パスワードを忘れた? アカウント作成
この議論は賞味期限が切れたので、アーカイブ化されています。 新たにコメントを付けることはできません。

カスパロフ対DEEP JUNIORの最終結果は引き分け」記事へのコメント

  • by Anonymous Coward on 2003年02月09日 0時15分 (#254490)
    チェスや将棋のように、「過去の経験」が配列として格納できる場合、
    計算機でもDPマッチング [google.co.jp]により「直観」を実現することは可能です。
    • オセロなんかは完全読みこそまだなものの、コンピューターが
      既に最強です。

      脳のシミュレートなどできなくても、人間が「知性」だと
      思っちゃっている事の多くは計算機で実現できる、というのが
      チェスで改めて証明されている、と見るべきかもしれません。

      その代わり知性以前と思われていた、単純な認識のような
      赤ん坊から持っているような基本能力が、計算機的には
      なかなか難しいこともわかってきたのが面白いところです。

      まあ、チェスは飛行機的に最終結果だけ同じことができれば
      よいという力技戦術でクリアされてしまいましたが、将棋や
      囲碁では当面それは通用しないので、また人間の思考プロセスを
      模したアプローチに注目が集まるでしょうね。というかチェスは
      ターゲットとしては終わり、という認識がされているので、今は
      囲碁に行きつつあったはず。ただ、もし人間の思考メカニズムが
      解明されたとしても、それは仕組みであって本質ではない、と
      いうことになりそうですが :-)

      生命が一種類だけではないように、知性も一種類だけではない、と
      いうのは誰が言ったんでしたっけ?
      親コメント
      • 人工知能でできたことは、実は知能ではないと考えるのが よいと思っています。 最後に何も残らないかもしれませんけど。
        親コメント
        • 人工知能は、まだ実現できていないものを言う。
          というような話を聞いたことがあります。

          実現されてしまうとただのアルゴリズムになると。
          昔は"漢字仮名変換"が人工知能と呼ばれていたそうで。
          親コメント
        • その理由は?
          • 人工知能が脳に完全に追いつくまで、脳の優位性と存在意義を維持するためではないかと思います。
            脳の一機能が計算機によって安価に提供されるようになったとき、その時点でもまだ「知能」であるとされている仕事を人間の脳はやればいいのです。
            それによって人間は知能に関して常に計算機に対して優位に立てることになります。
            親コメント
            • 「機械にできることは機械に、人間はもっと人間らしい仕事を…」

              幼少の頃、竹橋の科学技術館で聞いたなあ…
              親コメント
              • ああ、今はむしろ、コンピュータが自分の得意なことだけをやって、残りの単純作業(しかし、コンピュータにはできないようなこと)を人間がやる羽目になってることも多いような……。
              • by pick (6811) on 2003年02月10日 19時09分 (#255654)
                ポール・クルーグマンの本に会計とか投資とか一般に知的作業と思われていることの多くはコンピュータにまかせればいい。その一方で掃除とか配管工事とかの作業は人間のがいい。と書いてあったように思う。

                さて、本当に知的なことって何でしょう? 人工知能が停滞している理由は常識を処理することが最も難しいということです。ある種の定式化できる専門的な作業はコンピュータの方が得意でしょう。

                親コメント
    • by Anonymous Coward on 2003年02月09日 3時42分 (#254575)
      DP はあくまで greedy なアプローチで、最適解が得られるのは P に属する問題に限られます。さらに DP を適用して最適解を得るには、そもそも対象の問題がある特定の構造("the optimal substructure" とか "the structure of optimality" とか呼ばれる)を持たなければなりません。つまり、どの状態もその近隣の状態に非常に単純な形で依存する必要があります。

      あきらかにチェスや将棋にはそういった構造がありませんし、おそらく P で解ける問題でもないでしょう。したがって DP のテーブルを用意しても、それに基づく 「DP マッチング」の結果はあくまで局所解であり、全域で最適である保証は得られません。そして単に局所最適を求めるならば、DP に限らず様々な手法があります。

      そのような局所最適な解を「直観」と言うのならば、わざわざ「DP マッチングを使えば実現できる」と言わずとも、同様な手法が他にも数多くあるわけです。
      親コメント
      • by yu-na (10754) on 2003年02月09日 15時43分 (#254731) 日記
        "P" って何ですか?

        チェスとかにDPを適用する場合の難点は、
        ・相手がいる。(マルチエージェント)
        ・状態空間が膨大で計算量が大きい。
        という事だと思います。
        仮に、相手がある局面において決まったの手を打つと仮定すれば
        計算量は別にして、その仮定の元で最適解が得られます。
        MDP(Markov Decision Problem)だから、 Bellman 方程式を解けばよいだけです。
        本当は、相手によって最適な戦略は変わってしまいますが。

        "決まった手"と言うのは、Aを0.5、Bを0.3、Cを0.2の割合で
        選択するといった確率的なものでも構いません。
        ただし、その確率が変わる(これを相手が学習する言う)場合には、
        MDPではなくなってしまいます。

        実際には相手が居るので、例えば MIN-MAX法 [kyoto-u.ac.jp]とか
        を使ったりして、ゴリゴリすることになるのでしょう。
        # 解けるかどうか分かりませんが、できたとしても。

        ところで、254490さんの
        >> チェスや将棋のように、「過去の経験」が配列として格納できる場合、
        は、 Profit sharing [google.com] とか言われます。強化学習でも良いか。
        配列を覚えておく必要はありませんが。
        ベルマン方程式を状態遷移確率で解くか(DP:DynamicPrograming)、
        サンプル系列から解くか(Profit Sharing、Reinforcement Learning)
        見たいな違いですが。
        親コメント
        • 仮に、相手がある局面において決まったの手を打つと仮定すれば
          その「決まった手」っていうのが全域最適手だとしても、現状では求めることさえできない訳ですよね。
          • > その「決まった手」っていうのが全域最適手だとしても、
            > 現状では求めることさえできない訳ですよね。
            そうですね。これでは状態遷移確率が求められませんので、
            >> MDP(Markov Decision Problem)だから、 Bellman 方程式を解けばよいだけです。
            は明らかに間違いです。m(_ _)m
            状態遷移確率が固定であっても、不明だとDPは解けませんね。

            #強化学習なら可能ですが。
            親コメント
    • >計算機でもDPマッチングにより「直観」を実現することは可能です。

      脳のシミュレートは不要,という所は同意です。

      DPマッチングで最適なパスを探索する際に参照するスコアをどう決定するか,言い換えると「次の1手」が勝つためにどのくらい寄与するか否かを評価するところで,人間の「直観」がより強く働いているのではないか,と思います。

      チェスや将棋の各局面における『勝つ確率』が,全て厳密に定式化できるなら,上記の限りでは無いとは思います。

      計算機が人間より有利なのは,より多くの手を厳密に"先読み"できること。計算機が不利なのは,定式化できない状況で,一瞬で「どちらが有利か」を評価する部分(パターン認識?)だと思っています。
      親コメント
      • > 計算機が人間より有利なのは,より多くの手を厳密に"先読み"
        > できること。計算機が不利なのは,定式化できない状況で,
        > 一瞬で「どちらが有利か」を評価する部分(パターン認識?)だと
        > 思っています。

        囲碁ではそれが問題になっているそうです。人間にも???という
        局面が多く、当然ルール化できず、その結果プログラムもうまく
        評価できない。チェスや将棋なら駒固有の価値も使えるのですが、
        それがなく純粋に他の石との位置関係だけなので非常に難しいとか。

        ちなみに、人間の最大のアドバンテージは、読まない能力です。
        評価に入る前に筋のほとんどを読まずに切って捨てることが
        できているので、組み合わせ爆発が起きる前の段階で問題を
        処理できています。計算機は真面目に評価しなきゃいけないし
        無駄読みが多すぎるので、これで五分五分になっています。
        親コメント
        • 読まない能力って、どうやって実現しているのでしょうかね。
          結局のところ、問題に適合させたニューラルネットでパターンとして 評価した結果読むべき筋を絞りこんでいる、ってことじゃないかと 思うのです。

          で、これって意識レベルに上がらない無駄な計算を膨大に 実行することに相当するんじゃないかなぁと。コンピュータの計算は こういうレベルの計算も同じように逐次実行するので膨大に見えるけど、人間が巧くサボってる理由でもないのかも。

          --
          親コメント
          • by SHNSK (10099) on 2003年02月09日 4時45分 (#254587)
            1手しか読まないのであれば正にその通りなのですが,人間でも計算機でも通常は数手先まで読みます.

            ある手が明らかに悪いことが分かればその先は読まなくて済みます.このようにして計算を「巧くサボる」手法は forward pruning(前向き枝刈り) と呼ばれる手法で,将棋プログラムでは一般的に用いられている手法です.

            また,「この手は重要そうだなぁ」と判断できた場合にはその先よより丁寧に読むと良いことが知られています.この手法は seach extention(探索延長)と呼ばれています.

            前向き枝刈りも探索延長もパラメータの調整が難しいのですが,これをプロの棋譜から学習させる(計算する)手法として実現確率に基づく探索 [u-tokyo.ac.jp]bというのが最近提案されて,非常に注目を浴びています.
            #業界関係者に...
            親コメント
      • すいません,自己レスですが:

        >チェスや将棋の各局面における『勝つ確率』が,全て厳密に定式化できるなら,上記の限りでは無いとは思います。

        上記コメントでこの1文は文脈不明なので無視して下さい。すいません。
        親コメント
    • 全て厳密に定式化できるなら,上記の限りでは無いとは思います。


      チェスは全て厳密に定式化できる問題、だったはずです。
      単にいちから真面目に計算してたら計算が終わらないってだけで。

      (勘違いしてそうな予感)

未知のハックに一心不乱に取り組んだ結果、私は自然の法則を変えてしまった -- あるハッカー

処理中...