【G検定】モンテカルロ法とは？乱数シミュレーションとプレイアウトを解説

「先が読み切れないなら、サイコロを振って何千回もゲームを最後までやってみればいい」——一見乱暴なこの発想が、囲碁AIを大きく前進させました。モンテカルロ法は、乱数を使って答えを見積もるという、探索とはひと味違う問題解決のアプローチです。

📖 ひと言でいうと

モンテカルロ法とは、乱数を用いたシミュレーションや数値計算を行う手法の総称です。たとえるなら、新しいお菓子の売れ行きを理詰めで予測する代わりに、試食会を何百回も開いて実際の反応を集計するようなものです。ゲームAIの文脈では、「ある局面からランダムに最後まで打ってみる」を大量に繰り返し、勝率で局面の良し悪しを見積もる使い方が有名です。名前は、カジノで知られるモナコのモンテカルロ地区に由来するとされます。

🖼 1枚でわかるモンテカルロ法

📘 対策テキストの説明

モンテカルロ法は乱数を用いたシミュレーションや数値計算を行う手法の総称。囲碁や将棋などにおいては、ゲームがある局面まで進んだら、あらかじめ決められた方法でゲームの局面のスコアを評価するという方法を完全に放棄する。その代わりに、コンピュータが2人の仮想的なプレイヤを演じて、完全にランダムに手を指し続ける方法でゲームをシミュレーションし終局させてしまうことをプレイアウトという。どの方法が一番勝率が高いか計算でき、ゲームのスコアを評価できる。

ポイントは2段階です。まず広い意味では「乱数を使うシミュレーション・数値計算の総称」。そのうえでゲームAIでは、人間が設計した評価式で局面を採点するやり方を完全に放棄し、代わりにプレイアウト——コンピュータが2人の仮想プレイヤを演じ、完全にランダムに指してゲームを終局させること——を大量に行い、その勝率で手の良し悪しを評価します。「プレイアウト」という用語の定義は、そのまま出題される可能性が高い部分です。

🔍 しっかり理解する

なぜ評価式を「放棄」するのか

チェスや将棋では「駒の損得」など、局面の良し悪しをある程度数式で表せます。しかし囲碁は、石の配置の価値が状況によって大きく変わるため、人間が「この局面は何点」という評価関数を設計することが極めて困難でした。

モンテカルロ法の割り切りは鮮やかです。「局面の点数を理屈で決められないなら、そこから実際に最後まで打たせてみて、勝った回数で測ればいい」。個々のプレイアウトはデタラメな打ち合いでも、何千・何万回も繰り返せば、統計として「この手を選んだときの勝ちやすさ」が浮かび上がります。少数の試行では偏りますが、試行回数を増やすほど見積もりは安定していきます。

手を選ぶまでの流れ

この考え方を探索木と組み合わせ、「勝率の高そうな枝に試行を重点配分する」よう洗練させた手法はモンテカルロ木探索と呼ばれ、囲碁AIの標準的な技術になりました。さらにAlphaGoは、プレイアウトのランダム性をディープラーニングによる評価で補強し、この路線を頂点に導いています。

ゲーム以外にも広がる「総称」であること

対策テキストの定義が「総称」となっているとおり、モンテカルロ法はゲーム専用の技術ではありません。金融商品のリスク計算、物理現象のシミュレーション、複雑な積分の近似計算など、「理詰めで解けない量を、乱数を使った大量の試行で見積もる」場面全般で使われる、応用範囲の広い計算手法です。試験で問われるのは主にゲームAIの文脈ですが、定義そのものは「総称」であることを忘れないようにしましょう。

💡 具体例で考える

乱数で答えを見積もる感覚は、円周率の推定で体感できます。正方形の的にダーツをランダムに投げ、正方形に内接する円の中に刺さった割合を数えるとします。円の面積と正方形の面積の比は「円周率÷4」なので、「円内に刺さった本数÷全体の本数×4」が円周率の近似値になります。100本では粗い値しか出ませんが、100万本投げれば3.14…にかなり近づきます。「個々の試行はランダムでも、大量に集めれば正確な見積もりになる」というモンテカルロ法の心臓部がこの例に詰まっています。

囲碁のプレイアウトも構造は同じです。1回のランダム対局は当てになりませんが、ある手から始めた1万回の仮想対局で6割勝てたなら、「この手は勝ちやすい」という統計的な根拠になります。ダーツの1投がプレイアウト1回に、円内の割合が勝率に対応しているわけです。

⚠️ よくある誤解・紛らわしい用語

📝 試験でのポイント

📚 まとめ