ミニマックス法は、二人零和有限確定完全情報ゲームにおいて、自身の最小限の損失を抑えつつ最大の利益を得る手を選ぶ、強化学習やゲーム理論で広く使われる探索アルゴリズムです。
ミニマックス法とは
一言でいうとミニマックス法とは、最悪のシナリオ（相手の最善手）を想定した上で、自分の利益を最大化する手を選択するための意思決定アルゴリズムです。
詳しく解説
ミニマックス法は、ゲームの木構造を用いて将来の状態を予測します。自分のターンでは評価値が最も高くなる手を選び、対戦相手のターンでは自分の評価値が最も低くなる手を選ぶと仮定して探索を行います。この仕組みにより、相手が常に自分にとって最悪の手を選んでくると仮定しても、被害を最小限に抑えながら勝機を探ることが可能です。チェスや将棋、オセロなどのゲームAIの基礎として開発され、AIが最善手を判断するための強力な理論的支柱となっています。
具体例・使われ方
チェスや将棋、○×ゲームといった完全情報ゲームのコンピュータ対戦において、AIが何手先までの展開を予測して次にどの駒を動かすべきかを計算するために利用されます。例えば、○×ゲームではすべての手順を完全に読み切ることができるため、ミニマックス法を用いることでAIが負けない（または常に勝つ）プログラムを実装できます。
似た用語との違い
アルファ・ベータ枝刈りと混同されやすいですが、ミニマックス法がすべての可能な手をしらみつぶしに探索するのに対し、アルファ・ベータ枝刈りは影響を与えない無駄な探索を途中でカットして効率化する派生手法です。
注意点
ゲームの選択肢や探索の深さが深くなるにつれて、計算量が爆発的に増加するという限界があります。チェスや将棋のように状態数が膨大な複雑なゲームでは、ミニマックス法をそのまま適用すると計算時間が現実的ではないため、評価関数の工夫や、アルファ・ベータ枝刈り、深層学習を組み合わせた高度なアプローチが必要となります。