定石博物館 · 24

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。

  1. 退役と誤りを分ける

    局所では打てても全局時機に合わない線があります。局所反証、高速手順への置換、流行消滅に別の展札を付けます。

    A/B盤は似た座標でも退役原因が局所と全局で異なります。
  2. 当時のmodel identityを保存

    network、engine、rules、komi、visitsがなければAI史かsoftware defaultか分かりません。各展示に答えpassportを付けます。

    展札が盤、model日付、search条件を結びます。
  3. 反復する定石blind spotは修正価値が高い

    KataGo開発者はopening joseki issueで、再発する形は多局で修正利益があり、飛刀など鋭い変化もtarget startで改善したと説明します。

    反復する隅のblind spotは一度だけの怪形より累積影響が大きいです。
  4. search不安定を歴史淘汰にしない

    同一networkがbudgetや対称で第一候補を変えるなら旧screenshotは時代を定義できません。search-unstableと表示します。

    八対称auditで安定した旧答えが存在したか確認します。
  5. 座標より時機が退役しやすい

    AI時代は手が打てないのでなく、交換を続けすぎることが多いです。早く手抜きすれば同じ骨格が新順序で戻ります。

    完成線と早い手抜き線を手数ledgerで比較します。
  6. 復活条件を記録

    komi、rules、シチョウ、外周、応手順で旧手が再び合理的になります。永久の×でなく復活条件を列挙します。

    同じ旧手が外周条件で負担から二重機能へ戻ります。
  7. 答えの墓でなく理由の移転

    旧理由、新しい反証、残る概念――厚み、先手、シチョウ、余地――を並べます。期限切れ座標でなく判断を学べます。

    旧理由、退役原因、今日も使える概念を一つの展示へ置きます。

公式歴史とcase

  1. KataGo opening joseki blind spot
  2. KataGo Training History
  3. DeepMind AlphaGo innovations

定石展示に必要なもの

  • 歴史実行条件
  • 退役type
  • search安定性
  • 復活可能条件
  • 移転できる囲碁概念
AI定石時機を開く