初期温度が低いと、十分に探査しないうちに「一見良さそうな」手に高評価が付いてしまい、その後の探査が十分に進まないらしい。 となると、温度を高めに保って常に探査が行われる状態にすべき？ それとも、初期温度さえ適切に設定すればOK？ …う〜ん、判断…

試しに初期温度を低め（0.01）に設定したら、先手のみ学習でも収束しなくなった。 となると、後手固有の問題では無い？

試しに4x4のリバーシでテストしてみると、こっちは全く収束する気配無し。 バグかな、バグだろうなぁ… てかこれ、オンライン学習化する前からの潜在バグか？