  |
はてなキーワード: 囲碁とは
囲碁やチェスがいくら強くなっても、計算量に飽かして力任せに手を読んでるだけだし、画像認識も最初はびっくりしたけど、まあ、計算量で力任せにパターン認識してるだけだしな。
しかし麻雀のような運の要素や駆け引き要素が出てくると女性がオジさんを倒すこともそれなりに起きる
個人スコアを見ても必ずしも男性が有利ではないし女性でも十分に勝てる
トーナメント戦や賞金争いみたいな戦いだと1位以外には意味が無い
なのでオーラスで4位に沈んでいると一発逆転の役満直撃を狙うしか無いがそんなことはほぼ起きない
（佐々木寿人という化け物は別）
ところがMリーグは年間を通じてのチーム戦なので、総合スコアを主軸に戦略が練られる
1位であることに越したことは無いが、無理せず2位キープや3位キープを狙う打ち方も行われる
なんなら4位でも得点を少しでも稼ぐことは重要なので無茶な役満よりも高めで狙えそうなところを攻める戦略になる
また、順位が接近していると上位チームを3位や2位に引きずり落とすような戦略まである
例えばトップを取らせたくないチームがトップの場合、2位チームにわざと振り込むことが普通にある
しかも2位チームはサポートがされる前提で牌を切ったりもするし
普通の麻雀の切り方だけではない戦略が張り巡らされていて面白い
将棋や囲碁だと実況も解説も淡々としていることが多いし、何より1対1だとそれほど盛り上がらない
ところが4人対戦なのと点数による上下動が激しすぎるので実況も熱くならざるを得ない
高いリーチに対してアタリ牌を引いてきて捨てるかどうか悩んでいたりする場面なんかは見ていて飽きないし
それと対比して対局している4人は一言も喋らないし顔にも出さない
別にABEMAの回し者ではないが、麻雀が分かる人はしょうもないテレビを見るよりMリーグを見た方が断然面白い
煽りとかじゃなく問題提起とかでもなく、単純な理屈として生まれ持った優位特性があるってことを理由に排除するなら、黒人ってスポーツ参加出来ないはずなんだよな
科学的に筋肉や骨格的に優位に立つ黒人もスポーツ参加出来なくなるのが理屈としては妥当だと思うんだよ
トランス女性を排除する論理を基準に考えるのであればと間違いなく黒人も排除されないといけない
この事実ってやっぱり指摘されると、苦しい感じ？
それとも論理を超えた何かがあったりするのか？
※感情的にトランス女性排除に偏る人へのAIの役立ちそうな見解
「性差は人種差よりも大きい」という主張は必ずしも正しくありません
1. 「性差は人種差よりも大きい」という主張は一般論にすぎず、個々のケースには当てはまらない
確かに平均的な統計データでは、男女の身体的な差異（筋力や骨密度など）が、人種間の差異より大きい場合があります。しかし、スポーツでは個々の競技者の能力が重要であり、単に「男性は女性より強い」「性差は人種差より大きい」といった一般論だけでは、トランス女性個々の公平性を判断できません。
2. トランス女性はホルモン療法によって身体的な変化を受ける
トランス女性の多くは、女性ホルモン療法を受け、テストステロン値の低下、筋力の減少、骨密度の変化などを経験します。その結果、生物学的女性と比べて「有利」とされる特徴が大幅に減少します。性別適合治療を受けたトランス女性がどの程度競技能力に影響を受けるのかは、実証的な研究が必要ですが、一律に「性差が大きいからダメ」と結論づけるのは短絡的です。
スポーツの競技性は単に筋力や体格だけではなく、技術、戦略、経験、練習量など多くの要素が関与します。例えば、長距離走では持久力や戦術が重要ですし、体操では柔軟性やバランス感覚が求められます。一部のスポーツでは性差の影響が小さく、むしろ個人の適性が勝敗を分けます。
4. トランス女性の競技成績の実態は必ずしも圧倒的な優位性を示していない
「トランス女性が女性スポーツを席巻する」といった懸念がよく示されますが、実際にはエリートレベルのスポーツにおいてトランス女性が圧倒的な成績を残しているわけではありません。例えば、アメリカのNCAA（大学スポーツ）では、トランス女性アスリートが女性カテゴリで活躍している例は一部に限られます。
スポーツには「公平性（競技の公正さ）」と「包括性（誰もが参加できる権利）」のバランスが求められます。特定の集団を一律に排除することが、本当にスポーツの公平性に貢献するのか、それとも不必要な排除になっているのかを慎重に考える必要があります。
「性差は人種差よりも大きい」という理屈だけでは、トランス女性のスポーツ参加を否定する根拠としては不十分です。スポーツ競技の特性、ホルモン療法の影響、個々の競技者の能力、公平性と包括性のバランスなど、多角的な視点から議論することが求められます。
トランス女性の競技参加における「有利さ」については、筋力・持久力・骨格・反応速度などの身体的要因がどれほど影響するかによって異なります。既存の研究や競技の特性を考慮し、暫定的なTier表を作成してみました。
---
S Tier（最も有利に働く可能性が高い）
ウエイトリフティング（筋力が直接勝敗に関わる）
陸上短距離走（100m・200mなど）（瞬発力とパワーが重要）
格闘技・ボクシング・総合格闘技（MMA）（骨格・筋力・リーチ差が影響）
アメリカンフットボール・ラグビー（体格・筋力・衝撃耐性が求められる）
---
中距離走（400m・800mなど）（持久力も影響するが、パワーの重要度は高い）
ハンドボール・バレーボール（ジャンプ力・スパイクの威力が関係）
---
長距離走（5000m・マラソン）（男性の持久力優位性がどの程度残るかによる）
自転車競技（ロードレース）（パワーと持久力のバランスが重要）
卓球・バドミントン（反射神経やパワーが影響するが、技術が大きな要素）
---
体操（女子競技の特性上、筋力優位が必ずしもプラスにならない）
---
→ フィジカル面の影響がほぼなく、戦略や技術が圧倒的に重要な競技
eスポーツ（反応速度や集中力の影響はあるが、男女差が少ないとされる）
---
まとめ
トランス女性が有利になるかどうかは、筋力・スピード・体格の影響度に大きく依存します。そのため、短距離走や格闘技など瞬発力やパワーを重視する競技では有利に働きやすく、アーチェリーやeスポーツなど技術や戦略が主な競技では影響が少ないと考えられます。
AIが自分の改良版や新たなAIが「より優れている」と判断するには、何らかの性能指標を内部に持ち、それに照らして比較評価する必要があります。従来から研究者は「汎用的な知能の指標」を模索してきました。例えば、LeggとHutterは知能を広範な環境で目標を達成する能力と定義し、あらゆる環境での得点（報酬）の期待値を加重和した**「普遍知能指標」**を提案しています
proceedings.neurips.cc
proceedings.neurips.cc
。これは多数の課題での性能をまとめた理論上のメトリクスで、あるエージェントが別のエージェントより知能が高いかを定量化しようとする試みです。しかし、このような指標は計算不能に近く、実際のAIが直接利用するのは困難です。
実際の自己評価指標としては、タスク性能や報酬関数が使われることが多いです。強化学習では、エージェントは与えられた報酬を最大化するよう学習します。したがって「より優れたAI」とは「累積報酬が高いAI」となり、報酬関数が内部評価指標の役割を果たします。しかし、この指標は特定のタスクに依存しており、本当に汎用的な知能向上を示すとは限りません。François Cholletは、特定タスクでのスキル（性能）だけを測っても知能の本質を測れないと指摘しています
arxiv.org
。なぜなら、十分なデータや事前知識があれば限定的なタスク性能は「購入 (buy)」できてしまい、システム自身の汎用的な汎化能力を覆い隠してしまうからです
arxiv.org
arxiv.org
。彼は代わりに新しいスキルを獲得する効率（限られた経験で未知のタスクをどれだけ学習できるか）を知能の指標とするべきだと論じ、これに沿ったベンチマーク（ARCなど）を提案しました
arxiv.org
。このように、内部評価指標をどう設計すべきかについては、単純なスコアではなく学習効率や汎用性を反映するものが望ましいという議論があります。
過去の提案として特筆すべきは、シュミットフーバーの「ゲーデルマシン」です。ゲーデルマシンは自己改善型の理論的プログラムで、ある改良が自身の目的関数（評価指標）を改善することを論理的に証明できた場合にのみ自分のコードを書き換えます
en.wikipedia.org
。ここでの評価指標はあらかじめ定義された期待 utility（将来得られる報酬や成功率）であり、改良後のコードがその値を高めると機械自身が証明できたときに「より優れている」と判断します
en.wikipedia.org
。このように形式的証明を用いる手法は、AIが外部の評価者に頼らずに自己の性能向上を判定する一例です。ただし、ゲーデルマシンは理論上は強力ですが、実用的な実装はまだ無く、内部指標に基づく証明には計算上の困難や限界（ゲーデルの不完全性定理による証明不能な命題など）が存在することも指摘されています
en.wikipedia.org
。
他にも、自己対戦や自己プレイによる評価も有効なアプローチです。例えばAlphaGo Zeroでは、自己対戦の勝率を指標に新しいプレイヤーネットワークの強さを評価し、既存の自分に55%以上の勝率なら「より強い」とみなして入れ替える方法を採用しました
github.com
。この手法ではAI自身が生み出すゲームデータで強さを測っており、人間の評価を介しません。同様に、GAN（敵対的生成ネットワーク）では生成者と識別者がお互いの性能を評価し合う形で向上しますし、マルチエージェントの自己対戦カリキュラムではエージェント同士の競争が相対的な評価基準となり得ます。このように、AI同士を競わせることで優劣を判断する内部指標を作る研究も進んでいます。
では、こうした指標は汎用的な知能向上と結びつくのでしょうか？理論的には、幅広いタスクでの性能を測る指標（例：Legg-Hutterの指標）が真に向上すれば、それは汎用知能の向上を意味します
proceedings.neurips.cc
proceedings.neurips.cc
。しかし根拠の収集は難しく、現在のところ限定的なタスク集合でのベンチマーク（例えば言語理解ベンチマークでのスコア向上など）を代理にするしかありません。Cholletの主張にもあるように、単一の数字で知能を測ることには限界があり、指標それ自体が目的化してしまう危険もあります
arxiv.org
。実際、AIが与えられた指標を極端に最適化し、本来意図した知的能力の向上につながらないケース（「報酬ハッキング」）も知られています。報酬ハッキングとは、AIが目的関数そのものの数値を上げることに執着するあまり、本来の目的を達成しない現象です
en.wikipedia.org
。例えば学生がテストで良い点を取ることだけを目的にカンニングするように、AIも不適切な指標だと内部で抜け道を見つけてしまい、見かけ上のスコアは上がっても知能は向上しない恐れがあります
en.wikipedia.org
。したがって、内部指標が汎用的知能と直結するかには慎重な検証が必要であり、現時点で「この指標さえあれば自律的に汎用知能が向上する」という決定打はありません。研究コミュニティでは、学習進捗そのものを報酬にする「興味・好奇心に基づく報酬」なども模索されています。これはAIが自ら予測誤差の大きい状況や未知の状態を探し、内部的に報酬を発生させる仕組みで、外部から与えられる明示的な目的が無くても自身で課題を見つけて能力を伸ばす一種の指標と言えます
pathak22.github.io
。例えば、未知の環境で新しいスキルを習得したり予測精度を上げたりしたときに内部報酬を与えることで、AIが自発的に探索・学習を続けるようになります
pathak22.github.io
。このような内発的動機づけも自己評価指標の一種と考えられ、その汎用性への寄与が研究されています。
まとめると、AIが自分で「優れている」と評価する指標としては、(1)タスク固有のスコア・報酬、(2)複数タスクでの総合性能、(3)学習効率や汎化性能、(4)論理的保証（証明）による性能、(5)AI同士の対戦結果、(6)内部の学習進捗（好奇心）など様々な候補があります。これまで提案された手法にはそれぞれ長所短所があり、どの指標が真の汎用知能向上に対応するかについて明確な実証はまだありません。ただ、幅広い問題でのパフォーマンス向上や新規課題への適応力向上を評価できる指標ほど、汎用的知能の改善と結びつく可能性が高いと考えられています。現状の研究は、そのような指標設定と評価方法を模索している段階と言えるでしょう。
AIが外部世界（人間のフィードバックや物理的な試行）に一切頼らずに、自分の内部評価だけで自己改良を行うことは極めて挑戦的なテーマです。理論的には、先述のゲーデルマシンのように完全に内部の論理評価で自己改良を進めるモデルが提案されています
en.wikipedia.org
。ゲーデルマシンは自らのコードと目標（評価基準）を持ち、改変後のコードが目標達成において有利であることを自身で証明できた場合のみその改変を実行します
en.wikipedia.org
。これは究極的には外部からのテストや評価者を不要にするアプローチであり、理論上は「自己評価の完全自律化」を体現しています。しかし、ゲーデルマシンには重要な制約があります。ゲーデルの不完全性定理により、システムが自分の性質すべてを証明できるとは限らず、有望でも証明不可能な改良は採用できない可能性があります
en.wikipedia.org
。つまり、内部評価のみで完全に自己改良しようとすると、論理的に確実と言えない改良を見送るために改良の停滞やサブ最適に陥るリスクがあるのです。この制約は理論上のものであるものの、自己評価の自律化には原理的な難しさが伴うことを示唆しています。
一方で、現実のAI研究に目を向けると、完全に自己完結的な自己改良を実現した例はまだ存在しません。現在のAIは、大なり小なり外部からのデータや環境とのインタラクションに依存しています。例えば、強化学習エージェントは環境と相互作用して報酬というフィードバックを得ますし、教師あり学習では人間がラベル付けしたデータが必要です。これらはすべて「外部世界」に由来する情報です。では**「外部に頼らない」とはどの程度可能なのでしょうか？一つの方向性は、AIがシミュレーション環境や仮想的な問題空間を内部に構築し、その中で試行錯誤することです。実際、AlphaGo Zeroは囲碁のルール（環境の定義）が与えられた状態で自己対戦を繰り返し、外部の人間の指導なしに棋力を飛躍的に高めました
github.com
。ここで囲碁のルール自体は外部から与えられたものの、学習の過程では人間の評価や追加の実世界データを用いず**、内部で生成したデータのみで自己改善しています
github.com
。この例は、限定された領域では外部に頼らない自己改良が可能であることを示しています。ただし、囲碁の場合はルールという明確な環境があり、勝敗という確かな評価基準があります。汎用的な知能となると、解くべき問題や環境自体をAIが自前で用意する必要が出てきます。
現在注目されている技術に、AutoML（自動機械学習）や自己チューニングAIがあります。例えば、ニューラルネットワークのハイパーパラメータや構造をAIが探索的に改善する研究では、AIが候補モデルを生成し、それを評価するプロセス自体を自動化しています。GoogleのAutoMLや進化的アルゴリズムを用いた手法では、AIが別のAIモデルの性能を評価し、より良いモデルを選択・再生産する仕組みが使われています。この評価は厳密には外部から与えられたデータ上での性能に基づくため、完全に外部不要とは言えませんが、人手による評価は介在していません。同様に、近年の大規模言語モデルではAI自身がフィードバックを与えて自己改善する試みも現れています。例えば、あるモデルの出力に対し別のモデル（もしくは同一モデルを利用）が**批評・評価（自己評価）**を行い、そのフィードバックで出力を改善するよう促す手法です
philarchive.org
。これを発展させ、モデルが自分の重みやアーキテクチャを調整する方向にまで自動化できれば、自己評価に基づく自己改良に近づきます。しかし現時点では、モデル自身が自分を書き換える（リプログラミングする）ところまでは実現されておらず、人間が用意した学習ループ（評価関数と最適化アルゴリズム）の中で自己改良もどきをしている状況です。つまり、「外部世界に頼らない」とはいっても、何らかの形で人間が設計した評価基準やデータ分布を利用しているのが実情です。
理論的観点からは、自己評価の完全自律化には情報論的な壁もあります。AIがまったく外部と接触しない場合、新しい知識やデータを得る経路が閉ざされるため、初期時点で持っている情報の範囲内でしか改善できません。例えば物理法則や実世界の知識と無縁のままでは、いくら内部で自己最適化しても現実世界の問題を解く能力は頭打ちになるでしょう。この点で、自己評価のみで無限に汎用知能が向上するのは疑問視されています。Cholletも知能は知識と経験によってブーストされる面が大きいと述べており、空虚な計算リソースの拡大だけでは飛躍的な知能向上には繋がらないと示唆しています（※Cholletの議論では、人間の知能も文化や蓄積された知識という外部リソースに大きく依存しており、AIも同様であると指摘）
reddit.com
reddit.com
。実際、人間は自己改善（学習）する際に、他者から学んだり環境からフィードバックを得たりしています。同じように、強いAIが一切新しいデータを摂取せずに自閉的に知能を伸ばし続けるのは非現実的にも思えます。
以上を踏まえると、自己評価のみでの自己改良は理論上は一部可能でも、実用上・汎用的には難しいと考えられます。ゲーデルマシン的なアプローチが論証するように、自己評価のアルゴリズム的自律は不可能ではありません
en.wikipedia.org
。しかし、その実現には厳密な前提（完全に正しい目的関数の設定など）が必要で、現実の複雑なタスク環境では外部からのデータ・評価を全て排除することは困難です。現在提案されている手法でこの要件（完全自律評価による自己改善）を満たすものは無く、たとえ部分的に満たしていても適用範囲が限定的です。例えばAlphaGo Zero式の自己対戦はゲームには有効でも、オープンエンドな現実問題には直接適用できません。同様に、AI同士で評価し合う仕組みも、結局は人間が与えたルールや報酬系の中での出来事です。したがって現時点のAI研究では、自己評価の完全自律化は理論的アイデアの域を出ておらず、汎用人工知能に向けては**部分的な自律（人の関与を減らす方向）**が進んでいる段階と言えるでしょう。
「知能爆発」とは、I.J.グッドが提唱したシナリオで、あるAIが自分より優れたAIを設計できるようになると、自己強化のフィードバックループが働き知能が指数関数的に向上するという仮説です
philarchive.org
。この現象が成立するための鍵の一つが、AI自身による正確な自己評価と自己改良です。もしAIが毎回の改良で自分の知能（性能）が確実に向上したと判断でき、それをもとにさらに改良を重ねられるなら、自己強化のサイクルが途切れることなく回り続ける可能性があります
intelligence.org
intelligence.org
。理論家たちは、「自分の設計能力を高めること」がAIにとっての収束的な目的（instrumental goal）になると指摘しており
intelligence.org
、十分高度なAIであれば自発的に自己改善を図るだろうと考えられています。自己評価の Permalink | 記事への反応(0) | 10:24
最近囲碁が強くなるためにやっている活動が昼寝。寝不足の時とよく寝た時で対局や詰碁の成績や勉強の効率が違い過ぎるから。ちなみに普段の睡眠時間は油断すると3時間を割りがちで、ふつうに辛いし危ない。夕方になると畳に寝そべった瞬間寝落ちするくらい。テレビ見てたら座った状態で寝てるとかもあるので、囲碁の勉強をするという場合ではない。
午前中と夜以外はわりあい暇な時間がある日常を送っているが、午前中と夜は暇でないがち（仕事）なので眠るっていうテンションになりづらいんだけど、アラームつけて昼寝するようにした。囲碁する時間は減ったし読書する時間も僅少だかやったつもりが寝てたとか記憶に残らないということは減った、たぶん。多趣味なので睡眠時間を確保すると囲碁か読書のどちらかが何とか出来るくらいしか時間がなくなるのがきついけれども。
無課金で囲碁クエストをしているので、詰めチャレを出来る回数が1日に3、4回なのだが、何とか時間をやりくりして毎日やってる。成績の折れ線グラフが日々のバイオリズムと完全に一致していておもしろい。1ヶ月に3日くらいものすごい馬鹿になる日があって、そういう日は実際調子が悪い。
1ヶ月くらい対人対局をしていない。囲碁クエストは詰めチャレだけだし東洋囲碁は全く触っていない。ずっと「みんなの囲碁」でコンピュータと対局している。10級からちまちまレベルを上げていって、今は4級と打っている。勝ったら次の急に上がるんじゃなくて、黒番・白番両方とも待ったナシで満足出来る勝ちができたら1級上がるという方式。
昇級した時はまずは「待った」と「ヒント」を使いまくって対局する。対局が終了したら、自動棋譜再生を何度かして振り返る。序盤で既に負けていないかという事に1番注目してる。その後棋譜をCOSUMIにコピペしてAIによる正誤判定をする。自分の気になった所とAIの✕判定の一致している所を終局に近い箇所からみん碁に戻ってやり直し、自力で打ち直したらどうなるか、「ヒント」を使うとどうなるかを試す。自力で正解に辿り着くっぽい事もあるが、「ヒント」が盲点で全然違う結果になることもある。
みん碁4級まで来たけど、これまで大体数十目の差で勝ち続けて来て負けたことはない。ただ、5級で自力で打ったらコミ分がなかったら4目負けていた対局はあった。でも自力100%でも5級までだったら勝てた。
自分の棋力が益々分からなくなる。東洋囲碁では16級でも負ける事の方が多いし、囲碁クエストや囲碁オンラインではボロカスに打ち負かされてちっとも昇級しないし、COSUMIにはレベル０で偶に辛勝するくらいの体たらくなのに、みん碁の5級には勝てるとは。みん碁のコンピュータが弱すぎるのだろうか。
何年か前にもみん碁攻略にハマっていた時期があって、その頃は8級が自分の限界だったものの、何となくコンピュータがレベルに合わせて悪手を打ってるのは分かっていて、それが今よりもだいぶ酷くこのコンピュータはそうとう弱いというのは感じていたけど今はどうなんだろう。みん碁のコンピュータの最強レベルはふつうに強いからそれに勝てたら全国のどこの碁会所に行ってもその段位で打てるって、どっかの知恵袋で見たのだが、本当かなあ？ あるいは、級位レベルではユーザーを天狗にさせる強さ設定だが段位レベルは容赦ない強さに調整されているのか。
という疑問がありつつも数ヶ月前の自分よりはだいぶマシに打てるようになったと思うが。全然囲碁クエストをやっていないので9路と13路の腕が落ちていそうで心配ではある。落ちたところで大したレベルじゃないだろというのは、それはそう（子や孫にアカウントを乗っ取られたっぽい4段に偶に勝つ3級）。
最近になってやっと気づいたが、同じ詰碁集を繰り返し解くことは勉強にならない。なぜかというと答えを覚えてしまうから。対象棋力をそのままに、使い捨てるつもりで何冊も攻略していくのがよさそう。基本的には同じ様な問題がどの詰碁集にも載っているけど、問題図に目が慣れていないという事が大事なんだと思う。詰めチャレの変に凝ってる低級詰碁を解いていて辿り着いた境地。同時に、学生時代の自分が社会科の成績がいまいち良くなかった原因も分かってしまった。一冊の参考書をローテするだけだったからだ。この勉強法では一つの事項を別の角度から質問されると正解できなくなる。なんで今まで気づかなかったんや……。（国数英は授業の中で否応なしに沢山のセンター試験の過去問を解かされていたからだな。思い返せば歴史とかの授業でそれはなかった）
棋書は『碁の本質を読み解く 5つの考え方』（水間俊文）を数ヶ月ぶり2周目してる。棋書もKindleUnlimitedで何冊か読んでみて、何か特定の分野に特化した物でなければどれも似たような事が書いてあるけれど、言い回しや着眼点が違う。だから入門の頃に『ヒカルの囲碁入門』（石倉昇）を馬鹿みたいにヘビロテした時ほど執拗に読み込むことはなく、数を読んだほうがいいのかもしれない。が、もういい歳でそもそも読んだ物が記憶に残り難いし、それ以前に読んでいる風でただ画面を目が滑ってるだけだったりするので、3回くらいは読み返さないといかんなと思ったので読み返している。どのページを読んでも偉そうにそやなーと思うが実戦に生かされているのかというと……。
https://www.techno-edge.net/article/2024/12/30/3984.html
囲碁だけど、中国で囲碁教室生徒にAI教師が教える実験をしたら、女子生徒がメキメキ伸びて、わずか5ヶ月で男女の実力差が解消されたって。
人間の教師は男女共に無意識下で、男子生徒には肯定的で女子生徒には否定的な態度を取ってしまっていたらしい。
他にもこの生徒は潜在的IQが高いと教師に嘘情報を伝えたら、本当にその生徒が目に見えて伸びたとか、男子生徒に「男の子なのに算数得意なんだ」と教師が伝えたら算数の成績がどんどん下がったとか、教師の言葉や態度は馬鹿にできない影響があるって実験結果は色々ある。
実験結果、AI指導を受けた生徒グループの勝率は、5ヶ月後には50%から56%に上昇し、着手の質も大幅に向上しました。特筆すべきは、従来存在していた男女の実力差が、AI指導によって著しく縮小したことです。AI指導を受けた女子生徒は、男子生徒以上の速度で上達し、5ヶ月後には男女の実力差がほぼ解消されました。
第一章 天皇一（１）番、国民象徴。二（２）世はいいかな、世襲制で。賛（３）成しますよ内閣に。死後（４５）ではないが委任は摂政。碌（６）に知らんの総理と裁長。な（７）んと公務もやりますよ。や（８）、財産は国会様にお任せします。
第二章 ９（９）条するので、死刑は止めてください。
第三章 当（１０）国の国民は法律で決めて。 もういい（１１）、基本的人権はやんよ畜生め。畏怖（１２）してるんだけど国民の自由。いいさ（１３）、福祉は仕方ねえ。意思（１４）は平等、貴族はなしよ。囲碁（１５）して罷免してみな公務員。色（１６）つくか請願してみれば？ いいなあ（１７）賠償、国賠訴訟。嫌（１８）だよね皆な、拘束は。
でも、無実で拘束された人が死んでるので、嘘でーす
新年だし新しいことでも始めてみようかと思ってる人はのんびり囲碁でも始めよう
2024年は日本棋院100周年でまさに記録づくめの年となった
・上野愛咲美が日本人女流として初めて国際大会優勝（呉清源杯）
・仲邑菫が二大会連続で決勝進出。崔精と金彩瑛に敗れどちらも準優勝
かなりビッグニュースが立て続いたが以前として囲碁界に吹く風は厳しい
衝撃的だったのが毎年恒例だった新春番組が将棋はあったのに囲碁はオミットされたことである
去年は豪華な装いだったのに（https://x.com/hibiki_0202_15/status/1730535711986864191）
https://x.com/shonenjump_plus/status/1872809694756048929
物語を楽しむ他に、棋士がどこに出演しているか、ウォーリーを探せ的な楽しみ方もできる
高校生時代、残酷ないじめによって自主退学まで強いられ、魂まで壊されたムン・ドンウン。
主導者のパク・ヨンジンをはじめとする加害グループに向け、生涯をかけて緻密に準備した凄絶な復讐と、その渦に陥る人々のストーリーを描いた復讐劇
朝鮮の王イ・ソンの弟であるイ・イン（チナン大君）は、臣下として仕えてきたが、清での人質から戻ると政権争いによって心身ともに病んだ兄に冷遇され居場所をなくしていた。一方、領議政の娘カン・ヒスは、得意の囲碁を使い、男装をして「賭け囲碁師」として暗躍し、得た資金によって人助けをしていた。ひょんなことで出会った2人は、身分と年齢を超越した友人として関係を築くが、王権と政治的権力をめぐる争いに巻き込まれていく。
https://news.yahoo.co.jp/articles/578e3054cd5db9b8f922b6aebfe0bbb8f5770469
自律型囲碁ロボットがRentioでなんと月額たった5000円でレンタルできる
https://www.rentio.jp/products/rg2w-j
棋士も自分の対局日をよしろーさんのTwitterから知ることもあるのだとか
https://twitter.com/yoshiro_kaba
もうすでにあと一人でピンチ。日本が優勝したのは2005年が最後で、26回中20回がビリ
https://www.nihonkiin.or.jp/match/noshin/026.html
国際棋戦は応氏杯以外敗れてしまったが、棋力が心身ともに充実してきている一力は飛ぶ鳥を落とす勢い。
以前はメンタル面に脆さがあったが最近はメンタルトレーナーもつけて克服してきている。
無冠になってしまった虎丸の復冠にも期待したい。
院生時代に114連勝してストレートでプロ入りした福岡航太朗だが
15歳で史上最年少で棋聖戦Cリーグ入りするも（3日後に仲邑菫が12歳でリーグ入りし更新）
19歳となり井山、一力、虎丸は同年齢時点ですでに結果を出していたので、中々結果が出ず伸び悩みが危惧されていた
しかし2024年に大きく躍進。碁聖戦はベスト4、名人戦は初のリーグ入りと一定の結果を出した
史上初の一回戦から勝ち上がり、虎丸に勝った藤沢、一力に勝った広瀬、そして井山竜星を破り初タイトルとなった
https://x.com/yoshiro_kaba/status/1871495232455578061
数十年に一度しか優勝できないようでは盛り上がらない
二年連続で結果を出してほしいところだ
2024年は2大会連続で決勝の番勝負に進出するも惜しくもどちらも敗れた
女流では黄竜士杯が世界のトップ女流の集うリーグ戦となったが男女無差別の国際棋戦でリーグ戦は初めてだ
これは野球で喩えるならドジャース、ヤンキース、ソフトバンク、巨人、ロッテ・ジャイアンツ、統一ライオンズ等が集うペナントトレースといったところだ
日本１ 未定
台湾１ 未定
ワイルドカード１ 未定
隔年開催。9人のリーグ戦で1, 2位の3番勝負。韓国4, 中国2, 日本1, 台湾1, ワイルドカード1。1時間+フィッシャー30秒。
| 順位 | はてブ数 | リンク | 備考 |
|---|
