구글 알파고의 딥러닝 얘기가 나오니까 이게 갑자기 만든 거 같지만

자기대국의 학습에 의한 평가계수의 파라미터 자동생성(적어놓고도 뭔말인지 모르겠다) 라는 것이 적어도 2009년에 일본측 bonanza(소스도 공개)라는 프로그램에 의해 구현되어

이후 컴퓨터 쇼기대회의 본선진출그룹에 드는 프로그램 치고 이 bonanza method라는 로직이 안들어간 경우가 없다고 한다.

바둑의 아야를 만드는 아마시로히로시라는 분이 쇼기쪽에선 YSS라는 프로그램도 같이 만드는 중인데 여기서도 보난자 메소드는 탑재되고 있다.

글쎄 바둑의 아야에는 이 로직이 접목되었는지 모르겠지만 쇼기쪽으로는 단순 MCTS 정도로는 시장에서 버틸 수 없게 된지 오래된 모양이라 당연히 기계학습에 기반하는 보난자 메소드를 넣고 있다.

https://ja.wikipedia.org/wiki/コンピュータ将棋#.E6.A9.9F.E6.A2.B0.E5.AD.A6.E7.BF.92

알파베타탐색, 미니맥스 등등 바갤에서도 자주언급된 로직이 위 링크에도 나오는데 당연히 쇼기에서도 적용되었었고

거기에다 기계학습(딥러닝을 말하는 것으로 추정)이라는 로직이 추가되면서 급격히 강해진 것 같음.

일잘알 겸 컴잘알 있으면 이 링크에서 기계학습이라는 부분 해설좀...

체스쪽도 mcts 계열 프로그램들이 레이팅3000 근처에서 한계에 부딪혔다가 (Fritz, Junior등 과거의 상용유명프로그램들)

다른로직을 적용한것으로 추정되는 신흥강자(Stockfish. Houdini, Komodo 등등)들이 나오면서 최근 갑자기 3400대로 중간단계 생략하고 급등한 바가 있는데 체스쪽도 아무래도 딥러닝 이던 또는 그 비슷한 무언가가 분명히 쓰이고 있는 것 같다.

기존엔진(mcts계열)은 극단적으로 퀸으로 폰먹고 자폭패하는 것 조차 끝까지 무의미한 수읽기를 다 하는 반면(그러므로 엄청난 하드웨어 스펙이 요구됨)

새 엘거리듬은 척봐도 안되는 수는 뒤를 짜르고 수읽기를 생략한다. 라는 것이 포함되어

초당 검색트리수가 현저히 줄었음에도 (첨에 단순히 찍히는 시간당 트리탐색수가 예전엔진에 비해 너무 적어서 혹시 불량품?이 아닌가 의심했을 정도)

기존 엔진과의 대결을 거의 승률 9할대로 압살하는 모습에 경약햇었는데 (체스속성상 그 나머지 1할승점은 패배에 의한 것도 아니고 빅. 즉 8승2빅이면 2빅은 1승과 같은 승점이라 9.0승점/10대국에 해당)

인공지능 적용이야 체스가 항상 제일 빨랐으니 이쪽도 딥러닝은 이미 썼으면 썼지 안쓴다면 그게 더 이상할 거 같다.

알파고 논문에도 내부적으로 mcts+ 정책망 + 가치망 이었나 이 3가지 개념이 나오는데

차트에 보면 이 3가지를 다 적용한 경우에 최강의 실력이고 이중 2가지씩만 조합하거나 하나만 작동하거나 할 때는 기존 팔리던 상용에 비해 별로 나을 게 없는 실력으로

표시되고 있다.

쇼기의 경우도 평가계수(일어위키에서의 용어로는 평가계수대신 評価関数로 표기)라는 말이 나오는 걸로 봐서 알파고 논문에 나오는 가치망 같은 개념이 상당히 오래전(2009년)부터 쓰인 거 같다. 정책망에 해당하는 것도 쇼기에 적용중인지는 현지 용어가 달라서 일어위키의 해당항목만으로는 잘 모르겠다.

현재의 컴쇼기들은 프로기사를 s급부터 a, b, c, d급까지 나눈다고 볼 때(유유백서?)

타이틀다관왕획득자를 S급,(현재 기준 하부와 와타나베)

A급은 타이틀을 가끔 따거나 명인전 A급순위전과 용왕전1조를 유지할 수 있는 수준

B급이하는 생략하고...

지금 현재는 A급들도 컴에게 영혼까지 털릴 정도로 완패를 하는 것도 사실이고

S급과는 대결을 금지시켜 "명인이 컴에게 털렸다"라는 불상사(?)를 사전에 예방중이다.

(이번에 이세돌과 구글과의 대결이 너무나도 쉽게 성사되는 모습을 보고 그 문화차이 때문에 일본측 네티즌들이 쇼기에서의 몸사림과 비교하며 매우 부러워하는데

이게 칭찬받을 일인지는 잘 모르겠다. 구글이라는 글로벌기업의 이름값와 100만달러 상금의 위압감에 눌려 다들 이해득실에 대해 무감각해져 협상의 주도권을 완전히 내준 것일지도

모른다는 걸 아무도 신경쓰지 않는 거 같다.)

다만 최근 인간vs 컴 쇼기대결에서는 컴을 미리 제공해서 연습기회를 주는 것으로 방식이 바뀌었기 때문에 나름대로 알려진 내용인

안티프로그램 전략중 몇가지를 조합해서 약점을 파고드는 쪽으로 가는 중인데

프로그래머 측도 그 내용을 다 알기 때문에 이에 대비하고(다만 알아도 쉽게 대비가 안되는 모양이다) 이런 식이다.

일단 컴쇼기가 인간기보학습에 의한 딥러닝을 한다는 거에 의해 생성되는 고유의 약점이 있는데

그것은 프로경기에서는 잘 안나오는 유형인 入玉에 의한 승부(왕을 적진에 안칙시키고 남은 기물점수비교하는 상황)에 대해 데이터부족으로 취약성을 보인다 등등인데

즉 딥러닝도 파고들 약점은 있다는 것이다.

아뭏든 개인제작하는 컴퓨터 바둑들에도 이젠 새로운 로직의 탑재가 필수가 될 거 같다.

알파고 충격때문에 딥러닝이 이번에 국내에 전파되긴 했으나 일본에는 쇼기에서 이미 2009년부터 하고 있었다고 하니

앞으로도 추격해야할 길이 꽤 먼 것인지도 모르겠다.