바둑이 아니라 프로그램 공부하는 기분입니다. ^^

@마젠토 ^^ 알파고도 그런 노력을 했던 것 같습니다.

딥 러닝 기반의 알파고
http://www.sciencetimes.co.kr/?news=알파고는-바둑을-어떻게-둘까

알파고는 이러한 딥 러닝 방식을 적용하고 있다. 일반적으로 바둑을 계산해야 할 경우의 수는 250의 150제곱이다. 몬테카를로 (Monte-Carlo) 시뮬레이션을 사용하는 알파고는, 딥 러닝 방식 없이 바둑을 둔다면 이 모든 경우의 수를 계산해야 한다. 이는 우주의 원자 개수보다 많은데, 현실적으로 불가능하다. 그래서 알파고를 딥 러닝 기반으로 학습시켜서, 경우의 수를 줄이는 것이다.

경우의 수를 줄이는 방법은 크게 두 가지이다. 하나는 경우의 넓이를 줄이는 것이다. 이때 사용하는 알고리즘은 ‘정책망 (Policy Network)’이다. 딥 러닝으로 학습한 알파고는 사용자 패턴을 인지해서 사용자가 둘 가능성이 가장 높은 수와 가장 낮은 수를 계산함으로써, 고려해야 할 경우의 수를 줄여나간다. 다시 말해 19X19 바둑 공간에서 둬야 할 넓이를 줄여나가는 것이다.

이러한 수를 줄였다면, 가치망이 작동된다. 이러한 수를 뒀을 때, 어떤 방식으로 바둑 대전이 전개될지 예상한다. 그런데 ‘가치망 (Value Network)’은 바둑승률 예상을 시뮬레이션으로 하는 것이 아니라, 기존 학습에서 유사한 상황을 비교해서 승률 정도를 계산하게 한다.

학습 데이터에서 유사한 데이터를 추출하는 알고리즘의 경우, 컨볼루션 알고리즘 (Convolution Algorithm)을 사용한다. 주로 얼굴인식 알고리즘에 사용된다. 이러한 방법으로 모든 경우의 수를 시뮬레이션하지 않고, 결과확률로 계산해 바둑을 둔다. 이는 바둑의 모든 경우의 수를 고려하지 않는 사람처럼 바둑을 두게 한다.

알파고는 이러한 방식으로 직관을 흉내 내면서 바둑을 두는 것이다. 참고로 알파고의 학습방법에는 전문가에 의해서 직접 바둑 움직임 규칙을 받는 ‘지도학습 (Supervised Learning)’과 스스로 바둑을 두면서 익히는 ‘강화학습 (Reinforcement Learning)’으로 나뉜다.

이세돌과의 대국 때, 알파고는 16만 기보를 익히는 지도학습과 스스로 100만 번을 두면서 익히는 강화학습을 병행했었다. 그러나 이번 알파고 2.0은 기존 알파고를 기반으로 강화학습만 병행했다.

사람들의 기존 기보를 익히면, 학습은 빠르다. 그러나 사람이 두는 바둑 방식에 얽매이게 된다. 딥 러닝 방식에 의해서 ‘사람이 두는 방식’의 뉴런이 형성되기 때문이다. 일종의 고정관념이 만들어지는 것이다.

앞으로 창의적인 생각도 인공지능에 의해서 나올지도 모른다. 창의적인 생각이란 문제 해결에서 나오는데, 인공지능이 다양한 문제들을 사람의 시각에서 벗어난 생각을 해낼 수 있을지 모르기 때문이다.

제가 기사를 제대로 모두 읽은 것인지는 모르겠는데요.
인공지능이 뉴런 확장을 한다니 ㅎㅎ 죽겠습니다. ^^