このサイトの特徴
「言葉だけ」「数式だけ」では理解できない領域を、4つのアプローチで攻略します。
図解中心
テキストや数式だけでは伝わらない概念を、SVG・カラフルなネスト図・比較表で視覚化。一目で構造が分かります。
インタラクティブ
ニューロンの重みをスライダーで動かす、勾配降下法のアニメーション、CNNの畳み込み、Self-Attentionの可視化。手で触って体感。
ボトムアップ
「機械学習とは何か」から始め、ニューロン1個 → 層 → 多層 → CNN → Transformer → LLM。段階的に積み上げる構成。
将棋AIで具体化
抽象的な機械学習論を NNUE・dlshogi の実装で具体化。「学んだ概念がすべて実在のAIに使われている」のを目撃します。
学習の流れ — AIの基礎から将棋AIまで
8章を順に進めることで、AIの全体像が体系的に理解できます。
AIの基礎を理解する（第1〜2章）
機械学習とは何か、ディープラーニングが何を変えたのか。AI業界の用語と歴史を整理。
ニューラルネットを掘り下げる（第3〜5章）
ニューロン1個の動作から、学習の仕組み、CNN・Transformerまで。手で触って動きを確認。
応用と実例で理解を深める（第6〜8章）
生成AI（ChatGPT, Diffusion）の仕組み、そして集大成として「これまで学んだ概念が将棋AIで全部実装されている」のを目撃。
📖 全章目次
どの章からでも読めます。「第1章から順に」が推奨ルートです。
機械学習の全体像
「機械学習とは何か」から始まり、統計学との違い、3つの学習タイプ、古典的機械学習の主要10手法（XGBoost、SVM、PCA等）を網羅。
第2章ディープラーニングは何が違うのか
古典機械学習の壁「特徴量設計」を、DLがどう乗り越えたか。2012年の革命と、必要だった3つの条件。
第3章ニューラルネットの基礎
ニューロン1個から、層、活性化関数、なぜ層を重ねるかをインタラクティブな図解とスライダーで体感。
第4章学習の仕組み
損失関数、勾配降下法、誤差逆伝播法。「学習」とは何かをアニメーションで体感。学習率を変えて谷を下りるデモ付き。
第5章CNN・Transformer
画像認識のCNN、自然言語のTransformer。畳み込みカーネルが画像をスライドする様子と、Self-Attentionで単語間の関係が見えるデモ付き。
第6章生成AI
ChatGPT、画像生成、Diffusion、GAN、VAE。識別AIとの違いと、ChatGPTの3段階学習（事前学習→SFT→RLHF）を整理。
第7章将棋AIで全部確認
これまで学んだ概念が将棋AIで全部実装されている集大成。NNUE・dlshogi の中身、17項目の概念対応表で一気通貫に確認。
第8章CEDEC2024講演で深堀り
やねうらお・たややん両氏のCEDEC2024講演動画を中核に、将棋AIの50年史と未来。「ワン・アイデアで世界最強」のフロンティア。
第9章棋士視点で学ぶ将棋AIの最先端
中村太地八段×水匠開発者たややんの対談動画。AIの2大分類、推定選択率・実質勝率の新指標、棋風を真似るクローンAIなど、棋士視点での最先端トピック。
🔎 詳細ページ — 個別の将棋AIを深掘り
「NNUE」「dlshogi」「やねうら王」をそれぞれ単独で詳しく解説するディープダイブ集。
第7・8章を読んだあと、さらに踏み込みたい人向け。
NNUE — 浅いMLPが切り開いたCPU高速評価
那須悠氏が2018年に発表した、効率的に差分更新できる浅いMLP。CPU上で秒間数百万局面の評価を可能にし、Stockfishにも輸出された日本発の革新。HalfKP特徴、ClippedReLU、量子化、3つの工夫を詳細に。
🔎 詳細dlshogi — AlphaZeroを日本に持ち込んだDL将棋AI
山岡忠夫氏が開発する日本のDL系将棋AIの代表格。深いCNN+ResNet、9×9×100テンソル入力、Policy/Value 2ヘッド、MCTS、強化学習。AlphaZero流の「賢く深く読む」アプローチを徹底解説。
🔎 詳細やねうら王 — 日本将棋AIの探索基盤
やねうらお氏が開発する、日本の将棋AIにおける探索エンジンのデファクト。α-β木探索、LMR、Null Move Pruning、置換表、並列化。「探索 vs 評価関数」分業エコシステムの土台を作った OSS。
こんな人にぴったり
3タイプの読者を想定して書かれています。
プログラマ・エンジニア
ChatGPTもいいけど中身も知りたい。擬似コードで MLP / CNN / RNN / Transformer を比較したい。NNUEの差分更新の仕組みが気になる。
→ 擬似コード比較を見るこれから学ぶ世界の全体地図
5つの世界の関係性は 入れ子構造。中に行くほど新しく、特殊な技術になります。
ChatGPT, DALL-E, Sora など
機械学習と一部融合しつつ、現代でも独立した分野として進化
📌 図の読み方
- 外側ほど広い概念、内側ほど特定の技術
- すべての生成AIはディープラーニングであり、機械学習であり、AI
- 逆に すべての機械学習がディープラーニングではない（古典的機械学習も多い）
- 統計学は別系譜。機械学習と一部融合するが、独立した数学体系
準備はできましたか？
第1章「機械学習の全体像」から、AIの世界に踏み込みましょう。