lightvector/KataGo

GTP engine and self-play learning in Go

何を解決するか

KataGoは、利用可能な中で最強クラスとなるよう設計された、高性能なオープンソースの囲碁AIです。膨大な外部データセットを必要とせず、自己対局を通じてゼロから学習でき、ハイレベルな対局や詳細なゲーム分析の両方に使用できる、超人的なレベルの囲碁AIを提供するという課題を解決します。

仕組み

KataGoは、AlphaZeroのような学習プロセスを使用し、ニューラルネットワーク（最近ではtransformerモデルのサポートを含む）とMonte-Carlo Graph Search（MCTSの拡張）を利用しています。効率的に設計されており、19x19の盤面において、わずか数日間の数枚のGPUを使用することで高いアマチュア段位レベルに到達し、あるいは単一のコンシューマー向けGPUを数ヶ月間使用することで超人的な強さに到達することが可能です。OpenCL, CUDA, TensorRT, ROCm, ONNX Runtime, そして Eigen (CPU) を含む複数のハードウェア・バックエンドをサポートしています。

対象者

  • 囲碁プレイヤー：強力な対戦相手や、対局分析のためのツールを求めている方。
  • 開発者：囲碁ソフトウェア用のGTP互換エンジンを必要としている方。
  • AI研究者：自己対局による学習やMonte-Carlo Graph Searchに関心がある方。

ハイライト

  • スコアと地（確定領域）の推定：勝率のみを提供するボットとは異なり、KataGoは地とスコアを推定するため、アマチュアの対局を分析するのに非常に有用です。
  • 幅広いサポート：7x7から19x19までの盤面サイズと、多種多様なルールセットをサポートしています。
  • ハードウェアの柔軟性：NVIDIA, AMD, IntelのGPUおよびCPUに対応するため、6つの異なるバックエンドを提供しています。
  • 効率的な学習：比較的控えめなハードウェアを使用して、ゼロから超人的なレベルまで学習させることが可能です。
  • 人間らしい打ち方：特定の人間用SLモデルを使用することで、様々な段位の人間らしい打ち方を模倣することができます。

関連

  • プロジェクト
    sanderland/katrain

    KaTrain は、KataGo エンジンに基づいたリアルタイムフィードバックと調整された実力レベルを持つAIと対戦できる、AI駆動の囲碁対局分析・トレーニングツールです。

  • プロジェクト
    MigoXLab/dingo

    Dingoは、AIデータ、モデル出力、RAGシステムの評価に向けたオープンソースのPythonライブラリ（およびSaaS製品）です。ルールベース、LLMベース、エージェント駆動のチェックをサポートし、ファイル、データベース、S3、Hugging Faceからデータをストリーミングで読み込み、JSONレポートとオプションのビジュアルダッシュボードを提供します。`pip install dingo-python`（オプションの拡張機能付き）でインストールし、CLI（`dingo eval …`）またはPython SDKで実行可能。カスタムルール、LLMプロンプト、エージェントで拡張できます。

  • プロジェクト
    hatchet-dev/hatchet

    Hatchet は、信頼性の高いバックグラウンドタスク、AIエージェントパイプライン、耐久性ワークフローを実行できるオープンソースのオーケストレーションエンジンです。すべての状態をPostgreSQLに保存し、リトライ、スケジューリング、DAG、レート制限、優先度キュー、リアルタイムUIを提供。Python、TypeScript、Go、Ruby用のSDKも用意されており、マネージドクラウドサービスとして利用するか、Docker経由でセルフホスティングも可能です。

  • プロジェクト
    smallnest/pigo

    pigoは、ファイルの読み書き、シェルコマンドの実行、ウェブコンテンツの取得、多数のLLMプロバイダーとの連携が可能なGoベースのCLI AIコードアシスタント（piエージェントのクローン）です。ヘッドレススクリプトモードまたはインタラクティブREPLで動作し、ツールレベルの許可/拒否リスト、プロジェクト信頼、プロンプトテンプレート、スキル、プラグイン、自己更新、Go SDKによる埋め込みをサポートします。

  • プロジェクト
    Jittor/jittor

    Jittor は、計算グラフ全体を JIT コンパイルし、メタ演算子を使って特定のモデルに最適化された CUDA/C++ カーネルを生成する高性能ディープラーニングフレームワークです。PyTorch に似た Python API を提供し、CPU および GPU バックエンド（CUDA、ROCm、Hygon）をサポートしており、ビジョン、レンダリング、幾何学的学習、強化学習向けのモデルズーも備えています。