@4Masatsune 並列化の工夫については、python-dlshogi2 に取り込まれているとは思いますが、GPW の発表などもありました。こちらもご参考まで。 > MC Softmax 探索における局面の並列評価： GPU とニューラルネットワークモデルの利用 https://t.co/9cnFCtnTl3

コークスクルー、バツクハンド、ブローとか大正時代には既にあるのに衝撃を受けた。。→拳闘術 : ボクシング早わかり http://t.co/488pqzeOCp

I ported Crazy Stone to the Thomson MO5, the 8-bit computer of my childhood. I will present it next week during the Game Programming Workshop in Hakone, Japan. Paper: https://t.co/c60XMuXshs https://t.co/uokWl4QVSD

今月の人工知能学会学会誌のドラクエ４のAIに関するこの記事面白かった。「ガンガンいこうぜ」は「みんながんばれ」と比べMPを無駄使いするだけで他に違いはないというのはガンガンいこうぜを使っていた私としては少しショックだった。(学会員しか読めません) https://t.co/KapiiwjuDC

情報学広場にもすでに論文がアップロードされてますね．左側の局面の△３九馬に対して，右側のような情報が提示できるような手法になっています． https://t.co/9Mpoi9F84K https://t.co/0wjLrgCI1P https://t.co/tBbD6lhJcn

人工知能学会「AI 哲学マップ」 （人工知能—哲学対応マップ） 公開しました。 https://t.co/bexhDJbl9x お楽しみください。

将棋AI がプロ棋士の棋譜に与えた影響 ―定量的分析からの考察― 興味深い論文ですね。直近10年における40手目以降の平均損失(1手平均でどれだけ将棋AI最善から評価値を落としたかの値。棋力と相関あり）は、A級棋士のみ有意に向上しており、その他のクラスでは差がないと。 https://t.co/LO0w8Pi5hq

この話に興味がある方は、この辺りを読むと良いと思います。 https://t.co/c9MouagLoo 租税判例百選[第6版]にも馬券裁判の判例が解説されてます。各事件の判例と併せてこの業界で生き抜くには必読です。 https://t.co/BhdLrQmo4H

＞清 愼一、コンピュータ将棋の初期の歴史、第31回ゲーム情報学研究会研究報告（2014年3月）（オープンアクセスになっています） https://t.co/HaS02QkRtQ

ゲームプログラミングワークショップ2021 電通大の塩田さん、伊藤先生の「京都将棋の弱解決」 NNUE評価関数と強化学習の力により、探索木がルートのサイズに落ちて先手勝ちを証明できたそうです。 こういう証明方法は増えていきそうです。 https://t.co/wa4AHfRdtD

個人用メモ。 少ない棋譜からの将棋プレイヤ棋力推定手法の提案 https://t.co/uXSobydrt9

解説 深層学習を用いた異常検知技術 https://t.co/B2cCczaBhz

登録ミスとかで今日とても慌てていろいろやってたんですけど、多分発表できることになりそうです 2020年度 人工知能学会全国大会（第34回）/不完全情報ゲームにおける環境モデルの潜在的学習によるゲーム木探索 https://t.co/lnOnCLbW8I