メインコンテンツまでスキップ

その他の囲碁AI紹介

AlphaGoとKataGo以外にも、囲碁AI分野には多くの重要なプロジェクトがあります。本稿では主な商用AIとオープンソースAIを紹介し、エコシステム全体の理解を助けます。

商用囲碁AI​

天頂（Zen）​

開発者：尾島陽児（Yoji Ojima）/ 日本 初発表：2009年 ライセンス：商用ライセンス

天頂はAlphaGo以前で最強の囲碁プログラムの1つで、従来のMCTS時代にすでにプロレベルに達していました。

発展経緯​

時期バージョンマイルストーン
2009Zen 1.0初リリース
2011Zen 4アマ六段レベルに到達
2012Zen 5四子で武宮正樹九段に勝利
2016Zen 7深層学習技術を採用
2017+Deep Zen GoAlphaGoアーキテクチャを結合

技術的特徴​

  • ハイブリッドアーキテクチャ：従来のヒューリスティックと深層学習を結合
  • 商用最適化：消費者向けハードウェア向けに最適化
  • 高い安定性：多年の商用利用で検証済み
  • マルチプラットフォーム：Windows、macOSで実行可能

製品形態​

  • 天頂の碁（Tengen）：デスクトップソフト、約10,000円
  • ネット対局：かつてKGSでZen19アカウントで活動

絶芸（Fine Art）​

開発者：テンセントAI Lab / 中国 初発表：2016年 ライセンス：非公開

絶芸はテンセントが開発した囲碁AIで、中国囲碁界で重要な影響力を持っています。

発展経緯​

時期イベント
2016年11月初登場、野狐囲碁網で対局
2017年3月UEC杯コンピュータ囲碁大会優勝
2017年中国ナショナルチームが訓練ツールとして採用
2018年世界人工知能囲碁大会優勝
現在までナショナルチームの訓練補助として継続使用

技術的特徴​

  • 大規模訓練：テンセントのクラウドコンピューティングリソースを使用
  • トップ棋士との協力：大量の専門的指導を受けた
  • 豊富な実戦経験：野狐囲碁で大量の対局を蓄積
  • 教育機能統合：検討分析機能を提供

影響力​

絶芸の中国プロ囲碁への影響は深遠です：

  • ナショナルチームの標準訓練ツールに
  • プロ棋士の試合準備方法を変えた
  • AI支援訓練の普及を推進

星陣（Golaxy）​

開発者：中国深客科技 / 清華大学チーム 初発表：2018年 ライセンス：商用ライセンス

星陣は「最も人間らしいAI」を設計目標とし、棋風が人間棋士に近いです。

技術的特徴​

  • 人間化された棋風：意図的に人間らしい打ち方に訓練
  • 調整可能な難易度：異なる段位の相手をシミュレート可能
  • 教育指向：設計時に教育応用を考慮
  • 置き碁専門：置き碁で特別な最適化

製品応用​

  • 弈客囲碁：弈客アプリに統合
  • 教育プラットフォーム：オンライン囲碁教育に使用
  • 段位テスト：標準化された段位評価を提供

その他の商用AI​

名称開発者特徴
石子旋風林在範（台湾）UEC杯優勝経験あり
CGI交通大学（台湾）学術研究指向
DolbaramNHN（韓国）韓国囲碁プラットフォームに統合
AQ日本AQチームオープンソース後に商用化

オープンソース囲碁AI​

Leela Zero​

開発者：Gian-Carlo Pascutto / ベルギー 初発表：2017年 ライセンス：GPL-3.0 GitHub：https://github.com/leela-zero/leela-zero

Leela ZeroはAlphaGo Zeroを最初に成功裏に再現したオープンソースプロジェクトで、コミュニティの分散訓練によるものです。

発展経緯​

技術的特徴​

  • 忠実な再現：AlphaGo Zero論文に厳密に従って実装
  • 分散訓練：世界中のボランティアがGPU計算を貢献
  • 完全透明：すべての訓練データとモデルを公開
  • 標準GTP：すべてのGTP囲碁ソフトと互換

訓練統計​

項目数値
総自己対局数約1800万局
訓練イテレーション約270回
貢献者数数千人
訓練期間約1.5年

使用方法​

# インストール
brew install leela-zero  # macOS

# 実行
leelaz --gtp --weights best-network.gz

# GTPコマンド
genmove black
play white D4

現状​

Leela Zeroは積極的な訓練を終えていますが：

  • コードはAlphaGo Zero学習の優れたリソース
  • 訓練済みモデルはまだ使用可能
  • コミュニティが基本機能をメンテナンス中

ELF OpenGo​

開発者：Facebook AI Research (FAIR) 初発表：2018年 ライセンス：BSD GitHub：https://github.com/pytorch/ELF

ELF OpenGoはFacebookが開発した囲碁AIで、大規模分散訓練の能力を示しました。

技術的特徴​

  • ELFフレームワーク：FacebookのELF（Extensive, Lightweight, and Flexible）ゲーム研究プラットフォームに基づく
  • 大規模訓練：2000 GPUを使用して訓練
  • PyTorch実装：Facebook独自の深層学習フレームワークを使用
  • 研究指向：主目的は実用ではなく研究

パフォーマンス​

  • KGSでトップレベルに到達
  • プロ九段との対局で安定した勝率
  • 論文はトップカンファレンスで発表

現状​

  • プロジェクトは積極的メンテナンス終了
  • コードとモデルはダウンロード可能
  • 主な価値は学術参考

SAI（Sensible Artificial Intelligence）​

開発者：SAIチーム / ヨーロッパ 初発表：2019年 ライセンス：MIT GitHub：https://github.com/sai-dev/sai

SAIはLeela Zeroベースの改良版で、実験的機能に焦点を当てています。

技術的特徴​

  • 改良された訓練方法：各種訓練最適化を実験
  • より多くのルールサポート：Leela Zeroより多くの囲碁ルールをサポート
  • 実験的機能：新しいネットワークアーキテクチャと訓練技術をテスト

現状​

  • 小規模コミュニティがメンテナンス中
  • 主に実験と学習に使用

PhoenixGo​

開発者：テンセントWeChatチーム 初発表：2018年 ライセンス：BSD-3 GitHub：https://github.com/Tencent/PhoenixGo

PhoenixGoはテンセントがオープンソース化した囲碁AIで、2018年世界人工知能囲碁大会で優勝しました。

技術的特徴​

  • 商用品質：テンセント内部プロジェクト由来
  • TensorFlow実装：主流フレームワークを使用
  • マルチプラットフォーム：Linux、Windows、macOS
  • 分散サポート：マルチマシン・マルチGPU環境で実行可能

使用方法​

# コンパイル
bazel build //src:mcts_main

# 実行
./mcts_main --gtp --config_path=config.conf

MiniGo​

開発者：Google Brain 初発表：2018年 ライセンス：Apache-2.0 GitHub：https://github.com/tensorflow/minigo

MiniGoはGoogleがオープンソース化した教育目的の囲碁AIで、より多くの人にAlphaGoの原理を理解させることを目的としています。

技術的特徴​

  • 教育指向：コードが明確で読みやすい
  • TensorFlow実装：Google公式サンプル
  • 完全なドキュメント：詳細な技術説明あり
  • Colabサポート：Google Colabで直接実行可能

適用シーン​

  • AlphaGo Zeroアーキテクチャを学ぶ
  • ゲームにおける強化学習の応用を理解
  • 自分のプロジェクトの出発点として

各AIの特徴比較​

棋力比較（概算）​

AI棋力レベル備考
KataGoトップ超人訓練継続中
絶芸トップ超人非公開
Leela Zero超人訓練終了
ELF OpenGo超人訓練終了
PhoenixGo準超人訓練終了
天頂プロレベル商用製品
星陣プロレベル難易度調整可

機能比較​

機能KataGoLeela ZeroPhoenixGo天頂
オープンソース✓✓✓✗
目数予測✓✗✗△
マルチルール✓✗✗✗
Analysis API✓✗✗✗
CPUモード✓✓✓✓
継続更新✓✗✗△

適用シーン提案​

ニーズ推奨選択理由
一般対局/分析KataGo最強で機能最全
AlphaGoを学ぶLeela Zero / MiniGoコードが明確
商用応用天頂 / 自己訓練KataGoライセンスが明確
教育支援KataGo / 星陣豊富な分析機能
研究実験KataGo / SAI訓練を修正可能

将来の発展トレンド​

技術トレンド​

  1. より効率的な訓練方法

    • KataGoが示した効率向上のように
    • より少ないリソースでより高い棋力

  2. より良い説明可能性

    • AIがなぜこの手を打つか説明
    • 人間がAIの思考を理解するのを助ける

  3. 人間スタイルとの結合

    • 特定棋士のスタイルに似たAIを訓練
    • 教育と研究に使用

  4. ゲーム間の汎用性

    • AlphaZeroが示したように
    • 単一フレームワークで複数ゲームに適用

応用トレンド​

  1. 普及化

    • より多くの囲碁愛好家がAI分析を使用
    • スマホなどでも実行可能

  2. 専門化

    • プロ棋手がAI訓練に深く依存
    • AI支援の標準化

  3. 商業化

    • より多くのAI支援囲碁製品
    • 教育、分析、陪練などのサービス

まとめ​

囲碁AIのエコシステムは豊かで多様です：

  • 最強の棋力と最全の機能が欲しい：KataGoを選択
  • AIの原理を学びたい：Leela ZeroまたはMiniGoのコードを研究
  • 商用応用ニーズ：天頂を評価または自己訓練モデル
  • 特殊ニーズ：具体的状況に応じて選択または組み合わせ

次は実践編に入り、KataGoのインストールと使用方法を学びましょう！