G検定（JDLA） 練習問題 22：深層強化学習/AlphaGo
深層強化学習の代表例である「AlphaGo」について、正しいものはどれか。
- モンテカルロ木探索と深層強化学習を組み合わせて囲碁の着手を評価し、プロ棋士に勝利した
- 自然言語の翻訳タスクに特化して開発されたTransformerベースのモデルである
- 画像分類タスクにおいてResNetを超える精度を達成した畳み込みニューラルネットワークである
- 教師データを一切使わず、ルールベースのアルゴリズムのみで囲碁の対局を行うシステムである
- 医療画像診断に特化して開発された生成AIモデルである
正解と解説を見る
正解：モンテカルロ木探索と深層強化学習を組み合わせて囲碁の着手を評価し、プロ棋士に勝利した
AlphaGoはGoogle DeepMind社が開発した囲碁AIで、モンテカルロ木探索（＝ゲーム木を確率的にシミュレーションしながら有望な手を探索する手法）と深層強化学習を組み合わせることで、2016年にプロ棋士イ・セドル氏に勝利したことで有名です。
【正解の理由】
AlphaGoは、局面の評価にニューラルネットワーク（価値ネットワークと方策ネットワーク）を用い、探索にモンテカルロ木探索を組み合わせるハイブリッドな手法により、人間のプロ棋士を上回る強さを実現しました。
【不正解の理由】
• 「自然言語の翻訳タスクに特化したTransformerベースのモデル」は誤り。AlphaGoは囲碁専用のシステムである
• 「画像分類タスクにおいてResNetを超える精度を達成したCNN」は誤り。AlphaGoは画像分類モデルではない
• 「教師データを一切使わず、ルールベースのみで対局」は誤り。AlphaGoは人間の棋譜データによる教師あり学習と強化学習を組み合わせている（後継のAlphaGo Zeroは自己対戦のみで学習したが、これも強化学習であり単純なルールベースではない）
• 「医療画像診断に特化した生成AIモデル」は誤り。AlphaGoの用途とは異なる