#将棋AI 短思考時間向けに、限られた計算資源で軽量modelで如何に性能を出すかという実験中。 その過程でdl系の探索の読み抜けに対する知見が得られつつある。 探索部の実験もしたいが、実装力が足りない。 読みの深さに応じて 探索条件を変えるアプローチを試したい。

#将棋AI V260~V267 の実験を行い、V266 を残した。 V266(k=768,12b) の学習を始めた。3週間位で学習は終わる予定。 V255(k=512,18b) はベンチを取りながら「追加工」を試すフェーズ。「追加工」でそこまで伸びるかに期待。

TMOQ（特大もっきゅ）の思考部分をChatGPT3.5に置き換えての記念すべき第一局。 ChatGPTと将棋を指しているヒトは多いけど、将棋AIに組み込んだのは初めてではないでしょうか？ wdoor.c.u-tokyo.ac.jp/shogi/view/202… #ChatGPT #将棋AI pic.twitter.com/em8AIcAJqI

将棋AIは学習させればさせるほど強くなると思ってました。現実はそうは甘くない #将棋AI x.com/DenryuSen/stat…

#将棋AI #深層学習 昔は隠れ層が２層・合計４層でも deep learning と言われていたと思うのだけれど、今でもその基準は変わらないのだろうか。 今の基準だと、合計８層とか１２層ないと shallow learning と呼ばれそうな気もするのだけれど。

自戦記が日経BizGateってこの界隈、すごくないですか？ というより谷合先生の才能がおかしい。 #コンピュータ将棋 #将棋AI

おお！！😳 たぬきさん以外にも nnue-pytorchで学習できることを 確認されている方がちらほら👏 手法を公開されてたことに感謝！ （ @select766 ） 来月、挑戦しようかなぁ☺️ nnue-pytorchの環境構築（ #将棋AI #評価関数 学習器） - select766’s diary select766.hatenablog.com/entry/2024/05/…

#将棋AI V255 の学習が終わったので、V260として k=768,12b(相当)の味見を始めた。 人間の脳は ６層らしい。 人間の１層がResNETで何層に相当するかは不明だけれど、ResNET 12b もあれば十分な可能性がある。 (256,36b)<(384,24b)<=(512,18b) だったので、768,12b でどの位の性能がでるか楽しみ。

#将棋AI 学習に使っているPCの、CPUの簡易水冷やはり異音がする。 冷媒が減っている印象。 メーカー製PCなので汎用パーツが使えない。 修理するかnew Ryzen にするか微妙なタイミング。 長く使うつもりなら簡易水冷は避けるべき。 寿命は2.5年〜3年。

#将棋AI V255の学習終了。 マクロバッチは以前は48倍まで行っていたが16倍位の方が良さそう。 これから棋譜生成を兼ねたベンチでmodelを選んで追加工。 後10日位で終わりそう。 性能が良ければk=768,12b を試す。 今一なら k=512,22b 辺を試そう。 大分知見が増えてきた。

#将棋AI V255 いつ学習を終了しようかと思いながらベンチ中。 複数のmodelが同じ位の強さで選び難い。 これは、今回の学習が上手く収束した、学習のさせ方が上手くなってきたという事か。

#WCSC34 #将棋AI dlshogi のアピール文 ＞前大会と同様の 30 ブロック 386 フィルタのモデルを使用した。 とあるのだけれど、384フィルタの typo？ 384 を 386 にするメリットは無いと思うのだけれど...

#wcsc34 のNNUE系で攻めっ気が強い？ #十六式いろは煌（きらめき） を名前を変えて 公開しました🙆‍♀️ #将棋AI の名前は #十六式いろは幻（まほろ） です。 結局フリーソフト。次回は有料化？ ↓ #将棋ソフト 「十六式いろは幻（まほろ）-2024春」 sueyoshiryosuke/YaneuraOu github.com/sueyoshiryosuk…

#将棋AI 今学習中のV255、そろそろ佳境。 相変わらず Policyが高い。（図中の青枠) 0.650 辺りで飽和している様。 2024/03/07の山岡さんのブログだと 0.5585 pic.twitter.com/5CKKyZu0tk

5/20か21くらいには、 #十六式いろは煌（きらめき） を 公開しようかなぁと考えています。 100円くらいの #カンパウェア に しようかなぁ🤔 #wcsc34 #将棋AI

#将棋AI 初形で次の一手を考えさせた場合、以前は 26歩　だったのが 76歩　を指す様になり、最近のmodel は 78金　を選ぶ様になっている。 AIに、心境の変化を聞いてみたい。

#将棋AI V255(512,18b)の学習中。d値(=Loss-AvAcc)はついに0.81 台まで下がった。あと一週間くらいで学習終了できそう。 V252(384,24b)に比べnpsの低下は -7.2%位に抑えられそう。 次の一手問題を幾つか試したが、追加学習しなくてもV252と同等に思える。 正誤の傾向がV252と似ているのが残念。

#将棋AI onnx ファイルを serialized すると、毎回ファイルサイズが変わる様に思うのだけれど、なぜなのだろう。

#将棋AI 58号機、学習途中だったのでけれど、朝リモートでアクセスできないと思ったら、MSに強制リブートされていた。 全画面でWindows11 にしろという表示。 MS: 俺のPCはMSの物、お前のPCも俺の物 河野大臣 、こういうのを違法扱いで制限してほしい。

#将棋AI 今学習中のV255(512x18b)、まだlr=0.00046 なのだけれど、d値(=Loas-AvAcc)=0.827 まで下がった。 V235(256x36b)は0.832 V252(384x24b)は0.841 だったので有望そう。 将棋の盤面情報を吸い上げるのにk=384では足りなくてk=512は必要という事か。 lr=0.000003 まで 学習する予定。

そもそも電気代よりパソコンのハードルあるよ。AWSのほうが良いという話もありますけど。 pc-koubou.jp/products/detai… #コンピュータ将棋 #将棋AI

コンピュータ将棋、やってみないか？ 「強い将棋ソフトの創りかた Pythonで実装するディープラーニング将棋AI」ととてもわかり易い本もあるぞ！ #コンピュータ将棋 #将棋AI

v3.0で対応されたCSA棋譜ファイルになると色々わかりやすくなったという話です。多分。 #コンピュータ将棋 #将棋AI #将棋 #棋譜ファイル

#将棋AI 今使っている探索パラメーターはV223の物でV235.V252では最適化していない。やって置くべきか。 今学習しているV255の結果を待ってからでよいか。V255の出来が良ければそちらが主になるわけだし。

usi-csa-bridge - npm npmjs.com/package/usi-cs… あ、これがあれば Linuxサーバから直で 将棋サーバにつなげられるんですね😳 いろいろと試してみよーっと(*´ω｀*) #コンピュータ将棋 #将棋AI #electron将棋 #usi-csa-bridge

#将棋AI ValueHead の構造を変えたら90分程度の学習で学習初期の PolicyValueの値が大きくなった。 学習速度は殆ど変わらない。 これはValueHead部の学習能力が上がった結果ResNET部の表現能力をPolicy側に割くことができたという事か？ 学習を進めて、どうなるか確認したい。

とっても良い記事でした。（末尾の評価ボタンを誤って低評価にチェックが入って戻らなかった💦すみません）#日経bizgate #将棋AI bizgate.nikkei.com/article/DGXZQO…

#将棋AI Value Head のfcl の数値、思っていたよりも nps へのインパクト大きい。 大きな数字の方が d=Loss-AvAccの下がり方速い。 多分到達も良いとは思うのだけれど、バランスが難しい。実験に時間がかかり過ぎる。 384と320で15%変わるとは思わなかった。

#将棋AI V255(k=512,18b)でAstraNET に新しいアイデアを追加したのだけれど、速度低下を最小限にしつつ学習がかなり容易になり、d値の減少も速そう。収束時のd値も小さくなると良いのだけれど。 V235(k=384,24b)も取り入れて再学習してみたいが、V256,V257の学習もやりたいし。 もっと計算資源を！

#将棋AI pytorch 書き換える可能性のある数値を k=384 の様にして以後 384 の代わりに k を使うより、384 を直接使った方が学習速度速かった。 動作確認を k でして 動いたら 384 の様に数値に置き換えるか。 推論のために onnx から serialized 化する時は関係ない気がするが。(確認する)

子供（将棋AI）にあっさり負けた。 #将棋AI　#将スタ　#IT、AI系すえよし。ちゃんえる youtube.com/watch?v=yzWC5T… pic.twitter.com/XtLyZjoxTM

#将棋AI 学習中の model V255(k=512,18b) 一つ前のV253(k=384､24b)の83%くらいのnpsが出る。 思ったよりも速度低下が少なかった。 学習は順調でV253と同じペースでd値が下がっている。 速度低下に見合った精度向上が達成できるか楽しみ。

#将棋AI 自分のmodelの学習中に表示される policy Accuracyが他の人の実験結果に比べ高めなのだが、仮説を思いついた。 実証実験をするか... この辺りを改良すればさらに上がるのだろうか。 後者の実験が魅力的。 前者は上手く行っても進歩では無いし。 (自分は実験屋)

#将棋AI tanuki-dr4をベンチ相手に比較(強さはベンチに都合が良い様に調整) 180s+5sF、互角局面(+/-100以内) Astra-wcsc34 9勝9敗2分 dl-dr2-exhi 5勝15敗0分 ただし直接対局だと Astra-wcsc34 12勝18敗2分で負け越す この位の時間だと共通の学習データを持つdl同士では読みの深さが重要。

#将棋AI メモリ使用量の減少を目的に、学習中の network の構造を変えたのだけれど、メモリの使用量は殆ど変わらず。 ただ 単位量の学習時間は 950秒から923秒になり高速化できた。 pythonの気持ちはよくわからない。 ソースコードは読み辛くなった。 スピード命のコードなのでしかたがないか。

#将棋AI network構造 A(k=256,36b)よりもB(k=384,24b)の方が性能が良いので C(k=512,18b)の学習を始めた。 速度優先～学習容易さ優先の３種類を用意したが、速度優先の物で Bと同等かより速くLoss-AvAcc が下がっていて順調。 Bと同等まで下がってくれる事を期待。

これ需要あるかな？ floodgateは平手だけど、指定局面戦で定跡なしのざっくりレート測定用としてのサーバ。 #コンピュータ将棋 #将棋AI

#将棋AI 来年も参加するとしたら、プログラム名にスポンサーになって欲しい企業名をいれるか。 怒られるかな😎 xxx将棋 から xxx_NVIDIA_将棋 xxx_AMD_将棋 xxx_intel_将棋 とか😹

独創賞、おめでとうございます！！！ #wcsc34 #将棋AI #コンピュータ将棋