あるゲーム会社が、囲碁のように盤面の良し悪しを数値で表す評価関数を人手で作りにくいゲームのAIを開発している。各候補手について、その後を終局までランダムに打ち進める試行を多数繰り返し、勝った割合が最も高い手を選ぶ方式を採用した。この方式に関する説明として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 A
この問題の論点：ゲームAIのモンテカルロ法
ポイント
モンテカルロ法は、ランダムな試行を多数繰り返した結果から局面の良し悪しを推定します。評価関数を作りにくいゲームで有効です。
選択肢ごとの解説
- A
適切 正解
ランダムな試行（プレイアウト）の勝敗を多数集めて勝率を推定するのが、モンテカルロ法の考え方です。試行を増やすほど推定は安定します。評価関数を作りにくい囲碁で、AIの棋力を大きく伸ばしました。
- B
不適切
ブルートフォースは、考えられる手順を総当たりで調べる力任せの方法です。囲碁は局面の数が膨大で、総当たりは現実的ではありません。ランダムな試行は一部の手順だけを調べる近似なので、最善手の保証もありません。
- C
不適切
囲碁AIは、ディープラーニングより前にモンテカルロ法を取り入れて大きく強くなり、アマチュア有段者の水準に達しました。トップ棋士に勝つには、その後のディープラーニングとの組み合わせが必要でした。
- D
不適切
STRIPSは、行動を前提条件・追加される事実・削除される事実で記述し、目標に至る行動の計画を立てるプランニングの手法です。ランダムな試行の勝率で手を評価する方式とは異なります。
試験での狙われ方
囲碁AIの流れ（評価関数の設計が難しい→モンテカルロ法→ディープラーニングとの組み合わせ）とあわせて問う形がよく見られます。