갑자기 필 받아서 글을 하나 올려봅니다.

제가 개발자는 아니지만 대충 줏어들은 지식으로 현행의 바둑 알고리즘은 이렇다고 보여집니다.

1. 랜덤하게 여러번 둬서 나의 최적 착수 후보 탐색

 -> (랜덤 착수 -> 형세판단 -> 지우고 다시 시도) X N

 -> Local Optimization 해를 도출

 -> 형세판단, 정석단계, 사활, 수싸움, 끝내기 등 각 알고리즘 별로 판단함

 -> 일정 점수가 넘어가면 착수 후보로 결정

2. 랜덤하게 여러번 둬서 상대방 최적 착수 후보 탐색

 -> 내 수를 Local Optimization에 뒀다고 가정

 -> 상대방도 동일하게 해를 찾기 위해 Local Optimization을 적용

 -> 일정 점수가 넘어가면 착수 후보로 결정

3. 각각의 탐색된 후보에 대해 1->2의 과정을 반복하다 보면 10수 ~ 임의의 수 까지는 수읽기 가능할 것으로 보임.

4. 후보들 중에서 최적 점수를 받은 해를 선택

으로 보여집니다. 여기서 몇가지 테크닉이라고 볼 수 있는 것이

A. 형세판단 알고리즘 (이건 금방 나오니 패스)

B. 정석 수순 (이건 DB를 구축해서 엇비슷하게 나오면 그대로 두면 됨)

C. 사활 (서로 집계산 / 서로간 궁도 계산)

D. 끝내기 (서로 먼저 둘 때의 가능성을 판단함)

E. 패싸움 (악수 교환 등등)

이정도로 예상이 됩니다. 예상이 된다는 건 그냥 추측이에요. 

뭐 대충 이렇게 개발이 되지 않을까 생각이 됩니다.

근데 결정적으로 컴퓨터는 좀 멍청해서 급소 같은걸 잘 모르니까 다 머릿속으로 둬봐야 해서

결국 탐색할 수 있는 수읽기의 개수에 한계가 있어요. 제 느낌에는 20수 정도? 

딥러닝을 사용하면 어느 정도는 해결할수 있지 않을까 생각이 됩니다. 

쉽게 말해서 될거 같은 수들만으로 해공간을 탐색하니까

수읽기 능력이 비약적으로 상승하게 되지 않을까 보여집니다. 

원래 바둑 고수가 되는 길도 비슷하다고 생각됩니다.

일단 될거 같은 수들이 먼저 보이고 그 뒤에 수읽기를 하는거죠. 

물론 떡수만 탐색하다가 더 성능이 저하될 가능성도 있습니다. 

그렇다고 해도 Layer를 몇십층 정도로 나누어서 학습을 시킨다면

1->2 의 과정을 단축시킬수 있을테니, 다른 알고리즘들은 그대로 쓴다고 하면

기존 알고리즘 대비 고도의 높은 수읽기가 가미된 바둑을 둘것 같습니다.

참고 : http://www.pgr21.com/pb/pb.php?id=freedom&no=57937

그냥 돌바람 개발자님을 위해서 간단하게 써보았습니다.