http://d.hatena.ne.jp/Gasyou/20121002/1349182187 で書いたやつです。 i手目の手のサブ報酬は、「勝敗に応じた報酬 * 0.99^i手目から終局までの手数」を目標値として設定する様にしました。言ってみればモンテカルロ法みたいにサブゴールの報酬を決定（学…

http://wired.jp/2012/10/03/deep-blue-computer-bug/ どうも、探索中にエラーが発生するとランダムに指し手を選択する様になっていたらしいですね。 で、本番でエラーが出てランダムに手を選んだんだけど、それがたまたま「あれは信じられないくらい洗練さ…