① 人工知能の基礎と動向／ 3. 探索・推論

モンテカルロ法とは

モンテカルロ法とは、乱数を使った多数のシミュレーション結果から解を推定する手法です。探索空間が膨大で全部を調べ切れない問題に有効で、囲碁AIで活用された点がG検定の押さえどころです。

この用語はG検定シラバスの「3. 探索・推論」に含まれます。章全体の用語は用語解説①（全54語）にまとまっています。

ランダムな試行を大量に繰り返し、その結果から答えを推定する手法です。

考え方

すべての可能性を調べる（ブルートフォース）のではなく、ランダムに選んだ手で最後までシミュレーションすることを何度も繰り返します。

その結果、勝率が高かった手を有望と判断します。試行回数を増やすほど推定の精度が上がる、というのが基本的な性質です。

囲碁は候補手が非常に多く、Mini-Max法で読み切ることができません。そこでモンテカルロ法を木探索と組み合わせたモンテカルロ木探索が用いられました。

アルファ碁は、このモンテカルロ木探索にディープラーニングと強化学習を組み合わせた点が特徴です。

実際の囲碁AIでは、単に乱数で試すのではなく探索木と組み合わせて次のように進めます。

この繰り返しによって、有望な手ほど多く試されるようになります。