ちょっと進展？

　方策勾配法での本将棋の学習が、ちょっと進んだかもしれません。

　ふと「評価関数の能力不足で、序盤と終盤の学習が両立出来ないのかも」と思い、初手〜50手目までを学習対象としてみました（それ以降は、終局まで指すけど方策勾配の計算をしない）。

　んで、500局ほど自己対戦が終わってからLesserkaiと対局させてみました。

　結果、負けましたがそれなりに囲おうという意図が見えて、ちょっと嬉しかったです。

　まぁ、王将が５八に上がって、その斜め上に金を並べただけなんですけどね。

　それでも、昨年選手権バージョンのパラメータよりはマシですし、この調子でちゃんと囲い方を学習してくれれば、それなりに強くなってくれないかな、と。