前は20戦全敗だったのが、開発用マシンで走らせてたバージョン（内部ノードから静止探索を呼ぶやつ）だと1勝1分18敗に。一つでも勝てる様になったのは、多少進歩したって考えていいのかな。 ただ、まだ学習がちゃんと収束していない感じがあるんで、学習率を…