αβ刈り込みによる探索効率化
正解
探索結果を変えずに、調べるノード数を削減して高速化する。
正解になる理由
αβ刈り込みは、ミニマックス探索において、最終的な結果に影響しないことが確実な部分木を早期に除外する技法です。α値（下限）とβ値（上限）を維持し、α≥βになった時点で残りの枝を刈り込みます。結果は純粋なミニマックスと同一ですが、探索ノード数を大幅削減できます。
各誤答がなぜ誤りか
- 選択肢3: 評価関数自体は変更せず、精度向上効果はない。
- 選択肢1: ランダム性の導入ではなく、決定論的な効率化手法。
- 選択肢2: 評価関数の自動構築は別の技法（学習ベース手法）。
G検定でのひっかけポイント
「結果は同じだが効率向上」がαβ刈り込みの本質。精度改善ではなく計算量削減。