AIの答えを、次の一局で使える判断に変える。

検討ガイド3本、KataGoとサービス技術の記事8本、AIと定石史の研究特集17本、江戸時代からAlphaGo時代までの名局12局、合計40本の独立記事です。各記事は一つの問いを、手順、資料、焦点を絞った図で説明します。

  1. 一つの棋局エラーが連鎖したサービス回帰を露出させるまで

    8月30日、未対応のコミを含む一局が最初にKataGoのパラメータエラーを起こしました。同じ調査で、肥大化したstream完了イベント、登録runtimeの不一致、Tokenの反復作成、旧clientの同期失敗も判明しました。時系列、実測した影響、復旧証拠、残作業を公開します。

  2. 囲碁を語る言語modelは理解しているのか

    LoGosは構造化囲碁data、長いreasoning、RLを混合しプロ級着手を報告します。しかし流暢な解説にも盤やengineが支えないatomic claimが入り得ます。文体でなくclaimを検証します。

  3. 退役したAI定石をなぜ保存するのか

    旧AI推奨の消滅は反証とは限りません。時機変更、search不安定、trainingによるblind spot修正もあります。博物館は昔の合理性と後の失効理由を保存します。

  4. AI最善と人間が学べる手の距離

    HumanSLは棋力別の人間着手を予測しますが、最大確率、sampling、目標棋力は同じではありません。教学はAIに最も近い人でなく次に到達できる判断を探します。

  5. AI定石はどう試行から人間の習慣へ変わるか

    公開プロ棋譜標本では、裸の星への早い三々が2017年9.72%から2018〜2020年40.06%へ増加しました。採用率から分かるのは使う棋士が増えたことです。交換を減らし、手抜きし、戻る時機まで学んだかは、実戦の内容から読み取ります。

  6. KataGoの答えに賞味期限はあるか

    同じ局面でもネットワーク、エンジン、探索量、対称方向を変えると第一候補が動きます。解析条件を先に読み、古い結論を維持・注記・退役のどれにするか判断します。

  7. AlphaGoからTransformer KataGoへ:囲碁AIの10年SOTA

    2016年から2026年の最前線を論文、公開重み、直接対局から再構成します。幅、深さ、パラメータ、学習、探索を比べ、5,185、14,554、相対+300 Eloが同じ尺度ではない理由を解きます。

  8. AIで一局の囲碁を検討する方法

    数字を追いすぎない深い検討法です。自分の読みを再現し、KataGoで転機を見つけ、実戦と三つの候補経路がなぜ違うかを比べ、次局の学びを残します。

  9. SGFソースからKataGo 変化図まで

    FF[4]のソーステキストから、ノード、プロパティ、座標、分岐を読み、OGS、KaTrain、Sabaki、SmartGoから棋譜を出力してRead19とKataGoで解析します。

  10. AlphaGo以後、定石は答えの一覧ではなくなった

    10年前、棋士は定石を打ち切ったかと問いました。今は、どの交換を今打ち、どれを10手後まで残せるかを問います。96,058局の公開SGF、二つの大会棋譜、KataGoのノード解析で変化を追います。