羽生 善治 レーティング。 羽生善治九段の成績とレーティング / advertising.socialvibe.com

羽生善治の名言・格言集。進化を続ける天才棋士の言葉

羽生 善治 レーティング

という実験があります。 大変面白いので私もやってみました。 データ収集 まず将棋のプロの対局結果をから収集しました。 こちらのサイトは1964年度以降の公式戦対局結果がまとまっています。 の四段昇段が1963年、の四段昇段が1965年です。 大昔ですね。 素晴らしいですね。 以下の方針でしました。 データベース中のプロ同士の対局をすべて収集する• 対局者のどちらかあるいは両方が四段昇段前(員もしくはア)であっても収集対象とする• 不戦勝、不戦敗は除外 2017年7月30日時点で、対局総数は103849局、総数292人でした。 また、参考用にプロの生年月日および四段昇段日も収集しました。 こちらは、、の個別ページを基にしました。 将棋データベースも暗記したいほどの素晴らしいサイトです。 モデル Memorandumの記事で使われたモデルのキモは次の2点だと思います。 のskillの推移を自己相関モデルでモデル化する モデルはBUGS文法で書かれており、とても複雑に見えます。 BUGSはStan以上に使い方が分からないので、私はMemorandumのモデルをせめてStanに移植できないかと試行錯誤しましたが、何をどうしてもサンプリング結果が収束しませんでした。 残念です。 素人には高いハードルでした。 しょうがないのでモデルを変更しました。 対局の勝敗は、勝者の勝率pをskill値の差(勝者-敗者)によるロジットモデルで表します。 勝率pはそのまま尤度となります。 勝負ムラは考慮しません。 このロジットモデルというのは今回初めて知りましたが 、いかにも便利で使い出がありそうですね。 skillの自己相関は下のように定めました。 iは年度のインデックスです。 sは全全年度で共通としてます。 また、これを正しく自己相関と呼んでいいのか、私は知りません。 つまりこのモデルは、のを自己相関モデルで推定するものです。 完成したStanのモデルです。 dataの構造はMemorandumを参考にしています。 スキル値も同様です。 全の初期skillの事前分布は平均ゼロ、分散100のとしました。 skillの自己相関モデルのsの事前分布はゼロから100までの一様分布としました。 Careerは四段昇段以前の対局を含んだ、各の実績の開始年度、終了年度のインデックスです。 Career前のskillは初期skillと同じ値、Career後のskillはCareer終了年度のskillと同じ値にします。 Career外の年度のskillは本来不要なので、サンプリング後に別処理でNAにしました。 対局結果データは収集した全データを使用しました。 とてのすごく時間がかかりました。 よくやったもんです。 結果 Stanが計算してくれるRhatは全パラメータで1. 1以下でした。 収束したようです。 やりました。 a, sの推定結果 skill差にかける係数aの平均は0. 00671でした。 0058と近いと言えるかもしれません。 0067069 2. 7922e-05 0. 00044769 0. 0058647 0. 0063853 0. 0066965 0. 0070188 0. 0075937 257. 07 1. 0092 s 21. 6041800 1. 2963e-01 1. 92109918 18. 2457615 20. 1846688 21. 5365262 22. 9048539 25. 5018467 219. 62 1. 0108 skill差(レート差)と勝率の関係を可視化しました。 イロとよく似ていますが偶然でしょう。 適当に決めた初期スキルなどの事前分布が偶々こうなるような事前分布であった、ということだと思います。 skillの推定結果 skillの推定結果の統計量をに載せています。 のskill値の事後分布 Rhat的にはskill値はよく収束しているそうですが、安全安心のために事後分布を可視化してみます。 実力制第十三代名人 のskill値を年度ごとchainごとに可視化しました。 上下のヒゲの伸び方に差はありますが、それ以外はchain間の差がほとんど見られません。 いい感じです。 全全年度についてskill値の平均値と中央値を比較すると大体同じでした。 skill値の平均値と中央値の差の統計量を下に示します。 どのskillも釣鐘型の綺麗な分布をしているんじゃないでしょうかと思います。 :-3. 383 1st Qu. :-0. 668 Median :-0. 222 Mean :-0. 269 3rd Qu. : 0. 172 Max. : 1. 734 以降はskill値の代表値として平均値を使っていきます。 Memorandumでも同様の可視化をしています。 どうしても巨大な画像になりますね。 大体整合的ですね。 下表は2017年度のskill値上位20人です。 微差ながらがを抑えて堂々1位となりました。 青嶋未来や近藤誠也もskill値では評価高く、まだが追いついていない状態と言えます。 skill順位 名前 skill平均 skill95%下 skill95%上 順位 1 318. 15 206. 71 438. 42 1703 32 2 317. 40 243. 53 397. 99 1884 1 3 315. 03 243. 92 394. 22 1849 4 4 313. 00 240. 05 390. 72 1878 2 5 288. 24 213. 38 367. 98 1828 7 6 286. 98 216. 12 365. 51 1856 3 7 274. 81 201. 85 354. 58 1837 6 8 274. 77 202. 91 352. 13 1839 5 9 258. 59 186. 67 334. 47 1825 8 10 252. 53 182. 40 327. 20 1808 9 11 244. 15 173. 17 319. 49 1790 11 12 240. 46 169. 81 313. 21 1801 10 13 238. 27 170. 34 310. 52 1778 13 14 234. 33 163. 60 309. 05 1780 12 15 229. 63 160. 52 304. 31 1776 14 16. 65 153. 89 300. 82 1775 15 17 224. 80 151. 06 303. 74 1767 17 18 青嶋未来 224. 12 147. 35 302. 01 1715 26 19 近藤誠也 224. 00 142. 70 307. 73 1701 33 20 松尾歩 219. 55 148. 18 295. 29 1766 18 全のskill値の推移 せっかく50年余りの推定を行ったので、全のskill値の平均の推移をプロットしました。 デカイです。 名が重なって見づらいです。 個別のの推移を追うことができないですね。 全体の傾向として、どうもskill値の分布の裾が時間経過とともに広がっていることがわかります。 試しに5年単位でskill値の平均のバイオリンプロットを描いてみました。 分布の中心とばらつきが一定だと年度間でのskill値を容易に比較できて大変便利だと思う、のですが。 中央値、平均値とも上昇傾向, skill値はインフレしている• ばらつきも大きくなる傾向があるような気がするが、はっきりしない。 これでは、年度をまたいだskillの値そのものの比較はできませんね。 具体的に今回のモデルの何が悪いのかは分かりません。 ちなみにそうです。 歴代のトップ 各年度におけるskill値の順位TOP10を可視化しました。 黒丸は公式戦デビュー時点でランクインしたことを示します。 黒字のラベルは翌年度にランク外に陥落したことを示します。 また、、とも、デビュー時で2位にランクインし、すぐに1位に上り詰めています。 先程がskill1位すごいすごいと書いたわけですが、確かにすごいが前例はあるのでした。 羽生世代やポスト羽生世代には、デビュー即トップ10入りというが結構います。 もちろんデビュー直後なので信頼の幅も大きいわけですが。 、は一度も1位になっていません。 これは違和感があります。 については、中原以降羽生以前に覇権を握ったイメージがあったのですが、今回のモデルでは、skill上はそのような時代は無かった、となります。 羽生世代が80年代後半にドカドカと現れて、2010年台にドカドカと退場する、世代交代の様が一目瞭然です。 も2016年度に1位の座を明け渡したようです。 もそんな感じですね。 次なる頂点の候補は、と、最近の若手では珍しくデビュー時点でトップ10入りのでしょうか。 私はですが、この人ポカが多いんですよね。 山田道美、はトップ10のまま夭折しました(は最期は休場)。 山田道美は山田定跡の考案者ですね。 相手にタイトルもとりました。 番号制定前のであるためか、将棋のデータベースには個別ページさえもありません。 TOP10ののスキルはおおむね右肩上がりに上昇しています。 その中では、1995年から2010年まで、2位の相手に常に50以上のskill差をつけています。 やはり化物ですね。 の全盛期と年齢 の全盛期と年齢の関係を可視化しました。 年齢はデータ収集のところで書いた生年月日をもとに、年度ベースの数え歳で計算しました。 つまり度生まれは度に1歳、という換算になります。 全盛期をskill値そのもので求めるのは危ないので、期歴におけるskill値の年度順位が最高の年度を全盛期としました。 例えばは15歳から46歳まで1位を32年間維持したので、この間ずっと全盛期という扱いになります。 また、この計算で全盛期が年度期間の両端(1964年、1965年、2016年、2017年)となったは、真の全盛期は計算期間の範囲外にあるものと思われるため、除外しました。 全体ではskill値は20代半ばに全盛期が来ることが多いようです。 トップの場合は山がもっとのっぺりしてます。 40過ぎで全盛期が来て あるいは全盛期を維持して 、それがトップ20以内のは以下になります。 以上は、1963年以前に全盛期があった可能性があると思います。 は名人獲得直前が全盛期ですね。 は早熟の天才というイメージがありましたが、今回収集したデータの範囲では40歳前後で順位を上げており、実に不思議なです。 「に苛められすぎたのが中年になって吹っ切れた」と、がとの対談で言っていたような記憶があります(たしか誌上)。 id name 年度 skill値の平均 順位 誕生年度 年齢 1026 大山 康晴 1966 197. 1745 1 1922 45 1035 原田 泰夫 1966 -4. 2594 19 1922 45 1035 原田 泰夫 1967 -5. 3930 19 1922 46 1039 花村 元司 1966 7. 0797 16 1917 50 1064 加藤 一二三 1981 131. 3172 3 1939 43 1085 米長 邦雄 1982 141. 3653 2 1943 40 1175 羽生 善治 2009 337. 4900 1 1970 40 1175 羽生 善治 2010 349. 6142 1 1970 41 1175 羽生 善治 2011 353. 2264 1 1970 42 1175 羽生 善治 2012 358. 3190 1 1970 43 1175 羽生 善治 2013 352. 0057 1 1970 44 1175 羽生 善治 2014 344. 3521 1 1970 45 1175 羽生 善治 2015 330. 5932 1 1970 46 1204 三浦 弘行 2015 230. 0110 13 1973 43 今回のモデルは単純なので、推定されたskillの平均の推移は、1963年からイロを計算した場合と大きな違いはないと思います。 デビュー直後のの強さを推定できるのことが優位点でしょうか。 モデルにもっと個人差のパラメタを組み込むと面白いと思います。 例えばskillの自己相関のや、勝負ムラなど。 色々な可視化ができたのは楽しかったです。 おわり。

次の

将棋棋士の実力を知るには②~レーティングから見るタイトル、順位戦、竜王戦~|みそじんの将棋のある生活

羽生 善治 レーティング

羽生善治九段(49)の師匠である二上達也九段(1932-2016)は昭和の名棋士です。 「もし大山さえいなければ、二上は永世名人になったのではないか」 関係者やファンからは、そんな惜しまれ方をしました。 二上九段は同時代に大山康晴15世名人(1923-92)という史上最強クラスの巨人がいたために、ついに名人獲得はなりませんでした。 ただし大山名人と並び称される升田幸三九段(1918-91)に対しては、二上九段は勝ち越しの戦績を収めています。 その二上九段がただ一人だけ「天才」と認めた棋士がいました。 それが後輩の加藤一二三九段です。 百人を超す棋士と対局したが、天才と言い切れる棋士は加藤一二三九段ただひとりである。 読みが広く深く、かつ正確であった。 対局後の感想戦では、こちらの手順まで、あらゆる変化をしっかり読み切っている。 加藤さんの読み筋から抜け出せないものがあった。 私は後年、十八歳の羽生善治五段と対局したが、十八歳の加藤さんは羽生に勝りこそすれ、けっして劣りはしない。 出典:二上達也『棋士』2004年刊 1988年度NHK杯。 実はそこからの加藤九段が強かった。 あまり知られていないことかもしれませんが、羽生五段は初手合での勝利の後、加藤九段に3連敗を喫しています。 18歳の羽生少年は歴代名人を連破してNHK杯で優勝するほどに強かった。 そして49歳の加藤九段もまた、その天才少年に後で痛烈な3タテを食らわせるほどに強かった。 そういうことになるでしょう。 そして18歳の加藤少年がまたケタはずれに強かった。 戦後の新しい時代、打倒大山の一番手と目されたのが二上達也八段(当時)でした。 その二上八段がA級に昇った24歳の時、16歳の加藤六段と初めて対戦します。 「京都新聞」主催の新年掲載用の特別対局で、公式戦の扱いをされました。 加藤六段が先手で、戦型は戦後大流行した角換わり腰掛銀。 現代にも通じるようなスタイリッシュな攻めが見事に決まり、形勢は加藤六段の勝勢となりました。 しかしそこから「寄せの二上」と呼ばれた二上八段が底力を見せ、最後は大逆転。 先輩の二上八段がなんとか面目を保った格好となりました。 ただしその後の二上青年-加藤少年戦は、加藤少年の3連勝。 奇しくも師弟揃って、加藤現九段を相手に、同じような星取りをたどったことになります。 NHK杯・加藤-羽生戦の解説で、米長邦雄九段(1943-2012)は次のように語っていました。 (聞き手は永井英明さん) 米長「(1966年に)加藤さんと最初に対局した時に、矢倉の激しい将棋を負かされて、感想を聞いたんですよ。 加藤さんはね、将棋盤の底まで読んでるんじゃないかと思いましたね。 読み筋がね、これがこうなる、こうなればこうなるこうなる。 こうやったらどうだ、それはこうなるこうなる。 よく読んでましたね」 永井「よく加藤九段は『一に読み、二に読み、三に読み』と書かれますから、やはり読みの深さというのはすごいんでしょうね」 米長「読みの深さはもう天下一品ですね。 僕の五倍以上は読んでる」 米長「とにかく読みますね。 とことん読む。 あとで将棋盤調べて、穴が空いてるんじゃないかという、本当にそれぐらい読む」 出典:1988年度NHK杯・加藤-羽生戦、大盤解説 加藤九段の読みの深さ、広さ、正確さ、そして天性の感覚を絶賛する声を拾っていけば、それだけで一冊の本になります。 また既にそうした本はたくさん刊行されています。 先日のNHK杯アンコール放映で羽生少年の強さとともに、壮年時の加藤九段の強さに初めて触れたという新しいファンの方はこれを機に、ぜひともそれらの文献をひもといていただければと思います。 二上九段は24歳の時、入門(奨励会入会)以来6年でA級八段という超スピード昇進を果たしています。 一方で加藤九段はなんと、18歳でA級八段。 どれほどの天才が今後現れても、おそらくは破られない不滅の記録として、将棋史に残り続けるでしょう。

次の

『羽生善治の伝説』天才将棋名人のすごさとは?学歴や面白エピソードまとめ

羽生 善治 レーティング

AI解析に裏付けられた歴代将棋棋士の強さのランキングとその解析手法についてです。 将棋にはその時代ごとに最強と呼ばれるプレイヤーがいました。 その中でも歴代最強は誰かとの問いに名前が挙がるのは、羽生善治、大山康晴、中原誠、初代大橋宗桂、六代大橋宗英、天野宗歩あたりでしょう。 しかし時代が違えば彼らが直接対局することはできませんし、例えば羽生善治氏と大山康晴氏のように同じ時代にいたとしてもピークがずれている場合には強さの比較は難しいです。 この難しい比較を一定の条件の元に可能にしたのがAIです。 そして比較の結果、AIは歴代棋士では羽生善治氏が最強であるとの結論を出したのです。 AIが出した歴代棋士の強さランキング 山下宏氏の論文「」より2013年のGPS Fishを用いた換算Rの順に以下の表を作成しました。 レート算出のために用いられた棋譜は、その棋士の最高の状態でのレートを求める目的という意味で、 タイトル戦での棋譜のみが採用されています。 解析手法については後述いたします。 注:論文内でデータがある棋士のみ。 女性では清水市代女流のみ。 レート 棋士名 称号など 3347 羽生善治 永世七冠王資格者 3214 渡辺明 永世竜王資格者 3151 森内俊之 十八世名人資格者 3139 谷川浩司 十七世名人資格者 3046 中原誠 永世五冠王 2998 加藤一二三 2979 大山康晴 永世五冠王 2979 木村義雄 十四世名人 2894 升田幸三 実力制第二代名人 2839 天野宗歩 2731 六代大橋宗英 2724 塚田正夫 実力制第四代名人 2687 初代大橋宗桂 一世名人 2592 清水市代 クイーン名人 2590 初代伊藤宗看 三世名人 2576 本因坊算砂 2548 坂田三吉 2488 八代伊藤宗印 十一世名人 2399 大橋柳雪 2343 関根金次郎 十三世名人 参考:3820 GPS Fish Xeon 上記の通りの結果となり、羽生善治氏がトップ、特に永世名人の中では断トツとなっています。 全盛期の羽生善治氏VS大山康晴氏の対局が実現したとした場合、レート差が300あるので羽生氏が8. 5対1. 5ぐらいの勝率になると予想されます。 レーティングの計算方法に関してはこちらの記事で解説しています。 関連ページ: ちなみに年代が進めば進むほど、研究が進み将棋全体が発展しているため、全体の実力が底上げされています。 そのため過去と現代の棋士を比較した場合に、現代の棋士の方が強い傾向があるのは当然の結果です。 また参考結果ですが、藤井聡太氏がデビューから29連勝した棋譜を同じ手法で解析した結果はレーティング3305となり、羽生善治氏に匹敵する強さとなっています。 藤井聡太氏が論文内に登場しないのは、これが2014年の論文だからです(当時はまだ奨励会員)。 AIが強さを測るのに用いた手法 「平均悪手」という指標がレートと密接な関係にあることを用いて、対局中の平均悪手を求め、そこからレートを計算しています。 対局の勝敗自体は関係ありません。 元々はチェスで行われた研究にヒントを得て、将棋でも同じようにして換算レートを求めたというのがこの研究です。 関連ページ: 平均悪手 ここではGPSFishが最善とした手と違う手を指して、最善手を指した場合より評価値が下の場合を悪手と定義します。 そして平均悪手は以下の式で表されます。 B:平均悪手• S:悪手の評価値差分の絶対値の合計• 40手目以降の手のみ考慮(定跡を除外するため)• 評価値は歩を0. 89と評価する値を用いる(詰みのある状況で325. 98とする)• 評価値の変動が10未満の手のみ考慮(形作りの悪手と、詰み発生時の急変動を除外)• 探索深さは11 ここで求められた平均悪手BとレーティングRが大きな関連性を持つ点に注目して、各棋士のレーティングを求めます。 平均悪手とレートの関連性 引用:将棋名人のレーティングと棋譜分析より引用 図13に見られるように、平均悪手Bとレーティングの間には強い相関関係があることが分かります。 これだとGPS Fishの方が大きな値が出そうな気がしますが、GPS Fishの方がBonanzaよりも強いソフトなため悪手判定が多く出ることと、評価値差分も大きくなるため、結果的にyに入る平均悪手の数値が大きくなって、算出されるレーティングはBonanzaと同じぐらいに落ち着きます。 ちなみに悪手を全く指さない将棋の神様がいたとするとレーティングはBonanza判断だと4620、GPS判断だと4743になることがこれらの式から読み取れます。 関連ページ:.

次の