PC側Minimaxによるスパルタ教育 × Uno側評価関数学習」を軸とした企画書を作成しました。
プロジェクト企画書：Uno-Evolution AI
〜 最小のリソースで広大な盤面を攻略する分散学習システムの構築 〜
1. プロジェクトの目的
メモリわずか2KBのArduino Unoを用い、縮小なしの15×15盤面（五目並べ等）において、PC上の最強アルゴリズム（Minimax）との対戦を通じて「勝てる評価関数」を自律的に獲得するAIシステムを構築する。
2. システム構成
本プロジェクトは、計算資源をPCに、学習結果の保持と実行をUnoに集約するハイブリッド構成をとる。
- 役割: 絶対的な「師匠」。
- アルゴリズム: アルファ・ベータ法を用いた深層Minimax探索。
- 機能: Unoの打手に対し最善の応手を返し、その局面の「真の評価値」をフィードバックする。
② 学習・実行側（Arduino Uno）
- 役割: 「弟子（学習者）」。
- アルゴリズム: 重み付き評価関数による行動選択。
- 学習方式: 教師の評価値との誤差を修正するパラメータ更新（勾配降下法的なアプローチ）。
3. 技術的ブレイクスルーのポイント
Unoのメモリ制限を克服するため、以下の3手法を導入する。
| 技術要素 | 内容 |
|---|---|
| ビットボード表現 | 15×15の盤面を64ビット整数×4本で管理し、メモリ消費を数十バイトに抑える。 |
| 評価関数の抽象化 | 全局面を覚えるのではなく、「活三」「棒四」といった特定パターンの「重要度（重み）」のみを学習対象とする。 |
| 評価値フィードバック | PC側が算出した「将来の絶望/希望」をシリアル通信で受信し、Uno内部の重み係数を自動調整する。 |
4. 学習プロセス（ワークフロー）
- 初期化: Uno内の重み係数をランダムに設定。
- 対戦: Unoが「今の重み」で最善と思う場所へ打つ。
- 添削: PC側Minimaxがその手を解析。「その手は5手後に負ける」といったスコアを算出。
- 更新: UnoはPCから受け取ったスコアを元に、「攻め」と「守り」の重みバランスを書き換える。
- 反復: 数千回の対局を経て、UnoはPCの思考ロジックを「評価関数の重み」として吸い上げる。
5. 評価指標
- 対人間勝率: 学習完了後のUnoが、中級程度の人間プレイヤーに勝利できるか。
- 計算効率: 15×15の盤面スキャンをUnoの16MHzクロックで1秒以内に完了できるか。
6. 将来の展望
