JP6964570B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

従来、盤面の交点領域が盤面のままであるか或は白石又は黒石を打たれたかを高精度に判断させる囲碁装置の画像処理の技術が知られている（例えば、特許文献１）。

特開平０５−２３７２１３号公報

特許文献１には、囲碁等の盤面に基づく棋譜等のデータに基づいて、自己学習することについては、記載も示唆もされていない。このため、特許文献１に記載の方法では、盤面に基づくデータに基づいて、自己学習することができないという問題があった。

本発明は、上記に鑑みてなされたものであって、盤面に基づくデータに基づいて、自己学習することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、情報処理装置は、離散的に位置が定義づけられた盤面に基づく離散データを圧縮センシングにより連続化する連続化処理部と、前記連続化処理部が連続化した連続データが有する特徴をモデルに学習させる学習処理部と、前記学習処理部により学習されたモデルを用いて、所定の盤面に対する評価値を算出する評価処理部と、を有することを特徴とする。

本発明によれば、盤面に基づくデータに基づいて、自己学習することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することができる。

図１は、実施形態に係る情報処理装置の一例を説明する説明図である。 図２は、図１の情報処理装置の制御ブロック図である。 図３は、実施形態に係る情報処理方法のフローチャートである。 図４は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本発明に係る実施形態を図面に基づいて詳細に説明する。なお、この実施形態によりこの発明が限定されるものではない。また、実施形態における構成要素には、当業者が置換可能かつ容易なもの、あるいは実質的に同一のものが含まれる。さらに、以下に記載した構成要素は適宜組み合わせることが可能である。

〔１．情報処理装置の一例〕
図１は、実施形態に係る評価装置の一例を説明する説明図である。実施形態に係る情報処理装置の一例である情報処理装置１０は、図１に示すように、離散的に位置が定義づけられた盤面に基づく離散データ１７のパラメータＸを連続化して連続データ１８を取得し、連続データ１８が有する特徴をモデル１９に学習させ、学習したモデル１９を用いて評価値Ｙを算出して最適値を得て、得られた最適値を表示装置２１または駆動装置２２に出力する。

（離散データ１７について）
離散データ１７は、具体的には、二者の戦いに関するデータが例示される。離散データ１７は、詳細には、囲碁の棋譜、将棋の棋譜、チェスの棋譜等の升目で区切られた盤面における有効領域を競うゲームに関するデータが例示される。離散データ１７は、その他にも、升目で区切られた空間において有効領域を競うシミュレーションゲームに関するデータであってもよい。離散データ１７は、後述する連続化処理部１４（図２参照）に使用される。

離散データ１７は、例えば、図１に示すように、データ点Ｄ１，Ｄ２，Ｄ３，Ｄ４，Ｄ５を有する。データ点Ｄ１，Ｄ２，Ｄ３，Ｄ４，Ｄ５は、いずれも、離散的に定義づけられた位置情報に基づくパラメータＸに基づいて、情報処理装置１０において種々の処理が施される。なお、パラメータＸは、図１において、グラフの横軸で示されている。

（連続データ１８について）
連続データ１８は、離散データ１７において、パラメータＸの間隙部分を圧縮センシングにより復元することで連続化されたデータである。連続データ１８は、後述する連続化処理部１４（図２参照）によって、離散データ１７に基づいて生成される。また、連続データ１８が有する特徴は、後述する学習処理部１５（図２参照）によってモデル１９に学習される。

連続データ１８は、例えば、図１に示すように、データ群ＣＤを有する。データ群ＣＤは、データ点Ｄ１，Ｄ２，Ｄ３，Ｄ４，Ｄ５のそれぞれのパラメータＸの間隙部分を復元することで、データ点Ｄ１，Ｄ２，Ｄ３，Ｄ４，Ｄ５に基づいて連続化したデータである。

（モデル１９について）
モデル１９は、入力されたデータに基づいて評価値Ｙを算出する電算処理に関する分類機である。モデル１９は、例えば、離散データ１７の入力に応じて、入力された離散データ１７における有効領域に基づいて、所定の盤面に対する評価値Ｙを算出する。また、モデル１９は、連続データ１８が有する特徴を学習した後、連続データ１８における有効領域に基づいて、所定の盤面に対する評価値Ｙを算出する。モデル１９は、後述する評価処理部１６（図２参照）によって、評価値Ｙを算出する処理を実行させられる。

モデル１９は、二者の戦いに関する離散データ１７または連続データ１８の入力に応じて評価値Ｙを算出する分類機である場合には、離散データ１７または連続データ１８における一方側の有効領域と他方側の有効領域との比較に基づいて評価値Ｙを算出する。モデル１９は、このような場合において、例えば、一方側の方が他方側よりも有効領域が広い場合には評価値Ｙを正の値で、他方側の方が一方側よりも有効領域が広い場合には評価値Ｙを負の値で算出し、有効領域の差分を評価値Ｙの数値の大きさで算出する。

モデル１９は、囲碁の棋譜に関する離散データ１７または連続データ１８の入力に応じて評価値Ｙを算出する分類機である場合には、離散データ１７または連続データ１８における一方側の陣と他方側の陣との比較に基づいて評価値Ｙを算出する。モデル１９は、囲碁の棋譜に関する離散データ１７または連続データ１８の入力に応じて評価値Ｙを算出する分類機である場合には、より詳細には、非特許文献１「http://airesearch.com/wp-content/uploads/2016/01/deepmind-mastering-go.pdf」及び非特許文献２「https://www.slideshare.net/yuk1yoshida/alphago-61311712」に記載されているポリシーネットワーク等の碁石の関係性を考慮した陣の評価方法に基づく電算処理に関するものが好適なものとして例示される。

モデル１９は、将棋の棋譜及びチェスの棋譜のいずれかに関する離散データ１７または連続データ１８の入力に応じて評価値Ｙを算出する分類機である場合には、離散データ１７または連続データ１８における一方側と他方側との駒の配置及び利きに応じて算出する有効領域の比較に基づいて評価値Ｙを算出する。具体的には、モデル１９は、所定の升目に配置された駒、利いている駒の数の大小及びその差等に応じて、一方側と他方側とのうちいずれ側の有効領域であるかを判定し、全ての升目における有効領域の判定結果に基づいて、評価値Ｙを算出する。

モデル１９は、升目で区切られた空間において有効領域を競うシミュレーションゲームに関する離散データ１７または連続データ１８の入力に応じて評価値Ｙを算出する分類機である場合には、離散データ１７または連続データ１８における一方側と他方側との各升目への影響度等に応じて各升目の比重を考慮して算出する有効領域の比較に基づいて、評価値Ｙを算出する。

モデル１９は、また、連続データ１８に基づいて算出した評価値Ｙが最大となる所定の単位動作である最適値を求める。モデル１９は、後述する評価処理部１６（図２参照）によって、最適値を求める処理を実行させられる。

最適値は、囲碁、将棋、チェス等の棋譜に関する離散データ１７または連続データ１８に基づいて取得される場合には、いわゆる最善手のことである。最適値は、図１に示す例では、連続データ１８に基づいて算出した評価値Ｙを連続化したパラメータＸの関数とみなして、パラメータＸで微分処理することで求められる評価値Ｙの極大値Ａ１，Ａ２のうち、最大である極大値Ａ２を取る際のパラメータＸ２に基づいて求められる。

〔２．情報処理システム１の一例〕
情報処理システム１は、図１に示すように、情報処理装置１０と、表示装置２１または駆動装置２２を含んで構成される。情報処理システム１では、情報処理装置１０と表示装置２１または駆動装置２２とは、有線または無線により情報通信可能に接続される。なお、情報処理システム１は、図１に示す装置を含む構成に限定されず、その他の装置や端末を含んでもよく、通信ネットワーク等を介して互いに情報通信可能に接続されていてもよい。

表示装置２１は、情報処理装置１０から出力された最適値を、文字、画像、動画等により表示する。

駆動装置２２は、情報処理装置１０から出力された最適値に基づく駆動をする装置である。駆動装置２２は、情報処理装置１０から出力された最適値に応じて種々の様態のものを好適に用いることができる。駆動装置２２は、この最適値が囲碁の最善手であれば囲碁を打つ装置が例示され、この最適値が将棋の最善手であれば将棋を指す装置が例示され、この最適値がチェスの最善手であればチェスを指す装置が例示される。

〔３．情報処理装置の構成〕
図２は、図１の情報処理装置の制御ブロック図である。情報処理装置１０は、図２に示すように、処理部１１と、記憶部１２と、情報通信インターフェイス１３と、を有する。

（処理部１１について）
処理部１１は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１０内部の記憶装置である記憶部１２に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭ（Random Access Memory）を作業領域として実行されることにより実現される。また、処理部１１は、例えば、コントローラであり、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。処理部１１は、表示装置２１または駆動装置２２に最適値等の情報の出力を行ったりする情報通信インターフェイス１３が接続されている。

処理部１１は、図２に示すように、記憶部１２及び情報通信インターフェイス１３と、互いに情報通信可能に電気的に接続されており、これらの各構成要素をそれぞれ制御する制御部として機能する。すなわち、処理部１１は、記憶部１２とともに、制御部として機能して、本発明の実施形態に係る情報処理方法を情報処理装置１０に実行させるものである。

処理部１１は、図２に示すように、連続化処理部１４と、学習処理部１５と、評価処理部１６と、を有する。

連続化処理部１４は、離散的に位置が定義づけられた盤面に基づく離散データ１７を圧縮センシングにより連続化する。連続化処理部１４は、具体的には、離散データ１７におけるデータ点Ｄ１，Ｄ２，Ｄ３，Ｄ４，Ｄ５の間のパラメータＸの間隙部分を圧縮センシングにより復元することで、パラメータＸについて連続化した連続データ１８を生成する。

連続化処理部１４は、本実施形態では、より詳細には、非特許文献３「http://www.ieice.org/~netsci/wp-content/uploads/2016/05/NetSci201605_Kabashima.pdf」に記載されているようなスパースに表現できる信号に対して少数の計測結果からの再構成を可能にする枠組みを適用して、離散データ１７におけるパラメータＸの間隙部分を圧縮センシングにより復元することが好ましい。

学習処理部１５は、連続化処理部１４が連続化した連続データ１８が有する特徴をモデル１９に学習させる。学習処理部１５は、具体的には、離散データ１７から直接得られないパラメータＸに関する特徴をモデル１９に取得させることで、すなわち、連続データ１８のうち離散データ１７に基づいて連続化処理部１４が復元した部分に関するパラメータＸに関する特徴をモデル１９に取得させることで、モデル１９に学習させる。

学習処理部１５は、学習処理部１５がモデル１９に学習させた学習内容を離散データ１７または連続データ１８に組み込んで、自動で、逐次学習することができる。

評価処理部１６は、モデル１９を用いて、所定の盤面に対する評価値Ｙを算出する。具体的には、評価処理部１６は、モデル１９を用いて、離散データ１７の入力に応じて、入力された離散データ１７における有効領域に基づいて、所定の盤面に対する評価値Ｙを算出する。また、評価処理部１６は、学習処理部１５により学習されたモデル１９を用いて、連続化処理部１４が連続化した連続データ１８における有効領域に基づいて所定の盤面に対する評価値Ｙを算出する。

評価処理部１６は、具体的には、連続データ１８が二者の戦いに関するものである場合には、相応のモデル１９を用いて、一方側の有効領域と他方側の有効領域との比較に基づいて評価値Ｙを算出する。また、評価処理部１６は、連続データ１８が囲碁の棋譜に関する場合には、相応のモデル１９を用いて、一方側の陣と他方側の陣との比較に基づいて評価値Ｙを算出する。評価処理部１６は、連続データ１８が囲碁の棋譜に関する場合には、相応のモデル１９として、上記した非特許文献１及び非特許文献２に記載されているように、ポリシーネットワーク等の碁石の関係性を考慮した陣の評価方法を適用するモデル１９を用いて、評価値Ｙを算出することが好ましいが、本発明ではこれに限定されることなく、その他の評価方法を適用して、評価値Ｙを算出してもよい。

評価処理部１６は、連続データ１８が将棋の棋譜またはチェスの棋譜に関する場合には、相応のモデル１９を用いて、一方側と他方側との駒の配置及び利きに応じて有効領域を算出し、算出した一方側と他方側との有効領域の比較に基づいて評価値Ｙを算出する。評価処理部１６は、連続データ１８が将棋の棋譜またはチェスの棋譜に関する場合には、本実施形態では、より詳細には、相応のモデル１９として、連続データ１８が囲碁の棋譜に関する場合と同様に、周知の駒の特性と位置関係等を考慮した有効領域の評価方法を適用するモデル１９を用いて、評価値Ｙを算出することが好ましい。

評価処理部１６は、また、学習処理部１５が連続データ１８の特徴を学習させたモデル１９を用いて、連続データ１８に基づいて算出した評価値Ｙが最大となる所定の単位動作である最適値を求める。具体的には、評価処理部１６は、まず、相応のモデル１９を用いて、連続データ１８に基づいて算出した評価値Ｙを連続化したパラメータＸの関数とみなして、パラメータＸで微分処理することで評価値Ｙの極大値Ａ１，Ａ２を求める。評価処理部１６は、次に、極大値Ａ１，Ａ２のうち最大である極大値Ａ２を選択し、選択した極大値Ａ２を取る際のパラメータＸ２に基づいて、最適値を求める。

評価処理部１６は、求めた最適値を、情報通信インターフェイス１３を介して表示装置２１または駆動装置２２に出力する。

処理部１１に含まれる各部、すなわち、連続化処理部１４、学習処理部１５及び評価処理部１６は、いずれも、処理部１１が情報処理プログラムを実行することにより、実現される機能部である。

（記憶部１２について）
記憶部１２は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２は、離散的に位置が定義づけられた盤面に基づく離散データ１７を記憶して保存する。また、記憶部１２は、入力されたデータに基づいて評価値Ｙを算出する電算処理に関するモデル１９を記憶して保存する。記憶部１２は、連続化処理部１４が離散データ１７を連続化処理して取得した連続データ１８、評価処理部１６が連続データ１８に基づいて算出した評価値Ｙ、及び、評価値Ｙに基づいて取得した最適値を、記憶して保存する。

（情報通信インターフェイス１３について）
情報通信インターフェイス１３は、処理部１１と表示装置２１または駆動装置２２とを有線または無線で互いに情報通信可能に接続している。情報通信インターフェイス１３は、処理部１１で生成される各情報、例えば、離散データ１７、連続データ１８、評価値Ｙ及び最適値を処理部１１から受信し、表示装置２１または駆動装置２２に向けて送信する。

なお、本実施形態では、情報処理装置１０は、本発明の実施形態に係る情報処理方法を実行する際に使用する離散データ１７を記憶部１２から取得する形態について説明しているが、本発明はこれに限定されることなく、情報通信インターフェイス１３に有線または無線で互いに情報通信可能に接続した外部記憶装置から取得する形態も好適に採用することができる。

〔４．評価処理の一例〕
本発明の実施形態に係る情報処理装置１０の作用について以下に説明する。図３は、実施形態に係る情報処理方法のフローチャートである。情報処理装置１０によって実行される本発明の実施形態に係る情報処理方法について、図３を用いて説明する。実施形態に係る情報処理方法は、図３に示すように、連続化ステップＳ１１と、学習ステップＳ１２と、評価ステップＳ１３と、を有する。

処理部１１は、まず、連続化ステップＳ１１を実行する前に、実施形態に係る情報処理方法に用いるのに最適な離散データ１７を抽出する。処理部１１は、例えば、抽出したい離散データ１７が囲碁の棋譜に関する場合には、上記した非特許文献１及び非特許文献２に記載されている好適な抽出方法を適用して実行する。処理部１１は、抽出したい離散データ１７が、将棋の棋譜またはチェスの棋譜に関する場合等のその他の場合にも、抽出したい離散データ１７が囲碁の棋譜に関する場合と同様に、周知の好適な抽出方法を適用して実行する。

連続化ステップＳ１１は、連続化処理部１４が、離散的に位置が定義づけられた盤面に基づく離散データ１７を圧縮センシングにより連続化するステップである。連続化ステップＳ１１では、連続化処理部１４が、例えば、離散データ１７におけるデータ点Ｄ１，Ｄ２，Ｄ３，Ｄ４，Ｄ５の間のパラメータＸの間隙部分を、非特許文献１に記載されている好適な圧縮センシングの方法を適用することにより復元することで、パラメータＸについて連続化した連続データ１８を生成する。

学習ステップＳ１２は、学習処理部１５が、連続化ステップＳ１１で連続化した連続データ１８が有する特徴をモデル１９に学習させるステップである。学習ステップＳ１２では、学習処理部１５が、具体的には、離散データ１７から直接得られないパラメータＸに関する特徴をモデル１９に取得させることで、モデル１９に学習させる。学習ステップＳ１２では、学習処理部１５が、より詳細には、連続データ１８のうち離散データ１７に基づいて連続化処理部１４が復元した部分に関するパラメータＸに関する特徴をモデル１９に取得させることで、モデル１９に学習させる。

学習ステップＳ１２では、また、学習処理部１５が、学習処理部１５がモデル１９に学習させた学習内容を離散データ１７または連続データ１８に組み込むことで、自動で、モデル１９を逐次学習させることができる。

評価ステップＳ１３は、評価処理部１６が、学習ステップＳ１２により学習されたモデル１９を用いて、連続データ１８における有効領域に基づいて所定の盤面に対する評価値Ｙを算出するステップである。評価ステップＳ１３では、評価処理部１６が、例えば、連続データ１８が二者の戦いに関するものである場合には、相応のモデル１９を用いて、一方側の有効領域と他方側の有効領域との比較に基づいて評価値Ｙを算出する。評価ステップＳ１３では、評価処理部１６が、囲碁の棋譜、将棋の棋譜、チェスの棋譜等の場合にも、上記したように、相応のモデル１９を用いて、一方側の有効領域と他方側の有効領域との比較に基づいて評価値Ｙを算出する。

評価ステップＳ１３では、評価処理部１６が、さらに、学習ステップＳ１２により学習されたモデル１９を用いて、連続データ１８に基づいて算出された評価値Ｙが最大値をとる際の所定の単位動作である最適値を求める。評価ステップＳ１３では、評価処理部１６が、具体的には、まず、相応のモデル１９を用いて、連続データ１８に基づいて算出した評価値Ｙを連続化したパラメータＸの関数とみなして、パラメータＸで微分処理することで評価値Ｙの極大値Ａ１，Ａ２を求める。評価ステップＳ１３では、評価処理部１６が、次に、極大値Ａ１，Ａ２のうち最大である極大値Ａ２を選択し、選択した極大値Ａ２を取る際のパラメータＸ２に基づいて、最適値を求める。

評価ステップＳ１３では、評価処理部１６が、さらに、評価処理部１６が求めた最適値を、情報通信インターフェイス１３を介して表示装置２１または駆動装置２２に出力してもよい。

〔５．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１０は、例えば図４に示すような構成のコンピュータ１０００によって実現される。図４は、情報処理装置１０の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に記憶されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を記憶する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を記憶する。通信インターフェイス１５００は、通信網５００を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、通信網５００を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して生成したデータを出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に記憶されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る情報処理装置１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、処理部１１の機能を実現する。また、ＨＤＤ１４００には、記憶部１２内のデータが記憶される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から通信網５００を介してこれらのプログラムを取得してもよい。

〔６．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、図２に示した記憶部１２に記憶される情報は、情報通信インターフェイス１３等のネットワークを介して、外部に備えられた所定の記憶装置に記憶されてもよい。

また、上記実施形態では、情報処理装置１０が、例えば、離散的に位置が定義づけられた盤面に基づく離散データ１７を圧縮センシングにより連続化する連続化ステップＳ１１と、連続化ステップＳ１１で連続化した連続データ１８が有する特徴をモデル１９に学習させる学習ステップＳ１２と、学習ステップＳ１２により学習されたモデル１９を用いて、所定の盤面に対する評価値Ｙを算出する評価ステップＳ１３と、を行う例を示した。しかし、上述した情報処理装置１０は、連続化ステップＳ１１を行う連続化処理装置と、学習ステップＳ１２を行う学習処理装置と、評価ステップＳ１３を行う評価処理装置とに分離されてもよい。そして、上記の情報処理装置１０による処理は、連続化処理装置と、学習処理装置と、評価処理装置との各装置を有する情報処理システムによって実現される。

上述した学習内容は、あくまで一例であり、情報処理装置１０は、任意の態様でモデルの学習を行ってよい。すなわち、どのような態様でモデルに連続値の特徴を学習させるかについては、任意の態様が採用可能である。例えば、情報処理装置１０は、学習時においては、連続値の一部を入力した際に、それらの連続値に続く値を出力するようにモデルを学習し、評価時（測定時）においては、それまでの棋譜を連続化した連続値を入力することで、将来の手を評価してもよい。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

〔７．効果〕
上述してきたように、実施形態に係る情報処理装置１０は、連続化処理部１４と、学習処理部１５と、評価処理部１６と、を有する。連続化処理部１４は、離散的に位置が定義づけられた盤面に基づく離散データ１７を圧縮センシングにより連続化する。学習処理部１５は、連続化処理部１４が連続化した連続データ１８が有する特徴をモデル１９に学習させる。評価処理部１６は、学習処理部１５により学習されたモデル１９を用いて、所定の盤面に対する評価値Ｙを算出する。

このように、実施形態に係る情報処理装置１０は、離散データ１７を圧縮センシングにより連続化することで、離散データ１７から直接得られないデータを復元して、この復元したデータをモデル１９に取得させることで学習させるため、盤面に基づくデータに基づいて、モデル１９を自己学習させることができる。また、実施形態に係る情報処理装置１０は、学習させたモデル１９を用いて評価値Ｙを算出するので、より適切な評価をすることができる。また、実施形態に係る情報処理装置１０は、離散データ１７を圧縮センシングにより連続化するので、微分を用いて評価することで最適値を求めることができる。

また、評価処理部１６は、連続データ１８における有効領域に基づいて評価値Ｙを算出する。

このように、実施形態に係る情報処理装置１０は、盤面に基づく離散データ１７を目的に応じて適切に評価することができ、目的に応じた自己学習をすることができる。

また、連続化処理部１４は、二者の戦いに関する離散データ１７を連続化し、評価処理部１６は、連続データ１８における一方側の有効領域と他方側の有効領域との比較に基づいて評価値Ｙを算出する。

このように、実施形態に係る情報処理装置１０は、特に二者の戦いに関する離散データ１７を、有利、不利、勝勢、負勢、互角等といったより明確な目的に応じて適切に評価することができ、目的に応じた自己学習をすることができる。

また、連続化処理部１４は、囲碁の棋譜に関する離散データ１７を連続化し、評価処理部１６は、一方側と他方側との陣に関する有効領域の比較に基づいて評価値Ｙを算出する。

このように、実施形態に係る情報処理装置１０は、特に囲碁の棋譜に関する離散データ１７について、囲碁の目的に沿った適切な評価をすることができ、囲碁の目的に応じた自己学習をすることができる。

また、連続化処理部１４は、将棋の棋譜及びチェスの棋譜のいずれかに関する離散データ１７を連続化し、評価処理部１６は、一方側と他方側との駒の配置及び利きに応じた有効領域の比較に基づいて評価値Ｙを算出する。

このように、実施形態に係る情報処理装置１０は、特に将棋の棋譜及びチェスの棋譜のいずれかに関する離散データ１７について、将棋またはチェスの目的に沿った適切な評価をすることができ、将棋またはチェスの目的に応じた自己学習をすることができる。

また、実施形態に係る情報処理方法は、連続化ステップＳ１１と、学習ステップＳ１２と、評価ステップＳ１３と、を有する。連続化ステップＳ１１は、離散的に位置が定義づけられた盤面に基づく離散データ１７を圧縮センシングにより連続化するステップである。学習ステップＳ１２は、連続化ステップＳ１１で連続化した連続データ１８が有する特徴をモデル１９に学習させるステップである。評価ステップＳ１３は、学習ステップＳ１２により学習されたモデル１９を用いて、所定の盤面に対する評価値Ｙを算出するステップである。

このように、実施形態に係る情報処理方法は、離散データ１７を圧縮センシングにより連続化することで、離散データ１７から直接得られないデータを復元して、この復元したデータをモデル１９に取得させることで学習させるため、盤面に基づくデータに基づいて、モデル１９を自己学習させることができる。また、実施形態に係る情報処理方法は、学習させたモデル１９を用いて評価値Ｙを算出するので、より適切な評価をすることができる。また、実施形態に係る情報処理方法は、離散データ１７を圧縮センシングにより連続化するので、微分を用いて評価することで最適値を求めることができる。

また、実施形態に係る情報処理プログラムは、コンピュータ１０００に、連続化手順と、学習手順と、評価手順と、を実行させるためのものである。連続化手順は、離散的に位置が定義づけられた盤面に基づく離散データ１７を圧縮センシングにより連続化する手順である。学習手順は、連続化手順で連続化した連続データ１８が有する特徴をモデル１９に学習させる手順である。評価手順は、学習手順により学習されたモデル１９を用いて、所定の盤面に対する評価値Ｙを算出する手順である。

このように、実施形態に係る情報処理プログラムは、コンピュータ１０００に、離散データ１７を圧縮センシングにより連続化させことで、離散データ１７から直接得られないデータを復元させて、この復元させたデータをモデル１９に取得させることで学習させるため、盤面に基づくデータに基づいて、モデル１９を自己学習させることができる。また、実施形態に係る情報処理プログラムは、コンピュータ１０００に、学習させたモデル１９を用いて評価値Ｙを算出させるので、より適切な評価をさせることができる。また、実施形態に係る情報処理プログラムは、コンピュータ１０００に、離散データ１７を圧縮センシングにより連続化させるので、微分を用いて評価することで最適値を求めさせることができる。

以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 情報処理システム
１０ 情報処理装置
１１ 処理部
１２ 記憶部
１３ 情報通信インターフェイス
１４ 連続化処理部
１５ 学習処理部
１６ 評価処理部
１７ 離散データ
１８ 連続データ
１９ モデル
２１ 表示装置
２２ 駆動装置
Ｘ パラメータ
Ｙ 評価値

Claims (7)

1. 離散的に位置が定義づけられた盤面に基づく離散データを圧縮センシングにより連続化する連続化処理部と、
   前記連続化処理部が連続化した連続データが有する特徴をモデルに学習させる学習処理部と、
   前記学習処理部により学習されたモデルを用いて、所定の盤面に対する評価値を算出する評価処理部と、
   を有することを特徴とする情報処理装置。
2. 前記評価処理部は、前記連続データにおける有効領域に基づいて評価値を算出することを特徴とする請求項１に記載の情報処理装置。
3. 前記連続化処理部は、二者の戦いに関する前記離散データを連続化し、
   前記評価処理部は、前記連続データにおける一方側の有効領域と他方側の有効領域との比較に基づいて評価値を算出することを特徴とする請求項１または請求項２に記載の情報処理装置。
4. 前記連続化処理部は、囲碁の棋譜に関する前記離散データを連続化し、
   前記評価処理部は、前記一方側と前記他方側との陣に関する前記有効領域の比較に基づいて評価値を算出することを特徴とする請求項３に記載の情報処理装置。
5. 前記連続化処理部は、将棋の棋譜及びチェスの棋譜のいずれかに関する前記離散データを連続化し、
   前記評価処理部は、前記一方側と前記他方側との駒の配置及び利きに応じた前記有効領域の比較に基づいて評価値を算出することを特徴とする請求項３に記載の情報処理装置。
6. 離散的に位置が定義づけられた盤面に基づく離散データを圧縮センシングにより連続化する連続化ステップと、
   前記連続化ステップで連続化した連続データが有する特徴をモデルに学習させる学習ステップと、
   前記学習ステップにより学習されたモデルを用いて、所定の盤面に対する評価値を算出する評価ステップと、
   を有することを特徴とする情報処理方法。
7. コンピュータに、
   離散データを圧縮センシングにより連続化する連続化手順と、
   前記連続化手順で連続化した連続データが有する特徴をモデルに学習させる学習手順と、
   前記学習手順により学習されたモデルを用いて、所定の盤面に対する評価値を算出する評価手順と、
   を実行させるための情報処理プログラム。

Images