将棋AI強化学習ラボ PRO

王

▲ 先手番 0手目

対局準備完了 — 駒をタップして移動できます

▲ 先手 50% 互角 (0.00) 50% △ 後手

△ 後手 (AI)

持ち駒 (タップで打つ)

▲ 先手 (あなた)

持ち駒 (タップで打つ)

⚔️AIモデル直接対決 (AI vs AI 観戦)

育成モデル・保存スロット・最強エンジンの組み合わせで自動対局

▲ 先手 AIモデル

△ 後手 AIモデル

🎮 あなたが対局する場合の相手エンジン

🧠 育成中AI (強化学習ラボ) [あなた: ▲先手]

🧠

将棋AI 強化学習ラボ (TD自己対局)

目標局数の設定・複数モデル作成・ステップ自己学習

Gen 0

🤖 育成対象モデル

🎯 目標学習局数 & 進捗 0 / 500 局 (0%)

目標局数 (Target)

1ステップ局数 (Step)

累計学習局数 / 勝率(▲/△)

0局 50%/50%

探索率 (ε) / 現局面評価

8% +0.00

🕸️ AI棋風・6軸バランス診断万能バランス型

📊 学習済み特徴量ウェイト (22次元)

TD誤差: 0.000

🎛️

AI育成パラメータ＆22評価重みスタジオ (全画面モード)

盤面と棋譜を非表示にし、強化学習の全ハイパーパラメータ・報酬設計・22次元評価重みを広々と編集できます

⚡ 育成方針・棋風プリセット (1クリックでパラメータ＆重みバランスを一括設定) 👑 最強バランス

学習率 α (Learning Rate) 0.018

1局ごとの重み更新幅。高いと急激に変化し、低いと安定収束します。

割引率 γ (Discount Factor) 0.96

将来の詰み・勝敗報酬をどれだけ遠くの手まで遡って評価するか。

適格度トレース減衰 λ (TD Lambda) 0.72

0で1手先TD(0)、1に近いほどモンテカルロ的に対局全体の履歴へ一括反映。

探索ランダム率 ε (Exploration Rate) 0.08 (8%)

自己対局中にあえて未知の手を試す確率。局数に応じて自動減衰します。

1局の最大手数制限 (Max Plies) 130手

短いと序中盤の速攻重視、長いと終盤の粘り・持久戦まで学習します。

最大手数到達時の判定ルール

「完全引き分け(0)」にすると、時間切れでは報酬が得られず「詰ます力」がより強く育ちます。

⚔️AIモデル直接対決 (AI vs AI 観戦)

将棋AI 強化学習ラボ (TD自己対局)

AI育成パラメータ＆22評価重みスタジオ (全画面モード)

📜 棋譜・局面巻き戻し 0手

駒を成りますか？

⚔️ 新規対局の設定

⚔️ モデル直接対決 (AI vs AI)

📂 保存モデルスロット一覧

➕ 新しい将棋AIモデルを作成

👑 AIモデルスタジオ

❓将棋AI強化学習ラボ PRO ガイド