将棋における「探索」と「評価」とは

2017年3月3日

開発当初はとても弱かった将棋プログラムは、どのようにして人間のトッププロたちに実力で勝てるようになったのか。その問いに答えるためには「知能とは何か」について知らなければならないと山本一成さんは解説します。どういうことでしょうか。

　私たち人間だけでなく、あらゆる動物や昆虫の「知的な行動」は、「探索」と「評価」の少なくともどちらか１つ、あるいは両方であると言うことができます。
　知能の一種である将棋プログラムの場合ももちろん「探索」と「評価」をおこなっています。
　どういうことか、具体的に見ていきましょう。

　将棋プログラムは局面が与えられたとき、まずはコンピュータらしく、一手先のすべての考えられる展開を探索します。
　そして局面を評価します。この場合の評価とは、「予想される勝率」と言い換えてもいいでしょう。
　局面のなかでもっとも評価がよいものから、順番に次の展開を探索していきます。

　しかし、繰り返しになりますが、コンピュータのリソースは限られています。
　そこでだんだん探索が進んでいくと、今度はすべての手を調べずに、やはり評価によって、有望そうな展開や有望そうな手にリソースを割くようにします。

　こうした探索と評価の組み合わせを、シミュレートといいます。
　探索＝エミュレート　でしたが、
　探索＋評価＝シミュレート　と理解していただいても大丈夫です。

　エミュレートは機械的で正しさ優先の予想の方法でしたが、シミュレートは「評価」によって何を探索すべきか目星をつけていますから、より深く調べることができます。ただし、間違う可能性は一気に高くなります。そのため、航空・金融・宇宙など安全や正確性がより求められる分野のコンピュータでは、シミュレーションではなくエミュレーションが使われる割合が多いようです。

　しかし、将棋ではエミュレーションだけでは、先の先まで調べることができません。より深く調べるためにシミュレートを使わざるを得ません。なのでどうしても、その後の重要な展開を見落とすことがあるのです。

　人間と同じようにコンピュータもよい手を見落とすというのは、こうした理由からです。正しく「評価」をし続けなければ、よい手にはたどり着けない、という仕組みは同じなのです。