Skoraj vsi programi za igranje iger temeljijo na preiskovanju drevesa igre in načelu minimaksa. Praksa kaže, da se z večanjem globine preiskovanja igranje izboljšuje. Iz tega bi bilo moč sklepati, da minimanks zmanjša napako, ki jo naredimo, ko hevristično ocenimo stanja igre v listih. Ze pred 20 leti pa so na videz smiselni teoretični modeli pokazali prav nasprotno. Poizkusov razlage je bilo precej, dokončnega odgovora pa se do danes ni. Poizkusila bova nekoliko osvetliti opisani problem in predstaviti najine ugotovitve. Pokazala bova, kakšne razultate dobimo, če se omejimo manj kot v preteklih raziskavah, in kaksne implikacije ima to za programe za igranje iger. Opisala bova tudi algoritem, ki omogoča analizo vseh dreves igre izbrane globine (ki jih je lahko 10 na vec 1000), in kaj nam pove o podobnosti med bližnjimi stanji igre - lastnosti, ki najverjetneje pojasnjuje, zakaj se minimaks v praksi obnese. Pokazala bova tudi spodbudne rezultate, ki jih dobimo, če za ocene stanj igre namesto zmag in porazov, kot se je to počelo do sedaj, uporabimo realna števila.