| 講演名 | 2021-02-22 深層強化学習によるぷよぷよAI 高田 宗一郎(電通大), 清 雄一(電通大), 田原 康之(電通大), 大須賀 昭彦(電通大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ニューラルネットワークと、それを用いたモンテカルロ木探索により、囲碁や将棋、チェスにおいて超人的なパフォーマンスを 獲得したAlphaZeroのアプローチを用いて、スコアアタック形式の一人ゲームであるぷよぷよにおいて、 大きな連鎖を組むことのできるAIの作成を目指した。ぷよぷよのゲーム性から、局面の価値を「今後発火可能になる最大の連鎖数」 と定め、シミュレーションと、それにより得られたデータによるネットワークの学習を交互に行い、self-playのみからのAIの学習を行った。 通常のぷよぷよに比べ、フィールドのサイズや色数を縮小させたぷよぷよで、 シミュレーションを繰り返し行い、それにより得られるデータによりニューラルネットワークを学習するというサイクルを繰り返すことで、連鎖数の向上がみられた。 |
| 抄録(英) | |
| キーワード(和) | 深層強化学習 / AlphaZero / ぷよぷよ / ディープラーニング |
| キーワード(英) | |
| 資料番号 | AI2020-49 |
| 発行日 | 2021-02-15 (AI) |
| 研究会情報 | |
| 研究会 | AI |
|---|---|
| 開催期間 | 2021/2/22(から1日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 「Web/IoTインテリジェンス」および一般 |
| テーマ（英） | Web/IoT Intelligence, etc. |
| 委員長氏名（和） | 福田 直樹(静岡大) |
| 委員長氏名（英） | Naoki Fukuta(Shizuoka Univ.) |
| 副委員長氏名（和） | 清 雄一(電通大) / 櫻井 祐子(産総研) |
| 副委員長氏名（英） | Yuichi Sei(Univ. of Electro-Comm.) / Yuko Sakurai(AIST) |
| 幹事氏名（和） | 大囿 忠親(名工大) / 藤田 桂英(東京農工大) |
| 幹事氏名（英） | Tadachika Ozono(Nagoya Inst. of Tech.) / Katsuhide Fujita(Tokyo Univ. of Agriculture and Technology) |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Artificial Intelligence and Knowledge-Based Processing |
|---|---|
| 本文の言語 | JPN-ONLY |
| タイトル（和） | 深層強化学習によるぷよぷよAI |
| サブタイトル（和） | |
| タイトル（英） | |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 深層強化学習 |
| キーワード(2)（和/英） | AlphaZero |
| キーワード(3)（和/英） | ぷよぷよ |
| キーワード(4)（和/英） | ディープラーニング |
| 第 1 著者 氏名（和/英） | 高田 宗一郎 |
| 第 1 著者 所属（和/英） | 電気通信大学(略称：電通大) |
| 第 2 著者 氏名（和/英） | 清 雄一 |
| 第 2 著者 所属（和/英） | 電気通信大学(略称：電通大) |
| 第 3 著者 氏名（和/英） | 田原 康之 |
| 第 3 著者 所属（和/英） | 電気通信大学(略称：電通大) |
| 第 4 著者 氏名（和/英） | 大須賀 昭彦 |
| 第 4 著者 所属（和/英） | 電気通信大学(略称：電通大) |
| 発表年月日 | 2021-02-22 |
| 資料番号 | AI2020-49 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | AI-379 |
| ページ範囲 | pp.59-64(AI), |
| ページ数 | 6 |
| 発行日 | 2021-02-15 (AI) |