２０１６年当時の電王トーナメントを前に平岡さんからAperyの教師データ生成に関して不特定多数の協力依頼があった。今日の話題はここから始まる。
Aperyの教師データ生成ツールv1.15.0をリリースしました！
— 平岡 拓也 (@HiraokaTakuya) 2016年10月7日
データ生成にご協力頂けますと大変助かります！
電王トーナメント3日目に間に合わせようと考えております。
よろしくお願い致します！https://t.co/7fhHDgUzN7
私も当時とくに将棋に関わっていたわけでもないが手持ちのマシンのパフォーマンス計測として一通り計測してみた。考えてみるとこれが私の関わりの最初かもしれない。
ちなみに，一番下のドスパラ機がshotgunの開発機で，その上のVAIO Zが世界コンピュータ将棋選手権優勝機である。
で，この際にAperyの自己対局で100万局面生成して送るわけであるが，その初期局面がroots.hcpと言う名の巨大なファイルである。
このファイル，後のdlshogiにおいても初期局面として使われることになる。
将棋AIの進捗 その19(初期局面集) - TadaoYamaokaの開発日記
二番絞りも強化学習過程において利用しているが，そもそも手段を選ばないで最高精度を目指すというコンセプトのためあまり深く考えていなかった。今回諸事情で平岡さんに確認を行ったところfloodgate棋譜由来と記憶しているとのことであった。
ということでfloodgateにおける古いユニーク局面を評価することにした。
計測においてCSAファイルの読み込みにはcshogi，ユニーク局面の生成にはnumpy.uniqueメソッド，重複局面の生成にはnumpy.intersect1dメソッドを用いた。
まず，２００８年～２０１６年までの棋譜で３つ壊れているものがあった。
wdoor+floodgate-900-0+gps_l+MyMove900+20080621063001.csa
途中で切れている？
wdoor+floodgate-900-0+Gekisashi_X5590_1c+gps_+20120702000001.csa
初手がない
wdoor+floodgate-900-0+Sunfish3-trial04+your_program_name+20130107230005.csa
妙な文字が入っているうえ短い
エラー処理の方が面倒なので削除した。
次に上記1.15.0のroots.hcpのユニーク局面を数えた。ファイル上は46855837局面であるが僅かに重複がありユニーク局面は45945496局面である。
以後，各年度のユニーク局面数およびそれがroots.hcpに含まれる数を示す。
２０１１年
7032153
353798
２０１２年
9967477
9964794
２０１３年
10476209
10475665
２０１４年
7998208
7997057
２０１５年
6932244
6928346
２０１６年
6834503
4226259
２０１０年以前も計測したが1~3%程度であったので省略する。２０１１年は５％程度が含まれているが，２０１６年時点で恐らく年単位のアーカイブが存在したはずなので平岡さんの性格から考えてみても２０１１年分の一部を採用したとは考えにくい。
比べて，２０１２年～２０１５年はほぼすべての局面が含まれておりこれは全て採用したと考えることが出来る。若干抜けがあるのは何らかのフィルタが行われた可能性がある。
２０１６年はこのファイルが生成されたのが１０月であることを考えれば妥当な割合と思われる。データ生成直前までの棋譜を採用されたのであろう。
逆に２０１２年から２０１６年のユニーク局面数を合計してもroots.hcpに一割程度届かないことも分かる。年度間の重複も考えれば更に不足分は多いと考えられる。
もう少し正確に出せるが意外と時間もかかるのでこれくらいにしておく。
ということで，９割近くがfloodgateの２０１２年から２０１６年１０月由来で１割程度由来不明というのが結論である。