　ｎｅｔｗｏｒｋ）
将棋ＡＩの実装
学習テクニック
価値ネットワーク（ｖａｌｕｅ　ｎｅｔｗｏｒｋ）
モンテカルロ木探索
さらに発展させるために）
付録

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。