探索・推論
AI が問題を解くための探索アルゴリズムや推論手法に関するカテゴリです。初期の AI 研究では、問題を状態空間として表現し、探索木を用いて解を見つける手法が中心でした。チェスや囲碁などのゲームAIで使われるミニマックス法やモンテカルロ法、計算量を削減するαβ法など、G検定で頻出のキーワードを網羅しています。
探索木
AIが問題を解く際に解の候補を木構造で表現し、効率的に解を見つける手法。幅優先探索や深さ優先探索がある。
ハノイの塔
再帰的アルゴリズムの代表例。3本の杭と複数の円盤を使い、ルールに従って全ての円盤を移動させるパズル。
ミニマックス法
ゲーム理論に基づく探索手法。自分の利益を最大化し、相手の利益を最小化する最適戦略を求める。
αβ法（アルファベータ法）
ミニマックス法を効率化するための枝刈り手法。不要な探索を省略して計算量を削減する。
モンテカルロ法
乱数を用いたシミュレーションによって近似解を求める手法。囲碁AIなどで活用される。