こんにちは、鈴木俊吾（すずしん）です。
私はチェスを趣味にしています。
ただ、思うように勝つことができず、もやもやすることが多いです。
特に悩んでいるのが、実戦になるとタクティクスのチャンスや危険に気づけないことです。
あとから盤面を見返せば分かるような手でも、対局中には見逃してしまう。
「どうにかして、こうした見逃しを減らせないだろうか？」と考えるようになりました。
そして、「自分が実際に見逃した局面を使って練習できたら、もっと実戦につながるのでは？」と思ったんです。
そこで、自分でアプリを作ってみることにしました。
その結果、生まれたのが『Caltrilo』というウェブアプリです。
一般的なタクティクス問題が実戦と結びつかない
最近、私はチェスのGM挑戦企画を始めました。
完全初心者の段階から徐々にステップアップしていって、最終的にはGMを目指すというものです。
それに伴ってチェスの実戦も再開したのですが……なかなか思うようにはいきません。
有利な場面でクイーンをタダ取りされたり、1手メイトを見逃したり。
「あとから見れば分かるのに、なぜ実戦では気づかなかったんだ！」と悔しい思いをすることが何度もありました。
もちろん、タクティクス問題を解く練習もしています。
ただ、そこで一つ気になったことがあります。
タクティクス問題では正解を探せるのに、実戦ではそもそも「ここにタクティクスがある」と気づけない。
私の場合、この差がかなり大きいように感じたのです。
一般的なタクティクス問題は、最初から「この局面には何かある」と分かった状態で解き始めます。
しかし、実戦では誰も「ここが問題ですよ」と教えてくれません。
しかも、今の私の棋力では、教材に出てくるようなきれいなタクティクス以前に、もっと単純な見逃しやミスをしていることも多いです。
「問題を解く練習はしている。でも、それが自分の実戦でのミスとうまく結びついていない」
これが、Caltriloを作ろうと思ったときに感じていた課題でした。
Caltriloとは？自分の対局が問題集になるウェブアプリ
『Caltrilo』というのは、一言でいうと、自分の棋譜からタクティクス問題を作って復習することができるウェブアプリです。
『Caltrilo』の名前の由来は、『Chess Analyze Learn Train Improve Loop』の頭文字をもじったものです。
最後だけ、LoopのLoをもじっていますけどね。
ウェブアプリとして公開していますので、インターネットに接続できる環境であれば利用できます。
また、PWAというものにも対応しています。
PWA対応したウェブブラウザからアクセスして、PCやスマホのアプリとして登録が可能です。
すると、たとえオフラインでもアプリの基本機能が使えます。
基本無料でも利用可能ですが、1日に解ける問題数は5問に制限しています。
ただ、有料プランに加入すると問題を無制限に解けるようになります。
PGN、Chess.com、Lichessのいずれかから棋譜を取り込みます。
棋譜を取り込むと、棋譜の自動解析を行い、問題を作成します。
Stockfishで盤面の評価を行い、自分が悪手や緩手を指した、または相手がミスをしたと判断された場面を問題化しています。
なぜ作ろうと思ったのか
そこで考えたのが、自分が実戦で間違えた局面こそ、自分にとって最高の教材になるのではないかということです。
一般的なタクティクス問題を解くことも、もちろん勉強になります。
ただ、それは基本的に誰か別の人が指した局面です。
一方、自分の棋譜には、
「ここでクイーンを取られた」
「この1手メイトに気づかなかった」
「チャンスがあったのに見逃してしまった」
といった、自分自身が実戦で気づけなかった局面がそのまま残っています。
だったら、そうした局面を問題にして何度も解き直すことで、自分が見逃しやすい形を覚えられるのではないか。
そして、似たような局面が再び実戦で現れたときに、「ここには何かあるかもしれない」と気づきやすくなるのではないか。
そんな仮説を立てました。
もちろん、これで本当に実戦での見逃しが減るのかは、まだ分かりません。
そこは、これから私自身がCaltriloを使いながら検証していきたいところです。
とはいえ、毎回自分で棋譜を開いて、Stockfishというチェスエンジンで解析して、悪かった局面を探して、あとから復習できるように整理する……というのは、正直かなり面倒です。
実戦後に毎回これを手作業でやるとなると、私の場合はおそらく続きません。
「それなら、棋譜を入れるだけで悪かった局面を見つけて、タクティクス問題として保存してくれるアプリを作ればいいのでは？」
そう考えました。
幸い、私は多少プログラミングができます。
「それなら自分で作ってみよう！」と思ったのが、Caltrilo開発の始まりです。
私はチェスの学習を、大きく「実戦」「タクティクス」「定跡」「振り返り・解析」の4つに分けて考えています。
現在のCaltriloが担当するのは、このうち「タクティクス」と「振り返り・解析」です。
対局したら終わりではなく、その棋譜を次の学習材料に変える。
そして、そこで見つかった自分の弱点を何度も解き直す。
そんな「実戦 → 解析 → 問題化 → 復習 → 次の実戦」という学習サイクルを、できるだけ手軽に回せるようにしたかったのです。
使い方：棋譜を入れてから問題を解くまで
『Caltrilo』の使い方は、それほど難しくありませんよ。
以下のステップで行います。
- 棋譜を用意する
- Caltriloに取り込む
- 棋譜を自動解析して問題を生成
- 問題を解く
まずは、自分の棋譜を用意する必要があります。
PGN、Chess.com、Lichessに対応しています。
Chess.comやLichessでは、自分のIDを入力することで自分の棋譜を取り込めます。
棋譜を取り込むと、自動解析が始まります。
しばらく待つと問題が生成されますので、後はそれを解くだけです。
問題は、反復学習に対応しています。
一定期間のタイミングで、何度か問題が再出題されます。
そのため、忘れそうな頃に再復習することができるのです。
実際に自分の対局で問題を作ってみた
実際にどんな問題が作られるのかが気になりますよね？
というわけで、実際に私自身の棋譜から問題を作ってみました。
実際の問題例は以下のような感じです。
白番です。
この盤面での最善手はどこでしょうか？
ぜひ考えてみてくださいね。
この場面で、実戦では、私はe4と指しましたがどうやら悪手だったようです。
相手のビショップを攻めているので良いかなと思っていたのですが…。
ただ、最善手を見てみると、たしかにその展開のほうが有利でしたね！
ちなみに、この盤面での最善手は、Bc4とのこと。
あなたは正解できましたか？
やはり、実戦から問題が出るので馴染み深いですよね。
もし最善手を指していたらという展開が分かります。
それにしても…私ってまだまだミスが多いなぁと感じましたよ。
作ってみて工夫したところ・苦労したところ
『Caltrilo』を開発するにあたって、私はCodexを使用しました。
基本的な仕様を決めてから、実装をしていくというスタイルです。
ほとんどのコードはCodexが書いたもので、いわゆるバイブコーディングとなります。
さすがに一発ではうまくいかず、不具合やエラーとの戦いが厄介でしたよ。
そこで、仕様にある実装したい機能について、いくつかのフェーズに分けて開発するという形にしています。
段階を追って、少しずつ着実に実装をしていきました。
エラーになれば、そのメッセージをCodexに伝えて、修正させます。
何度かのラリーを続けていって、今のようなアプリに仕上がりました。
自分だけでプログラミングをしているのでは、とても今のようなアプリを作ろうと思ったら数カ月はかかるかもしれませんね。
それがCodexなら、わずか数日でできてしまう。
AIの力、本当に恐るべし。
棋譜の解析には、Stockfishを使用しています。
チェスの解析エンジンとして非常に有名かと思います。
棋譜を解析させて、悪手と判断された場面から問題を作るということにしています。
先読みの手数をどうするか悩みまして、調整を何度か行いましたね。
今後やってみたいこと
今後、追加したい機能としては、復習だけでなく、AIと実戦もできるようにすることですかね。
そうすれば、実戦から振り返りまでをすべてカバーできますので。
近いうちに対局機能を追加しようと思っていますので、ぜひお楽しみに。
GM挑戦企画の中で、定期報告をしようかと思っていますが…。
その中で、この『Caltrilo』を使って復習をした成果も取り上げたいですね。
自分のアプリで、チェスが強くなれたら…それは最高じゃないですか！？
まとめ：自分のミスを、いちばん身近な教材にする
今回の記事では、自分の棋譜からタクティクス問題を自動生成して解くことができるウェブアプリ『Caltrilo』について簡単に紹介してみました。
自分の対局から作ったタクティクス問題こそが、自分に一番合う問題集になる。
そう思い、作ってみたアプリです。
最初は自分用にしていたのですが、せっかくだからということで公開に踏み切りました。
きっと、あなたのお役にも立てるアプリになっているのではないでしょうか？
まずは、無料版で良いので触ってみてくださいね。
そして、もし気に入っていただけたら有料版もご検討ください。
もし、あなたが利用されたのであれば…。
ぜひ使ってみた感想などをコメントでいただけたらと思います。
一人でも多くの方に愛用してもらえるような、そんなアプリに成長したら嬉しいですね！
コメント