探索・推論の基礎
問題
以下のあ、い、う、えの説明と、探索手法に関連する名称の組み合わせとして、最も適切な選択肢を1つ選べ。
( あ ) 初期状態から可能な行動を枝として展開し、解を探索するための構造モデル( い ) 探索木において、状態空間の深さを優先して縦に探索を進める手法( う ) 探索木において、同じ階層（浅いノード）から順番に横に探索を進める手法( え ) 探索を効率化するため、経験則を利用して見込みのない枝を切り捨てる手法
解説
探索木（Search Tree）は、問題解決において「現在の状態」から「考えられる次の状態」への遷移を木構造で表現したモデルです。
AIが解を見つける際、一直線に奥深くまで進む「深さ優先探索（DFS）」と、近い階層からしらみつぶしに探す「幅優先探索（BFS）」などのアルゴリズムを用います。
しかし、現実の問題では選択肢が膨大（組み合わせ爆発）になるため、全ての経路を探索木で展開することは不可能です。
そのため、経験則（ヒューリスティクス）に基づく「評価関数」を用いて、見込みのない選択肢の探索を打ち切る手法が実用的に用いられます。
正しい：状態遷移の構造化モデルが(あ)探索木。縦方向の探索が(い)深さ優先探索、階層ごとの横方向の探索が(う)幅優先探索、経験則を用いた効率化が(え)ヒューリスティクスです。
誤り：(あ)は決定木（機械学習の手法）ではなく探索木です。また、(い)と(う)の手法が逆になっています。モンテカルロ法は乱数を用いたシミュレーション手法であり、経験則とは異なります。
誤り：ブルートフォース（力任せ探索）は、全ての可能性をしらみつぶしに試す手法であり、経験則を用いて見込みのない枝を切り捨てる効率化手法ではありません。
誤り：(あ)意味ネットワークは概念間の関係をネットワーク状に表した知識表現モデルであり、探索のための木構造ではありません。(い)と(え)の説明も合致していません。
📚 より詳細を学びたい方へ
