Google DeepMindの研究者らは、検索やセルフプレイの従来の手法に頼ることなく、グランドマスターレベルのチェスを行うことができる革新的なAIベースのチェスシステムを開発しました。その代わりに、このシステムは、Stockfishという強力な手作りのチェスエンジンの動きを分析し、150億の盤面状態とそれに対応する動きを学習しました。

その結果のモデルは驚くほど効率的で、パラメータは2億7000万個しかありません。これはGPT-4の約3,000分の1の大きさです。小さいサイズにもかかわらず、モデルは200ドルのグラフィックスカードを搭載したパーソナルコンピューターで1秒間に20手、標準のCPUで1秒間に2手を生成することができます。このパフォーマンスは、3,000倍大きいGPT-4よりもチェスに優れています。

興味深いことに、このシステムは最初から直観的ではない2つの重要な前提条件の下で動作しています。1つ目は、一連の盤面状態ではなく、単一の盤面状態しか入力として受け取らないことです。2つ目は、1手先しか見ず、勝利確率が最も高い手を選択することです。これらの前提条件は、最強のチェスエンジンを作ることを目的としていないため、意図的に設定されたものです。その代わりに、トランスフォーマーベースのニューラルネットワークが、単に専門家の行動を観察するだけで、その専門知識を学習できることを示すことが主な目的です。

この成果は重要です。なぜなら、単に答えを提供するだけでなく、アルゴリズムを近似することができるAIシステムの創造に向けた一歩を表しているからです。研究者らは、以前のニューラルプログラマーインタプリタの研究と関連付けています。同様に、このチェスシステムには、ニューラルネットワーク内部のチェスアルゴリズムを明らかにする可能性があり、自動運転車、レイトレーシング、その他の多くのタスクに役立つアルゴリズムを生成するAIの開発につながる可能性があります。