ゼロから構築した AlphaGo – エリック・ジャング

AlphaGo の再構築から読み解く、AI「思考」の真実と未来

Google DeepMind の元エンジニアであり、現在は 1X や Robotics 分野で活躍するエリック・ジャング氏が、2016 年に世界を震撼させた AI「AlphaGo」をゼロから再構築した過程を語っています。単なる囲碁攻略の解説に留まらず、ニューラルネットワークとモンテカルロ木探索（MCTS）がどう組み合わさり、計算量的に不可能と思われた問題を解決したのかという根本原理が明らかにされます。

この動画は、現代のブームである大規模言語モデル（LLM）や AI エージェントにおける「推論」や「思考」という概念が、実は AlphaGo が提唱した「並列化された分布表現思考」の延長線上にあることを示唆しています。計算リソースとアルゴリズム設計のバランスがいかに重要かという洞察は、AI 開発者にとって単なるスケーリングを超えた本質的な問いを投げかけるものです。

囲碁という「計算不可能」な問題と AlphaGo の解決策

AlphaGo が登場する前まで、コンピュータ囲碁は「計算量的に不可能」とされる壁に直面していました。19x19 の盤面には 361 の交点があり、各手には平均して約 250 通りの選択肢があります。この組み合わせ数は宇宙の原子の数よりも多く、従来のアルゴリズムで全手を網羅的に探索することは物理的に不可能でした。

「囲碁は局所的な特徴がありません。終盤までたどり着くまで、どの手が最善か判断できないのが難しい点です。」

ジャング氏は、この問題を解決するために「深層学習」と「モンテカルロ木探索（MCTS）」を融合させるという画期的なアプローチを採用しました。これは、膨大な計算リソースをただ投入するだけでなく、人間の直感に近い「価値観」を AI に教え込み、探索の範囲を劇的に絞り込むことを可能にしました。

人間が盤面を一瞥できる理由：ニューラルネットワークの役割

人間は盤面を一度見ただけで、「この石は死んでいる」「ここが重要だ」と直感的に判断できます。これは、膨大なゲーム展開を均等配分してシミュレーションするのではなく、経験に基づいた「分布」を理解しているからです。

AlphaGo はこの人間の能力を模倣するために、2 つのニューラルネットワークヘッドを採用しました。

1. ポリシーネットワーク（方針）：「次にどこに打つのが最も良いか」という確率分布を出力します。これは、盤面から有効な手を絞り込み、探索するべき枝を限定します。
2. バリューネットワーク（価値）：「現在の局面で勝てる確率はどれくらいか」を予測します。これにより、ゲームを最後までプレイアウトする必要がなくなり、途中の局面でも勝敗を評価できるようになります。

「ニューラルネットワークを使うことで、探索プロセスを劇的に高速化できます。人間が盤面を一瞥できるという考えに基づき、それが私たちに機会を与えます。」

思考の本質：連続的な推論ではなく「並列化された分布表現」

現代の AI 研究において、「思考」とは何かという問いに対し、ジャング氏は明確な答えを示します。AI の思考とは、単一の連続した推論プロセス（A→B→C）ではなく、「並列化された分布表現思考」です。

これは、ニューラルネットワークが盤面全体を一度に処理し、無数の可能性を確率として同時に評価する能力を指します。AlphaGo の MCTS アルゴリズムでは、この「分布」を活用して、最も有望な手（枝）にリソースを集中させ、無駄な探索を剪定しました。

PUCT による「探索」と「活用」のバランス

MCTS の核心となるのは、どの手を次に選ぶかを決めるPUCT（Upper Confidence Bound applied to Trees）という選択基準です。これは以下の 2 つの要素のバランスで成り立っています。

• Q 値（利用/Exploitation）：これまでのシミュレーション結果から、平均して勝てる確率が高い手を選ぶこと。
• 探索項（Exploration）：まだ十分に試していない手や、スコアが低いかもしれないが可能性のある手を積極的に試すこと。

「Q 項によって支配される状態から、探索項が支配する状態へと移行します。これは、すでに十分探索した枝ではなく、まだ価値が未知の枝を下るべきだと確信させる仕組みです。」

このメカニズムにより、AI は「既知の良い手」だけでなく、「未知の可能性」も探求し続け、最終的に人間を超えた戦略を生み出すことができました。

計算リソースとアルゴリズム：Bitter Lesson の教訓

現代の AI 開発において、膨大な計算リソース（GPU クラスタなど）への依存は避けられない事実です。しかし、ジャング氏は「計算資源とアルゴリズムのバランス」が実用的な成果を導く鍵であると強調します。

単にリソースを増やせば解決する問題ではなく、アルゴリズムがどれだけ効率的に探索できるかが重要です。AlphaGo の成功は、計算リソースを最大限活用しつつも、人間の知恵（価値関数）をアルゴリズムに組み込むことで、計算コストを劇的に削減した点にあります。

「深層学習によって解決されたのは、計算複雑性という長年の問題です。しかし、それは単なるスケーリングではなく、本質的なアルゴリズム設計の最適化がなければ成し得ませんでした。」

LLM と AlphaGo：技術的連続性の発見

現在注目されている大規模言語モデル（LLM）や AI エージェントも、実は AlphaGo の延長線上にあります。両者とも「探索」と「学習」を組み合わせた構造を持っています。

• AlphaGo: 盤面という空間的な状態から、次の手を「探索」し、対戦を通じて「学習」する。
• LLM/エージェント: テキストや環境という状態から、次のトークンや行動を「推論（探索）」し、フィードバックを通じて「学習」する。

ジャング氏は、現代の AI が抱える「ブラックボックス化されたアルゴリズム」への理解を深めるためにも、AlphaGo の技術的ルーツを見直す重要性を説きます。LLM の「思考」もまた、単なる確率の連鎖ではなく、背後で並列に評価される分布表現と、それを基にした探索プロセスによって成り立っているのです。

まとめ：構造化された探索こそが未来への鍵

エリック・ジャング氏の再構築プロジェクトは、複雑な問題に対する解決策が単なる試行錯誤ではなく、「構造化された探索と学習」によって導き出されるべきであることを示しています。計算リソースの限界を乗り越えるには、アルゴリズムの本質的な設計を見直す必要があります。

「AI の思考とは、並列化された分布表現であり、これが複雑な問題を解く鍵となります。」

この洞察は、今後の AI 研究において、単なるモデルの巨大化（スケーリング）に固執するのではなく、いかに効率的で本質的なアルゴリズムを設計するかという視点の転換を促すものと言えるでしょう。