はじめに

G検定では、ディープラーニングだけでなく、強化学習やその応用アルゴリズムについても頻繁に問われる。
その中でも、AlphaGoを皮切りに進化してきたDeepMindの一連の強化学習アルゴリズムは非常に重要なテーマだ。

本記事では、G検定の過去問を題材にしながら、AlphaGoシリーズの進化の順序を正確に把握することを目指す。

Contents

問題：深層強化学習アルゴリズムの登場順を問う

実際に出題された問題は以下の通り。

下記の深層強化学習アルゴリズムの発表された順として、最も適切な選択肢を選べ。
A) AlphaGo Zero
B) AlphaZero
C) AlphaStar
D) AlphaGo Fan

選択肢：

正解は「D, A, B, C」

選択肢となっている4つのアルゴリズムについて、それぞれの発表時期と特徴を整理する。

アルゴリズム	発表年	主な特徴
D: AlphaGo Fan	2016年	初めて人間のトップ棋士（ファン・フイ）に勝利したAlphaGo。強化学習と教師あり学習を併用。
A: AlphaGo Zero	2017年	人間の棋譜を一切使わず、自己対戦のみで学習。深層強化学習の純粋な進化型。
B: AlphaZero	2017年	AlphaGo Zeroの手法を一般化し、将棋やチェスなどにも対応可能な汎用型AIに進化。
C: AlphaStar	2019年	リアルタイムストラテジーゲーム「StarCraft II」でプロ選手に勝利。マルチエージェント強化学習の応用例。

このように、AlphaGo Fan（2016）→ AlphaGo Zero（2017）→ AlphaZero（2017）→ AlphaStar（2019）の順となる。

G検定では、「正解」だけでなく「なぜ誤りなのか」を理解することが重要だ。

選択肢	順序	誤りの理由
B, A, D, C	AlphaZero→AlphaGo Zero→AlphaGo Fan→AlphaStar	AlphaGo Fanが最初なのに3番目に来ているため不適切
C, A, B, D	AlphaStar→AlphaGo Zero→AlphaZero→AlphaGo Fan	時系列が完全に逆転しており不正確
D, B, A, C	AlphaGo Fan→AlphaZero→AlphaGo Zero→AlphaStar	AlphaZeroがAlphaGo Zeroより先に来ており誤り

正しい順番は、D（AlphaGo Fan）→ A（AlphaGo Zero）→ B（AlphaZero）→ C（AlphaStar）である。

G検定では、AIアルゴリズムの名前だけでなく、その背景や発表年、技術的な進化にも注意が必要だ。
特に、DeepMindが開発したAlphaシリーズは、AIの進化を象徴する存在であり、試験でも頻出のテーマとなっている。

✅ 覚えておきたいポイント：

この順序をしっかり理解しておけば、G検定の問題に限らず、深層強化学習の理解も一段深まるはずだ。