G検定 用語解説
Mini-Max法とは
二人零和ゲームのゲーム木で、自分の手番では評価値が最大になる手を、相手の手番では評価値が最小になる手を選ぶと仮定し、双方が最善を尽くした場合の結果から現在の最善手を決める考え方。
まず押さえる結論
Mini-Max法は、G検定の「大項目2 人工知能をめぐる動向」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×AIブームと中心の対応ずれ。第一次＝探索・推論、第二次＝エキスパートシステム、第三次＝ディープラーニング。
×フレーム問題とシンボルグラウンディング問題の混同。前者は『起こりうる事柄をすべて考慮しきれない』、後者は『記号と実世界の意味を結びつけられない』。
×知識獲得のボトルネック（専門知識をルール化する作業の困難さ）をエキスパートシステムの利点と取り違える。
関連する確認問題
大項目2 人工知能をめぐる動向 / 探索・推論
迷路のような探索問題で、現在位置から行ける候補を木構造として広げ、同じ深さの候補を順に調べてから次の深さへ進む探索方法はどれか。
正解は「幅優先探索」である。幅優先探索は、出発点に近い順に同じ深さの候補をすべて調べてから次の深さへ進む探索方法である。深さ優先探索は一つの経路を行き止まりまで深くたどってから後戻りする方式であり、幅優先探索とは展開順序が逆になる。Mini-Max法はゲーム木で手を選ぶ際の評価値を決める考え方であり、アルファ・ベータ法はMini-Max法による探索で評価が変わらない枝を刈り込む手法である。どちらも探索木を深さの順で広げるか枝の順で進めるかという展開順序そのものを表す語ではない。
大項目2 人工知能をめぐる動向 / 探索・推論
ゴールまでの推定距離のようなヒューリスティックを使い、探索の効率化を図る代表的な探索アルゴリズムはどれか。
ゴールまでの残りコストを見積もった推定値を探索に組み込むかどうかが、この設問を解く決め手になる。正解のA*アルゴリズムは、それまでに歩いた分の実コストと残りの見積もりコストを足し合わせて枝ごとの有望さを比較し、探索範囲を絞り込みながら進む点に特徴がある。ブルートフォース（力任せ探索）にはこうした見積もりによる絞り込みの発想自体がなく、可能性を端から順に潰していく点でA*アルゴリズムと対照的である。Mini-Max法は手番ごとに評価値を確定させていく考え方、完全情報ゲームは対局者同士が盤面情報を共有できるというゲームの性質を表す語であり、どちらも探索の進め方そのものを指す言葉ではないため、効率化の手法を問う設問の対象にはならない。
大項目2 人工知能をめぐる動向 / 探索・推論
二人零和ゲームのゲーム木で、自分は評価値を最大化し、相手は評価値を最小化する手を選ぶと仮定して、現在の最善手を決める考え方はどれか。
正解は「Mini-Max法」である。Mini-Max法は、二人零和ゲームで自分は評価値を最大化し、相手は評価値を最小化する行動を選ぶと仮定し、双方が最善を尽くした場合の結果から現在の手を決める考え方である。αβ法はMini-Max法の結果を変えない枝を探索途中で刈り込み、計算量を減らすための手法であり、評価方針そのものではない。モンテカルロ法はランダムな試行を繰り返した統計から手を評価する。幅優先探索は同じ深さのノードを順に展開する一般的な探索順序である。最大化側と最小化側を交互に置く点が決め手になる。
同じ章で確認したい用語
到達チェック
- Mini-Max法を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、Mini-Max法に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）