WEKO3
アイテム
小規模な深層学習による圧縮を利用した強力なオセロAIの開発と評価
https://doi.org/10.20729/00239899
https://doi.org/10.20729/002398991896c1f2-a296-4ca8-823a-309ebebac21c
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-JNL6510011.pdf (3.0 MB)
2026年10月15日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, 論文誌:会員：¥0, DLIB:会員：¥0 | ||
| Item type | Journal(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-10-15 | |||||||||
| タイトル | ||||||||||
| タイトル | 小規模な深層学習による圧縮を利用した強力なオセロAIの開発と評価 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Developing and Evaluating a Strong Othello AI with Small-scale Deep Learning as a Compression | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | [一般論文（特選論文）] ゲームAI，オセロ，評価関数，深層学習 | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||||
| 資源タイプ | journal article | |||||||||
| ID登録 | ||||||||||
| ID登録 | 10.20729/00239899 | |||||||||
| ID登録タイプ | JaLC | |||||||||
| 著者所属 | ||||||||||
| 筑波大学理工学群工学システム学類 | ||||||||||
| 著者所属 | ||||||||||
| 筑波大学システム情報系 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| College of Engineering Systems, University of Tsukuba | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Institute of Systems and Information Engineering, University of Tsukuba | ||||||||||
| 著者名 |
山名, 琢翔
× 山名, 琢翔
× 星野, 准一
|
|||||||||
| 著者名(英) |
Takuto, Yamana
× Takuto, Yamana
× Junichi, Hoshino
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | オセロAIには，局面の形勢を判定する評価関数においてパラメータ数が1,000万から2,000万程度と膨大であるという問題がある．本稿では大量のパラメータによる評価関数を，深層学習を関数近似として使って圧縮する手法を提案する．本稿では，無圧縮の場合と比べて0.2%から10%程度のデータ容量で同等の強さを持つ評価関数を作成した．さらに，無圧縮に対して39.1%のデータ容量で圧縮した場合には無圧縮の評価関数よりも性能が向上する現象も確認した．また，他の圧縮手法との比較も行い，他の圧縮手法よりも本手法の圧縮率が高いことを確認した．本手法を使って現時点で世界最強と呼ばれるオープンソースのオセロAI Edax 4.4に勝利できるオセロAIを制作した．さらに，本手法を使い，世界的なオセロAIのコンテストCodinGame Othelloにおいて世界1位となった． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | Othello AI has a problem that the number of parameters in the evaluation function which estimates the winning chance in the game is enormous. In this paper, we propose a method to compress this large number of parameters using deep learning as a function approximator. We created an evaluation function which has the same strength as the uncompressed evaluation function with 0.2% to 10% data volume compared to uncompressed one. Furthermore, when compressing the data size by 39.1%, the performance improved compared to the uncompressed evaluation function. We also compared our method with other compression methods and confirmed that the compression ratio of our method is better than that of other compression methods. Using this method, we created an Othello AI that can beat Edax 4.4, an open source Othello AI that is currently considered the world's strongest. Furthermore, using this method, we won first place in the world in CodinGame Othello, a global Othello AI contest. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN00116647 | |||||||||
| 書誌情報 |
情報処理学会論文誌 巻 65, 号 10, p. 1545-1553, 発行日 2024-10-15 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 1882-7764 | |||||||||
| 公開者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
