最 弱 オセロ ai。 「世界最弱のオセロAI」が話題…一体何のために作ったの?開発者に聞いた

強いAIと弱いAI

最 弱 オセロ ai

ちなみにAIZINEの母体のお多福ラボでも将棋のAI(人工知能)開発をしています。 そんなニュースを聞いていると、「AI(人工知能)って人間よりも強いのでは?」と不安がる方も多いはず。 ところがそんな中で、なんと 「世界最弱のオセロのAI(人工知能)」が登場しました!社が開発したは3477勝1134616敗187引分(2019年8月21日現在)とのこと。 実際に開発者がこんなツイートをしています。 世界最弱のオセロAI作りました すでにたくさんの方にプレイされて、いまの戦績は5勝2110敗4引き分け! 負けられるなら負けてみてくれ! — 吉田 拓真 TakuAtCoder1 圧倒的に負けてばかりなのに、 自ら負けにいくって一体どういうことなんだろう?そもそも、 オセロAIはそんなに弱いのか?など気になりますよね。 はやっ! あっという間に私の完封勝ちになりました。 とはいえ、 やっぱりあっさり勝ってしまうともの足りなく、やっていくうちにさらに「負けたい!」という願望がむくむくと出てきました。 こうなったら、意地でもオセロAIに負けてやる! 最弱王決定戦・オセロAIvs私〜3回戦〜 ということで、「勝ちに行く」ではなく 「負けに行く」勝負、3回戦。 「負けられるなら負けてみてくれ!」と言われたなら、今回は「あえて自ら負けに行く」スタイルで行きましょう。 つまり提示されたガイドの中でも、 一番取れる数が少ないところを狙う見込みです。 この赤線で囲われた部分のことです なぜこのマスは危険なのかというと、 その後四隅のマスやその周辺で相手が石をおいたら、確実にひっくり返されるためです。 (わかりやすく言うと、自ら一人で100人いる敵陣に突っ込んでいく感じです)確かにその後ひっくり返して取り戻せる確率が低そうです。 もちろんオセロAIがとっている戦略はこれだけではなく、まだまだたくさんありますが、このような工夫をしながら、オセロAIが自分の打てる場所を減らしていくことで「負ける」方に進んで行くのです。 さあ、負け方の原因がわかったところで最後の試合をしてみましょう。 最弱王決定戦・オセロAIvs私〜5回戦〜 さて、最後の試合も「序盤から攻める」などの負けパターンを使って戦ってみましょう。 負けの道を極めたオセロAI、恐るべし・・・! 世界最弱のオセロAIは全日本チャンピオン以上に「弱かった」! さて、これだけ戦ってきて結果はすべて 「私の圧勝・オセロAIの負け」となりました。 やはり「世界最弱」を名乗っているだけあって、負け方をわかっていてすごいですよね。 でも、そもそもボードゲームって普通では「勝ち」を目指すのに、なぜこのAI(人工知能)は「負け」にこだわるのか、詳しく見ていきましょう。 開発したAVILEN社の吉田拓真さんがオセロのAI(人工知能)を開発する最初のきっかけは、 囲碁のAI(人工知能)「AlphaGo」でした。 「AlphaGo」が学習を続けて人間のチャンピオンに勝ったというニュースは、実際にAIZINEが編集部のテツヤやつっちーがその衝撃を記事にしています。 そこで 「自分も同じものを、オセロで作りたい!」と考えプログラミングを勉強するようになりました。 とはいえ、それなら 「オセロに勝ちまくるAI(人工知能)」を作ればいいのでは?と考えますよね。 吉田さんが「わざと負けようとするオセロAI」を作るきっかけとなったのは、Youtube・ニコニコ動画の「」を見たことでした。 この動画ではAI(人工知能)が勝つ試合が多かったので、吉田さんが 「自分の手でもっと弱いAIを作ろう!」と考えて生まれたのが「最弱オセロAI」でした。 最弱オセロAIは、 通常のAI(人工知能)とは逆に「石を少なくとったほうが勝ち」というルールのもとで学習を続けつつ、私たち人間の打つ先まで読むことができるようになりました。 逆にいうと他の人が3000回もこのオセロAIに「負けている」だなんて、私たち人間もすごいですよね・・・! さて、今回は「世界最弱のオセロAI」と戦ってみました。 この試合から• オセロAIはやっぱり最弱だった(5戦5勝)• オセロAI「負け方」を極めているため、こちらが負けに行こうとしても難しい• オセロAIは全日本オセロチャンピオンが負けに行こうとしても負けない• オセロAIは「全力で負けに行くオセロAIの動画を見て、これならさらに弱いものを作ることができる」という理由で生まれた• 一見すると弱いオセロAIも、「石を少なく取る」「私たちの手の内を読む」などで学習を続けている ということがわかりましたよね。 世界最弱、と言ってもただのヘタレのような負け方ではなく、 「計算して負けていく」という姿勢がなんだか面白い感じがします。 また、「オセロ弱いんだよね・・・」と感じている皆さん、ぜひオセロAIに挑んでみて「どっちが弱いか」という競争をしてみるのもありかもしれません。 頭のいい人は「オセロの負け方」から学んで自分のオセロの戦い方に活かすこともできるでしょう。 とはいえ、「弱い」オセロAIは今後も負け記録を伸ばしていくに違いありません。 どんどん「弱く」なっていくオセロAIにも期待が高まりますよね!.

次の

最弱のオセロAIと戦ってみた

最 弱 オセロ ai

概要 [ ] 強いAIと弱いAIは哲学者が作った用語であり、彼は以下のように書いている。 「…強いAIによれば、コンピュータは単なる道具ではなく、正しくプログラムされたコンピュータには精神が宿るとされる」 サールはコンピュータと機械を区別している。 彼は強いAIに反対の立場を主にとっているが(例えば、)、一方で「脳は機械であり、エネルギー転送によって意識を生じる」とも述べている。 という言葉は、「人工」と「知能」の意味からいえば「強いAI」とほぼ同義と言える。 しかし、初期の人工知能研究はやといった狭い領域に集中しており、そういった研究が最終的に知能に関する真の理解をもたらすと期待されていた。 このため、人工知能がそのような狭い領域(弱いAI)を指すと同時に強いAIの考え方も指すという状態になっている。 強いAIを指すためのより明確な言葉として、"Synthetic Intelligence"(合成知能)を提案する者もいる。 弱いAI [ ] 強いAIとは対照的に、 弱いAIは人間がその全認知能力を必要としない程度のやを行うソフトウェアの実装や研究を指す。 弱いAIに分類されるソフトウェアの例として、のようなプログラムがある。 強いAIとは異なり、弱いAIがを示したり、人間並みの幅広い認知能力を示すことはなく、最先端とされるものでも知能を感じさせることのない単なる特定問題解決器でしかない。 弱いAIプログラムは真にすることができないから「知的」とは言えないとする立場もある。 ディープ・ブルーのような弱いAIソフトウェアは真に思考しているとは言えないという主張に対して、Drew McDermott(の計算機科学教授)は次のように書いている。 「ディープ・ブルーがチェスについて真に思考していないというのは、飛行機が羽ばたいていないから実際には飛んでいるとは言えないというのと同じだ」 彼は、ディープ・ブルーは知的に処理をしており、単にその知能の幅が狭いだけだという立場である。 また、ディープ・ブルーは非常に強力なマシンであって、これがチェスについて「思考」していると主張するのは、が蛋白質の合成について「思考」していると主張するのと同じだというものもいる。 どちらも全体として何をしているかを意識しておらず、単にプログラムに従って処理しているだけというわけである。 これに対して、弱いAIを擁護する立場からは、機械が真の知性を獲得することはあり得ないと主張されている。 一方、強いAIの立場からは、人間のの働きに基づいた特殊な「プログラム」を使うなどすれば、真の自意識や「思考」が生まれるとの主張がある。 者の中には、そのようなプログラムが人間の脳で発達したのは、やおそらくはある種の詐欺やペテンのためだろうと指摘する者もいる。 強いAI [ ] コンピュータが強いAIと呼ばれるのは、人間のに迫るようになるか、人間の仕事をこなせるようになるか、幅広い知識と何らかのを持つようになったときである。 のような人間向けの知能尺度を機械の知能にそのまま当てはめるのは簡単ではないため、以下のような人工知能の知能を計る簡単な方法が提案されている。 知能とは、現実についてのモデルを持つことであり、そのモデルを使って行動計画を立てたり、将来を予測する能力である。 モデルのと精度が高くなって計画立案や予測に要する時間が短くなればなるほど、知能も高いと言うことができる。 汎用人工知能(Artificial General Intelligence) [ ] 汎用人工知能(Artificial General Intelligence)とは人間レベルの知能の実現を目指したもので、他のAIプロジェクトと区別するためにAGIと呼ばれている。 短期間で人間の知能の複製はできないという見方もされ、今のところあまり注目されていない。 しかし、一部の少数の研究グループがAGI研究を行っている。 AGI を推進している組織として、、 AGIRI 、、、、、、、、、、、、、、などがある。 近年これに加わったのがで、を開発したの理論に基づいたプロジェクトである。 ヌメンタはコンピュータ側からのAGI研究だが、ホーキンスは生物学的な面からのアプローチとしても設立している。 どう見積もっても、強いAIに向けての実際の進歩は未だ限定的である。 時間制限無しで完全なに合格できるシステムは未だ存在しないが、人々を最初のうちだけだますことができるシステムは既に存在している(受賞システムを参照)。 いつ、どの程度のシステムが登場するかを予測するAI研究者があまりいないのは、過去のAI研究についての予測がほとんど当たらなかったためと思われる。 また、 ()と呼ばれる問題もある。 これは、人工知能で何か新しいことを実現したときに、それが単なる自動化であって知能とは関係ないと結論付ける心理効果である。 同様のことは、人間特有と思われていた知的な行動を動物も行うことが示されたときにも見られる(道具を使う能力や鏡像を認識する能力)。 合成知能 [ ] 「合成知能; Synthetic Intelligence SI 」という用語を提唱している人々は「人工知能」という用語が一種のであるとしている(知能が知的でないことを暗に示している )。 計算機科学科の Diane Law は の中で、人工ルビーと合成ルビーを比べたとき、合成ルビーだけが本物のルビーであるという喩え話を挙げている(訳注:人工ルビーと言っているのは、などのいわゆるガラス玉のこと)。 この用語の提唱者は、SI(合成知能)という用語が人間が意図的に作成する真に知的なものを指すことにしようと提案している。 これはまさに強いAIのことであり、現在実現されている弱いAIと対比されることを示している。 この用語が使われるようになって、定義を超えた用法として、人間のテクノロジーの無作為な集積によって的に知能が発生したものも指すようになりつつある。 これにより、用語の適用範囲が広がる一方、生物、特に人間の知能もある意味で種の発展と個人の経験の自然な過程から生じると捉えると、この2番目の定義は問題を提起する。 つまり、合成知能(あるいは人工知能)と自然に発生する知能の境界は何かという問題である。 このような議論は今のところ、の世界と理論上の議論にとどまっている。 人工意識 [ ] 詳細は「」を参照 強いAIの可能性を論じるとき、「」の性質と記号処理の役割の問題が出てくる。 らは議論を通じて、符号化されたデータの変換によってだけ作業するマシンが精神を持てるのかを検討した。 これは対といった問題を超えるものではない(すなわち、生物学的機械を含むどのような機械でも、精神を持てるか)。 サールはという形で情報処理装置が何らかの事物を表す符号化されたデータを処理する様子を表現した。 符号化されたデータ自体はそれによって表されている事物との相互参照なしでは無意味である。 そのため、サールは情報処理装置自体には意味を理解する能力が全く無いとした。 結果としてサールは、に合格するマシンであっても、人間的な意味でのを持たないだろうと主張している。 哲学者の中には、弱いAIが実現可能なら、強いAIも実現可能なはずだと主張する者もいる。 は『解明される意識』の中で、魔法のスパークや魂がなければ人間も単なる機械であると主張し、機械が知能や「精神」を伴ったとき、人間という機械が特権的な立場でいられるだろうかと問うた。 同書の中で彼は意識の「多元的草稿」モデルを提案している。 は哲学入門書 Think において、「あなたは知能を持っているかもしれないが、それが本当に知能かどうかを知る方法はない」と指摘している。 しかし、議論をよりも「強いAI」に限定するなら、情報処理コンピュータに関係ない人間の精神機能を特定することは可能かもしれない。 強いAIの信奉者の多くは、精神はで表されるで実現可能と考えている。 この考えは極端にいえば、や 構築可能ならば 鉄球と木材でできたチューリングマシンにも精神が宿ることを意味する。 これは、の汎経験説に近い考えである。 しかし、汎経験説と同様に、日常的な常識からの隔たりが大きいため「その結果はあまりに常識に反する」といった形で批判される事が多い。 はを論じることで、チャーチ=チューリングのテーゼの適用可能性を攻撃し、情報システムでは実行できないが人間の精神には実行できる計算が存在するとした。 しかし、これは明らかに計算可能性の問題ではなく、シミュレーションの問題 — すなわち同じ計算を別のテクノロジーで行うという問題である。 脳の神経系は超並列的パターン照合が可能であり、これにより知覚と自覚の即時性が生じる。 視野にある物を識別するという意味の「視覚」、自己を感じるという意味の「意識」、精神的に生じる身体感覚という意味の「感情」といった観念は、より高いレベルの概念を生じる。 サールの中国語の部屋は、記号処理と生物のシステムの身体性がどのように結びつくかという「意味論的マッピング」を説明できない。 脳自体は感じていないが、感覚を生じている。 最終的に、強いAIが実現するかどうかは、情報処理機械がなどの精神の全ての特性を持てるかどうかに依存する。 弱いAIと強いAIの問題は独立であり、ほんの一世紀前には乗算やデータベース検索といった現代のコンピュータが持つ機能の多くが「知的」であると考えられていたであろうことも確かである。 人間の脳モデルのシミュレーション [ ] この手法は知能の仕組みを完全に解明しなくてもよいため、強いAIを実現する最も手っ取り早い手段と考える者が多い。 基本的に、非常に強力なコンピュータさえあれば、人間の脳を神経単位のネットワークとしてシミュレーションできるだろう。 例えば、人間の脳内の神経の(ほぼ)完全なネットワークのマップを得て、個々のの働きをよく理解すれば、コンピュータプログラムによって脳をシミュレートすることは可能と思われる。 何らかの通信手段を与えれば、このシミュレートされた脳は完全な知性を示すかもしれない。 シミュレーションの具体的な形式は様々である。 神経細胞毎ではなく複数の神経細胞をまとめてシミュレートすることも考えられるし、個々の分子をシミュレートすることも考えられる。 人間の脳のどの部分をシミュレートすべきかも明らかではない。 人間は脳の一部を損傷しても通常の活動が可能な場合があり、脳の一部は思考とは無関係な機能(呼吸など)に対応している。 この手法には以下の3つが必要となる。 ハードウェア 非常に強力なコンピュータが必要となる。 の見積もりによれば、1000万または10ペタが必要とされている。 10ペタフロップス級のは既に日本国内で稼働しており、がある。 中国では、が93ペタフロップス(ベンチマーク)を記録している。 カーツワイル以外の予測ではさらに強力なコンピュータが必要とされていて、1億MIPS 100ペタフロップス)から1000億MIPS(100エクサフロップス)と言われている。 さらに、神経の振る舞いを生物学的な詳細なモデルを使って表現することでオーバヘッドが生じ、脳自体の計算能力よりもずっと大きな計算能力を必要とすることが考えられる。 ソフトウェア 脳機能をシミュレートするソフトウェアが必要である。 神経回路をモデルとしてシミュレーションする代表的なものとしてやがある。 この前提として、精神が中枢神経系そのものであり、によって制御されているという考え方がある。 シミュレーションを構成するには、人間の脳の物理的かつ機能的な知識を総動員する必要があり、特定の人間の脳の構造を詳しく調べる必要があるだろう。 各種神経細胞の機能やそれらの接続に関する情報も必要となる。 ソフトウェアがどのような形式になるかによって、それを実行するのに必要となるハードウェアの構成や性能が決まる。 例えば、分子レベルでシミュレーションしようとすれば、神経細胞単位でシミュレーションするよりも多大な計算能力を要するし、神経細胞のモデルの正確度によっても必要な計算能力が違ってくる。 シミュレーションする神経細胞数が増えれば、必要な計算能力は増大する。 脳や神経についての理解 最終的に脳のシミュレーションを実現するには、脳(神経細胞)の数学的なモデルを作成できる程度の理解が必要とされる。 中枢神経系を学問的に理解するか、マッピングまたはコピーを行う方法が考えられる。 技術は急速に進化しており、カーツワイルは十分な品質のマップは必要とされるハードウェアとほぼ並行して出現するだろうと予測している。 しかし、シミュレーションでは神経細胞やの詳細な挙動を擬似する必要があるが、今のところそれに関しては概要レベルしか理解が進んでいない。 一旦このようなモデルが構築されれば、変更は容易であり、試行錯誤的な実験が可能となる。 それによって理解が促進され、モデル化された知能の改良や動機付けの変更が可能となる。 プロジェクトは、世界最高速のの1つであるのを使って、約6万の神経細胞と全長5kmのシナプスからなるをシミュレートすることを目指している。 プロジェクトの最終目標はスーパーコンピュータ群を使って脳全体をシミュレートすることである。 一方で、脳に関する詳細な測定結果を利用しながら、NEST Simulatorなどで脳全体の大雑把なシミュレーションを行い、仔細はシミュレーション結果を見ながらモデルにフィードバックして現実の脳とそっくりなモデル(あるいは汎用人工知能に繋がる基礎技術)を完成させるという手法も提案されている。 脳は多数のモジュールの並列動作によってその能力を得ており、コンピュータは逐次動作の高速性によってその能力を得ている。 脳では約1000億の神経細胞が同時並行的に機能しており、それらが約100兆のシナプスで接続されている。 脳の処理能力の見積もりとして、一秒間の神経細胞の状態更新が約 10 14 回とされており (シナプス間隙の伝達にかかる時間は、0. 1~0. 2018年現在、日本では1エクサフロップスの性能を持つの2021年共用開始を目指して開発が行われている。 最近の2GHzのは毎秒20億サイクルで動作し、人間の神経細胞より1000万倍も高速だし、信号の伝達速度は光速の約半分であって、人間の場合の100万倍である。 従って神経細胞間の伝達速度とマイクロプロセッサの動作速度の差を考えれば、十分性能に余力を持ってシミュレーションできる可能性が残されている。 余談であるが、脳の消費エネルギーは約20W、スーパーコンピュータは約1MWである。 なお、によれば、室温で1W消費当たりで1秒間に実行できる操作数は 3. 神経シリコンインタフェース(Neuro-silicon interface)も提案されている。 個々の知的振る舞い [ ] 人間の脳のシミュレーションとは対極的に、自然を擬似せずに直接AIを実現しようというアプローチもある。 この手法の提唱者は、初期の飛行機の開発で、鳥を真似た設計が多くなされたが、結局現在飛んでいる飛行機が鳥とは全く異なる原理で飛んでいることを指摘する。 直接的アプローチにおける主な疑問は「AIとは何か? 」である。 最も有名なAIの定義は、が「」の提案時に行った操作的なものである。 その後、AIの定義をしようという試みは数えるほどしかない(その一部は にある)。 は の中で、未だに知能の明確な定義がないと述べている。 注 [ ]• Searle, 1980, "Minds, Brains and Programs", The Behavioral and Brain Sciences, vol. , in. Drew McDermott, 1997, , in• Hans-Georg Michna, 2006[last updated],• Diane Law, 1994, in Department of Computer Sciences, The University of Texas at Austin Technical Report AI94-222, June 1994. シンギュラリティサロン 2017年8月29日. 2018年10月22日閲覧。 2007年1月9日。 ログインする必要がある。 Stuart Russel and Peter Norvig, 1995, Artificial Intelligence, A Modern Approach, Prentice Hall. 理化学研究所 脳科学総合研究センター(理研BSI). 2017年7月27日閲覧。 Johanna Hung, 2006, , , September 14, 2006. Ker Than, 2006[last updated], , , March 27, 2006. 文献 [ ]• Goertzel, Ben; Pennachin, Cassio eds. , 2006, Artificial General Intelligence. Springer. John Searle, 1980, , Behavioral and Brain Sciences 3 3 : 417-457. Kurzweil, Ray, 2005, The Singularity is Near, Viking Press. Swinson, Mark L. ; David J. Bruemmer, 2000, , Idaho National Laboratory. Drew McDermott, 1997, , New York Times, May 14, 1997• (著)、野崎昭弘ほか(訳)、1985、『 — あるいは不思議の環』、白揚社• 、ダグラス・ホフスタッター(著)、坂本百大(訳)、1992、『マインズ・アイ — コンピュータ時代の「心」と「私」』、TBSブリタニカ 上巻 下巻• 鳥海不二夫(著)、2017、『強いAI・弱いAI 研究者に聞く人工知能の実像』、、 関連項目 [ ]• 外部リンク [ ]•

次の

「世界最弱のオセロAI」が話題…一体何のために作ったの?開発者に聞いた

最 弱 オセロ ai

世界最弱のオセロAI負けるのが難しすぎwwプレイはこちら! AVILEN社CTOである吉田拓真さんという方が作ったオセロAIが弱すぎると話題になっています! こちらがその本人のツイートになりこちらからその最弱AIとのオセロ対戦が楽しめます! 僕もやって見ましたがまったく負けることができなくて難しかったです。 逆転の発想。 【画像で見る:最弱オセロの遊び方】 今回公開された「最弱オセロ」は、PC・スマホを問わずに楽しめるゲーム。 通常は「盤面の石を1つでも多く自分の色に染めた方が勝ち」というルールですが、最弱オセロはその真逆。 盤面上に1つでも自分の石を残さないことで勝ち、つまり負ければ勝ちというルールが採用されています。 ゲームのリリースから間もなく、TwitterではAVILEN社CTOの吉田 拓真( TakuAtCoder1)さんが「負けられるなら負けてみてくれ!」とツイートし、4000件以上のリツイートされるなど話題に。 「AIが負けるように駒を配置してくるから勝つのと同じくらい難しい…」「10回以上やりましたが絶対負けること出来ないですね。 まいりました」「負けようとしても勝ってしまう!強い(いや、弱い!か?)」など、AIにどうしても負けられない人たちからの悲鳴が上がっています。 ねとらぼ編集部でもこのゲームをプレイしてみたところ5戦5勝。 何とか角を取らないでおこうと思っても、どんどん追い詰められて4つ角を取ってしまい、AI相手にボロ勝ちの状態が繰り返されました。 なお記事執筆時点(7月28日12時時点)でのAI戦績は120勝101795敗26引分となっています。 yahoo. 逆に負けた人は誇って良いのがおもしろいですねww 逆に本気で負けてみた!っていう動画が話題に!.

次の