Monte Carlo Tree Search
Suchalgorithmus, der einen Spielbaum durch zufällige Simulationen aufbaut und seine Zeit dort investiert, wo es sich zu lohnen scheint.
Vier Schritte wiederholen sich: einen Pfad im Baum auswählen, einen neuen Knoten expandieren, die Partie zufällig bis zum Ende durchspielen und das Ergebnis wieder nach oben propagieren. Die Auswahl folgt meist UCB1, das zwischen dem Erkunden unbekannter Züge und dem Vertiefen vielversprechender abwägt.
Der Algorithmus braucht keine handgeschriebene Bewertungsfunktion — entscheidend bei Go, wo niemand eine gute schreiben konnte. AlphaGo kombinierte MCTS mit neuronalen Netzen, die sowohl Auswahl als auch Bewertung steuerten.