モンテカルロ木検索は、意思決定プロセスにおける最適な選択肢を見つけるための探索アルゴリズムです。ゲーム木を構築しながら、ランダムなシミュレーションを繰り返すことで、評価関数を事前に定義しにくい複雑な局面でも効果的に最善手を導き出します。囲碁AI「アルファ碁」に搭載されたことで一躍有名になり、ゲームAIや最適化問題の分野で広く応用されています。
モンテカルロ木検索とは
モンテカルロ木検索（MCTS）とは、意思決定の選択肢を「探索木」と呼ばれる樹形図として表現し、ランダムなシミュレーション（プレイアウト）を繰り返すことで、最も有利な選択肢を統計的に推定する探索アルゴリズムです。
詳しく解説
モンテカルロ木検索は、主に次の4つのステップを繰り返して最適な意思決定を行います。1. 選択（Selection）：現在の探索木から、将来性が高いノードを評価指標に基づいて選択します。2. 拡張（Expansion）：選択されたノードから、新しい子ノードを追加して木を広げます。3. シミュレーション（Simulation）：追加されたノードから、ゲームのルールに従ってランダムに終局までプレイを進めます。これを「プレイアウト」と呼びます。4. バックプロパゲーション（Backpropagation）：プレイアウトの結果を、選択した経路のすべてのノードに反映させ、評価値を更新します。このプロセスを繰り返すことで、評価関数を厳密に設計することなく、最適に近い一手を見つけ出します。近年では「強化学習」と組み合わせることで、さらに強力な意思決定モデルが構築されています。
具体例・使われ方
最も有名な事例は、Google DeepMind社が開発した囲碁AI「アルファ碁」での活用です。囲碁は可能な局面の数が膨大であり、従来のアルゴリズムでは評価関数を作るのが極めて困難でした。しかし、モンテカルロ木検索と深層学習（ディープラーニング）を組み合わせることで、プロ棋士を圧倒する実力を実現しました。現在でも、将棋やチェス、オセロなどのボードゲームAIをはじめ、ロボットの経路計画や化学分子の構造探索といった自動設計の分野で活用されています。
似た用語との違い
従来のゲームAIで使われていた「ミニマックス法」との違いが挙げられます。ミニマックス法は、すべての分岐を深さ優先で探索し、局面の良し悪しを評価関数によって厳密に数値化する必要があります。これに対してモンテカルロ木検索は、評価関数が未知であっても「プレイアウト」による統計的な勝率から価値を判断できるため、評価関数の設計が困難な複雑なゲームや、先読みが困難なタスクにおいても適用可能です。
注意点
モンテカルロ木検索の限界として、十分な精度を得るためには大量のシミュレーション回数（プレイアウト）が必要になる点が挙げられます。計算資源や処理時間に制約がある環境では、リアルタイムでの最適な探索が困難になる場合があります。また、ランダムシミュレーションに頼るため、一見すると勝率が低そうに見えるが「唯一の正解ルート」を通らなければ負けてしまうような、極端な罠がある局面の検出が苦手であるという弱点もあります。