理工酷

为了使Alpha GO高效发挥，它需要对游戏树有一定的了解。在给定特定位置的情况下，游戏可以进行哪些不同的操作。如果AI可以有效地遍历树，则AI可以发挥最佳移动效果。就这么简单。

井字游戏树

这就是整个游戏树！它告诉你如何根据任何可能的选择进行从而最终赢得游戏。这棵游戏树的空间很小，因此井字游戏也很小。依据形势进行很少的判断就可以进行。

与GO的游戏树中的一小部分进行比较

象棋的游戏树的一个较小的分支

可以想象，随着可能移动的次数增加，树的大小也随之增加，尽管它的增加速度很快，以至于如果AI在游戏中必须看到未来的四次操作，就需要进行多次游戏，花费很多时间。如果你在AI做出决断之前进行判断那么也就有可能打败AI。

蒙特卡洛树搜索是遍历游戏树的一种概率方式。在给定游戏状态的情况下，它将重点放在更有前途的分支上，即让AI对自己进行一系列的游戏 ，然后选择效果最佳的棋步。这样，无需探索每个小分支就可以决定要去哪里。AI在每个步骤中玩的游戏越多，选择最佳动作的可能性就越大（但也将花费更多的时间来决定）。

转载自：https://www.quora.com/What-does-it-mean-that-AlphaGo-relied-on-Monte-Carlo-tree-search