G検定（ジェネラリスト検定） 人工知能とその動向 練習問題 第9問: 囲碁などのゲームAIで使われるモンテカルロ法と、AlphaGo（アルファ碁）の仕組みの説明として、最も適切なものはどれか。

肢4が正解です。Coulom（2006）の論文は、モンテカルロ評価を、ある局面から終局までランダムに打ち進めた複数の結果を平均して局面を見積もる方法と説明し、囲碁では正確な静的評価関数を作ることが難しいため、この方法が有効だとしています。

DeepMindの解説によると、AlphaGoは深層ニューラルネットワークと高度な探索を組み合わせたシステムで、次の手を選ぶ方策ネットワークと勝者を予測する価値ネットワークを使います。

肢1は人が作る評価関数に頼る従来の方法で、囲碁ではそれが難しかったことがモンテカルロ法を使う理由でした。

肢2は、探索と組み合わせたという説明と合いません。

肢3は後継のAlphaGo Zeroの説明で、AlphaGoは人の棋譜で学んだ後に自己対局を重ねました。