モンテカルロ木探索とは？
もんてかるろきたんさく
モンテカルロ木探索とは、ランダムなシミュレーションを大量に繰り返して最善手を推定するゲームAIのアルゴリズムです。
モンテカルロ木探索（Monte Carlo Tree Search、MCTS）とは、ゲームや意思決定問題において、ランダムサンプリングを活用した木構造探索によって最適な行動を選択するアルゴリズムです。特に囲碁や将棋などの組み合わせゲームのAIに広く採用されています。
MCTSは以下の4つのステップを繰り返す形で動作します。
- 選択（Selection）：現在の木構造をたどり、探索と活用のバランスをとりながら注目するノードを選ぶ
- 展開（Expansion）：選択したノードから新たな子ノード（次の局面）を追加する
- シミュレーション（Simulation）：その局面からゲーム終了までランダムに手を打ち続けて勝敗を確認する
- 逆伝播（Backpropagation）：得られた結果を選択経路のノードにフィードバックして統計情報を更新する
この処理を数万〜数百万回繰り返すことで、勝率が高い手に探索が集中していきます。深層学習との組み合わせによってシミュレーション精度を高めた「AlphaGo」が囲碁でプロ棋士を初めて破ったことで、MCTSは広く注目を集めました。チェスのミニマックス探索と異なり、盤面評価関数がなくてもゲームのルールと終局判定だけで機能するため、複雑なゲームに適しています。
使い方・例文
囲碁AIがどこに石を打つかを決める際、MCTSはその局面から無数のランダム対局をシミュレーションして統計的に最良の一手を導き出します。
この用語をシェア
最終更新: