チェスAIの歴史：ディープブルーから現在まで
遊びを見つける執筆にClaudeを使用しています。
チェスAIの歴史は、コンピューター科学そのものの歴史と重なっています。1997年にIBMの「ディープブルー」が当時の世界チャンピオン、ガルリ・カスパロフに勝利したとき、多くの人が「機械が人間の知性を超えた」と感じました。しかしその後も技術は止まらず、現在のチェスAIはディープブルーとはまったく異なる仕組みで動いています。 この記事では、チェスAIがどのような経緯でここまで進化してきたかを時系列で整理します。単なる歴史の羅列ではなく、「なぜその時代にその技術が生まれたか」という背景と、各世代のアプローチの違いに注目して説明します。チェスをブラウザで楽しんでいる方が、対戦相手のAIの仕組みをより深く理解する一助になれば幸いです。
この記事の目次
ディープブルー以前：ルールベースとαβ枝刈りの時代
チェスプログラムの起源は1950年代にさかのぼります。数学者クロード・シャノンは1950年の論文で、コンピューターがチェスを指すための基本的な枠組みを示しました。「すべての合法手を列挙し、数手先まで読んで最善を選ぶ」という考え方です。
この枠組みを実用的にするうえで大きな役割を果たしたのが、αβ枝刈り（アルファベータ法）という探索の効率化技術です。ゲームツリーと呼ばれる「手の選択肢の木構造」を探索する際、明らかに不利な分岐を途中で切り捨てることで、計算量を大幅に減らせます。この手法は1950〜60年代に理論化され、以降のチェスプログラムの根幹になりました。
1970〜80年代には、専用ハードウェアを使ったチェスマシンの開発が進みます。カーネギーメロン大学のチームが開発した「ChipTest」、その後継の「Deep Thought」は、αβ探索を専用チップで高速化することでグランドマスタークラスの棋力を実現しました。この系譜がIBMに引き継がれ、ディープブルーへとつながります。
ディープブルーの衝撃：専用ハードウェアの到達点
ディープブルーが1997年にカスパロフを破ったマッチは、チェスAI史上最も有名な出来事です。ただし、ディープブルーの強さの本質を理解するには、「どのように強かったか」を知ることが重要です。
ディープブルーは、αβ探索を480枚の専用チップで並列処理することで、1秒間に約2億局面を評価できました。また、評価関数（局面の有利・不利を数値化するルール）には、グランドマスターが長年かけて体系化したチェスの知識が手作業で組み込まれていました。ピースの価値、ポジションの優劣、キングの安全性といった要素を人間の専門家が定義し、プログラムに落とし込んだのです。
この方式を「ハンドクラフテッド評価関数（手作りの評価関数）」と呼びます。強さの源泉が「大量の計算力＋人間の知識の蓄積」にあったため、専用ハードウェアの性能が直接棋力に結びつきました。
ディープブルー以降、この方向性を洗練させたプログラムが続きます。オープンソースの「Crafty」、後に長く世界最強の座についた「Rybka」「Houdini」「Stockfish」などは、いずれも同じアーキテクチャの延長線上にあります。評価関数のパラメーターをより精緻に調整し、探索のアルゴリズムを改良することで、棋力は人間のトッププレイヤーをはるかに超えていきました。
Stockfishの時代：オープンソースの成熟
2008年に登場した「Stockfish」は、現在も最強クラスのチェスエンジンとして知られています。オープンソースで開発されており、世界中のエンジニアや棋士が改良に参加してきた点が特徴です。
Stockfishがディープブルーと大きく異なるのは、汎用CPUで動作する点です。ディープブルーが専用チップに依存していたのに対し、Stockfishはソフトウェアの最適化によって同等以上の性能を実現しました。現代のパソコンやスマートフォンの性能が向上したことで、Stockfishはブラウザゲームやアプリにも組み込まれるほど普及しています。
Stockfishの評価関数も、長年の人手による調整の積み重ねです。ただし、2020年に大きな転換点が訪れます。「NNUE（エフィシェントアップデートつきニューラルネットワーク）」と呼ばれる技術が導入され、評価の一部をニューラルネットワーク（機械学習）に置き換えたのです。この改良でStockfishの棋力はさらに向上し、従来の手作り評価関数とニューラルネットワークを組み合わせたハイブリッド型のエンジンが主流になりました。
AlphaZeroの登場：強化学習による「独学」
2017年、DeepMindが発表した「AlphaZero」はチェスAIの考え方を根本から変えました。AlphaZeroはチェスのルールだけを与えられ、自己対局（自分自身と対戦して経験を積む強化学習）のみで棋力を習得しました。人間の棋譜も、手作りの評価関数も使いません。
わずか数時間の学習で当時の最強エンジンに匹敵する棋力に到達したという報告は、チェス界に大きな衝撃を与えました。さらに注目されたのは、AlphaZeroが指した手のスタイルです。従来のエンジンが選ばないような積極的な攻め、序盤での思い切った駒の犠牲など、人間の棋士が「美しい」「創造的だ」と評する手が多く見られました。
AlphaZeroの技術的な核心は、モンテカルロ木探索（MCTS）とディープニューラルネットワークの組み合わせです。局面の評価と次の手の候補をニューラルネットワークが出力し、有望な手を優先的に深く探索します。探索の深さよりも「どの方向を読むか」の判断に学習の成果が生かされる設計です。
ただし、AlphaZeroは研究目的で開発されたものであり、一般には公開されていません。その後継としてオープンソースで実装された「Leela Chess Zero（Lc0）」が同じアーキテクチャを採用し、Stockfishと並ぶ世界トップクラスのエンジンとして活動しています。
現在のチェスAI：2つの流派とその使い分け
現在のトップチェスエンジンは、大きく2つの流派に分かれます。
ハイブリッド型（Stockfish系）
手作りの評価関数とNNUEを組み合わせた方式です。探索速度が高く、短い時間制御（持ち時間が短い対局）でも安定した強さを発揮します。軽量な実装が可能なため、ブラウザゲームや将棋ソフトの「チェス対応版」にも使われやすいです。
純粋ニューラルネットワーク型（Leela Chess Zero系）
自己対局学習のみで評価関数を構築する方式です。長い時間をかけて読ませると特に強く、人間的なスタイルの手を選ぶ傾向があります。計算資源が大きく必要なため、ブラウザ上での実装には工夫が必要です。
ブラウザゲームで対戦相手として使われるAIは、多くの場合Stockfishの軽量版や、さらに弱さを調整した派生エンジンです。強さのレベルを数値で設定できる実装が多く、初心者から上級者まで対応できます。
チェスAIは「完全に解かれた」ゲームではありません。チェスの局面数はおよそ10の120乗とも言われ、現在の技術ではすべてを読み切ることはできません。AlphaZeroやLeela Chess Zeroが人間の知識なしに発見した新しい手は、今もプロ棋士の研究に影響を与え続けています。AIが人間を超えた後も、チェスは発展し続けているのです。
次の行動
チェスAIの歴史を知ると、ブラウザゲームで対戦したときのAIの「考え方」が少し違って見えてきます。まずはStockfishの公式サイトや、Leela Chess Zeroのプロジェクトページで現在の開発状況を確認してみてください。アソバースの「灯りのチェス」でAIと対局しながら、今回紹介した技術がどのように実装されているか想像してみるのも面白い楽しみ方です。
参考資料
- Claude Shannon「Programming a Computer for Playing Chess」（1950年、Philosophical Magazine掲載）
- IBM Research ディープブループロジェクト公式アーカイブ
- Stockfish 公式ドキュメント・GitHubリポジトリ
- DeepMind「Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm」（2017年）
- Leela Chess Zero プロジェクト公式サイト
