AlphaGo・AlphaGo Zero・AlphaZero・OpenAI Five・AlphaStar比較【G検定】

G検定トップ＞ AlphaGo・AlphaGo Zero・AlphaZero・OpenAI Five・AlphaStar比較【G検定】

まず結論

これらは、ゲームを対象に深層学習・強化学習・自己対戦などを活用した著名なAIシステムですが、対象ゲームと学習・探索の仕組みは同じではありません。

G検定では、まずゲーム名、次に人間棋譜・自己対戦・MCTSなどの特徴で切り分けます。

「どれが一番汎用的か」という曖昧な軸より、何を対象に、どう学んだかで覚えます。

システム	対象	人間の対局データ	自己対戦	代表的な判断キーワード
AlphaGo	囲碁	使用	使用	囲碁、方策・価値、MCTS
AlphaGo Zero	囲碁	不使用	使用	囲碁、人間棋譜なし
AlphaZero	囲碁・将棋・チェス	不使用	使用	3ゲーム、自己対戦、MCTS
OpenAI Five	Dota 2	対局棋譜という形では使わない	使用	Dota 2、5対5
AlphaStar	StarCraft II	人間のリプレイも利用	使用	StarCraft II、RTS

人間棋譜を使った教師あり学習を含み、その後に強化学習を行い、MCTSと組み合わせました。

人間棋譜を使わず、囲碁のルールから自己対戦で学習しました。

AlphaGo Zeroの考え方を、囲碁だけでなく将棋・チェスにも適用したシステムです。

「汎用AI」ではなく、複数のボードゲームに同じ基本アルゴリズムを適用したと理解するのが安全です。

Dota 2の5対5チーム戦を対象に、大規模な自己対戦による強化学習を行いました。

StarCraft IIを対象とし、不完全情報・リアルタイム・長期戦略を扱います。学習には自己対戦だけでなく、人間プレイヤーのリプレイも利用されています。

これらは一般-purposeのアルゴリズムを選ぶ問題というより、著名AIシステムと対象ゲーム・特徴の対応として覚えるのが実用的です。