VSランダム指しが微妙な結果に…

一晩動かした感じだと、ちゃんと探索した方が勝率ほぼ100%。

ただし、勝つまでの平均手数は20000局通じて50〜60手で変わらず。

可能性としては二つです。

1. 一局だけで「最短で勝つ方法」を学習した。
2. 実はほとんど学習していない（特に序盤・中盤）。

1は無いですね、ほぼ間違いなく。

という訳で強化学習エージェントの動作が怪しいので、今日はその辺を調べてみます。