鑿構周期律・AIシリーズ · 18

李世乭の第78手

秦漢 · 読了の目安:約12分 · 公開日

一、まともな一局

1965年1月21日、英国の週刊誌『ニュー・サイエンティスト』に「囲碁の謎」という記事が載った。著者は数学者アーヴィング・ジョン・グッド。戦時中、英国の暗号解読の現場でチューリングと働いた人だ。記事には、コンピューターに囲碁が打てるかを問う節がある。答えはこうだ。「だから私は、コンピューターにまともな囲碁を一局打たせるプログラムを書くほうが、チェスを指させるより難しいと思う。」

第四篇で読んだ1950年の論文は、チェスを題材に選んだ理由をこう書いていた。うまくチェスを指すには、ふつう思考が要ると考えられている。15年後、グッドはその境界線を一歩先へ、チェスより難しい盤上の競技へ動かした。

囲碁の規則は多くない。縦横19本の線が引いてある盤に、二人が黒石と白石を交互に交点に置く。石の一団は相手の石に囲まれて呼吸点が一つもなくなれば取り上げられる。最後はどちらが広い場所を囲ったかを見る。規則は少なく、打てる場所は多い。初手だけでも361カ所、盤上にありうる局面は宇宙の原子より多い。

1997年5月、第十一篇のディープ・ブルーという機械が公式の対局でチェスの世界チャンピオンに勝った。同年7月29日、『ニューヨーク・タイムズ』が天体物理学者ピート・ハットに取材した。「コンピューターが囲碁で人間に勝つには、あと百年かかるかもしれない。もっとかかるかもしれない。」十分に賢い人なら、数カ月囲碁を学ぶだけで、当時のプログラムには勝てるとも話した。

2014年、『ワイアード』誌の記者が囲碁プログラムを書くレミ・クーロンに、いつ機械が置き石なしで人に勝てるかと尋ねた。「たぶん10年かな」と答え、すぐ「もっとも、予測は好きじゃないんですが」と続けた。

二、置き石

置き碁は棋力に大きな差がある二人の打ち方だ。弱いほうが先に盤に石をいくつか置いてから打ち始める。置く石が多いほど、二人の差は大きい。

2006年前後、ヨーロッパの数人の研究者が囲碁プログラムの考え方を変えた。局面を前にして、まずどの手がよいかを判断するのではない。そこから手を適当に選んで大急ぎで終局まで打つ。それを何局も重ね、どの手のあとに勝ちが多いかを見て、勝ちの多い筋をもう何手か深く読む。クーロンが2006年の論文で付けた名は「モンテカルロ木探索」。モンテカルロはカジノのあるモナコの地区で、無作為に試して見積もるという意味で借りた名だ。彼自身のプログラムはCrazy Stoneといった。

2012年6月22日、日本棋院と東京の電気通信大学が協力の文書を交わした。それから毎年春にプロ棋士とプログラムの置き碁を組み、電聖戦と名づけた。2013年3月の第1回、Crazy Stoneは石田芳夫九段に四子を置かせてもらい、勝った。

2014年3月21日の第2回、依田紀基九段とCrazy Stoneも置き碁で打った。『ワイアード』誌の記者がいた。会場は会議室で、壁は木目調の板、天井には蛍光灯、隅にはスクリーンがあり、撮影班がネット中継を準備していた。古いノートパソコンの脇のシステムでプログラムが走り、画面には自分で見積もった勝率が出た。人が画面を見て、プログラムに代わって盤に石を置く。依田は打ちながら手の扇子を開いては閉じた。終局近く、プログラムは自分の地に打ち、ただ目を損する手をいくつか打った。どれほど勝てそうかは見るが、何目勝つかは見ない。開発者は横で見ていて少しばつが悪かった。結局プログラムが2目半勝った。翌年3月の第3回、趙治勲九段は韓国のプログラムに四子を置かせ、投了した。

その年、プロ棋士マイケル・レドモンドが『ワイアード』の記者に、人はどう囲碁を打つかを語った。ある手が見えて、正しいと確信するのに、なぜかは言えないことがある。記者はそれを直感と呼び、長年の訓練のうちに育つと書いた。

三、一枚の壁

2015年10月5日から9日、ロンドンのDeepMind本社で、欧州囲碁チャンピオンの樊麾が同社のプログラムAlphaGoと正式に五局打った。置き石はない。DeepMindは第十七篇に出た、グーグルに買収されたロンドンの会社だ。持ち時間は各1時間、その後は30秒の秒読みが3回。基本時間のあとは一手30秒以内に打ち、超えるたびに一回分を失う。AlphaGoが五局とも勝った。

当時この五局は公表されなかった。2016年1月27日、英国の週刊誌『ネイチャー』に「深層ニューラルネットワークと木探索で囲碁を極める」という論文がオンラインで出て、初めて知られた。著者は20人で、二番目に黄士傑の名がある。

論文には仕組みが書いてある。ネットワークは二つ。一方は局面を見て、プロ棋士ならどこに打つか、各点の可能性を見積もる。論文では方策ネットワークと呼ぶ。もう一方は局面を見て最後にどちらが勝つかを見積もる価値ネットワークだ。この二つが前節のように先を読む探索を助け、無駄な道を減らす。人間の棋譜から学んだネットワークが人ならどう打つかを見積もる。これを土台に、プログラムは自己対局でさらに強い打ち方を覚え、そこで生まれた対局から勝敗を見積もるネットワークを訓練した。樊と打った版はCPU 1,202基、GPU 176基を使った。

樊麾は後に『ワイアード』の記者に、あのプログラムは「強くて、安定していて、壁のようだった」と語った。教えられなければ、打ち方は少し変だが非常に強い人だと思ったかもしれない、とも話した。

教えられなければ。第五篇で、1950年にチューリングが考えた模倣ゲームには、相手が見えず、相手の出すものだけで判断する人が要った。65年後、プロ棋士が盤を挟んで座り、あの問いに答えるようなことを言った。相手が機械だと知っていたのは、教えられたからだ。

四、フォーシーズンズ・ホテル

2016年3月、ソウルのフォーシーズンズ・ホテル6階で、AlphaGoと韓国の李世乭九段が五局を打った。9日、10日、12日、13日、15日。毎日午後1時に始まった。

中国ルールで、コミは7目半。中国ルールの終局では石と地を数える。黒は先に打つ利があるので、数えたあと黒から7目半を引いて比べる。持ち時間は各2時間、使い切ると1分の秒読みが3回。賞金は100万ドル。AlphaGoが対戦全体で勝ったあと、会社はこれを慈善団体と囲碁団体に寄付すると発表した。

李世乭の向かいに座ったのは黄士傑だ。手元にコンピューターが一台ある。李が打つと、黄が入力する。画面にAlphaGoの打つ場所が出ると、石を一つ取って盤に置き、対局時計を押す。

第十六篇に出た1770年前後のチェスを指すトルコ人は、人が箱の中に隠れて機械に代わって指した。見る人にその姿は見えない。2016年のソウルでは、人が見えるところに座り、みなの前で機械に代わって石を置いた。手を決めたのは機械で、石を置いたのは人の手だ。その手を計算する機械は、部屋にはなかった。

初めの三局はすべて李世乭の投了で、五番勝負の勝敗は三局目で決まった。四局目はプログラムが投了。五局目は李が投了。4対1だった。

五、第37手

3月10日の第2局、黒のAlphaGoが37手目を置いた。英語の解説席で一人は「変な手ですね」と言い、もう一人は「間違えたのかと思いました」と言った。

樊麾はその場にいた。この手を見て「人が打つ手じゃない。こんな打ち方を見たことがない」と言った。10秒ほどたって、その石と先に打たれた石との関係に気づき、「なんて美しい」と言った。

その頃、制御室ではDeepMindのデイヴィッド・シルバーがAlphaGoの記録を呼び出した。後に『ワイアード』誌の記者に語ったところでは、人間の棋譜で学んだ方策ネットワークは、この局面で人間のプロ棋士がこの手を打つ確率を1万分の1と見積もった。

1万分の1が測ったのは、これまで人が打った棋譜に照らすと、プロ棋士がここへ来てこう打つか、ということだ。この手がよいか、人に思いつけるかを測ったのではない。

数年後、会社のサイトでは、第37手は打たれる可能性がわずか1万分の1の手だった、と書かれた。学習したモデルも、プロ棋士も、この一文にはもういない。

その日の対局後の会見で、李世乭は通訳を介して言った。「昨日は驚きました。今日は言葉がありません。」この一局は終始、自分が先行していると思えた瞬間はなく、AlphaGoは完璧に近かったとも言った。

六、第78手

3月12日の第3局に敗れたあと、会見で李世乭はまず「こんな力のない姿をお見せして申し訳ありません」と言った。同じ会見で、後に最もよく伝わったのは「負けたのは李世乭で、人類ではない」だった。

3月13日の第4局、李世乭は白を持った。78手目、盤の真ん中に打った。その日、古力九段がこの手を「神の一手」と呼んだ。

AlphaGoはすぐ投了しなかった。解説者に理解できない手を連ね、さらに何手かたってようやく局面の見積もりが追いついた。李世乭は対局後、プログラムがおかしくなったようだったと話した。最後に投了したのはプログラムだ。会見で李は「一局勝っただけでこんなに祝ってもらうのは、初めてのような気がします」と言った。

会社は後にサイトで第78手にも数字を一つ付けた。1万分の1。第37手は機械の手で、人の棋譜に照らせば、プロ棋士がそう打つ可能性は1万分の1。第78手は人の手で、会社は同じ言い方でこちらも1万分の1としたが、どう見積もったかは説明していない。

3月15日の第5局、李世乭は投了した。見た人は多い。グーグルによれば第1局だけで中国の視聴者が6,000万人。後にDeepMindは世界で2億人以上が五局を見たと述べた。終了の2日後、韓国政府は5年間で約1兆ウォンを人工知能研究に出すと発表した。

七、ゼロ

2016年末から2017年初めにかけ、韓国の東洋囲碁と中国の野狐囲碁で、一つのアカウントが第一線の棋士たちと次々に早碁を打った。柯潔、朴廷桓、井山裕太、古力らが相手だった。途中で名を変え、後の名はMasterだった。2017年1月4日までに60局、60勝。その日、DeepMindのハサビスが、AlphaGoの新しい試作版を試しているのだとネットで明かした。

2017年5月23日、25日、27日、浙江省烏鎮で柯潔とAlphaGoは三局打った。第1局は白のAlphaGoが半目勝ち、残る二局は柯潔が投了した。対局後、会社はこのような対戦にはもうAlphaGoを出さないと発表した。

その年10月、『ネイチャー』にもう一つ論文が載った。「人間の知識なしに囲碁を極める」といい、新しい版はAlphaGo Zero。会社の説明では、以前の版は先にアマとプロの棋譜を数千局学んだが、この版はそれを飛ばし、でたらめに打つところから自分自身とだけ打った。3日間訓練して李世乭に勝った版と100局打ち、全勝。40日目まで続けるとさらに強くなった。翌年、同じ系統の方法はチェスと日本の将棋にも広げられ、AlphaZeroと呼ばれた。

題にあるのは人間の知識なし。何を与えたかは論文にも会社の説明にも並んでいる。19路盤、黒石と白石、次はどちらの番か、どこに打ててどこに打てないか、打ち終えてどちらが勝ったか。ネットワークも探索法も人が設計し、一局ずつどう訓練するかも人が決めた。人が打った棋譜では学んでいない。打ったのは、人が何世紀も打ってきたあの囲碁だ。

棋士たちにも変化があった。2017年4月、DeepMindが中国のプロ棋士数人に取材した。周睿羊は、それに影響を受けて、ありえない手はないと思うようになったと語った。序盤から三々に入るなど、以前はあまり打たなかった定石が取り出され、研究されるようになった。

2023年3月、米国科学アカデミー紀要に4人の研究者の論文が出た。「人間を超える人工知能は、新奇性を高め、人の意思決定を改善しうる」。人より強い囲碁プログラムで、プロ棋士が何十年も実際に打ってきた一手一手を評価した。その結果、2016年以降、棋士の手の質には測定できる向上があり、新しい着手が増えたことと結びついていた。

八、1万分の1

2019年11月、李世乭はプロ棋士を引退する手続きをした。聯合ニュースの記者に「たとえ私が一番になっても、勝てない存在がいる」と語った。1カ月後の12月18日から21日まで、韓国の会社が開発したプログラムHanDolと引退対局を三局打った。第1局は李が二子を置いた。プログラムは盤上の大きな一団を読み違え、投了した。残り二局はプログラムが勝った。

2023年、ある研究チームが「敵対的な戦略が人間を超える囲碁AIを破る」という論文を発表した。別のプログラムを訓練して、公開されている強い囲碁プログラムKataGoの弱点を探した。見つけたのは、相手を少しずつ大きな輪を囲うように誘い、その中の石の死活を繰り返し読み違えさせる手だった。アマチュアの強豪ケリン・ペルリンがこの打ち方を覚え、人が打つ試験では15局中14局KataGoに勝った。その後KataGoの作者がプログラムを修正すると、やがて修正版に対抗する手も見つかった。

勝てない存在、とは2019年にあるプロ九段が言ったことだ。4年後、アマチュア棋士が別の機械で見つけた打ち方で、論文の題に人間を超えるとあるプログラムに勝った。

この一篇で消えたところは二つある。一つは1万分の1の前にあった半分、人間の棋譜で学んだモデルが、プロ棋士がこう打つかどうか見積もった、という部分。消えると、その手自体がどれだけ珍しいかを表す数になった。もう一つは人間の知識なしのあとに書かれなかった半分、省いたのは人の棋譜から打ち方を学ぶ段階で、盤と規則はやはり人が与えた、という部分だ。消えると、人からは何も受け取らなかったように見える。

もう一つ、消しても消さなくても機械にはないものがある。

AlphaGoが出したのは打つ位置だ。変だ、間違えた、人の打つ手ではない、美しい、神の一手、創造的だ。どれも人が言った。会社の後のサイトは第37手に創造的、第78手に神の一手と付けた。人が手に付けた名前で、プログラムの記録にそんな欄はない。樊麾がなんて美しいと言うまでに10秒あった。その10秒は樊麾自身のものだ。

盤のそばで機械に代わって石を置いたのは人。盤の向こうに座ったのも、投了してあやまったのも人。五局を見たのは、会社によれば2億人だ。誰も打たず、誰も見ない一局は、まだ囲碁の一局だろうか。

会社が後に示した数字では、第78手は1万分の1だった。李世乭は打った。先ほどの物差しは、人が打った棋譜で作った。次の手を打つのは、それでも盤の前に座っているその人だ。このシリーズでは、過去にいくら照らして計算しても中に入らない分を余項と呼ぶ。

機械は今も造られつづける。境界線がどこにあるかは、世代ごとに語り直される。