G検定 用語解説
αβ法とは
Mini-Max法によるゲーム木探索で、それ以上調べても最終的な評価が変わらないと判断できる枝の探索を打ち切り、同じ結論をより少ない計算量で導く枝刈りの手法。アルファ・ベータ法とも呼ばれる。
まず押さえる結論
αβ法は、G検定の「大項目2 人工知能をめぐる動向」に出てくる用語です。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: 2026-10-02。
試験概要（公式）比較記事でさらに確認する
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
「大項目2 人工知能をめぐる動向」の問題で、取り違えやすい組み合わせです。
- 各AIブームと、その中心になった技術の組み合わせの取り違え。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。フレーム問題は『起こりうる事柄をすべて考慮しきれない』問題、シンボルグラウンディング問題は『記号と実世界の意味を結びつけられない』問題。
- 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
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。
大項目2 人工知能をめぐる動向 / 探索・推論
探索木で、1つの枝を行き止まりまで深く進み、行き詰まったら戻って別の枝を調べる探索方法はどれか。
1つの枝を深く進んで行き詰まったら戻る探索方法なので、探索の順序に注目する。正解は「深さ優先探索」である。深さ優先探索は、探索木で1つの枝を行き止まりまで深く進み、行き詰まったら戻って別の枝を調べる方法である。「幅優先探索」は同じ深さのノードを先にすべて調べる方法で、順序が逆である。「αβ法」はゲーム木で不要な枝を打ち切る方法、「Mini-Max法」は最善手を決める考え方であり、どちらも探索の順序を表す語ではない。したがって、設問の探索方法は深さ優先探索である。
大項目2 人工知能をめぐる動向 / 探索・推論
ゲーム木の探索で、結果に影響しない枝の探索を打ち切って、探索量を減らす方法はどれか。
結果に影響しない枝を打ち切って探索量を減らすので、探索の効率化の手法が問われている。正解は「αβ法」である。αβ法は、Mini-Max法による探索で、結果に影響しない枝の探索を打ち切り、探索量を減らす方法である。「Mini-Max法」は最善手を決める考え方そのもので、枝の打ち切りは行わない。「幅優先探索」は同じ深さのノードを先に調べる順序、「モンテカルロ法」は乱数を使って見積もる方法であり、どちらも不要な枝を打ち切る方法ではない。したがって、設問の方法はαβ法である。
同じ章で確認したい用語
到達チェック
- αβ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、αβ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）