Monte Carlo Ağaç Araması (Monte Carlo Tree Search)

Monte Carlo Tree Search nedir?

Monte Carlo Tree Search (MCTS), bir yapay zekanın "hangi hamleyi yapmalıyım?" sorusuna, olası gelecekleri bir ağaç gibi dallandırıp deneyerek cevap verdiği bir arama yöntemi. Satranç ya da Go gibi devasa olasılık uzaylarında bütün hamleleri tek tek hesaplamak imkansız — MCTS bunun yerine akıllıca örnekleme yapar: en çok işe yarar görünen dalları daha derin, umutsuz dalları daha yüzeysel inceler.

Nasıl çalışır?

MCTS dört adımı binlerce kez döngüye sokar:

Seçim — Kök düğümden başlayıp, o ana kadar toplanan istatistiklere göre en dengeli dalı takip eder. Burada "keşif mi, sömürü mü" ikilemi vardır: iyi bilinen hamleyi mi oynasın, yoksa az denenmiş bir dalı mı yoklasın?

Genişletme — Ağacın ucuna yeni bir olası hamle ekler.

Simülasyon (rollout) — O noktadan itibaren oyunu sonuna kadar (çoğu zaman rastgele) oynar ve sonucu görür: kazandı mı, kaybetti mi?

Geri yayılım — Çıkan sonucu ağacın tepesine kadar geri taşır, yolun üstündeki her düğümün skorunu günceller.

Yeterince tekrar sonunda en çok ziyaret edilmiş, en yüksek skorlu dal "en iyi hamle" olarak seçilir.

Neden önemli?

MCTS'in güzelliği, oyunun kurallarını bilmesi dışında hiçbir insan bilgisine ihtiyaç duymamasıdır. DeepMind'ın AlphaGo ve AlphaZero sistemleri MCTS'i bir neural network ile birleştirerek Go, satranç ve shogi'de insanüstü seviyeye çıktı: network hangi dalların bakmaya değer olduğunu tahmin ediyor, MCTS de o dalları derinlemesine araştırıyor. Bu ikili bugün planlama yapan reasoning modellerinin de ilham kaynağı.

Kullanım alanları

Oyun yapay zekaları (Go, satranç, poker), robot hareket planlaması, otonom araçlarda karar verme, ilaç molekülü tasarımı ve son dönemde dil modellerinin adım adım muhakeme ("tree of thoughts" benzeri) kurgularında MCTS ya da türevleri kullanılıyor. Bir sistemin "ileriye bakıp plan yapması" gereken her yerde karşına çıkabilir.