NNUE
1. 개요
NNUE는 4개의 가중치 층으로 구성된 신경망이다. W1은 16비트 정수, W2, W3, W4는 8비트 정수를 사용하며, 증분 계산과 SIMD 기술을 활용한다. 2018년 컴퓨터 쇼기 버전에서는 VPADDW, VPSUBW, VPMADDUBSW, VPACKSSDW, VPACKSSWB, VPMAXSB 등의 내장 함수가 사용되었다. NNUE는 일본 쇼기 프로그램 등 다양한 분야에서 활용된다.
| 유형 | 인공 신경망 기반 평가 함수 |
|---|---|
| 특징 | 효율적인 업데이트 가능 |
| 개발 목적 | 컴퓨터 체스 및 쇼기 엔진의 성능 향상 |
| 핵심 아이디어 | 점진적인 계산을 통해 효율적인 업데이트 실현 |
|---|---|
| 적용 분야 | 체스 엔진, 쇼기 엔진 |
| 장점 | 빠른 평가, 높은 정확도, 효율적인 연산 |
| 활용 | 실시간 전략 게임, 자동화된 의사 결정 시스템 |
| 최초 개발 | 2018년, 유 나스에 의해 쇼기 엔진에 적용 |
|---|---|
| 체스 엔진 적용 | 2020년, 스톡피쉬에 통합 |
| 기본 구조 | 입력층, 은닉층, 출력층으로 구성된 심층 신경망 |
|---|---|
| 입력 | 현재 게임 상태 (체스판/쇼기판의 정보) |
| 출력 | 현재 게임 상태에 대한 평가 점수 |
| 학습 방법 | 지도 학습, 강화 학습 등을 사용하여 신경망 학습 |
| 효율적인 업데이트 | 게임 상태가 변경될 때마다 전체 신경망을 재계산하는 대신, 변경된 부분만 점진적으로 계산하여 업데이트 |
| 체스 엔진 | 스톡피쉬, 리라 체스 제로 등 |
|---|---|
| 쇼기 엔진 | 다수의 쇼기 엔진 |
| 기타 | 실시간 전략 게임, 자동화된 의사 결정 시스템 |
-
컴퓨터 체스 -
딥 블루 대 가리 카스파로프
딥 블루 대 가리 카스파로프는 1996년과 1997년에 걸쳐 인공지능 딥 블루와 체스 세계 챔피언 가리 카스파로프가 대결한 사건으로, 1997년 딥 블루가 승리하며 인공지능이 인간을 이긴 최초의 사례로 기록되었다. -
컴퓨터 체스 -
체스 엔진
체스 엔진은 체스 게임을 수행하는 컴퓨터 프로그램으로, 하드웨어와 소프트웨어의 발전을 거쳐 인간 체스 선수를 능가하는 수준으로 발전하여 현재는 분석 도구로 활용되며, 다양한 인터페이스 프로토콜을 지원하고 토너먼트와 레이팅 목록을 통해 성능을 비교한다. -
인공신경망 -
인공 뉴런
인공 뉴런은 인공신경망의 기본 요소로서, 입력 신호에 가중치를 곱하고 합산하여 활성화 함수를 거쳐 출력을 생성하며, 생물학적 뉴런을 모방하여 설계되었다. -
인공신경망 -
퍼셉트론
퍼셉트론은 프랭크 로젠블랫이 고안한 인공신경망 모델로, 입력 벡터에 가중치를 곱하고 편향을 더한 값을 활성화 함수에 통과시켜 이진 분류를 수행하는 선형 분류기 학습 알고리즘이며, 초기 신경망 연구의 중요한 모델로서 역사적 의미를 가진다. -
평가 방법 -
양적 연구
-
평가 방법 -
사례 연구
사례 연구는 소수 사례에 대한 심층 연구로 현상에 대한 풍부한 이해를 제공하는 질적 연구 방법으로, 다양한 연구 설계와 사례 선택 전략을 활용하여 이론 생성 및 검증 등에 유용하지만 일반화의 어려움과 선택 편향의 위험이 존재하며 교육 분야에서 교수법으로 활용된다.
2. 구조
NNUE의 신경망은 4개의 가중치 층으로 구성된다. W1은 16비트 정수, W2, W3 및 W4는 8비트 정수이다. 증분 계산 및 단일 지시 다중 데이터(SIMD) 기술은 적절한 내장 함수, 구체적으로는 2018년 컴퓨터 쇼기 버전에서는 VPADDW, VPSUBW, VPMADDUBSW, VPACKSSDW, VPACKSSWB, 그리고 VPMAXSB와 함께 사용된다.
2.1. 기본 구조
NNUE의 신경망은 4개의 가중치 층으로 구성된다. W1은 16비트 정수, W2, W3 및 W4는 8비트 정수이다. 증분 계산 및 단일 지시 다중 데이터(SIMD) 기술은 적절한 내장 함수, 구체적으로는 2018년 컴퓨터 쇼기 버전에서는 VPADDW, VPSUBW, VPMADDUBSW, VPACKSSDW, VPACKSSWB, 그리고 VPMAXSB와 함께 사용된다.
2.1.1. 가중치 층
NNUE의 신경망은 4개의 가중치 층으로 구성된다. W1은 16비트 정수, W2, W3 및 W4는 8비트 정수이다. 증분 계산(Incremental computing) 및 단일 지시 다중 데이터(SIMD) 기술은 적절한 내장 함수(Intrinsic function), 구체적으로는 2018년 컴퓨터 쇼기 버전에서는 VPADDW, VPSUBW, VPMADDUBSW, VPACKSSDW, VPACKSSWB, 그리고 VPMAXSB와 함께 사용된다.
2.2. 증분 계산 및 SIMD 기술
NNUE의 신경망은 4개의 가중치 층으로 구성된다. W1은 16비트 정수, W2, W3 및 W4는 8비트 정수이다. 증분 계산(Incremental computing) 및 단일 지시 다중 데이터 (SIMD) 기술은 적절한 내장 함수(Intrinsic function), 구체적으로는 2018년 컴퓨터 쇼기 버전에서는 VPADDW, VPSUBW, VPMADDUBSW, VPACKSSDW, VPACKSSWB, 그리고 VPMAXSB와 함께 사용된다.
2.2.1. 내장 함수
증분 계산(Incremental computing) 및 단일 지시 다중 데이터(SIMD) 기술은 적절한 내장 함수(Intrinsic function)와 함께 사용되는데, 2018년 컴퓨터 쇼기 버전에서는 VPADDW, VPSUBW, VPMADDUBSW, VPACKSSDW, VPACKSSWB, VPMAXSB가 사용된다.