リバーシ関連もほぼ完成

　とりあえず局面クラス・指し手クラスは完成。学習させるとちゃんと収束しました。

　ただ、現状ではαβ探索を組み込んでいない、素の方策勾配法（REINFORCE）です。PGLeafにするには、探索ルーチンを書かないといけないです。

　んで、今日はもう時間がないので続きは今度の休みに持ち越し。

　この分だと、5月中には4x4リバーシをPGLeafで学習させるのは完成しそうです。

　となると、6〜7月に将棋の局面関連のクラスを作って、8月・9月に探索・評価関数実装って感じで行けるかな？

　とりあえず、当初の予定よりはやや早めに進行してるんで、今のペースを何とか維持したいですね。