
G検定受験note(10/31)【探索・推論⑦モンテカルロ法⑧STRIPS】
G検定の受験のためにつけた、文字通りのノートです。
Hermes Agent(Grok 4.7)に噛み砕いて解説してもらっています!(^^)v
AIは間違うので、活用は自己責任でお願いします!(^^;
モンテカルロ法
芯は一つ。箱を全部開けられないときは、何度も試して、平均の良い方を選ぶ。一回の運では、決めない。
お菓子のドアが、四つではなく、千もあるとする。Mini-Max法は、相手も最善なら何個残るかを、木の奥まで読む。αβ法は、結果が変わらない箱を飛ばす。それでも、千のドアは開き切れない。
そこで、サイコロでドアを選び、相手もサイコロで箱を残す、という遊びを百回やる。左を最初に選んだ回の平均が1.2個、右を最初に選んだ回の平均が2.1個なら、右を選ぶ。100個が一度出ても、それだけで右にはしない。百回の平均で見る。
この相手は、意地悪の最善ではない。サイコロだ。だから、残る個数は、Mini-Max法が保証した「相手も最善なら2個」とは別の数だ。試す回数を増やすと、平均は揺れにくくなる。一回は、運のままだ。
人が書くのは、ルールと、一回の遊びをどこで終わりにするかだ。機械は、その遊びを何度も繰り返して、平均を数える。データから強い手を覚える話ではない。
Exam Points
- モンテカルロ法は、全部を開けられないとき、何度も試して平均の良い方を選ぶ。
- 一回の大きい点数で決めない。回数を増やすと、平均は揺れにくくなる。
- Mini-Max法とは別だ。あちらは、相手も最善なら残る点数を読む。こちらは、試した回の平均だ。
- αβ法とも別だ。αβ法は、結果が変わらない枝を飛ばす。モンテカルロ法は、最初から全部を開かない。
- 人が書くのは、ルールと、一回をどこで終わりにするかだ。機械は、その試行を繰り返す。
「サイコロでドアを選び、相手もサイコロで箱を残す」のところがちょっとよく分からない。
その一文は、計算をやめて、一回の遊びを最後まで終わらせる、という意味だった。サイコロ自体が相手の性格、ではない。
一回だけ、目の前でやってみる。ドアは左と右。わたしは、どちらが得かを計算しない。コインを投げて、表なら左、裏なら右にする。いま裏が出たので、右のドアに入る。
右の向こうには、2個と4個がある。相手も、この試しの中では意地悪を計算しない。もう一度コインを投げる。表なら2個、裏なら4個を残す。いま表が出たので、わたしの手元には2個が残る。この一回の記録は、「最初に右、結果は2個」だ。
これを百回やる。最初のコインが左だった回と、右だった回を、別に平均する。左の平均が1.2個、右の平均が2.1個なら、次に本当に選ぶのは右だ。一回で4個が出ても、それだけでは右にしない。
相手がコインなのは、相手が本当に気まぐれだから、ではない。木が大きすぎて、相手の最善も計算しない、という印だ。Mini-Max法の相手は、4個を渡さない。モンテカルロ法のこの試しでは、4個も2個も、コイン次第で残り得る。だから、平均は、相手も最善なら2個、という保証とは別の数になる。
Exam Points
- サイコロやコインは、その段を計算しない、という印だ。相手の性格の名前ではない。
- 一回の試しは、最初の選択から、終わりの個数までを、運で終わらせて記録する。
- 百回のうち、最初に左だった回と、右だった回を、別に平均する。
- 平均の良い方を、次に本当に選ぶ。一回の4個だけでは、決めない。
- この平均は、Mini-Max法が読んだ「相手も最善なら残る個数」とは、別の数だ。
STRIPS
芯は一つ。今どうなっているか、こうなってほしいか、そのためにできる一手は何かを、カードに書いて渡す。機械は、そのカードを並べて、ゴールに着く順を探す。
お茶を淹れる。今は、やかんが空で、カップも空だ。ゴールは、カップにお茶が入っていることだ。
「水を入れる」は、やかんが空のときだけできる。やったあとは、やかんに水がある。火は、まだついていない。
「火にかける」は、やかんに水があるときだけできる。やったあとは、お湯になっている。カップは、まだ空のままだ。
「注ぐ」は、お湯があって、カップが空のときだけできる。やったあとは、カップにお茶がある。
この三枚が、一手のカードだ。できる条件と、やったあとに変わることを、人が書く。機械は、空のやかんから始めて、カードをどの順に出せばカップにお茶があるかを探す。幅や深さは、その順の探し方だ。STRIPSは、探し方の名前ではない。カードの書き方の名前だ。
カードに書いていないことは、変わらない、として扱う。火にかけても、カップが空のままなのは、注ぐカードにしかカップの変化を書いていないからだ。世界の全部を、毎回書き直さなくてよい。その代わり、書いていない副作用は、この書き方では起きない。
Mini-Max法とは、別だ。あちらは、相手が点数を少なくする読みだ。STRIPSに、相手はいない。ゴールに着く順を、一人で探す。
Exam Points
- STRIPSは、状態と、ゴールと、一手のカードを書いて、計画を探させる書き方だ。
- 一手には、できる条件と、やったあとに変わることを書く。条件を満たさないカードは、その状態では出せない。
- 機械が探すのは、最初の状態からゴールへ着く、カードの順番だ。
- 幅優先探索や深さ優先探索は、その順番の探し方だ。STRIPSそのものではない。
- カードに書いていないことは、変わらないとして残す。人が書くのは、カードだ。機械は、その中を尽くす。