【UGHer×Alpha】第4回 進化フェーズ編──PoRの連鎖が生む進化とスランプの真実
「本記事では、AlphaZero の学習が『PoR の確立→拡張→高度化』と３段階で進む構造を解説し、スランプ期の正体を ‘PoR 地形の再編’ として図示します。」
1. PoRの成長段階：確立 → 拡張 → 高度化
AlphaZero の自己照合学習は、PoR（意味発火点）が連鎖し、SCI（自己整合指数）が階段状に成長するプロセスとして読み解けます。
🐣 確立フェーズ（PoR稀少）
**PoR数**：少
**SCI水準**：低
**特徴**
予測ズレ（E）が大きく、PoR成立が少ない
判断地形は浅い谷 → 手探り状態で不安定
🌱 拡張フェーズ（PoR多発）
**PoR数**：急増
**SCI水準**：急上昇
**特徴**
予測精度が高まり、PoRが大量成立
深い谷が刻まれ、判断が一気に鋭くなる
探索が有望手へ一直線
🌳 高度化フェーズ（PoR深化）
**PoR数**：飽和気味
**SCI水準**：緩やかに成長
**特徴**
PoR密度は最高点付近で安定
判断地形の谷が平坦化し、プレースタイルが固定化
**注意**：PoR_null（意味なき最適化）のリスク増大
🐣 → 🌱 → 🌳
これが AlphaZero の学習における PoR／SCI の流れです。
各フェーズを「問い→判断→評価」の視点で追うと、AIの成長過程がよりクリアに見えてきます。
2. 実際の成長曲線（SCIのシグモイド成長）
*図：SCI（自己整合指数）が「確立 → 拡張 → 高度化」の3ステージを描くイメージ。*
拡張フェーズでの急上昇は、AIがPoRを大量生産し始めた証拠です。
3. AlphaZeroで見られた進化パターン
以下は、学習初期・中期・終期での「手のタイプ分布」の例です。
| フェーズ | 中央支配手の比率 | 攻撃手の比率 | 防御手の比率 |
|--------|----------------|-----------|-----------|
| 初期 | 15 % | 45 % | 40 % |
| 中期 | 55 % | 25 % | 20 % |
| 終期 | 70 % | 10 % | 20 % |
**初期**：多彩な攻撃手を試行しながら手探り
**中期**：PoR が安定すると中央支配型が台頭
**終期**：最適パターンが決まり、防御も組み込む堅実路線へ
コラム｜進化を支える自己照合ループ
各フェーズで E を小さくするほど、grvマップの“谷”に向かう探索が加速し、AIのプレースタイルが雪だるま式に確立されていきます。
4. スランプ＝PoR地形再編フェーズ
これまでの PoR 連鎖が一段落したあと、AI は一時的な スランプ期 を迎えます。
ここでは「PoR 地形の再編」という視点で 3つのポイント に整理しましょう。
スランプ期を読む 3 つの視点
PoR成立数の一時減少
旧 PoR 谷が浅くなり、一時的に PoR 数が減少します。SCI 成長率の鈍化
成長曲線が踊り場に入り、SCI の増加率が低下します。新 PoR 谷の形成動向
新たな意思決定の谷が徐々に彫られ、判断地形が再編されます。
| 指標 | スランプ前 | スランプ中 | スランプ後 |
|--------------------|------------|------------|------------|
| 平均 E | 0.20 | 0.35 | 0.10 |
| 対局あたり PoR 数 | 8 | 3 | 12 |
| SCI 増加率 | +5 % | +1 % | +7 % |
解説
スランプ期は「一度深い谷を壊し、新しい谷を掘り直す」フェーズです。
表のように PoR 数と SCI 増加率が一時的に落ち込むものの、
その後の急成長の前兆とも言えます。
5. 次回予告 第5回は PoR応用とリスク編。
PoR_null（意味のない最適化）を見抜く手法や、grvマップの偏りを修正するアプローチに迫ります。
前回の記事はこちらです
#PoR #SCI #進化フェーズ #スランプ期 #AlphaZero
