コンピュータ将棋

ウィキペディア

ランキングカテゴリー

出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2023/05/08 07:28 UTC 版)

代表的なソフトウェア・思考エンジン

「Category:コンピュータ将棋」、「Category:将棋ゲームソフト」、「世界コンピュータ将棋選手権#歴代大会結果」、および「en:List of shogi video games」も参照

無料

非一般公開

大会

世界コンピュータ将棋選手権

詳細は「世界コンピュータ将棋選手権」を参照

2002年の第12回以降は毎年5月上旬のゴールデンウィーク期間中に開催されており、毎回約40種のプログラムが参加している。また、第16回以降の大会では、開催期間中、インターネットで棋譜のライブ中継が行われている。

世界コンピュータ将棋選手権の大会ルール^[147]に、対戦のためのプロトコルも定められており、2017年現在では対戦サーバを介してオクテットストリームで行うこととされている。なお、対戦サーバが利用できない場合など（あるいは、以前は）、シリアル（RS-232）通信や手入力の規定で対戦が行われる。持ち時間は15分だが、1手指すごとに持ち時間に5秒が加算されるフィッシャールールを採用している。

電王トーナメント

詳細は「将棋電王戦」を参照

2013年の第一回から2017年の第五回まで、毎年秋に開催されていた。

電竜戦

2020年に第一回が開催された。以降、毎年11月から12月に本戦が開催され、その他指定局面戦やハードウェア統一戦も開催されている。

技術

この節は検証可能な参考文献や出典が全く示されていないか、不十分です。出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方）
出典検索^?: "コンピュータ将棋" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL（2015年6月）

評価関数

将棋は、指し手の選択のために局面評価が必要で、局面の有利不利に序列をつけるための評価関数が必要である。探索では、評価関数を利用し、数手先の変化を読み、相手が最善を尽くしてきたときに、もっとも自分が有利になる手を探す。評価関数の作り方と探索の方法は、コンピュータ将棋の強さに最も影響する。多くの評価関数は、駒の損得を中心に、玉形や駒の働きなどを評価対象としている。

三駒関係

王を1つ以上含む三駒の組み合わせおよび位置関係から評価関数を作る方法。Bonanzaは2009年のVer. 4から採用している。YSSは王からの相対座標で三駒の組み合わせを計算している。また、4駒での組み合わせで計算しているソフトもある。

機械学習

かつては、手作業で評価関数が作られていたが、Bonanzaの開発者保木邦仁は、機械学習によって評価関数を作成した。これによりこれまでの他のソフトが見落としていた（あるいは開発者が軽視していた）指し手に高い評価を与えることが可能となった。この「評価関数のパラメータの自動生成」は「ボナンザ・メソッド」と呼ばれ^{[注釈 12]}、コンピュータ将棋史上のブレイクスルーの一つと見なされている。

2009年に開催された第19回世界コンピュータ将棋選手権では、決勝に進出した8ソフトの内、シードの激指とYSSを除く6ソフトが「ボナンザ・メソッド」を採用した。この結果、激指は2勝5敗、YSSは1勝6敗と惨敗し、翌年の選手権では「ボナンザ・メソッド」を採用した。

機械学習には、過去のプロ棋士の対戦棋譜からの教師あり学習と自己対戦による強化学習がありえる。

2015年頃まではプロ棋士の棋譜を用いた教師あり学習が主流であった。教師あり学習の場合、プロ棋士の手を再現することで、ミスの少なさ、読み手数の長さでプロ棋士を超えようとした。教師あり学習の欠点として、入玉模様など過去のプロ棋士の対戦棋譜が少ないパターンが弱くなる問題があった。

自己対戦棋譜による強化に成功したNineDayFeverの登場以降、コンピュータ同士の対戦棋譜が重視されるようになった。2016年以降はプロ棋士の棋譜を使わず、自ら棋譜を生成し数億ないしは数十億局面から浅い探索での評価値を深い探索での評価値に近づけるように学習するNineDayFeverの強化学習が一般的になり、入玉の評価も大幅に改善された。

探索

枝刈り

将棋の場合、平均着手可能手数は80通りもあるので、 $n$ 手先までの局面数はおおよそ $80^{n}$ という膨大な数になる。これを全て計算すると限られた時間内では深く先読みすることはできなくなる。そこで、実際に計算する局面数を少なくし、深く読めるようにすることを枝刈りと呼ぶ。

枝刈りには全局面を評価した場合の結果と正確に同じ値を返す枝刈りと、誤差を含む結果を返すことを許容することでより多くの枝刈りを行うものの2種類がある。前者を後ろ向き枝刈り、後者を前向き枝刈りと呼ぶこともある。

全幅探索

ある局面下で指すことが可能な手をしらみつぶしに読む手法（力まかせ探索）。探索法としては原始的でプログラミングも他と比べると単純だが、CPUに負荷がかかるため効率は悪いと考えられていた。しかしBonanzaの開発者である保木によれば、選択的な探索は選択を行う処理が複雑となり全幅探索よりも負荷がかかるとして、全幅探索をBonanzaに採用している^[150]。

ミニマックス法

ミニマックス法はチェス、将棋、リバーシ、チェッカー等の完全情報ゲームで次の手を決めるための基本アルゴリズム。数手先まで読み、その時点で評価関数により局面に点数（手番の方がプラス）をつけ、手番の方は評価値が最大の手を、手番ではない方は評価値が最小の手を選ぶとして、次の着手を選択する。局面の分岐数をN、先読みする深さをLとすると、評価が必要な局面数はN^Lとなる。

αβ探索

詳細は「アルファ・ベータ法」を参照

基本的にミニマックス法と同じだが、再帰的に局面の評価を行う関数を呼ぶときに、その時に判明している評価値の下限値（これをα値と呼ぶ）と上限値（これをβ値と呼ぶ）を引数として渡し、その範囲外を計算することは無駄なので、ミニマックス評価に於いて途中で得られた値がα値β値の範囲外の場合は評価を打ち切るアルゴリズム。ミニマックス評価で評価する局面数は N^L だが、αβ探索ではおよそ N^(L/2) となる。

実現確率探索

激指などが採用している手法。探索時に、過去の対局データから、次の一手の実現確率を求め、実現確率の高い方をより深く探索する。激指は実現確率の計算に2004年にロジスティック回帰を採用した。

クラスタリング

かつてはマシンを疎結合クラスタリングしても強くならず、あから2010の時は疎結合クラスタリング無しの重み付けを大きくしたが、2011年にボンクラーズが6台クラスタリングで優勝し、2012年は797台のGPS将棋が優勝した。ボンクラーズを開発した伊藤英紀は、もしボンクラーズが700台つかえるのであれば、レーティングが200-300程度上がるという見解を示している^[151]。レーティング差が200-300だと、期待勝率は（レーティングが高い方から見て）75-85パーセント程度となる。第2回将棋電王戦第5局を振り返り、三浦弘行は、670台のGPS将棋に対して「私の勝算は5パーセントしかなかったんです」と語った^[152]。勝算が5%だとレーティング差500程度になる。

合議制

2010年以降からは、複数の思考エンジン間の合議（多数決）によって指し手を決める手法が研究されている。2009年に行なわれた第19回世界コンピュータ将棋選手権では、複数のBonanza^{[注釈 13]}を搭載した「文殊」が3位という好成績を収めた^[153]。

ディープラーニング

2018年に開発された、局面の評価に浅いニューラルネットワークを使用するNNUEと呼ばれる評価関数手法は将棋ソフトで大きな成果を上げ、従来型ソフトの主流となった。2021年、NNUEはコンピュータチェスソフトのStockfishにも導入された。

また、2017年、AlphaZeroは囲碁AIで成功を収めたモンテカルロ木探索とディープラーニングにより好成績を残したと発表された。AlphaGoやAlphaZeroの登場以後、AlphaZeroの追試を目的としたAobaZero^[154]や、AlphaGoに触発されて開発が始まったdlshogi^[155]など、ディープラーニングを用いて探索を行う将棋ソフトが開発されるようになった。 2020年に開催された第一回電竜戦においては、探索部にdlshogiを採用したGCTが優勝を果たした^[156]^[157]^[158]。ディープラーニング系の将棋ソフトの登場によって、NNUEを含めBonanzaの手法をベースにすることが主流だったコンピュータ将棋の世界に根本的な革新がもたらされたとの見方もある^[159]。

やねうら王の開発者・磯崎元洋は、ディープラーニング探索を採用した将棋ソフトは「序盤がメチャ強いです。大局観が優れているので」とした上で、「GCTの大局観は人間と同じレベルに達している」と分析している^[160]。

脚注

注釈

^
- 近い将来に来ると答えた棋士
久保利明「来世紀」、内藤国雄「10年以内にくるような気がする」、土佐浩司「10年くらいで来る」、先崎学「10年後」、桐谷広人「来る。10年後」、伊藤能「僕くらいのレベルなら近いのではないか」、神吉宏充「5年ぐらい先か。最初に私が負けてやる」、斎田晴子「10年後」
- 来ないと答えた棋士
米長邦雄「永遠になし」、行方尚史「たぶんこないと思うけど、みなさん頑張って下さい」、加藤一二三「こないでしょう」、大内延介「当分こない」、深浦康市「こない」、中村修「トップは負けないと思う」、村山聖「こない」、阿部隆「こない日を祈っている」、畠山鎮「こない」、佐藤秀司「そういうことになったらプロは要らなくなるので、こないように祈るしかない」、勝又清和「否定」、田村康介「自分は負けない（他人は？）」中井広恵「こない」、石橋幸緒「こない」、矢内理絵子「こないと思う」
- 「来るが、かなり遠い先である」もしくは「条件付きで来る」と答えた棋士
羽生善治「2015年」、森内俊之「2010年」、屋敷伸之「来る。ただトップには勝てない」、中原誠「だいぶ先とは思いますがくるはずです」、森下卓「いつかは来ると思う」、田中寅彦「思います。私が生きているうち」、井上慶太「10年ではこないと思う」、青野照市「プロの仲間入りはできても、トップは負かせない」、塚田泰明「希望としては、自分が現役の内に」、郷田真隆「いつかはくる。ただし人間を超えることはできないと思う」、東和男「七冠王がプログラミングする日」、桐山清澄「20年後」、南芳一「40年ぐらい先」、真部一男「プロにも色々あるが、トップを負かすとなると百年くらい先か」、二上達也「超早指し戦だったら今でもプロが負ける場合がある。要は条件次第」、剱持松二「プロ棋士がプログラムを組めるようになった時」、谷川浩司「私が引退してからの話でしょう」、千葉涼子「50年後」、淡路仁茂「私が生きている間はない」、真田圭一「100年は負けない」
- わからないと答えた棋士
高橋道雄「?」、三浦弘行「分からない」
- その他の回答をした棋士
平藤眞吾「ゲームセンターの将棋に2回負けた」
- 回答しなかった棋士
有吉道夫、田丸昇、佐藤康光、清水市代^[24]^[25]
^ 持ち時間を1手10秒に制限する。渡辺によれば、10秒将棋では思考・読みを行う余裕が全くないため、人間であれば直感・第一感で指すしかなく、その時間でもそれなりに読めるコンピュータが圧倒的に有利な条件であるという。
^
合議制の重み付けは以下の通り。クラスタなしが合計7.7、クラスタありが合計1.3とクラスタなしを優先している。
- クラスタなし - Intel Xeon W3680 3.33GHz 6コア
  - 激指 - 2.9
  - Bonanza - 1.9
  - GPS将棋 - 1.0
  - YSS - 1.9
- クラスタあり - Intel Xeon 4コア、合計169台、676コア
  - 激指 - 0.1
  - Bonanza - 0.1
  - GPS将棋 - 1.0
  - YSS - 0.1
^ この語は華厳経第45巻、阿僧祇品第三十に登場する数詞の一つで、洛叉(10万)、倶胝(1000万)、阿庾多(100兆)に始まり（倶胝以上は2乗すると次の単位になる）不可説不可説転に至る多くの巨大な数の名が示されているうちの一つである（詳細は命数法#仏典の数詞を参照）。
^ コンピュータソフトを使用するのは、作品に余詰や不詰がないかを確認するためである。また作成途中の補助に使う場合もある。
^ 渡辺明は順位戦（1日制で持ち時間6時間）だと「だんだん眠くなってくる」と述べている。
^ 打ち歩詰めなどを避ける場合、稀に不成を選ぶ場合がある
^ ただし、「不成」を指す前の局面は永瀬優勢で、仮に成ったとしても優勢は変わらないとする意見が大勢であった。それでも指した理由を、永瀬は「優勢になったと思ったが、万が一を考えて指した」「修正されているかもしれないと思っていた」としている。また、同年3月27日放送の『Session-22』にゲスト出演した際に、「敗勢になっていたら指したか？」という質問には「そのような場合は選ばなかっただろう」と答えている
^ この角は馬に成ることができるが、その後捕獲されてしまう
^ ソースコードは公開されている。営利目的での利用の禁止などの制限により、Open Source Initiativeによる「オープンソースの定義」には合致しない。
^ 一度市販されたがバグのため回収。将棋ウォーズやLINEローソン公式アカウントなどで体験可
^ 第18回世界コンピュータ将棋選手権参加者のレポート^[148]によると、元々は保木が開発者向けの発表で使った表現だったが、後には学術論文の中での利用例も見られるようになり^[149]、専門用語として定着が進んでいる。
^ 合議制のために各々は若干設定を変えてある。
^ 2006年度の世界コンピュータ将棋選手権で優勝したBonanzaは、開発者自身がコンピュータチェスの文献を主に参考にしたことを明らかにしている。