悪手と囲碁AIによる特徴量を用いた棋力の異なるプレイヤの傾向分析

• Item type: Symposium(1)
• 公開日: 2023-11-10
• タイトル: 悪手と囲碁AIによる特徴量を用いた棋力の異なるプレイヤの傾向分析
• タイトル / 言語: en
• タイトル: Tendency Analyses of Players with Different Playing Skills Based on Features from Bad Moves and Go AI
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ゲーム AI
• キーワード / 主題Scheme: Other
• キーワード / 主題: 囲碁
• キーワード / 主題Scheme: Other
• キーワード / 主題: 悪手
• キーワード / 主題Scheme: Other
• キーワード / 主題: 弱点分析
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 北陸先端科学技術大学院大学
• 著者所属: 北陸先端科学技術大学院大学
• 著者所属: 北陸先端科学技術大学院大学
• 著者所属(英): en
• 著者所属(英): Japan Advance Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Japan Advance Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Japan Advance Institute of Science and Technology
• 著者名: 窪木, 響大; シュエ, ジュウシュエン; 池田, 心
• 著者名(英): Kyota, Kuboki; Chu-Hsuan, Hsueh; Kokolo, Ikeda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年ではゲーム AI を用いて人を指導する研究が行われるようになっている．囲碁においては，指導碁といわれる指導法をコンピュータで行う研究が進められている．指導碁をコンピュータで行うには，実際に人間の指導者が行っている指導方法が参考になる．人間が行う指導碁では，対局中に出てきた悪手や指導対象の打ち方から指導対象がどんな弱点を持っているかを把握し，それに合わせた指導を行っていると考える．本論文では，これらの作業をコンピュータ（ゲーム AI）に行わせるための一歩として，指導に役立つ情報を獲得することを目指す．具体的には，人間プレイヤを棋力によってグループ分けし，グループごとの傾向を分析した．分析には，各プレイヤの棋譜中の悪手と囲碁 AI から得た特徴量を用いた．悪手は，既存研究の悪手の検出，分類モデルを改善し，棋譜にモデルを適用することによって求めた．特徴量は，棋譜を強い囲碁 AI によって解析を行い，その結果をもとに特徴量を作成した．これらを使用して棋力帯ごとのプレイヤの傾向を分析した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In recent years, researchers have tried to use game AI to teach human players. The game of Go is one of the targets. It is worth referring to the teaching methods of human Go teachers. Usually, Go teachers identify students’ weaknesses based on the bad moves and the playing styles during the games and then give advice or instructions according to those weaknesses. As a first step to letting computers (game AI) perform such tasks, in this paper, our aim is to acquire useful information for teaching. More specifically, we grouped human players (the student role) according to their playing skills and analyzed the tendency of each group. We analyzed each player’s game records to extract bad moves and features from Go AI. We obtained bad moves by applying an improved version of existing bad move detection and classification models to the game records. We also analyzed the game records using strong Go AI to obtain some more features. Both the bad moves and the features were then used to analyze player tendencies in different playing skills.
• 書誌情報: ゲームプログラミングワークショップ2023論文集; 巻 2023, p. 168-174, 発行日 2023-11-10
• 出版者 / 言語: ja
• 出版者: 情報処理学会