超人間ゲームAI 2026 — Stockfish 17 / Leela Chess Zero / KataGo / AlphaZero / MuZero / Cicero / Pluribus / AlphaStar / 将棋 dlshogi 深掘りガイド

• プロローグ — 人間が勝てない時代
• 1章 · 2026年ゲームAIの地図 — 4分類
• 2章 · Stockfish 17 — チェスの最強
  • 何が変わったか — α-β + NNUE
  • 実行方法
  • Stockfishはチェスを解いたか
• 3章 · Leela Chess Zero (Lc0) — ニューラルネット系チェスエンジン
  • Stockfishとの違い
  • 学習 — 分散自己対戦
  • 誰がLc0を使うか
• 4章 · Komodo Dragon 3 — 商用チェスエンジンの最後の雄
  • 特徴
  • Stockfishが無料・オープンソースなのに、なぜ商用を使うのか
• 5章 · AlphaZero → MuZero — DeepMindライン
  • AlphaZero (2017) — 1つのアルゴリズムで3つのゲーム
  • AlphaZeroが変えたもの
  • MuZero (2019) — ルールを知らないとき
  • コード
• 6章 · Maia — 人間らしいチェス（MS Research + Toronto）
  • 作り方
  • なぜ重要か
• 7章 · KataGo — 囲碁分散学習の頂点
  • AlphaGo Zeroより強いか
  • 改良点
  • 誰がKataGoを使うか
  • そしてLeela Zero（囲碁）
• 8章 · AlphaGo — 2016年のあのシリーズ
  • AlphaGoラインナップ
  • 李世乭の第4局、78手目
• 9章 · Pluribus — 6人ポーカーの征服（Meta 2019）
  • 中核アルゴリズム — モンテカルロCFR + 深さ制限探索
  • 何が衝撃だったか
  • 人間が見て衝撃的だった行動
• 10章 · Cicero — Diplomacy（Meta 2022）
  • Diplomacyが難しい理由
  • Ciceroのアーキテクチャ
  • 結果
• 11章 · AlphaStar — StarCraft 2（DeepMind 2019）
  • StarCraft 2が難しい理由
  • アルゴリズム
  • 結果
• 12章 · OpenAI Five — Dota 2
  • Dota 2のさらに難しい点
  • 結果
• 13章 · Suphx — 麻雀（Microsoft 2019）
  • 麻雀が難しい理由
  • Suphxのアプローチ
  • 結果
• 14章 · AlphaProof + AlphaGeometry — IMO銀メダル（2024）
  • AlphaGeometry (2024.1, Nature)
  • AlphaProof (2024.7)
  • 2024 IMOの結果
• 15章 · チェスUI — lichess / chess.com / ChessBase / Arena / Banksia / NIBBLER
  • lichess.org — FOSSの頂点
  • chess.com — 商用1位
  • ChessBase
  • Arena, Banksia, NIBBLER — エンジンテスト用
• 16章 · UCIとXBoardプロトコル
  • UCI (Universal Chess Interface)
  • XBoard / CECP
  • 違い
• 17章 · 韓国 — NCsoftの韓乭、そして李世乭
  • 韓乭（NCsoft）
  • LG・カカオ — 韓国の囲碁AI
  • 韓国における囲碁AIの意味
• 18章 · 日本 — 将棋AI発展史、dlshogi、やねうら王
  • 主要エンジン（時系列）
  • ボナンザの衝撃 — Bonanza Method
  • やねうら王 — NNUE発祥の地
  • dlshogi — AlphaZeroの将棋版
  • 人間 vs 将棋AI — 名人戦とNHK杯
• 19章 · 誰がゲームAIを学ぶべきか
  • 1) RL研究者
  • 2) ボードゲームエンジン開発者
  • 3) 多エージェント / 交渉AI
  • 4) ゲーム会社
  • 5) 教育・コーチング
• 20章 · 結び — 「超人間」が意味するもの
• 参考文献 / References

プロローグ — 人間が勝てない時代

2016年3月、李世乭（イ・セドル）はAlphaGoに1勝4敗で敗れた。多くの人が「もう囲碁は終わった」と言い、実際に終わった。2017年、AlphaGo Zeroは人間の棋譜をゼロにして自己対戦のみでAlphaGoを上回り、同年AlphaZeroは同じアルゴリズム一つでチェス・将棋・囲碁を制覇した。2019年にはMuZeroが「ゲームのルールを知らないまま」同じことをやってのけた。

チェスも同様だ。Stockfish 17は人間の世界チャンピオンをどの時間設定でもほぼ100%倒す。Stockfish vs Leela Chess Zero (Lc0)のTCEC決勝戦は、人間が観戦者となる大会だ。スマホで動くStockfishですら人間のグランドマスターを倒す。

しかしゲームAIはチェス・囲碁だけではない。Pluribus（Meta 2019）は6人ノーリミット・テキサスホールデムで人間プロを破り、Cicero（Meta 2022）はDiplomacyで自然言語による同盟・裏切りの交渉を行い上位10%に入った。AlphaStarはStarCraft 2で、OpenAI FiveはDota 2で、Suphxは麻雀で、そして2024年のAlphaProof + AlphaGeometryは国際数学オリンピック（IMO）で銀メダルレベルを記録した。

この記事は2026年時点で「どのゲームAIがどこまで来ていて、何をどうやっているか」を1か所にまとめる。単なる年代記ではなく、アルゴリズム（MCTS / NNUE / 自己対戦 / CFR / モデルベースRL）の観点で同じ系統をグループ化する。

1章 · 2026年ゲームAIの地図 — 4分類

ゲームAIをきれいに切る一本の軸は、情報の完全性とプレイヤー数だ。

この軸が重要なのはアルゴリズムが変わるからだ。

• 完全情報の2人ゼロ和ではミニマックスが効く → α-β（Stockfish）か MCTS + ニューラルネット（Lc0, KataGo, AlphaZero）。
• 不完全情報ではミニマックスが破綻する → CFR（反実仮想後悔最小化）系統が標準。LibratusとPluribusがその系譜。
• 多人数＋言語＋協力は上のどれも効かない → Ciceroのように強化学習＋LLMの融合が必要。
• リアルタイムでは時間そのものが行動 → ポリシーネット＋分散自己対戦（AlphaStar, OpenAI Five）。

この地図を頭に入れて、次章から1種ずつ見ていく。

2章 · Stockfish 17 — チェスの最強

Stockfishは2008年から開発が続くオープンソースのチェスエンジンだ。C++、GPL v3ライセンス、github.com/official-stockfish/Stockfishで開発されている。2026年現在の最新安定版がStockfish 17で、CCRLとTCECの両方で1位を維持している。

何が変わったか — α-β + NNUE

伝統的なStockfishはα-β剪定＋多数のヒューリスティック（null-move pruning, late move reductions, futility pruningなど）を使っていた。評価関数は手作りのチェス知識 — ポーン構造、キング安全、機動力など。

Stockfish 12（2020）からNNUE（Efficiently Updatable Neural Network）が導入された。日本将棋コミュニティ（やねうら王グループ、特に那須悠）が考案した構造で、小さなニューラルネットをCPU上で高速評価するのが核心だ。GPUは不要、1手ごとにネット全体を再計算せず変化分だけ更新 → 「Efficiently Updatable」。

Stockfish 17の主な特徴:

• NNUEが標準。手作り評価関数はフォールバック程度。
• 探索は依然としてα-βベース — Lc0のMCTSとは対照的。
• マルチスレッドが非常によくできていて、128コアでもほぼ線形にスケール。
• スマホでも動く — iPhone 16 Proで毎秒数十万ノード。

実行方法

# Linux / macOS — パッケージマネージャでインストール
brew install stockfish              # macOS
sudo apt install stockfish          # Debian / Ubuntu

# または直接ダウンロード: https://stockfishchess.org/download/
# UCIモードで実行
stockfish

# UCIセッションの例
uci
id name Stockfish 17
id author the Stockfish developers
...
uciok
position startpos moves e2e4 e7e5
go depth 20
info depth 20 seldepth 28 multipv 1 score cp 31 nodes 1234567 ...
bestmove g1f3 ponder b8c6

Stockfishはチェスを解いたか

「解いた」の強い意味ではまだ違う — チェスのゲーム木は約$10^{120}$、完全解は不可能。だが弱い意味では事実上「解けた」と言える — どんな時間設定でも人間はStockfishに勝てない。世界チャンピオン（2024年Ding Liren、2025年からGukesh Dommaraju）も同様だ。

3章 · Leela Chess Zero (Lc0) — ニューラルネット系チェスエンジン

Leela Chess Zero（Lc0）はAlphaZero論文（2017）を読んだ人たちが「うちらもやってみよう」と始めたオープンソースプロジェクトだ。lczero.org、github.com/LeelaChessZero/lc0。

Stockfishとの違い

Lc0はノード効率（1ノードあたりどれだけ深く理解しているか）が圧倒的に高い。 Stockfishが毎秒1,000万ノード見るのに対し、Lc0は10万ノードしか見ない — それでも同程度の強さに到達する。理由はニューラルネットが「どの手が有望か」を事前に教えてくれるから（ポリシーネット＋バリューネット）。

学習 — 分散自己対戦

Lc0は数万人のボランティアがGPU時間を寄付する分散自己対戦プロジェクトだ。各クライアントが1試合プレイして結果をサーバーにアップロードし、それが学習データになる。RTX 5090なら1時間に数十試合、累積学習試合数は数十億を超える。

# Lc0をビルドしてネットワークウェイトを取得
git clone https://github.com/LeelaChessZero/lc0
cd lc0
./build.sh
# ウェイトは https://lczero.org/play/networks/bestnets/ にある
# BT5やBT4シリーズが強い

誰がLc0を使うか

• TCEC（Top Chess Engine Championship）でStockfishの永遠のライバル。
• カールセン、カリャーキン、カルアナら一流棋士のオープニング準備。
• ChessBase経由のデータとして。

4章 · Komodo Dragon 3 — 商用チェスエンジンの最後の雄

Komodo DragonはDon DaileyとLarry Kaufmanが作ったチェスエンジン。2018年にchess.comが買収、2026年現在はKomodo Dragon 3。商用エンジン（年間サブスクリプション）だが、chess.comの分析ツールのデフォルトエンジンなので実質1日数億回呼び出されている。

特徴

• NNUEを早期に採用（Dragon 1、2021）。
• 位置的スタイル — Kaufmanは元GM、その影響か人間が見て「人間らしい」手を出す。
• マルチPV分析で人間が理解できる変化を出してくれる → コーチング用途で便利。
• Stockfishよりやや弱いが、確実にトップ3。

Stockfishが無料・オープンソースなのに、なぜ商用を使うのか

• chess.comのような商用サービスは安定したライセンスとサポートが必要。
• 「人間を教える」分析ではKomodoの直感的評価が役に立つ。
• chess.com Insightsの定跡分析はKomodoが標準。

5章 · AlphaZero → MuZero — DeepMindライン

AlphaZero (2017) — 1つのアルゴリズムで3つのゲーム

Silver et al., 2017, "Mastering Chess and Shogi by Self-Play..."。

• MCTS + 深層ニューラルネット（ポリシー + バリュー）。
• 完全に自己対戦のみで学習 — 人間棋譜ゼロ。
• チェス・将棋・囲碁すべて同じアルゴリズムで解いた。
• 学習後にStockfish 8を100戦で28勝0敗72分（2017年時点 — その後StockfishがNNUEで追いついた）。
• TPU 5,000台 + TPU 64台で数日学習。

AlphaZeroが変えたもの

これまでチェスエンジンはチェス知識を人間がコーディングしていた。ポーン構造、キング安全、ダブルルーク、ビショップペア — すべて元GMの開発者が書いたヒューリスティックだ。AlphaZeroはそれをすべて捨て、自己対戦のみで同レベルに到達した。これが衝撃だった。

MuZero (2019) — ルールを知らないとき

Schrittwieser et al., 2019, "Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model"。

• AlphaZeroはゲームのルールを知っている（ある手を打った後の盤面が分かる）。
• MuZeroはルールを知らない — 「次の盤面」をニューラルネット自身が予測する。
• なのでAtariのようなピクセルゲームにもそのまま適用可能 → 同じアルゴリズムでボードゲーム＋Atariを征服。
• 後にEfficientZero（2021）、Stochastic MuZero（2022）に拡張。

コード

DeepMindから公式のオープンソースは無いが、有名な再実装がある:

• OpenSpiel（github.com/deepmind/open_spiel） — DeepMind公式のゲームRLフレームワーク。AlphaZeroベースを含む。
• muzero-general（github.com/werner-duvaud/muzero-general） — 人気のPyTorch実装。

6章 · Maia — 人間らしいチェス（MS Research + Toronto）

多くのエンジンは「最強の手」を打つ。Maiaはその正反対 — 人間が打ちそうな手を打つ。

• 開発: Microsoft Research + University of Toronto（Reid McIlroy-Young, Siddhartha Sen, Jon Kleinberg, Ashton Anderson）。
• 論文: KDD 2020, "Aligning Superhuman AI with Human Behavior"。
• GitHub: github.com/CSSLab/maia-chess。

作り方

• lichessの匿名人間棋譜データで学習 — 各ELO帯ごとに別モデル。
• maia-1100, maia-1500, maia-1900など — 数字は学習対象のELO。
• AlphaZero風CNN、MCTSは1ノード（ポリシー出力のみ）。
• 結果: maia-1500は1500ELOの人間が最もよく打つ手を最もよく打つ。

なぜ重要か

• チェスのコーチング: 生徒のELOに合わせて「この局面ならあなたくらいの人は普通こう打つ」と教えられる。
• AI安全研究の小さなケース: 「最強のAI」ではなく「人間と整合したAI」が必要な領域。
• 人間との対戦: lichessのMaiaボットは、人間が対戦するのに最も自然な相手の一つ。

7章 · KataGo — 囲碁分散学習の頂点

チェスにLc0があるなら、囲碁にはKataGoがある。

• 開発者: David Wu（個人スタート → 分散学習へ拡大）。
• GitHub: github.com/lightvector/KataGo。
• AlphaZero風だが、学習効率の改良が多数入っていて、同じ計算量でより強い。

AlphaGo Zeroより強いか

• AlphaGo Master（2017）は李世乭バージョンのAlphaGoよりずっと強かった。
• AlphaGo Zero（2017、社内完結）はMasterよりさらに強かった。
• KataGoは分散学習でそのAlphaGo Zeroレベルをオープンソースで再現し、その後さらに強くなった。

改良点

1. スコアベースの報酬モデリング — 「何目差で勝ったか」を直接学習 → 終盤で人間が理解しやすい手。
2. 複数の盤サイズを1つのネットワークが扱う（9x9, 13x13, 19x19）。
3. 置碁や非公式ルール（中国式・日本式数え方）。

誰がKataGoを使うか

• ほぼ全てのプロ棋士が分析ツールとして使う。
• 韓国・中国・日本の主要研究所がKataGoを動かしている。
• 人気GUI: Lizzie, KaTrain, Sabaki。

そしてLeela Zero（囲碁）

Leela ZeroはKataGo以前の分散囲碁プロジェクトで、Lc0の囲碁版。2017~2019年、AlphaGo Zero論文をオープンソースで再現した。後にKataGoのほうが効率的だったのでボランティアが移行し、実質終了。だがAlphaGo Zeroのレベルを外部から初めて再現したという歴史的意義がある。

8章 · AlphaGo — 2016年のあのシリーズ

2026年からするとAlphaGoは「歴史」だが、ゲームAI年代記の分岐点だ。

AlphaGoラインナップ

李世乭の第4局、78手目

2016年3月13日の第4局。李世乭は78手目に「神の一手」（divine move、2石の間に割り込む）を打った。AlphaGoの評価関数はこの手をほぼ0%の確率で予測しており、その後形勢を誤判断、李世乭が勝った。人間がトップの囲碁AIに勝った最後の公式対局として記録されている（2025年現在まで）。

李世乭は2019年に引退、「AIに勝てないゲームを続ける理由がない」という趣旨の発言をした。韓国社会においてAlphaGoは単なるAI事件ではなく、「李世乭の第4局」として記憶されている。

9章 · Pluribus — 6人ポーカーの征服（Meta 2019）

チェス・囲碁は完全情報ゲームなのでミニマックスが効く。ポーカーは違う — 相手のカードは見えないし、運があるし、ブラフはゲームの一部だ。

• 論文: Brown & Sandholm, 2019, "Superhuman AI for multiplayer poker"（Science）。
• 開発: Facebook AI Research（現Meta） + カーネギーメロン大学。

中核アルゴリズム — モンテカルロCFR + 深さ制限探索

• CFR (Counterfactual Regret Minimization): 不完全情報ゲームの標準学習アルゴリズム。「もしこの時点で別の行動を取っていたらどれだけ後悔したか」を累積して戦略を更新する。
• Blueprint strategy: オフライン自己対戦で巨大な「基本戦略」を学習。約8日間、12,400 CPUコア。
• リアルタイムの深さ制限探索: 対局中は数手深さだけ再計算。1ハンドあたり約20秒。

何が衝撃だったか

• ヘッズアップ（2人）ポーカーは2017年にLibratusがすでに人間を破っていた。
• 6人は次元が違う問題 — 多エージェント、連携の可能性、サイドベット。CFRの収束理論が弱い。
• Pluribusは理論的保証なしに人間トッププロに統計的有意差で勝った（13人のプロ、1万ハンド）。
• 1日約1,000ドルのクラウドサーバーで動いた — AlphaZeroのようなスパコンは要らない。

人間が見て衝撃的だった行動

• ランダム化されたベットサイズ — 同じハンドでも毎回ベット額が違う → 相手にハンドが読まれない。
• ドンクベット — 人間プロがほとんど使わなかった手をPluribusは頻用。
• ゲーム理論的に最適なブラフ頻度 — 多すぎず少なすぎず。

10章 · Cicero — Diplomacy（Meta 2022）

Pluribusが「数学的に難しい」ゲームを解いたなら、Ciceroが解いたDiplomacyは言語と人間交渉が難しいゲームだ。

• 論文: Bakhtin et al., 2022, "Human-level play in the game of Diplomacy by combining language models with strategic reasoning"（Science）。
• 開発: Meta AI。

Diplomacyが難しい理由

• 7人がヨーロッパの地図上で同盟と裏切りを繰り返す。
• 毎ターン自由形式のチャット交渉。チャットで何を漏らすか、誰と同盟するかがゲームそのもの。
• 嘘が合法 — 同盟を約束して裏切ってもルール違反ではない。
• サイコロ無し、非対称情報＋多人数協力＋言語。

Ciceroのアーキテクチャ

1. 言語モデル（LLM） — Diplomacyのチャットデータでファインチューンした27億パラメータのBART。
2. 戦略モデル — 自己対戦で学習したポリシーネットワーク、RLベース。
3. 意図推定 → メッセージ生成 → 行動決定 — 自身の意図と相手の意図を同時にモデル化。

結果

• webDiplomacyの匿名トーナメントで上位10%、40局平均で人間平均の2倍のスコア。
• 一度も「AIっぽい」と疑われずに人間相手と自然に会話して勝った。
• 意図的に嘘をつくよう学習させていない — 一貫性が崩れると同盟自体が壊れるため。結果として「正直な協力者」が強い戦略だった。

これは単なるゲームAIの勝利を超え、AIが自然言語＋戦略＋多者交渉という人間社会のコアを扱えることを示した分岐点だ。

11章 · AlphaStar — StarCraft 2（DeepMind 2019）

• 論文: Vinyals et al., 2019, "Grandmaster level in StarCraft II using multi-agent reinforcement learning"（Nature）。

StarCraft 2が難しい理由

• リアルタイム — ターン無し、1試合に数万回のクリック。
• 部分観測 — 戦争の霧で相手が見えない。
• 巨大な行動空間 — 毎フレーム数百万通りの有効行動の組み合わせ。
• 長期報酬 — 勝敗はゲーム終了時にしか確定しない（数十分）。
• 3種族（Terran/Zerg/Protoss）が非対称。

アルゴリズム

• 自己対戦RL + リーグ（League）システム。
• 様々な「スタイル」のエージェントが互いに対戦、新エージェントは「現チャンピオンが倒せないスタイル」を学習する。
• これが多様なメタを自動発見させる。
• TPU 16台で14日間学習。

結果

• Battle.netのラダーでグランドマスター（上位0.2%）到達。
• 人間プロMaNaとTLOにシリーズ勝利（公開戦5-0）。
• 人間視点で「非人間的なマイクロコントロール」（200+ APMの同時操作）と「非人間的な戦略」（常時マルチタスク）を見せた、どちらもルール上は合法。

12章 · OpenAI Five — Dota 2

• ブログ: openai.com/research/openai-five。
• 開発: OpenAI（2017~2019）。

Dota 2のさらに難しい点

• 5対5のチームゲーム — 協力が本質。
• 時間スケールがさらに長い — 平均1試合45分。
• 100以上のヒーロー — 行動空間がさらに広い。
• 長期戦略（アイテムビルド、レーン、終盤チームファイト） + 短期マイクロ。

結果

• 2018年OG戦のデモ、2019年に世界王者OGを2-0で破った。
• 約256 GPU + 12万8千CPUで10か月学習。
• 累積学習試合時間は約45,000年分。

これは事実上分散強化学習の産業規模デモだった。OpenAI Fiveが確立した「自己対戦＋大規模計算」のパラダイムが、OpenAIをOpenAIたらしめた（その後のGPT路線）。

13章 · Suphx — 麻雀（Microsoft 2019）

Li et al., 2019, "Suphx: Mastering Mahjong with Deep Reinforcement Learning"。

麻雀が難しい理由

• 4人ゲーム（2人ではない）。
• 手牌が非公開＋ドロー（ツモ）がある。
• スコアシステムが1局単位ではなく半荘単位で累積 → 長期意思決定。
• 日本のリーチ麻雀には「テンパイ」「役」「ドラ」など複雑なルール。

Suphxのアプローチ

• モデル: ResNet + 勾配モニタリングRL。
• 学習トリック: グローバル報酬予測（今局の行動が試合全体にどれだけ価値があるかを予測）。
• 実行時ポリシー適応 — 試合進行に応じて方針を微調整。

結果

• 日本のオンライン麻雀プラットフォーム天鳳で十段到達 — 上位0.01%、人間トッププレイヤーレベル。

14章 · AlphaProof + AlphaGeometry — IMO銀メダル（2024）

数学の証明はゲームではないが、本質的には巨大な探索問題だ。DeepMindはこれをゲームAI技法で解く。

AlphaGeometry (2024.1, Nature)

Trinh et al., 2024, "Solving olympiad geometry without human demonstrations"。

• 平面幾何に特化。
• ニューラル言語モデルが補助線を提案 → 記号推論器が検証。
• IMO 2000~2022年の幾何問題30問中25問を解いた（人間IMO金メダリストの平均は25.9問）。

AlphaProof (2024.7)

DeepMindブログ: deepmind.google/discover/blog/ai-solves-imo-problems-at-silver-medal-level。

• Lean 4形式証明言語で証明を書く。
• パイプライン: 自然言語問題 → 形式化 → 証明。
• AlphaZero風自己対戦RLで証明探索。

2024 IMOの結果

• IMO 6問中4問満点（28/42点）。
• 銀メダル相当（2024年銀メダルのカットラインは29点なので1点差で逃したが、実質上位25%）。
• 問題1・2（AlphaProof）/ 4（AlphaGeometry）/ 6（AlphaProof）。問題3と5は制限時間内に解けず。

15章 · チェスUI — lichess / chess.com / ChessBase / Arena / Banksia / NIBBLER

エンジンがどれだけ強くても、人間が使うにはUIが必要だ。2026年の整理:

lichess.org — FOSSの頂点

• 無料・広告無し・オープンソース（AGPL v3）。
• lichess.org, github.com/lichess-org/lila。
• 分析エンジンはStockfishが標準 — ブラウザでWebAssembly経由ローカル実行。
• 重い分析はfishnetというボランティア分散ネットワークが処理。
• 月間1億局以上を捌く。
• 韓国でも無料＋高速サーバーで急速に普及。

chess.com — 商用1位

• 月間アクティブユーザー5,000万人以上。
• 分析エンジン: Stockfish + Komodo Dragon（KomodoはOSchess.com保有）。
• レッスンライブラリ（GMコース）、ボット対戦、トーナメント。
• マグヌス・カールセンら一流GMがchess.comのSpeed Chess Championshipに出場。

ChessBase

• ドイツのChessBase社のデスクトップ・データベース＋エンジンツール。
• 大会準備の事実上の標準 — Mega Databaseに1,000万局以上。
• エンジン（Fritz, Komodo, Stockfish）はすべてUCIで接続。
• 高価（年€100~）だがプロGMには必須。

Arena, Banksia, NIBBLER — エンジンテスト用

• Arena（playwitharena.de） — クラシックな無料Windowsチェスソフト。UCI / XBoardエンジン接続の標準。
• Banksia GUI（banksiagui.com） — 比較的新しいGUI。CCRLの非公式標準。
• NIBBLER（github.com/rooklift/nibbler） — Lc0専用GUI。ポリシーネット出力を可視化する。

16章 · UCIとXBoardプロトコル

エンジンとGUIが通信する標準が2つある。

UCI (Universal Chess Interface)

1990年代後半にStefan Meyer-Kahlenが作った標準。現代のほぼすべてのエンジンがUCIを話す。

# GUI -> エンジン
uci                                    # エンジンに「UCIモード」に入るよう指示
setoption name Threads value 8
isready
position startpos moves e2e4 e7e5
go wtime 60000 btime 60000

# エンジン -> GUI
id name Stockfish 17
uciok
readyok
info depth 20 score cp 31 ...
bestmove g1f3 ponder b8c6

XBoard / CECP

もっと古い（1990年代前半）。一部のクラシックエンジン（Crafty, GNU Chess）が今でも使う。lichessはXBoard形式のボットもサポート。

違い

今日新しいエンジンを作るならまずUCIだ。

17章 · 韓国 — NCsoftの韓乭、そして李世乭

韓乭（NCsoft）

NCsoftのAIセンターが作った韓国製囲碁AI。2017年に初公開、2019年12月、李世乭の引退対局で1局目を勝ち、2~3局を負けて1-2でシリーズを落とした。

• 1局目で李世乭は78手目の左辺侵入で攻めをかけ、韓乭が形勢評価を誤った。
• これは李世乭が公式対局でAIに勝った最後の勝利として記録されている（2025年現在まで）。

その後、韓乭はNCsoft社内研究にとどまり、一般向けの分析ツールとして大々的にはリリースされなかった。NCsoftはゲームAI全般（リネージュのNPC、強化学習ベースのコンテンツなど）に重心を移していった。

LG・カカオ — 韓国の囲碁AI

• LGも2010年代後半に独自の囲碁AIを開発したが、韓乭ほど可視化されなかった。
• カカオブレインは一時自社の囲碁AI（Katajaなどのコードネーム）を試したが、後にKataGoのオープンソース貢献にシフトした。

韓国における囲碁AIの意味

李世乭 vs AlphaGoは「AI」という言葉が韓国の一般大衆に日常化した出来事だ。2016年3月以前と以後で、韓国メディアでの「AI」という言葉の出現頻度が質的に違う。国家レベルのAI政策（2019年AI国家戦略）も、この事件の直接の結果である。

18章 · 日本 — 将棋AI発展史、dlshogi、やねうら王

将棋はチェスより駒の再利用があり、ゲーム木がチェスより遥かに大きい。日本のコンピュータ将棋コミュニティは1990年代から非常に活発だった。

主要エンジン（時系列）

ボナンザの衝撃 — Bonanza Method

保木氏の2006年論文 — 評価関数の重みをプロ棋譜からの最適化学習で得る手法。これがチェスのNNUEより10年早い機械学習評価関数の起源だ。後のStockfishのNNUE着想にも影響。

やねうら王 — NNUE発祥の地

やねうら王（磯崎元洋）が作ったオープンソース将棋エンジン。NNUEを初めて実用化した場所。後にStockfishがチェスに持ってきた。世界コンピュータ将棋選手権で優勝するのはほとんどがやねうら王の派生型だ。

dlshogi — AlphaZeroの将棋版

GitHub: github.com/TadaoYamaoka/DeepLearningShogi。

• AlphaZero風 — CNN + MCTS、自己対戦。
• やねうら王（NNUE）とdlshogi（深層学習）は異なる路線で同程度の強さ。
• 2021年世界コンピュータ将棋選手権優勝。
• RTX 4090やRTX 5090を2台束ねた構成 — 日本のGPU学習議論では事実上のリファレンス。

人間 vs 将棋AI — 名人戦とNHK杯

• 名人戦: 将棋で最も格式高いタイトル。
• 2013年Ponanzaが佐藤天彦（現名人）ら一流プロを破った → 「もう人間とAIの公式対局はナンセンス」という雰囲気に。
• NHK杯: 早指しの公開対局にAIが参加することも（公式タイトル戦ではなくイベント）。

19章 · 誰がゲームAIを学ぶべきか

1) RL研究者

• AlphaZero, MuZero, AlphaStar, CiceroはRLの教科書だ。
• OpenSpiel, RLlib, JAX/Acmeで手を動かして実験できる。
• ゲームは環境がクリーンなのでRLのほぼ標準ベンチマーク。

2) ボードゲームエンジン開発者

• Stockfish, Lc0, KataGoは単一ゲームをどこまで最適化できるかの見本。
• C++ / CUDAを本気で深く触りたいなら良い入り口。

3) 多エージェント / 交渉AI

• CiceroとPluribusは多人数＋協力＋自然言語の学術標準ケース。
• LLMエージェントで交渉システムを作るなら必読。

4) ゲーム会社

• ゲーム内ボット、マッチメイキング、コンテンツ生成にRLが入ってきている。
• 例: NCsoft韓乭、OpenAI Five。

5) 教育・コーチング

• Maia、そしてchess.com / lichessのコーチボット。
• 生徒のELOに合わせて「人間らしい」相手を作る仕事。

20章 · 結び — 「超人間」が意味するもの

2026年のゲームAIはほぼすべての標準ゲームで人間より強い。チェス、囲碁、将棋、ヘッズアップ/多人数ポーカー、StarCraft 2、Dota 2、麻雀、Diplomacy。さらに国際数学オリンピックも銀メダルレベル。

しかしこれで終わりではない。新しいゲーム — 例えばMMOのPvEダンジョン攻略、MOBAの新ヒーローメタ発見、TCGの新セット発売直後のメタ探索 — などはまだ活発な研究領域だ。

そしてもっと興味深い方向は「人間らしいAI」だ — Maiaのように、Ciceroのように。単に「より強いAI」ではなく、人間と一緒に指し、人間が理解でき、人間を教えるAI。

ゲームAIは終わっていない。ただ「勝つこと」がもはやゴールではない時代に入ったに過ぎない。

参考文献 / References

• Silver, D., et al. (2016). "Mastering the game of Go with deep neural networks and tree search." Nature.
• Silver, D., et al. (2017). "Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm." arXiv:1712.01815.
• Schrittwieser, J., et al. (2019). "Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model (MuZero)." arXiv:1911.08265.
• Brown, N., & Sandholm, T. (2019). "Superhuman AI for multiplayer poker (Pluribus)." Science 365 (6456): 885-890.
• Bakhtin, A., et al. (2022). "Human-level play in the game of Diplomacy by combining language models with strategic reasoning (Cicero)." Science.
• Vinyals, O., et al. (2019). "Grandmaster level in StarCraft II using multi-agent reinforcement learning (AlphaStar)." Nature.
• OpenAI Five blog (2018-2019).
• Li, J., et al. (2020). "Suphx: Mastering Mahjong with Deep Reinforcement Learning." arXiv:2003.13590.
• Trinh, T., et al. (2024). "Solving olympiad geometry without human demonstrations (AlphaGeometry)." Nature.
• DeepMind blog. "AI achieves silver-medal standard solving IMO problems (AlphaProof + AlphaGeometry, 2024)."
• McIlroy-Young, R., et al. (2020). "Aligning Superhuman AI with Human Behavior (Maia)." KDD.
• Stockfish — GitHub repository.
• Leela Chess Zero — Project site.
• KataGo — David Wu's repository.
• dlshogi — Yamaoka Tadao's repository.
• Yaneura-ou — Yaneura's shogi engine.
• lichess.org source code (lila).
• chess.com.
• ChessBase Mega Database.
• Arena Chess GUI.
• Banksia GUI.
• NIBBLER GUI for Lc0.
• DeepMind OpenSpiel.
• Wikipedia: AlphaGo versus Lee Sedol.