【G検定過去問風テスト】AlphaGo（アルファ碁）のメカニズムを完全攻略！

2026年7月17日 2026年7月21日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

2016年に囲碁の世界トップ棋士であるイ・セドル氏を破り、大きな話題となったAI「AlphaGo（アルファ碁）」において用いられた、ディープラーニングと組み合わされた中心的な機械学習の手法として、最も適切な選択肢を1つ選べ。

A）教師なし学習
B）強化学習と探索アルゴリズムの融合
C）半教師あり学習
D）古典的機械学習

🔍 ここをクリックして正解を見る

正解: B）強化学習と探索アルゴリズムの融合

💡 合格に近づく！徹底解説

* 重要度: ★★★

■ 1分で分かる！この問題の要点

AlphaGo（アルファ碁）は、Google傘下のDeepMind社が開発。
膨大な盤面パターン（宇宙の原子数より多いとされる）に対抗するため、ディープラーニングによる強化学習と探索アルゴリズム（モンテカルロ木探索など）を融合。
2016年に韓国のトップ棋士イ・セドル氏を4勝1敗で破り、世界に衝撃を与えた。

■ 初学者向け解説（例え話や背景）

「チェスや将棋でAIが人間に勝てても、囲碁で勝つの10年以上先だ」

かつて多くの専門家がそう口をそろえていました。なぜなら、囲碁の盤面のパターンは、「宇宙に存在する原子の数よりも多い」と言われるほど膨大で、コンピュータが得意とする「すべてのパターンを計算する力まかせの探索」が全く通用しなかったからです。

この絶対の壁をぶち破ったのがAlphaGoです。

AlphaGoは、ただ計算が速いだけではありません。「強化学習」という、いわば「自分で自分と数千万回戦って、勝ち方を覚える特訓」を行いました。

これをサッカーに例えてみましょう。

「直感（大局観）」を担当するディープラーニング
まずは人間のプロの打ち方を真似する「教師あり学習」を行い、その後、自分自身と数千万回戦う「強化学習」を繰り返すことで、「一目見て、この辺りに蹴るのが良さそうだ」という研ぎ澄まされた直感を手に入れました。

「先読み（思考）」を担当するモンテカルロ木探索
直感で絞り込んだいくつかのキックコースについて、「もしここに蹴ったら、相手はどう動くか？」を瞬時に何手先までシミュレーション（探索）します。
この「ディープラーニングによる直感（大局観）」と、「モンテカルロ木探索による徹底した先読み」のハイブリッドこそが、人間のトップ棋士を打ち負かす強さの秘密だったのです。

■ 選択肢の解説

A) 教師なし学習（×）:
教師なし学習は、データのグループ分け（クラスタリング）やデータの圧縮（次元削減）などに使われる手法です。対戦ゲームで「勝ちパターン」を学習するプロセスには適していません。
B) 強化学習と探索アルゴリズムの融合（○）:
大正解！AlphaGoの強さの源泉は、自ら試行錯誤を繰り返して最適な意思決定を学ぶ「強化学習」と、探索を効率化する「モンテカルロ木探索」の融合にあります。
C) 半教師あり学習（×）:
一部のデータにだけ正解ラベルがついている状態から全体を予測する手法ですが、AlphaGoの意思決定のベースとなる手法ではありません。
D) 古典的機械学習（×）:
人間が特徴量を設計する従来の機械学習手法だけでは、囲碁の膨大なパターンを処理しきれず、世界トップ棋士に勝利することは不可能でした。