맨위로가기

컴퓨터 바둑

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
목차

1. 개요

컴퓨터 바둑은 인공지능(AI) 기술을 활용하여 바둑을 하는 컴퓨터 프로그램에 대한 연구 및 개발을 의미한다. 바둑은 오랫동안 인공지능 분야의 어려운 과제로 여겨졌으며, 2015년 이전까지는 컴퓨터 바둑 프로그램이 아마추어 수준에 머물렀다. 2010년대 중반 딥러닝 기술의 발전과 함께 알파고의 등장은 컴퓨터 바둑의 기력을 획기적으로 향상시켰으며, 프로 기사들을 상대로 승리하는 쾌거를 이루었다. 이후 딥러닝 기반의 다양한 바둑 프로그램들이 개발되었으며, 프로 기사들의 연구 도구로 활용되는 등 바둑계에 큰 변화를 가져왔다. 현재 컴퓨터 바둑은 몬테카를로 트리 탐색, 딥러닝 등 다양한 기술을 활용하며, 윤리적 문제 및 사회문화적 영향 또한 발생하고 있다.

더 읽어볼만한 페이지

  • 컴퓨터 바둑 - 알파고
    알파고는 구글 딥마인드가 개발한 인공지능 바둑 프로그램으로, 심층 신경망과 몬테카를로 트리 탐색 알고리즘을 결합하여 자가 학습을 통해 인간을 뛰어넘는 바둑 실력을 달성하며 인공지능 기술 발전과 사회적 영향에 대한 논의를 촉발했다.
  • 컴퓨터 바둑 - 알파고 대 이세돌
    알파고 대 이세돌은 2016년 3월에 인공지능 알파고와 바둑 기사 이세돌 9단의 대결로, 알파고가 4승 1패로 승리하며 인공지능 기술 발전을 보여주는 중요한 사건이다.
  • 바둑 용어 - 신포석
    신포석은 기타니 미노루와 우칭위안이 1933년 창안하여 중앙을 중시하는 파격적인 바둑 포석 방법으로, 바둑계에 큰 영향을 주어 현대 바둑 포석 발전에 기여했다.
  • 바둑 용어 - 천원 (바둑)
    천원은 바둑판 중앙의 유일한 점으로 우주의 중심에 비유되며, 과거 태극 등으로 불리다 시부카와 하루미에 의해 천원으로 명명된 것으로 추정되고, 귀를 중시하는 일반적 포석과 달리 첫 수로 두는 전략이 존재하며, 현대에도 전략적 가치를 지닌 착점으로 활용될 뿐 아니라 박카스배 천원전 우승자에게 주어지는 칭호이기도 하다.
컴퓨터 바둑
개요
분야인공지능
연구 주제컴퓨터 게임
알파고
딥 러닝
강화 학습
몬테카를로 트리 탐색
응용바둑 인공지능 개발
게임 인공지능 연구
역사컴퓨터 바둑 연구 시작
알파고의 등장으로 발전 가속화
관련 분야인공지능
기계 학습
게임 이론
전산학
주요 알고리즘몬테카를로 트리 탐색
딥 러닝
강화 학습
컴퓨터 바둑 프로그램
주요 프로그램알파고
릴라 제로
카타고
돌바람
프로그램 특징딥 러닝 기반의 신경망 사용
강화 학습을 통한 자가 학습
몬테카를로 트리 탐색을 활용한 수 읽기
기술적 과제
과제바둑의 복잡성 해결
효율적인 탐색 방법 개발
인간 수준의 직관과 창의성 모방
대국 전략 및 형세 판단 능력 향상
사회적 영향
영향인공지능 연구 발전 촉진
바둑의 새로운 연구 방향 제시
인간의 사고 및 학습 방식에 대한 이해 증진
수학적 기초
관련 수학 이론조합론
확률론
그래프 이론
최적화 이론
기타
관련 행사컴퓨터 바둑 대회
인공지능 바둑 챌린지
참고 자료바둑 관련 연구 논문
인공지능 관련 학술 자료

2. 역사

프로 바둑 기사들은 바둑을 직관, 창의적이고 전략적인 사고가 필요한 게임으로 여긴다.[1][2] 바둑은 오랫동안 인공지능(AI) 분야의 어려운 과제로 여겨졌으며, 체스보다 훨씬 해결하기 어렵다.[3] 많은 전문가들은 바둑이 체스보다 인간의 사고를 모방하는 요소를 더 많이 필요로 한다고 생각했다.[4] 수학자 아이작 굿(I. J. Good)은 1965년에 다음과 같이 썼다.[5]

컴퓨터로 바둑을? – 단순히 규칙에 맞는 게임이 아니라 제대로 된 바둑 게임을 하도록 컴퓨터를 프로그래밍하려면 좋은 전략의 원리를 공식화하거나 학습 프로그램을 설계해야 합니다. 바둑의 원리는 체스보다 더 정성적이고 신비하며 판단에 더 많이 의존합니다. 따라서 컴퓨터가 체스보다 바둑을 제대로 두도록 프로그래밍하는 것이 더 어려울 것이라고 생각합니다.


2015년 이전까지 최고의 바둑 프로그램은 아마추어 단 수준에 도달하는 데 그쳤다.[6][7] 작은 9×9 보드에서는 컴퓨터의 성적이 더 좋았고, 일부 프로그램은 프로 기사와의 9×9 게임에서 일부 승리를 거두었다. AlphaGo 이전에는 일부 연구자들은 컴퓨터가 바둑에서 최고의 인간을 절대 이길 수 없다고 주장했다.[8]

최초의 컴퓨터 바둑 대회는 에이콘소프트(Acornsoft)[62]가 후원했으며, 그 후 정기적인 대회는 USENIX에서 주최했다. 이 대회들은 1984년부터 1988년까지 개최되었으며, 브루스 윌콕스(Bruce Wilcox)의 최초의 경쟁력 있는 바둑 프로그램인 네메시스(Nemesis)와 데이비드 풋랜드(David Fotland)의 G2.5(후에 코스모스(Cosmos)와 더 메니 페이시즈 오브 고(The Many Faces of Go)로 발전)를 선보였다.

초기 컴퓨터 바둑 연구의 주요 동력 중 하나는 대만 은행가 잉 창키(Ing Chang-ki)가 후원한 상당한 상금이 걸린 잉 상(Ing Prize)이었다. 이 상은 1985년부터 2000년까지 세계 컴퓨터 바둑 대회(또는 잉컵(Ing Cup))에서 매년 수여되었다. 이 토너먼트의 우승자는 단기전에서 어린 선수들에게 핸디캡을 받고 도전할 수 있었다. 만약 컴퓨터가 경기에서 승리하면 상금이 수여되고, 더 적은 핸디캡으로 선수를 이기면 더 큰 상금을 걸고 새로운 상이 발표되었다. 잉 상 시리즈는 1) 2000년 또는 2) 프로그램이 1단 프로 기사를 핸디캡 없이 이길 때 (NT달러 4천만)까지 계속될 예정이었다. 마지막 우승자는 1997년 핸드톡(Handtalk)으로, 11~13세 아마추어 2~6단 3명과의 11집 핸디캡 대결에서 승리하여 25만 NT달러를 받았다. 2000년 상금이 만료될 당시, 수령되지 않은 상금은 9집 핸디캡 대결에서 승리하는 자에게 주어지는 40만 NT달러였다.[63]

많은 다른 대규모 지역 바둑 토너먼트("콩그레스")에도 컴퓨터 바둑 이벤트가 포함되었다. 유럽 바둑 콩그레스는 1987년부터 컴퓨터 토너먼트를 후원해왔으며, USENIX 이벤트는 미국 바둑 콩그레스에서 1988년부터 2000년까지 매년 열리는 미국/북미 컴퓨터 바둑 선수권 대회로 발전했다.

일본은 1995년부터 컴퓨터 바둑 대회를 후원하기 시작했다. FOST컵은 1995년부터 1999년까지 도쿄에서 매년 개최되었다. 그 토너먼트는 기후현 오가키시에서 2003년부터 2006년까지 매년 개최된 기후 챌린지(Gifu Challenge)로 대체되었다. 컴퓨터 바둑 UEC 컵(Computer Go UEC Cup)은 2007년부터 매년 개최되고 있다.

1960년대에는 컴퓨터 바둑 프로그램의 기력이 38급 수준이었으나, 꾸준히 발전하여 1970년대에는 15급 수준, 2000년대 후반에는 아마추어 3~4단 수준, 2010년대 전반에는 아마추어 4~6단 수준에 도달했다. 2010년대 후반에는 알파고의 등장으로 프로 최강 수준을 넘어섰다.

2. 1. 초기 (1960년대 ~ 2000년대 초반)

최초의 바둑 프로그램은 1968년 알버트 린지 조브리스트(Albert Lindsey Zobrist)가 패턴 인식(pattern recognition)에 관한 논문의 일환으로 작성되었다.[9] 이 프로그램은 영역 추정을 위한 영향 함수(influence function)와 코 규칙(ko) 감지를 위한 조브리스트 해싱(Zobrist hashing)을 도입했다. 1969년에는 19로반에서 작동하는 프로그램이 작성되었으며, 당시 기력은 38급 정도였다.

1970년대에는 놓인 돌 주변에 발생하는 영향력을 함수로 다루는 기법이나 돌의 사활을 판정하는 알고리즘 등이 개발되었다.[66] 1979년에는 공격과 방어의 기본적인 전략과, 연결된 돌("연")과 연결되어 있지는 않지만 한 덩어리의 돌로 인식되는 돌의 집합("군")을 다루는 계층 패턴을 가진 바둑 프로그램 Interim.2가 15급 정도의 기력을 발휘했다.[66]

1981년 4월, 조나단 K. 밀렌은 ''바이트'' 잡지에 15x15 보드를 사용하는 왈리(Wally)라는 바둑 프로그램에 대한 기사를 발표했으며, 이 프로그램은 KIM-1 마이크로컴퓨터의 1K RAM에 들어갈 수 있었다.[10] 1984년에는 최초의 컴퓨터 바둑 대회인 USENIX가 개최되었고, 브루스 F. 웹스터(Bruce F. Webster)는 애플 매킨토시(Apple Macintosh)용 바둑 프로그램에 대한 기사를 같은 잡지에 발표하며 MacFORTH 소스 코드를 포함했다.[11] 1980년대에는 미국의 "Nemesis", "Go Intellect", 대만의 "Dragon", 네덜란드의 "Goliath" 등의 소프트웨어가 유력했으며, 일본의 제5세대 컴퓨터(第五世代コンピュータ)에서도 인공지능(人工知能) 응용 소프트웨어로 "碁世代"가 개발되었다.

1990년대 중반 이후 하드웨어 성능 향상으로 19x19 보드에서 인터넷 바둑 서버(IGS)에서 대국하는 인공지능의 실력은 2003년경 20~15급 정도였다.[13] 1990년대에는 중국의 「Handtalk」,「Silver Igo」 등이 아마추어 고급 실력자 수준에 도달했다.

1998년에는 매우 강한 바둑 기사들이 25~30집의 핸디캡을 주고도 컴퓨터 프로그램을 이길 수 있었는데, 이는 인간 기사라면 거의 받지 않을 정도로 매우 큰 핸디캡이었다.[14] 1994년 세계 컴퓨터 바둑 선수권 대회에서 우승한 프로그램인 고 인텔렉트(Go Intellect)가 15집의 핸디캡을 받고도 어린 선수들에게 세 판 모두 패한 사례도 있었다.[14]

초기 컴퓨터 바둑 알고리즘은 인간의 사고 방식과 유사하게 정적 평가 함수를 만들고, 지식 기반 방식으로 후보 수를 생성한 후, 게임 트리 탐색, 미니맥스법, 알파베타법을 통해 수를 결정했다. 1993년에는 몬테카를로법을 응용한 바둑 프로그램이 등장했지만, 초기에는 성능이 낮아 기존 알고리즘을 가진 프로그램보다 약했다.

2. 2. 몬테카를로 트리 탐색 (2000년대 중반 ~ 2010년대 초반)

2006년 레미 쿨롬은 몬테카를로 트리 탐색 알고리즘을 개발했다.[16] 이 알고리즘은 무작위 플레이아웃을 통해 트리의 최종 노드를 "평가"하는 방식으로, 9x9 바둑에서 좋은 성적을 거두었다. MoGo와 Fuego와 같은 프로그램들은 이 방식을 기반으로 하여 이전의 고전적인 AI보다 더 나은 성능을 보였다. 2009년에는 19x19 바둑판에서 단급에 도달하고 유지할 수 있는 최초의 프로그램이 KGS 바둑 서버에 등장했다.[67] 2006년, 몬테카를로법을 활용한 "Crazy Stone"이 등장하여 제11회 컴퓨터 올림피아드 9로 바둑 부문에서 우승하며 컴퓨터 바둑의 실력 향상을 이끌었다.[67]

2008년 3월, MoGo는 타라누 카탈린 5단과 19로 바둑판에서 9집 접바둑으로 대국하여 패했지만, 9로 바둑판에서는 호선으로 1승을 거두었다.[67] 8월에는 한국 프로 기사를 상대로 9집 접바둑에서 승리했으며,[68] 9월에는 Crazy Stone이 청엽 가오리 4단과의 8집 접바둑에서 중압으로 승리했다.[68]

2010년 핀란드에서 열린 2010 유럽 바둑 대회에서 MogoTW는 카탈린 타라누 5단에게 7집 접바둑으로 승리했다.[17] 같은 해, Zen은 KGS 서버에서 5단에 도달했다.[18] 2010년 10월에는 ERICA와 후지사와 리나 초단의 대국이 6집제로 치러졌으며, 후지사와의 중압승이었다.[72]

2012년, Zen은 다케미야 마사키 9단을 5집, 4집 접바둑으로 이겼다.[19] 같은 해, 크레이지 스톤은 요시오 이시다 9단을 4집 접바둑으로 이겼다.[20] 2012년 3월 17일에는 Zen과 무궁 마사키 9단의 19로 대국이 열려, 5집 접바둑에서 Zen이 11집승, 4집 접바둑에서 20집승을 거두었다.[75]

2013년부터 전성전이 개최되어, 컴퓨터 바둑 프로그램과 프로 기사 간의 대국이 이루어졌다.[77] 2013년, 크레이지 스톤은 요시오 이시다 9단과의 4집 접바둑에서 승리했다.[20]

2014년, 크레이지 스톤은 프란츠-요제프 디크후트 6단과의 19x19 균등 대국에서 첫 대국을 승리했으나, 최종적으로는 디크후트가 승리했다.[21]

2. 3. 딥러닝 시대 (2010년대 중반 ~ 현재)

구글 딥마인드가 개발한 알파고는 이전 바둑 프로그램들에 비해 컴퓨터의 바둑 실력을 크게 향상시킨 중요한 진전이었다. 알파고는 심층 학습과 몬테카를로 트리 탐색을 결합한 기술을 사용했다.[22] 2015년 10월, 알파고는 유럽 바둑 챔피언인 판후이를 토너먼트 조건에서 5전 전승으로 이겼다.[23] 2016년 3월에는 알파고가 이세돌과의 5번기에서 처음 3판을 이겼다.[24] 이는 9단급 고수가 컴퓨터와의 프로 경기에서 핸디캡 없이 대결한 최초의 사례였다.[25] 이세돌은 4번째 경기에서 승리하며 자신의 승리를 "값진 승리"라고 평가했다.[26] 알파고는 이틀 후 최종 경기에서 승리했다.[27][28] 이 승리로 알파고는 정규 크기의 바둑판에서 핸디캡 없이 9단급 프로 기사를 이긴 최초의 프로그램이 되었다.

2017년 5월, 당시 세계 랭킹 1위였던 커제를 3번기에서 이겼다.[29][30] 이 대결은 미래의 바둑 정상회담에서 열렸다.[31]

2017년 10월, 딥마인드는 자가 대국을 통해 훈련된 새로운 버전의 알파고를 공개했는데, 이 버전은 이전 모든 버전을 능가하여 커제 버전과의 100번의 대국에서 89번을 이겼다.[32]

알파고의 기본 원리가 ''네이처'' 저널에 발표된 후, 다른 연구팀들도 고성능 바둑 프로그램을 개발할 수 있게 되었다. 그 이후 바둑 AI 연구는 주로 알파고를 만드는 데 사용된 기술을 모방하는 데 집중되었는데, 알파고는 다른 모든 프로그램보다 훨씬 강력했기 때문이다. 2017년까지 젠과 텐센트의 프로젝트 파인 아트는 매우 높은 수준의 프로 기사들을 이길 수 있었다. 오픈소스 리라 제로 엔진도 개발되었다.

2016년 2월, Zen(젠)과 이타 아츠시(伊田篤史)십단이 4집제 대국을 펼쳐 Zen이 중압승을 거두었다.

2016년 3월 1일, 도완고(ドワンゴ)는 도쿄대학과 일본기원의 협력을 얻어 세계 최강의 바둑 AI를 목표로 하는 “DeepZenGo 프로젝트” 발족을 발표했다. Zen 개발자인 오지마 요지(尾島陽児)와 카토 히데키(加藤英樹)를 중심으로, 딥러닝을 전문으로 하는 도쿄대학 마츠오 유타카(松尾豊) 연구실이 참여했고, 도완고는 자체 보유한 딥러닝 전용 GPU 서버 팜을 제공하여, 6개월에서 1년 안에 알파고에 대항할 수 있는 컴퓨터 바둑 개발을 목표로 했다.[97]

2016년 3월 제4회 전성전(電聖戦)에서 고바야시 코이치(小林光一) 명예기성이 Zen(UEC컵 우승), darkforest(UEC컵 준우승)과 각각 3집제 대국을 펼쳐 Zen에게는 4집반패, darkforest에게는 중압승을 거두었다. Zen은 알파고 이외의 컴퓨터 바둑으로서는 처음으로 공개적인 장소에서 3집제 대국에서 프로 기사에게 승리했다.

2016년 6월 7일, 제30회 인공지능학회 전국대회 이벤트로 Zen과 무궁 요코(武宮陽光) 6단의 2집제 대국이 펼쳐졌고, Zen이 9집반승을 거두었다. Zen은 알파고 이외의 컴퓨터 바둑으로서는 처음으로 공개적인 장소에서 2집제 대국에서 프로 기사에게 승리했다.[98]

2016년 1월 일본기원은 “제1회 13로반 프로 아마 토너먼트전”을 개최하고, 아마추어 예선에 컴퓨터 바둑 소프트웨어 참가를 허용한다고 발표했다.[99] 같은 해 6월에 개최된 아마추어·컴퓨터 대표 결정 토너먼트에는 같은 해 UEC컵 우승인 Zen, 4위 Aya, 6위 CGI, 7위 Ray의 4개 소프트웨어가 참가하여 아마추어 선수와 본선 진출을 다퉜지만, 예선 통과에 5연승이 필요한 가운데 Zen이 3승, 나머지 3개 소프트웨어는 1승에 그치며 예선 통과는 하지 못했다.[100]

2016년 11월 23일, “네야가와 바둑장기 축제(寝屋川囲碁将棋まつり)”에서 Zen이 카와 에이이치(河英一) 6단과 호선(互先)으로 대국을 펼쳐 Zen이 중압승을 거두었다.

2017년 3월 제5회 전성전(電聖戦)에서는 이치리키 료(一力遼) 7단이 중국의 절예(絶芸)(UEC컵 우승), 일본의 DeepZenGo(UEC컵 준우승)와 호선(互先)으로 대국을 펼쳐, 두 대국 모두 컴퓨터 바둑이 중압승을 거두었다. 컴퓨터 바둑이 전성전에서 처음으로 프로 기사에게 연승을 거둔 것이다.

2017년 6월에 개최된 제3회 Mlily 몽백배 세계바둑오픈전(Mlily夢百合杯世界囲碁オープン戦)에 DeepZenGo가 참가하여 1회전에서 한국의 신민준(申旻埈)에게 중압승을 거두었지만, 2회전에서 중국의 왕하오양(王昊洋)에게 반집패를 당했다.

2018년 2월 20일, 일본기원의 온라인 대국장 “유겐노마(幽玄の間)”에 바둑 소프트웨어 “AQ”가 프로 기사의 연습 대국용으로 도입됨을 기념하여, AQ와 시바노 코마루(芝野虎丸), 혼기 가츠야(本木克弥), 쿄 케이겐(許家元) 3명과의 대국이 6집반, 제한시간 30분, 시간을 다 사용한 후 1분 초읽기 3회로 각자 1국씩 펼쳐졌고, 결과는 시바노가 흑번 중압승, 혼기가 흑번 중압패, 쿄가 백번 중압승이었다.

2018년 4월 중국 복주에서 개최된 “제1회 베이뤼지인배 세계 AI 바둑 대회(第１回貝瑞基因杯世界AI囲碁大会)”에서는 텐센트의 “절예(絶芸)”와 같은 텐센트의 채팅 앱 WeChat의 번역 개발팀이 제작한 "봉황바둑/PhoenixGo중국어"(PhoenixGo / BensonDarr)의 경쟁이 되었고, 결승 3번기에서 봉황바둑이 2승 1패로 절예를 꺾고 우승했다.

같은 2018년 4월, 중국의 칭화대학(清華大学)이 제작한 성진바둑(星陣囲碁)(Golaxy)가 커제(柯潔) 등 중국의 프로 기사와 30국 연습 대국을 펼쳐, 인간 측이 선을 잡는 조건에서 28승 2패로 크게 승리했다.

2018년 5월 2일, 2016년 1월에 바둑 AI “darkforest”를 공개했던 페이스북(Facebook)이 새로운 바둑 AI인 ELF OpenGo를 발표하고 소스 코드를 공개했다. AlphaGo Zero와 같은 방법을 사용하여, GPU 2000개를 2주간 사용한 강화 학습으로, 바둑 AI Leela Zero에 198승 2패, 한국의 최고 기사인 김지석(金志錫), 신진서(申眞諝), 박영훈(朴永訓), 최철한(崔哲瀚) 4명에 대해, 컴퓨터가 1수 50초, 인간이 제한시간 무제한의 조건으로 14전 전승을 거두며 그 실력을 보여주었다.

딥러닝을 통해 일반적인 대국에서는 인간을 뛰어넘었지만, 바둑 입문자가 배우는 수준의 사활을 판단하지 못하는 경우가 있다.[125] 이는 소프트웨어가 사활 등의 규칙을 논리적으로 이해하지 못하고, 통계적으로 승률이 높은 수를 선택하기 때문으로 여겨진다.[125]

그 자리에서는 불리해지는 수이지만, 선택지를 넓혀 상대에게 수를 주고 실수를 유도하는 등 반외전을 곁들인 전술은 이해하지 못하여 이러한 수의 평가가 낮아진다.[142]

시바노 토라마루(芝野虎丸)는 2020년 대담에서 종반은 신뢰할 수 없는 경우가 많다고 언급했다.[121] 오하시 타쿠후미(大橋拓文)는 2021년 테라야마 렌(寺山怜)과 함께 KataGo로 오래된 기보를 분석하는 서적을 출간하면서 공격전 등 약한 분야가 있다고 지적했다.[142]

2. 3. 1. 알파고 이후의 발전

구글 딥마인드가 개발한 알파고는 이전 바둑 프로그램들에 비해 컴퓨터의 바둑 실력을 크게 향상시킨 중요한 진전이었다. 알파고는 심층 학습과 몬테카를로 트리 탐색을 결합한 기술을 사용했다.[22] 2015년 10월, 알파고는 유럽 바둑 챔피언인 판후이를 토너먼트 조건에서 5전 전승으로 이겼다.[23] 2016년 3월에는 알파고가 이세돌과의 5번기에서 처음 3판을 이겼다.[24] 이는 9단급 고수가 컴퓨터와의 프로 경기에서 핸디캡 없이 대결한 최초의 사례였다.[25] 이세돌은 4번째 경기에서 승리하며 자신의 승리를 "값진 승리"라고 평가했다.[26] 알파고는 이틀 후 최종 경기에서 승리했다.[27][28] 이 승리로 알파고는 정규 크기의 바둑판에서 핸디캡 없이 9단급 프로 기사를 이긴 최초의 프로그램이 되었다.

2017년 5월, 당시 세계 랭킹 1위였던 커제를 3번기에서 이겼다.[29][30] 이 대결은 미래의 바둑 정상회담에서 열렸다.[31]

2017년 10월, 딥마인드는 자가 대국을 통해 훈련된 새로운 버전의 알파고를 공개했는데, 이 버전은 이전 모든 버전을 능가하여 커제 버전과의 100번의 대국에서 89번을 이겼다.[32]

알파고의 기본 원리가 ''네이처'' 저널에 발표된 후, 다른 연구팀들도 고성능 바둑 프로그램을 개발할 수 있게 되었다. 그 이후 바둑 AI 연구는 주로 알파고를 만드는 데 사용된 기술을 모방하는 데 집중되었는데, 알파고는 다른 모든 프로그램보다 훨씬 강력했기 때문이다. 2017년까지 젠과 텐센트의 프로젝트 파인 아트는 매우 높은 수준의 프로 기사들을 이길 수 있었다. 오픈소스 리라 제로 엔진도 개발되었다.

2016년 2월, Zen(젠)과 이타 아츠시(伊田篤史)십단이 4집제(4子局) 대국을 펼쳐 Zen이 중압승(中押し勝ち)을 거두었다.

2016년 3월 1일, 도완고(ドワンゴ)는 도쿄대학과 일본기원의 협력을 얻어 세계 최강의 바둑 AI를 목표로 하는 “DeepZenGo 프로젝트” 발족을 발표했다. Zen 개발자인 오지마 요지(尾島陽児)와 카토 히데키(加藤英樹)를 중심으로, 딥러닝을 전문으로 하는 도쿄대학 마츠오 유타카(松尾豊) 연구실이 참여했고, 도완고는 자체 보유한 딥러닝 전용 GPU 서버 팜을 제공하여, 6개월에서 1년 안에 알파고에 대항할 수 있는 컴퓨터 바둑 개발을 목표로 했다.[97]

2016년 3월 제4회 전성전(電聖戦)에서 고바야시 코이치(小林光一) 명예기성이 Zen(UEC컵 우승), darkforest(UEC컵 준우승)과 각각 3집제 대국을 펼쳐 Zen에게는 4집반패(4目半負け), darkforest에게는 중압승(中押し勝ち)을 거두었다. Zen은 알파고 이외의 컴퓨터 바둑으로서는 처음으로 공개적인 장소에서 3집제 대국에서 프로 기사에게 승리했다.

2016년 6월 7일, 제30회 인공지능학회 전국대회 이벤트로 Zen과 무궁 요코(武宮陽光) 6단의 2집제 대국이 펼쳐졌고, Zen이 9집반승(9目半勝ち)을 거두었다. Zen은 알파고 이외의 컴퓨터 바둑으로서는 처음으로 공개적인 장소에서 2집제 대국에서 프로 기사에게 승리했다.[98]

2016년 1월 일본기원은 “제1회 13로반 프로 아마 토너먼트전”을 개최하고, 아마추어 예선에 컴퓨터 바둑 소프트웨어 참가를 허용한다고 발표했다.[99] 같은 해 6월에 개최된 아마추어·컴퓨터 대표 결정 토너먼트에는 같은 해 UEC컵 우승인 Zen, 4위 Aya, 6위 CGI, 7위 Ray의 4개 소프트웨어가 참가하여 아마추어 선수와 본선 진출을 다퉜지만, 예선 통과에 5연승이 필요한 가운데 Zen이 3승, 나머지 3개 소프트웨어는 1승에 그치며 예선 통과는 하지 못했다.[100]

2016년 11월 23일, “네야가와 바둑장기 축제(寝屋川囲碁将棋まつり)”에서 Zen이 카와 에이이치(河英一) 6단과 호선(互先)으로 대국을 펼쳐 Zen이 중압승(中押し勝ち)을 거두었다.

2017년 3월 제5회 전성전(電聖戦)에서는 이치리키 료(一力遼) 7단이 중국의 절예(絶芸)(UEC컵 우승), 일본의 DeepZenGo(UEC컵 준우승)와 호선(互先)으로 대국을 펼쳐, 두 대국 모두 컴퓨터 바둑이 중압승(中押し勝ち)을 거두었다. 컴퓨터 바둑이 전성전에서 처음으로 프로 기사에게 연승을 거둔 것이다.

2017년 6월에 개최된 제3회 Mlily 몽백배 세계바둑오픈전(Mlily夢百合杯世界囲碁オープン戦)에 DeepZenGo가 참가하여 1회전에서 한국의 신민준(申旻埈)에게 중압승(中押し勝ち)을 거두었지만, 2회전에서 중국의 왕하오양(王昊洋)에게 반집패(半目負け)를 당했다.

2018년 2월 20일, 일본기원의 온라인 대국장 “유겐노마(幽玄の間)”에 바둑 소프트웨어 “AQ”가 프로 기사의 연습 대국용으로 도입됨을 기념하여, AQ와 시바노 코마루(芝野虎丸), 혼기 가츠야(本木克弥), 쿄 케이겐(許家元) 3명과의 대국이 6집반(コミ6目半), 제한시간 30분, 시간을 다 사용한 후 1분 초읽기 3회로 각자 1국씩 펼쳐졌고, 결과는 시바노가 흑번 중압승(中押し勝ち), 혼기가 흑번 중압패(中押し負け), 쿄가 백번 중압승(中押し勝ち)이었다.

2018년 4월 중국 복주에서 개최된 “제1회 베이뤼지인배 세계 AI 바둑 대회(第１回貝瑞基因杯世界AI囲碁大会)”에서는 텐센트의 “절예(絶芸)”와 같은 텐센트의 채팅 앱 WeChat의 번역 개발팀이 제작한 ""(PhoenixGo / BensonDarr)의 경쟁이 되었고, 결승 3번기에서 봉황바둑이 2승 1패로 절예를 꺾고 우승했다.

같은 2018년 4월, 중국의 칭화대학(清華大学)이 제작한 성진바둑(星陣囲碁)(Golaxy)가 커제(柯潔) 등 중국의 프로 기사와 30국 연습 대국을 펼쳐, 인간 측이 선을 잡는 조건에서 28승 2패로 크게 승리했다.

2018년 5월 2일, 2016년 1월에 바둑 AI “darkforest”를 공개했던 페이스북(Facebook)이 새로운 바둑 AI인 ELF OpenGo를 발표하고 소스 코드를 공개했다. AlphaGo Zero와 같은 방법을 사용하여, GPU 2000개를 2주간 사용한 강화 학습으로, 바둑 AI Leela Zero에 198승 2패, 한국의 최고 기사인 김지석(金志錫), 신진서(申眞諝), 박영훈(朴永訓), 최철한(崔哲瀚) 4명에 대해, 컴퓨터가 1수 50초, 인간이 제한시간 무제한의 조건으로 14전 전승을 거두며 그 실력을 보여주었다.

딥러닝을 통해 일반적인 대국에서는 인간을 뛰어넘었지만, 바둑 입문자가 배우는 수준의 사활을 판단하지 못하는 경우가 있다.[125] 이는 소프트웨어가 사활 등의 규칙을 논리적으로 이해하지 못하고, 통계적으로 승률이 높은 수를 선택하기 때문으로 여겨진다.[125]

그 자리에서는 불리해지는 수이지만, 선택지를 넓혀 상대에게 수를 주고 실수를 유도하는 등 반외전을 곁들인 전술은 이해하지 못하여 이러한 수의 평가가 낮아진다.[142]

시바노 토라마루(芝野虎丸)는 2020년 대담에서 종반은 신뢰할 수 없는 경우가 많다고 언급했다.[121] 오하시 타쿠후미(大橋拓文)는 2021년 테라야마 렌(寺山怜)과 함께 KataGo로 오래된 기보를 분석하는 서적을 출간하면서 공격전 등 약한 분야가 있다고 지적했다.[142]

2. 4. 대한민국 컴퓨터 바둑의 현황 (2020년대)

2012년 3월, 일본의 바둑 프로그램 Zen이 인터넷 바둑 서버 KGS에서 6단에 올랐으며, 이는 한국기원 아마 5단 내지 6단 정도의 실력이다. 같은 달 17일에는 Zen이 일본 프로기사 다케미야 마사키 9단과의 5점, 4점 접바둑에서 모두 승리하였다.

2015년 10월, 유럽 바둑 챔피언 판 후이 2단을 구글 알파고가 5대 0으로 이겼고, 2016년 3월에는 대한민국 이세돌 9단을 구글 알파고가 4대 1로 이겼다. 오오하시 타쿠후미(大橋拓文)는 2020년 인터뷰에서 프로 기사들의 인식으로는 컴퓨터 바둑이 대국 상대에서 연구 도구로 변화하고 있다고 말했다.[120] 시바노 코마루(芝野虎丸)는 2020년 대담에서 2년 전부터 프로 기사들에게 보급되었다고 언급했다.[121]

2022년 11월, 코넬대학교의 토니 통 왕(Tony Tong Wang)은 최강의 컴퓨터 바둑 프로그램인 카타고(KataGo)에 대해 99%의 확률로 승리할 수 있는 새로운 대 컴퓨터 전법을 발견했다고 발표했다. 이 전법은 인간에게는 통하지 않는, 컴퓨터 전용 전법이었다.[122] 2023년 2월에는 FAR AI가 발견한 AI의 결함을 이용하여 아마추어 기사인 켈린 페린(Kellin Pelrin)이 카타고(KataGo) 상대로 15전 14승을 거두었다는 것이 발표되었다.[123] 이 결과에 대해 FAR AI 최고 책임자인 아담 그리브(Adam Grieve)는 AI 시스템이 해당 전술에 충분히 훈련받지 못했기 때문이라고 추측했다.[124] 오오하시 타쿠후미(大橋拓文)는 이것을 "도넛 전법"이라고 부르며, 같은 딥러닝을 사용한 소프트웨어에 공통되는 약점으로 여겨진다고 말했다.[125]

인간을 넘어선 이후로는 순수한 기력보다 인간다운 두는 방법의 연구가 이루어지고 있다.[126] 한편, 대국 중 스마트폰 등으로 AI의 수를 참고하는 소프트 치기가 문제가 되고 있다.[127]

3. 기술적 특징

모든 바둑 프로그램은 게임의 현재 상태를 표현해야 하는데, 가장 직접적인 방법은 1차원 또는 2차원 배열로 보드를 나타내는 것이다. 배열 요소는 보드의 점을 나타내며 흰 돌, 검은 돌, 빈 교차점에 해당하는 값을 가질 수 있다. 잡힌 돌의 수, 차례, 코 규칙에 따른 불법 교차점 등을 저장하기 위한 추가 데이터가 필요하다. 기계 학습 프로그램은 대개 이 형태에서 멈추고 유기적 AI가 스스로 보드의 의미를 이해하도록 하며, 몬테카를로 시뮬레이션을 사용하여 플레이어에게 유리하거나 불리한 보드를 "평가"한다. 그러나 인간의 전략을 직접 모델링하는 "클래식" AI 프로그램은 죽은 돌, 무조건 살아있는 돌, ''세키''에 있는 돌 등의 데이터를 게임 상태 표현에 추가할 수 있다.

과거에는 기호 인공지능 기법이 바둑 인공지능 문제에 접근하는 데 사용되었다. 2000년대에 들어서면서 인공 신경망이 대안으로 시도되기 시작했는데, 이는 이전에는 불가능했던 막대한 컴퓨팅 성능을 필요로 했다. 이러한 접근 방식은 바둑의 높은 분기 계수와 여러 어려움을 완화하려는 시도이다.

프로그램은 다음 돌을 어디에 놓을지 결정해야 한다. 그러나 이 결정은 단일 돌이 전체 보드에 미치는 광범위한 영향과 다양한 돌 그룹 간의 복잡한 상호작용 때문에 어렵다. 이 문제를 처리하기 위해 다양한 아키텍처가 등장했다. 인기 있는 기법과 설계 철학에는 다음이 포함된다.

3. 1. 전통적 AI 기법

오랫동안 컴퓨터 바둑은 컴퓨터 체스와 근본적으로 다른 문제를 제기한다는 견해가 널리 퍼져 있었다.[47] 많은 사람들은 일반적인 인공 지능 기술의 근본적인 발전으로 인해 강력한 바둑 프로그램은 먼 미래에나 달성할 수 있을 것이라고 여겼다.[47] 문제 해결이 가능하다고 생각한 사람들은 인간 전문가에 맞서 효과적으로 대처하기 위해서는 전문 지식이 필요하다고 믿었다.[47] 따라서 컴퓨터 바둑 개발 노력의 상당 부분은 인간과 같은 전문가의 지식을 나타내고 이를 지역 탐색과 결합하여 전술적인 문제에 대한 답을 얻는 방법에 집중되었다.[47] 그 결과 많은 특정 상황을 잘 처리하지만 게임 전반의 처리에 매우 두드러진 약점을 가진 프로그램들이 탄생했다.[47] 또한 이러한 고전적인 프로그램들은 사용 가능한 컴퓨팅 성능의 증가로 거의 아무런 이득을 얻지 못했다. 이 분야의 진전은 일반적으로 느렸다.

큰 판(19×19, 361개 교차점)은 강력한 프로그램을 만드는 것이 어려운 주요 이유 중 하나로 종종 언급된다. 큰 판 크기는 알파-베타 탐색기가 상당한 탐색 확장이나 가지치기 휴리스틱 없이 깊은 미래 예측을 달성하는 것을 방지한다.

2002년, MIGOS(MIni GO Solver)라는 컴퓨터 프로그램이 5×5 보드의 바둑 게임을 완전히 해결했다. 흑이 이기며 전체 판을 차지한다.[33]

체스와 비교하면, 바둑 수는 게임 규칙에 의해 제한되지 않는다. 체스의 첫 번째 수에서 플레이어는 20가지 선택권을 갖지만, 바둑 플레이어는 대칭성을 고려하여 55가지의 구별되는 합법적인 수를 선택하는 것으로 시작한다.

게임에서 가장 기본적인 작업 중 하나는 판의 위치를 평가하는 것이다. 어느 쪽이 유리하며 얼마나 유리한가? 체스에서 트리의 많은 미래 위치는 한쪽의 직접적인 승리이며, 판은 단순한 물질 계산과 폰 구조와 같은 특정 위치 요소를 사용하여 평가에 대한 합리적인 휴리스틱을 가지고 있다. 그러나 바둑 위치의 가치는 그룹이 살아 있는지 여부, 어떤 돌을 서로 연결할 수 있는지, 강한 위치가 얼마나 영향력을 가지는지, 약한 위치가 얼마나 공격받을 수 있는지에 대한 복잡한 분석에 따라 달라진다.[47]

바둑 플레이어의 주요 관심사 중 하나는 어떤 돌 그룹을 살릴 수 있고 어떤 것을 잡을 수 있는지이며, 이러한 일반적인 문제의 종류는 사는 것과 죽는 것으로 알려져 있다. 지식 기반 AI 시스템은 때때로 판 위의 그룹의 사는 것과 죽는 것 상태를 이해하려고 시도했다.

전통적인 AI 기법 중 게임 플레이 소프트웨어를 만드는 한 가지 방법은 미니맥스 트리 탐색을 사용하는 것이다. 이는 특정 지점까지 보드의 모든 가상 이동을 수행한 다음, 평가 함수를 사용하여 현재 플레이어에게 해당 위치의 가치를 추정하는 것을 포함한다. 트리 탐색은 컴퓨터 체스에서 매우 효과적이었지만, 컴퓨터 바둑 프로그램에서는 성공률이 낮았다.[47] 이는 부분적으로 바둑판에 대한 효과적인 평가 함수를 만드는 것이 전통적으로 어려웠기 때문이며, 부분적으로 각 측이 할 수 있는 가능한 이동 수가 많아 분기 계수가 높기 때문이다.[47] 이 때문에 탐색 트리를 광범위하게 사용하는 많은 프로그램은 전체 19×19 보드가 아닌 더 작은 9×9 보드에서만 플레이할 수 있다.

속도와 메모리 측면에서 탐색 트리의 성능을 크게 향상시킬 수 있는 여러 가지 기법이 있다. 알파-베타 가지치기, 주요 변형 탐색, MTD(f)와 같은 가지치기 기법은 강도를 잃지 않고 유효 분기 계수를 줄일 수 있다. 사활과 같은 전술적 영역에서 바둑은 트랜스포지션 테이블과 같은 캐싱 기법에 특히 적합하다.

컴퓨터 대회 결과는 적절한 몇 가지 이동을 선택하기 위한 패턴 매칭 기법과 빠른 지역 전술 탐색(위에 설명됨)을 결합하면 경쟁력 있는 프로그램을 생성하기에 충분했음을 보여준다. 예를 들어, GNU Go는 2008년까지 경쟁력이 있었다.

초보자들은 종종 마스터급 선수들의 과거 게임 기록을 통해 배우는 경우가 많습니다. 1990년대 AI 연구는 종종 AI에 바둑 지식의 인간적 휴리스틱을 "가르치려는" 시도를 포함했습니다. 1996년 Tim Klinger와 David Mechner는 최고의 AI의 실력이 초보 수준임을 인정하고 "바둑 지식을 표현하고 유지하는 더 나은 도구를 사용하면 더 강력한 바둑 프로그램을 개발할 수 있을 것이라고 믿습니다"라고 주장했다.[34]

이론적으로 전문가 지식의 활용은 바둑 소프트웨어를 개선할 것이다. 고수 아마추어와 프로 선수 모두 강력한 플레이를 위한 수백 가지의 지침과 경험적 규칙을 공식화했다. 프로그래머의 과제는 이러한 휴리스틱을 가져와 컴퓨터 코드로 공식화하고 패턴 매칭 및 패턴 인식 알고리즘을 사용하여 이러한 규칙이 적용될 때를 인식하는 것이다.

전문가 지식에 크게 의존한 프로그램의 몇 가지 예로는 Handtalk(나중에 Goemate로 알려짐), The Many Faces of Go, Go Intellect, Go++가 있으며, 각 프로그램은 어느 시점에서 세계 최고의 바둑 프로그램으로 여겨졌다. 그러나 이러한 방법은 궁극적으로 수확 체감을 경험했고, 최대 크기의 바둑판에서는 중급 수준을 넘어서지 못했다. 특히 문제가 된 것은 전체 게임 전략이었다.

체스나 장기에서는 각 말의 가치가 다르기 때문에, 말의 교환에 따른 손익을 평가할 수 있다. 또한, 왕이나 킹이라는 명확한 목표가 있기 때문에, 비교적 효과적인 평가 함수를 만들 수 있다. 그러나 바둑은 판이 넓기 때문에 초반에는 계산량이 너무 많고, 돌 자체에 경중이 없고, 놓인 위치와 형태에 따라 요석이 되거나 쓸모없는 돌로 변하기 때문에, 돌이 부딪히는 중반에는 계산이 복잡해진다.[135] 따라서, 체스나 장기처럼 효과적인 평가 함수를 만드는 것은 어려웠다.

장기에 비해 바둑은 최선수와 차선수의 차이가 적은 경우가 많다. 또한, 논리적으로 수를 유도하기 쉬운 장기와 비교하여, 감각적인 부분이 많은 것도 알고리즘과의 친화성이 낮은 한 원인이다.

장기, 체스, 오셀로의 정석과 바둑의 정석에서는, 종국까지의 수에 차지하는 정석의 수의 비율이 장기, 체스, 오셀로 쪽이 높고, 승패에 대한 영향도도 정석보다 정세 쪽이 높다. 따라서, 데이터베이스의 충실에 의한 기력 상승은 장기, 체스, 오셀로 쪽이 효과적이다.

이러한 이유로, 비관적인 견해에서는 21세기 중에 명인을 이길 수 있는 컴퓨터 소프트웨어는 등장하지 않을 것이라고 말해졌다. 제한된 범위 내의 사활을 묻는 결승 바둑에서는 샅샅이 착수를 찾음으로써 프로급의 평가를 내리는 프로그램은 있었지만, 실전의 사활은 결승 바둑이 되는 부분에서 돌이 길게 이어지는 경우가 많고, 그 앞에서 한눈에 알 수 있는 가능성이 있거나, 다른 살아있는 돌과 연결이 남아있는 경우가 있다.[135] 더욱이, 돌이 죽는 경우라도 후리카와리로 그것을 대신하는 이득이 있는 경우 등도 있으며, 무차별 탐색에는 수가 방대하여 불가능하다.

3. 2. 몬테카를로 트리 탐색 (MCTS)

몬테카를로 방법은 수작업으로 코딩된 지식과 탐색을 사용하는 주요 대안 중 하나이다.[35] 이는 잠재적인 수들의 목록을 생성하고, 각 수에 대해 결과적으로 나온 바둑판에서 수천 번의 게임을 무작위로 진행하는 방식으로 이루어진다. 현재 플레이어에게 가장 좋은 무작위 게임 집합으로 이어지는 수가 최선의 수로 선택된다.[36][37][38][39] 몬테카를로 기법을 사용하는 프로그램으로는 Fuego, The Many Faces of Go v12, Leela, MoGo, Crazy Stone, MyGoFriend, Zen 등이 있다.

2006년에는 "트리에 적용된 상한 신뢰 구간"(UCT)[40]이라는 새로운 탐색 기법이 개발되어 9x9 몬테카를로 바둑 프로그램에 탁월한 결과를 가져왔다. UCT는 지금까지 수집된 "플레이 아웃"의 결과를 사용하여 더 성공적인 플레이 라인을 따라 탐색을 안내하는 동시에 다른 라인을 탐색할 수 있도록 한다. UCT 기법과 더 큰 19x19 바둑판에서 플레이하기 위한 많은 다른 최적화를 통해 MoGo가 가장 강력한 연구 프로그램 중 하나가 되었다. 19x19 바둑에 대한 UCT 방법의 성공적인 초기 응용 프로그램으로는 MoGo, Crazy Stone 및 Mango가 있다.[41] MoGo는 2007년 컴퓨터 올림피아드에서 우승했으며, 9x9 바둑에서 5단 프로인 국단과의 블리츠 게임 세 판 중 한 판을 이겼다. The Many Faces of Go[42]는 기존의 지식 기반 엔진에 UCT 탐색을 추가한 후 2008년 컴퓨터 올림피아드에서 우승했다.

몬테카를로 기반 바둑 엔진은 인간 플레이어보다 국지적인 싸움을 계속하기보다는 바둑판의 다른 곳에서 수를 두는 "텐우키"를 더 기꺼이 두는 것으로 유명하다.[43] AlphaGo의 플레이 스타일에서도 이러한 경향이 나타났으므로, "약점"이라기보다는 "기벽"일 수 있다.[44]

바둑은 장기에 비해 최선수와 차선수, 삼선수의 차이가 작고 일방적인 공격과 방어가 적다는 특징이 있다. 따라서 다수의 무작위 플레이를 반복하여 승률을 조사함으로써 형세를 평가하는 것이 가능하다. 몬테카를로 바둑은 이러한 특징을 이용하며, 2009년에는 아마추어 최상위자나 프로 직전의 입단대회 3단과 동등한 실력으로 평가받았다.[136] 또한, 몬테카를로 바둑은 기존의 평가 함수를 사용하는 알고리즘에 비해 소프트웨어 개발자의 바둑 실력이 그다지 필요하지 않아[137] 연구 저변 확대가 기대되었다.

몬테카를로 바둑은 종국까지 시뮬레이션하여 승률이 높은 수를 선택하므로 연산 능력이 실력에 큰 영향을 미친다. 플레이스테이션 3를 8대 사용하는 소프트웨어 "부동고"가 등장하는 등 컴퓨터의 저가격화도 실력 향상의 요소가 되었다. 또한 알고리즘 개선에 따라 트리 탐색의 효율화도 이루어지고 있다. 돌의 배치 등으로 좋은 수를 판단하고 우선적 또는 제한적으로 플레이아웃을 수행하는 방법, 종국도에 이르는 순서를 고려하지 않고 모든 수를 첫 수로 간주함으로써 1회의 플레이아웃으로 수십 배의 플레이아웃 결과를 얻는다고 가정하여 플레이아웃 횟수를 늘리는 방법 등이 있다.

몬테카를로 바둑의 약점으로는 사활이나 시초 등 "정답 수순은 단 하나뿐이고 장수순이지만, 정답 수순과 그 이외의 수순에 매우 큰 결과의 차이가 발생하는" 수순을 찾기 어려운 점이 있다.[138][139] 단순한 무작위 수를 이용한 플레이아웃으로는 약하지만, 수를 좁히려면 수의 평가를 해야 하고, 정확한 평가를 하려고 할수록 자원을 소비하고 플레이아웃 수를 줄일 수밖에 없는 모순이 발생한다. 따라서 패턴이 적은 작은 바둑판일수록 일반적으로 그 실력은 향상된다.

기풍으로는, 초반은 포석을 사용하지 않는 힘바둑, 중앙 중시, 반집 승부가 되는 세밀한 바둑이 되기 쉽고, 지는 경우 큰 차이가 나는 등의 특징이 지적되었다.[139] 또한 확률적인 계산이기 때문에 눈금 등 형세 판단이 서툴다는 문제점도 있었다.[140][121]

이러한 문제점들로 인해, 19로 바둑판은 물론 13로 바둑판에서도 아마추어 일본 대표급에 필적하지 못하는 등 바둑에서 프로 기사의 우위는 흔들리지 않았다. 따라서 몬테카를로 방법도 한계에 가까워지고 있으며, 새로운 방법을 발견하지 않으면 프로 기사를 뛰어넘는 것은 어렵다는 개발자 측의 견해도 있었다.[141]

2008년 무렵에는 포석 등의 지식 도입, 수리적 해석 방법의 이용에 의해 수를 좁히는 방법을 얼마나 간단하고 효과적으로 할 것인가, 또는 플레이아웃 수를 늘려 얼마나 효과적인 수에 깊이 몬테카를로 트리 탐색을 확장할 것인가 하는 접근 방식으로 몬테카를로 바둑의 연구가 진행되고 있었다.[139]

3. 3. 딥러닝

딥러닝 이전의 지식 기반 시스템은 프로그래머와 전문가의 지식에 의존했기 때문에 강력한 인공지능을 구현하는 데 어려움이 있었다. 이러한 한계를 극복하기 위해 머신러닝 기법이 사용되었다. 머신러닝을 사용하는 경우, 프로그래머는 위치 가치 분석 규칙과 점수 계산 알고리즘만 프로그래밍하면 된다. 그러면 소프트웨어는 패턴, 휴리스틱, 전략을 스스로 생성한다.[45]

머신러닝은 주로 신경망이나 유전 알고리즘을 활용하여 전문가 게임 데이터베이스를 분석하거나, 자신 또는 다른 프로그램과 게임을 진행하는 방식으로 이루어진다. 이러한 알고리즘은 데이터를 통해 성능을 향상시킨다. 머신러닝은 다른 기법에 의존하는 프로그램의 특정 매개변수를 조정하는 데에도 사용될 수 있다. 예를 들어, Crazy Stone은 엘로 등급 시스템의 일반화를 사용하여 샘플 게임에서 수행 패턴을 학습한다.[45]

이러한 접근 방식의 대표적인 예는 AlphaGo이다. AlphaGo는 기존 인공지능보다 훨씬 뛰어난 성능을 보였다. 초기 버전에서는 수백만 개의 기존 위치를 분석하여 유망한 수를 결정하고, 승리 가능성을 최적화하는 방식으로 작동했다. AlphaGo는 몬테카를로 트리 탐색을 사용하여 결과 위치의 점수를 계산했다. 이후 버전인 AlphaGo Zero는 기존 바둑 게임을 학습하지 않고 자신과의 반복적인 게임을 통해서만 학습했다. 신경망을 사용한 초기 프로그램으로는 NeuroGo와 WinHonte가 있다.

4. 사회문화적 영향

프로 기사를 넘는 기력을 갖게 된 현재는 대국 이외의 활용도 증가하고 있다.[120]

4. 1. 바둑계의 변화

프로 기사를 넘는 기력을 갖게 된 현재, 대국 이외의 활용도 증가하고 있다.[120] 리라 제로(Leela Zero)와 ELF 오픈고(ELF OpenGo)같은 오픈소스 바둑 AI가 등장했고, 리지(Lizzie)와 같은 GUI(그래픽 사용자 인터페이스) 프런트엔드를 통해 프로 기사들 사이에서 인공지능(AI)을 이용한 바둑 연구가 활발하게 이루어지고 있다.[128][129][130] 인공지능(AI)이 제시하는 새로운 정석 등을 설명한 서적도 많이 출판되었다.[131][132]

AI 발달 이전의 연구회에서는 남성 베테랑 기사의 의견이 존중되는 경향이 있었고, 젊은 기사들은 의견을 말하기 어려웠으며, 출산이나 육아로 연구회에 참석하기 어려운 여성 기사는 참여하기 힘들었다.[133][130] AI가 인간을 넘어서면서 시간에 구애받지 않고 집에서 연구가 가능해졌고, AI를 잘 활용하는 젊은 기사들이 두각을 나타내면서 2020년대 초반부터 젊은 기사와 여성 기사의 약진으로 이어졌다.[133][130] 연구회는 AI로 조사한 최신 전법을 시험하기 위해 속기 대국이 주류가 되었다.[133] 또한 AI를 잘 활용하는 기사의 의견이 존중되면서 젊은 기사와 여성들도 의견을 말하기 쉬워졌다.[133][130]

대교 다쿠분(大橋拓文)은 개별 바둑 AI를 비교 검토하는 연구회를 열고 있다.[120] 딥러닝에는 고성능 GPU(Graphics Processing Unit)를 탑재한 그래픽 보드가 필요하고 전기료도 많이 들기 때문에, 개인은 환경 구축에 제약이 있었다.[120] 프로 기사는 홍보 활동이나 해외 대국으로 이동이 많아 집에 설치한 고성능 PC를 사용할 수 없는 경우도 있어 클라우드 컴퓨팅 서비스의 활용이 이루어지고 있다.[120] 우에노 아이사키(上野愛咲美)가 설치 매뉴얼을 배포했기 때문에 일본 프로 기사들 사이에서는 AWS(Amazon Web Services)가 보급되고 있다.[120] 바둑은 어느 정도 지식이 없으면 바둑판을 봐도 우열을 판단하기 어렵지만, 바둑 AI을 이용한 형세 판단을 수치로 표시함으로써 우열을 알기 쉽게 보여줄 수 있게 되었다.[120]

바둑·장기 채널에서 방송되는 용성전이나 여류기성전 등에서 2019년경부터 바둑 AI에 의한 형세 판단 표시가 도입되었다. 또한, NHK배 텔레비전 바둑 토너먼트에서도 제69회(2021년도)부터 AI에 의한 형세 판단(% 표시)이 화면 상단에 표시된다.[134] 제70회부터는 한 수마다 "(선후의) 수번"과 "AI 후보수"(3개까지)가, 제72회부터는 터치 패널식 대국판에 형세 판단을 표시하게 되었다.

4. 2. 인공지능 연구에 대한 기여

컴퓨터 바둑 연구 결과는 인지과학, 패턴 인식, 기계 학습과 같은 다른 유사 분야에도 적용되고 있다.[46] 응용수학의 한 분야인 조합 게임 이론은 컴퓨터 바둑과 관련된 주제이다.[47]

존 호튼 콘웨이는 바둑의 종반전 분석에 초실수를 적용하는 것을 제안했다. 이 아이디어는 엘윈 버클캠프와 데이비드 울프가 저술한 ''수학적 바둑(Mathematical Go)''에서 더욱 발전되었다.[48] 바둑 종반전은 임의의 대부분 채워진 바둑판에서 최선의 수를 반드시 계산해야 한다면 PSPACE-난해임이 증명되었다. 삼재, 사재, 엿가락 재, 달빛 생사와 같은 복잡한 상황이 이 문제를 어렵게 만든다.[49] 실제로 강력한 몬테카를로 알고리즘은 일반적인 바둑 종반전 상황을 충분히 잘 처리할 수 있으며, 가장 복잡한 종류의 생사 문제는 고수준 게임에서는 발생할 가능성이 낮다.[50]

다양한 어려운 조합 문제(모든 NP-난해 문제)는 충분히 큰 바둑판에서 바둑과 유사한 문제로 변환될 수 있다. 그러나 임의의 크기의 바둑판으로 적절히 일반화하면 체스와 마인스위퍼를 포함한 다른 추상적인 보드 게임에도 동일하게 적용된다. NP-완전 문제는 일반적으로 사람이 컴퓨터보다 쉽게 풀 수 있는 경향이 없다. 예를 들어, 사람은 부분집합 합 문제의 경우 컴퓨터보다 훨씬 못하다.[51][52]

프로 기사를 넘는 기력을 갖게 된 현재는 대국 이외의 활용도 증가하고 있다.[120]

5. 윤리적 문제

5. 1. 부정행위 (소프트 치팅)

알파고 등장 이후, 인공지능을 참조하여 대국하는 소프트웨어 사용이 문제가 되고 있다.

2020년 금은지(金恩持)가 온라인 기전에서 소프트웨어를 사용했던 것이 밝혀져 1년간의 자격 정지 처분을 받았다.[143] 응창기배 세계 프로 바둑 선수권 대회에서는 스마트폰 등의 전자 기기를 반입할 수 없도록 대국 전에 금속 탐지기로 신체 검사를 실시하게 되었다.[127]

5. 2. 공정성 문제

알파고 등장 이후, 인공지능을 참조하여 대국하는 소프트웨어 사용이 문제가 되고 있다.

2020년에는 금은지(金恩持)가 온라인 기전에서 소프트웨어를 사용했던 것이 밝혀져 1년간의 자격 정지 처분을 받았다.[143]

응창기배 세계 프로 바둑 선수권 대회에서는 스마트폰 등의 전자 기기를 반입할 수 없도록 대국 전에 금속 탐지기로 신체 검사를 실시하게 되었다.[127]

6. 주요 컴퓨터 바둑 프로그램


  • 알파고는 구글 딥마인드(Google DeepMind)의 기계 학습 프로그램으로, 무자료 대국에서 9단 프로 기사를 이긴 최초의 컴퓨터 프로그램이다.
  • BaduGI는 이주영이 개발한 프로그램이다.[53]
  • 크레이지 스톤은 레미 쿨롱(Rémi Coulom)이 개발하였으며, 일본에서는 사쿄 노 이고(Saikyo no Igo)로 판매된다.
  • 다크포레스트는 페이스북(Facebook)이 개발하였다.
  • 파인 아트는 텐센트(Tencent)가 개발하였다.
  • Fuego는 오픈소스 몬테카를로 프로그램이다.[35]
  • Goban은 Sen:te가 개발한 매킨토시용 바둑 프로그램이다 (무료 Goban Extensions 필요).[54]
  • GNU Go는 오픈소스 클래식 바둑 프로그램이다.
  • 카타고는 데이비드 우(David Wu)가 개발하였다.
  • 릴라는 대중을 위해 공개된 최초의 몬테카를로 프로그램이다.[37]
  • 릴라 제로는 알파고 제로 논문에 기술된 시스템의 재구현이다.[37]
  • The Many Faces of Go는 데이비드 폿랜드(David Fotland)가 개발하였으며, 일본에서는 AI 이고(AI Igo)로 판매된다.[36]
  • MyGoFriend는 프랭크 카거(Frank Karger)가 개발한 프로그램이다.[39]
  • MoGo는 실뱅 젤리(Sylvain Gelly)가 개발하였으며, 다수의 사람들이 병렬 버전 개발에 참여했다.[55][38]
  • Pachi는 페트르 바우디시(Petr Baudiš)가 개발한 오픈소스 몬테카를로 프로그램이다.[56]
  • Smart Go는 안데르스 키에룰프(Anders Kierulf)가 개발하였으며, 스마트 게임 포맷 발명가이다.[57]
  • Steenvreter는 에릭 반 데어 베르프(Erik van der Werf)가 개발하였다.[58]
  • 젠은 오지마 요지(오지마 요우지/尾島陽児일본어) a.k.a 야마토(Yamato)가 개발하였으며 (일본에서는 텐쵸 노 이고(Tencho no Igo)로 판매), 가토 히데키(Kato Hideki)가 병렬 버전 개발에 참여했다.[59]
  • 알파고와 알파제로는 구글 딥마인드에서 개발하였다.
  • 절예는 텐센트에서 개발하였다.
  • 봉황바둑()은 텐센트에서 개발하였다.
  • 는 페이스북에서 개발하였다.
  • AQ는 GLOBIS-AQZ와 트리플아이즈에서 개발하였다.
  • AIZE는 트리플아이즈에서 개발하였다.
  • Ray, Rn, Rayn, Raynz는 트리플아이즈에서 개발하였다.
  • 입신의 바둑은 마이내비에서 개발하였다.
  • ELF 오픈고는 페이스북에서 개발하였다.
  • 미니고
  • Zen과 딥젠고
  • 천정의 바둑은 마이내비에서 개발하였다.
  • 크레이지스톤
  • 최강의 바둑(2011년 ~)은 언밸런스에서 개발하였다.
  • Go++(Go4++)
  • 최강의 바둑(- 2010년)은[144] 언밸런스에서 개발하였다.
  • KCC Igo는 Korea Computer Center에서 개발하였다.
  • 은성바둑은 실버스타재팬에서 개발하였다.
  • 패밀리 바둑은 매그놀리아에서 개발하였다.
  • 밸류 바둑은 매그놀리아에서 개발하였다.
  • The Many Faces of Go
  • AI 바둑은 이프론티어에서 개발하였다.
  • igowin
  • Aya(채)
  • 바둑전제는 유캔한국기원에서 개발하였다.
  • 강완왕 맹제는 한국기원에서 개발하였다.
  • 바둑세계V는 미디어카이트에서 개발하였다.
  • 바둑대전 컴플리트는 매그놀리아에서 개발하였다.
  • 와카바
  • 지고의 바둑 영성은 미디어카이트에서 개발하였다.
  • 달관의 바둑은 미디어카이트에서 개발하였다.
  • 바둑대전은 매그놀리아에서 개발하였다.
  • 가벼운 바둑대국은 KT인터랙티브에서 개발하였다.
  • 바둑세계는 KT인터랙티브에서 개발하였다.
  • 초단군은 KT인터랙티브에서 개발하였다.
  • HARUKA
  • 대국바둑 최고봉은 NEC인터채널에서 개발하였다.
  • 바둑일번은 코에이에서 개발하였다.
  • Goemate는 HandTalk에서 개발하였다.
  • 수담대국은 코에이에서 개발하였다.
  • 최강바둑전설 핸드톡은 마이내비에서 개발하였다.
  • Wulu
  • 바둑황제 오로는 마이내비에서 개발하였다.
  • Katsunari(승야)
  • 쉬운 바둑지도 대국은 마이내비에서 개발하였다.
  • MASAYAN
  • 바둑초단은 일본바둑소프트에서 개발하였다.
  • Go Intellect
  • 헤이세이기원은 게임뱅크에서 개발하였다.
  • 도책
  • 바둑학원은 매그놀리아에서 개발하였다.
  • Goliath
  • 대국바둑 골라이어스는 자레코에서 개발하였다.
  • Abacus
  • 성진(Golaxy)

  • 문어바둑(Octopus Go)
  • 채미바둑(Myrtle Go)
  • 천랑(Tianrang)


  • BaduGI(바두기)
  • Golois
  • Fuego
  • Mogo
  • GNU 고
  • VisionGo
  • Ranka Go
  • 하풍
  • Maru
  • Erica
  • 릴라와 릴라 제로
  • 리지
  • 카타고

7. 컴퓨터 바둑 대회

컴퓨터 바둑 프로그램 간에는 컴퓨터 올림피아드의 바둑 이벤트를 포함한 여러 대회가 매년 열린다.[60] KGS 바둑 서버와 컴퓨터 바둑 서버[61]에서는 예전에 정기적인 비공식 대회가 열렸었다.

컴퓨터 바둑 엔진들이 서로 대결할 수 있도록 돕는 많은 프로그램들이 있으며, 이들은 거의 항상 GTP(Go Text Protocol)를 통해 통신한다. 최초의 컴퓨터 바둑 대회는 에이콘소프트(Acornsoft)[62]가 후원했으며, 그 후 정기적인 대회는 USENIX에서 주최했다. 이 대회들은 1984년부터 1988년까지 개최되었으며, 브루스 윌콕스(Bruce Wilcox)의 최초의 경쟁력 있는 바둑 프로그램인 네메시스(Nemesis)와 데이비드 풋랜드(David Fotland)의 G2.5(후에 코스모스(Cosmos)와 더 메니 페이시즈 오브 고(The Many Faces of Go)로 발전)를 선보였다.

초기 컴퓨터 바둑 연구의 주요 동력 중 하나는 대만 은행가 잉 창키(Ing Chang-ki)가 후원한 상당한 상금이 걸린 잉 상(Ing Prize)이었다. 이 상은 1985년부터 2000년까지 세계 컴퓨터 바둑 대회(또는 잉컵(Ing Cup))에서 매년 수여되었다. 잉 상 시리즈는 프로그램이 1단 프로 기사를 핸디캡 없이 이길 때까지 계속될 예정이었다.[63] 1997년 핸드톡(Handtalk)은 11~13세 아마추어 2~6단 3명과의 11집 핸디캡 대결에서 승리하여 25만 NT달러를 받았다. 2000년 상금이 만료될 당시, 수령되지 않은 상금은 9집 핸디캡 대결에서 승리하는 자에게 주어지는 40만 NT달러였다.[63]

많은 다른 대규모 지역 바둑 토너먼트("콩그레스")에도 컴퓨터 바둑 이벤트가 포함되었다. 유럽 바둑 콩그레스는 1987년부터 컴퓨터 토너먼트를 후원해왔으며, USENIX 이벤트는 미국 바둑 콩그레스에서 1988년부터 2000년까지 매년 열리는 미국/북미 컴퓨터 바둑 선수권 대회로 발전했다.

일본은 1995년부터 컴퓨터 바둑 대회를 후원하기 시작했다. FOST컵은 1995년부터 1999년까지 도쿄에서 매년 개최되었다. 그 토너먼트는 기후현 오가키시에서 2003년부터 2006년까지 매년 개최된 기후 챌린지(Gifu Challenge)로 대체되었다. 컴퓨터 바둑 UEC 컵(Computer Go UEC Cup)은 2007년부터 매년 개최되고 있다.

이외에도, 중신증권배 세계전뇌바둑 오픈전(2017년 ~), UEC배 컴퓨터바둑대회(2007년 ~ 2017년, 2019년, 2021년), 오청원배 세계여자바둑선수권대회(2018년 ~, AI부문도 개최), 베이리지인배 2018 세계인공지능바둑대전(2018년), 박사배 2019 세계인공지능바둑대전(2019년), 복건해협은행배 2020 세계인공지능바둑대전(2020년), CGF 오픈(2001년 ~), 컴퓨터 올림피아드(바둑 부문은 1989년부터 개최), AI 용성전(2017년 - 2018년), (2018년), ING배(1985년 - 2000년), FOST배(1995년-1999년), KGS 컴퓨터 바둑 토너먼트, 21세기배, 천우배, SG배, 유러피언 고 콩그레스(European Go Congress), FJK2000 컴퓨터 바둑 대회 등이 있다.

참조

[1] 잡지 Google's AI Wins First Game in Historic Match With Go Champion https://www.wired.co[...] 2016-03-09
[2] 웹사이트 AlphaGo victorious once again https://www.koreatim[...] 2016-03-10
[3] 논문 Computer Go: An AI oriented survey 2001-08-09
[4] 뉴스 To Test a Powerful Computer, Play an Ancient Game https://query.nytime[...] 1997-07-29
[5] 웹사이트 Go, Jack Good http://www.chilton-c[...]
[6] 논문 Mastering the game of Go with deep neural networks and tree search 2016-01-28
[7] 웹사이트 Human-Computer Go Challenges http://www.computer-[...] 2011-10-28
[8] 웹사이트 'Huge leap forward': Computer that mimics human brain beats professional at game of Go https://www.science.[...]
[9] 논문 Feature Extraction and Representation for Pattern Recognition and the Game of Go http://www.cs.wisc.e[...] 1970
[10] 잡지 Programming the Game of Go https://archive.org/[...] 1981-04
[11] 잡지 A Go Board for the Macintosh https://archive.org/[...] 1984-11
[12] 서적 Computer Game-Playing: Theory and Practice Ellis Horwood Limited 1983
[13] 서적 Go! More than a Game Tuttle Publishing 2003
[14] 웹사이트 CS-TR-339 Computer Go Tech Report http://www.itee.uq.e[...] 2016-01-28
[15] 웹사이트 See for instance intgofed.org http://www.intgofed.[...]
[16] 서적 Computers and Games, 5th International Conference, CG 2006, Turin, Italy, May 29–31, 2006. Revised Papers Springer
[17] 웹사이트 EGC 2010 Tampere News http://www.egc2010.f[...] 2016-01-28
[18] 웹사이트 KGS Game Archives http://www.gokgs.com[...] 2016-01-28
[19] 웹사이트 Zen computer Go program beats Takemiya Masaki with just 4 stones! https://gogameguru.c[...] 2016-01-28
[20] 웹사이트 「アマ六段の力。天才かも」囲碁棋士、コンピューターに敗れる 初の公式戦 http://sankei.jp.msn[...] MSN Sankei News 2013-03-27
[21] 웹사이트 codecentric go challenge – Just another WordPress site https://go.codecentr[...] 2016-01-28
[22] 웹사이트 Research Blog: AlphaGo: Mastering the ancient game of Go with Machine Learning http://googleresearc[...] 2016-01-27
[23] 논문 Google AI algorithm masters ancient game of Go
[24] 뉴스 Artificial intelligence: Google's AlphaGo beats Go master Lee Se-dol https://www.bbc.co.u[...] 2016-03-12
[25] 웹사이트 Google's DeepMind defeats legendary Go player Lee Se-dol in historic victory https://www.theverge[...] www.theverge.com 2016-03-09
[26] 뉴스 Artificial intelligence: Go master Lee Se-dol wins against AlphaGo program https://www.bbc.co.u[...] 2016-03-13
[27] 웹사이트 Google's AlphaGo AI beats Lee Se-dol again to win Go series 4-1 https://www.theverge[...] 2016-03-15
[28] 잡지 After Win in China, AlphaGo's Designers Explore New AI https://www.wired.co[...] 2017-05-27
[29] 웹사이트 World's Go Player Ratings https://www.gorating[...] 2017-05
[30] 웹사이트 柯洁迎19岁生日 雄踞人类世界排名第一已两年 http://sports.sina.c[...] 2017-05
[31] 잡지 Google's AlphaGo Continues Dominance With Second Win in China https://www.wired.co[...] 2017-05-25
[32] 논문 Mastering the game of Go without human knowledge http://discovery.ucl[...] 2017-10-19
[33] 웹사이트 5x5 Go is solved http://erikvanderwer[...] 2016-01-28
[34] 웹사이트 An Architecture for Computer Go https://web.archive.[...]
[35] 웹사이트 Fuego http://fuego.sourcef[...]
[36] 웹사이트 Dan Level Go Software – Many Faces of Go http://www.smart-gam[...]
[37] 웹사이트 Sjeng – chess, audio and misc. software http://www.sjeng.org[...]
[38] 웹사이트 Archived copy https://web.archive.[...] 2008-06-03
[39] 웹사이트 MyGoFriend – Gold Medal Winner 15th Computer Olympiad, Go (9x9) https://web.archive.[...]
[40] 웹사이트 UCT http://senseis.xmp.n[...]
[41] 웹사이트 Mango https://web.archive.[...]
[42] 웹사이트 Smart Games http://www.smart-gam[...]
[43] 뉴스 Facebook trains AI to beat humans at Go board game – BBC News https://www.bbc.com/[...] 2016-04-24
[44] 웹사이트 AlphaGo shows its true strength in 3rd victory against Lee Sedol https://web.archive.[...] Go Game Guru 2016-03-12
[45] 웹사이트 Computing Elo Ratings of Move Patterns in the Game of Go http://remi.coulom.f[...] 2016-01-28
[46] 웹사이트 Thinking games https://web.archive.[...]
[47] 논문 Computer Go 2002-01
[48] 서적 Mathematical Go: Chilling Gets the Last Point Taylor & Francis 1994
[49] 웹사이트 Triple Ko, Quadruple Ko, Molasses Ko, Moonshine Life http://senseis.xmp.n[...]
[50] 웹사이트 Computer Go Programming http://senseis.xmp.n[...]
[51] arXiv Playing Games with Algorithms: Algorithmic Combinatorial Game Theory 2008-04-22
[52] 서적 Computers and Games Springer-Verlag
[53] 웹사이트 BaduGI https://service.tyge[...]
[54] 웹사이트 Goban. Play Go on Mac – Sen:te, Goban Extensions – Sen:te https://web.archive.[...] 2013-06-14
[55] 웹사이트 Sylvain GELLY's Home Page https://web.archive.[...] 2007-02-21
[56] 웹사이트 Pachi – Board Game of Go / Weiqi / Baduk http://pachi.or.cz/
[57] 웹사이트 SmartGo http://www.smartgo.c[...]
[58] 웹사이트 STEENVRETER http://erikvanderwer[...]
[59] 웹사이트 Zen (go program) http://senseis.xmp.n[...]
[60] 웹사이트 Computer Go Tournaments on KGS http://www.weddslist[...]
[61] 웹사이트 9x9 Go Server https://web.archive.[...] 2007-03-25
[62] 웹사이트 Acorn 1984 The First Computer Go Tournament http://computer-go.i[...]
[63] 웹사이트 World Computer Go Championships http://www.smart-gam[...] 2016-01-28
[64] 웹사이트 Number of legal Go positions https://tromp.github[...]
[65] 뉴스 コンピュータ囲碁の仕組み 将棋との違いの資料 http://www.yss-aya.c[...] 2015-03-03
[66] 웹사이트 人工知能概論14ページ http://www.i.ci.rits[...]
[67] 논문 モンテカルロ木探索-コンピュータ囲碁に革命を起こした新手法 http://id.nii.ac.jp/[...] 情報処理学会 2008-06-15
[68] 논문 プロ棋士対コンピュータ：FIT2008 における囲碁対局報告 http://id.nii.ac.jp/[...] 情報処理学会 2009-01-15
[69] 웹사이트 「メイエン事件簿」第30回 かんぱいモンテカルロ http://taisen.mycom.[...] 2008-09-08
[70] 논문 UEC 杯コンピュータ囲碁大会と電聖戦2016 http://id.nii.ac.jp/[...] 2016-09-01
[71] 뉴스 囲碁ソフト『天頂の囲碁』とプロ棋士の王九段が公開対局 https://news.mynavi.[...] マイコミジャーナル 2009-08-11
[72] 뉴스 囲碁ソフトと藤沢初段が対戦－金沢でコンピューターチェス世界選手権 http://kanazawa.keiz[...] 金沢経済新聞 2010-10-06
[73] 뉴스 Ｚｅｎ、日本勢初優勝 ＵＥＣ杯コンピュータ囲碁 http://www.asahi.com[...] 朝日新聞 2011-12-13
[74] 뉴스 囲碁コンピューターvs人間コンピューター https://blog.nicovid[...] ニコニコインフォ 2012-02-24
[75] 뉴스 囲碁ソフトがトッププロの棋士に勝利 http://www3.nhk.or.j[...] NHK NEWS web 2012-03-17
[76] 뉴스 コンピューターにプロ全勝 九路盤、巧みにミス誘う http://www.asahi.com[...] 朝日新聞デジタル 2012-11-27
[77] 웹사이트 第1回電聖戦 http://entcog.c.ooco[...]
[78] 뉴스 ルポ:第１回電聖戦 囲碁ソフトが３目勝ち 仏大学教員開発の「クレージー・ストーン」 https://web.archive.[...] 毎日新聞 2013-03-25
[79] 뉴스 「囲碁電王戦」プロ棋士が圧勝 http://www3.nhk.or.j[...] NHK NEWS WEB 2014-02-11
[80] 웹사이트 【マンスリー囲碁】まだまだ人間が優位の電王戦 https://web.archive.[...] 産経ニュース 2014-03-10
[81] 웹사이트 第2回電聖戦 http://entcog.c.ooco[...]
[82] 웹사이트 The Mystery of Go, the Ancient Game That Computers Still Can’t Win http://www.wired.com[...] www.wired.com 2014-12-05
[83] 뉴스 世界最強銀星囲碁15と井山裕太名人との対局のお知らせ http://www.silversta[...] シルバースタージャパン 2015-01-20
[84] 논문 Mastering the Game of Go with Deep Neural Networks and Tree Search https://storage.goog[...] 2016-01-28
[85] 뉴스 李世ドル九段 囲碁プロ負かした人工知能と来月五番勝負 http://japanese.yonh[...] 聯合ニュース 2016-02-23
[86] 뉴스 アルファ碁、最終局も制す 最強・李九段に4勝1敗 http://www.asahi.com[...] 朝日新聞 2016-03-15
[87] 웹사이트 謎の囲碁棋士「Master」の正体は「AlphaGo」 Googleが発表 https://nlab.itmedia[...] 2023-09-28
[88] 뉴스 グーグルの囲碁ＡＩ、「最強」プロ棋士と５月対局 https://www.nikkei.c[...] 日本経済新聞 2017-04-10
[89] 뉴스 【AlphaGo】帰ってきたAlphaGo！ 5月に中国でAlphaGo囲碁行事 1対1、団体戦、ペア戦 http://www.cyberoro.[...] CyberORO 2017-04-10
[90] 웹사이트 「囲碁の未来サミット」第1局はAlphaGoの勝利！ http://www.nihonkiin[...]
[91] 웹사이트 「囲碁の未来サミット」第2局もAlphaGoの勝利！ http://www.nihonkiin[...]
[92] 웹사이트 AlphaGoが最終戦も勝利で3連勝【囲碁の未来サミット第3局】 http://www.nihonkiin[...]
[93] 웹사이트 トップ棋士５人でも敗北 アルファ碁実力示す、中国 https://web.archive.[...] 産経ニュース 2017-05-26
[94] 웹사이트 「AlphaGoは楽しい」対局中のプロ棋士5人の笑顔が物語るもの：現地レポート http://wired.jp/2017[...] WIRED 2017-05-27
[95] 웹사이트 ＡＩアルファ碁３連勝「人間との対局は終える」 http://www.yomiuri.c[...] 読売新聞 2017-05-26
[96] 웹사이트 AlphaGo Zero: Learning from scratch https://deepmind.com[...] GoogleDeepmind 2017-10-18
[97] 뉴스 ドワンゴ、Googleの囲碁AIに対抗するプロジェクトを発足 https://pc.watch.imp[...] PC Watch 2016-03-01
[98] 웹사이트 囲碁イベントの結果 http://www.ai-gakkai[...] 人工知能学会ウェブサイト 2016-06-21
[99] 웹사이트 【ニュースリリース】第1回13路盤プロアマトーナメント戦開催のご案内 http://www.nihonkiin[...] 日本棋院 2016-01-20
[100] 웹사이트 出場アマチュアが決まりました http://cf.nihonkiin.[...] 日本棋院ドリームファンディング 2016-06-13
[101] 뉴스 AlphaGoを追うドワンゴ/東大の囲碁AI「DeepZenGo」がプロ棋士と対局 https://pc.watch.imp[...] PC Watch 2016-11-09
[102] 뉴스 第１局 「Ｚｅｎはボクより強い」と一力遼七段も絶賛 https://www.sankei.c[...] 産経ニュース 2016-11-19
[103] 뉴스 「囲碁電王戦」第1局、趙治勲名人が勝利 日本最強の囲碁AI「DeepZenGO」敗れる https://www.itmedia.[...] ITmedia 2016-11-19
[104] 뉴스 囲碁電王戦 治勲がソフトに先勝…第１局 https://mainichi.jp/[...] 毎日新聞 2016-11-19
[105] 문서 将棋電王戦ではバージョンアップや改良は禁止されており、実際に佐藤紳哉からやねうら王に「棋力が向上している」というクレームがありドワンゴはこれを「運営の判断ミス」と言ってバージョンアップ前のソフトと対局することに決定したが、囲碁電王戦ではDeepZenGo側が「最終局に向けさらに改良を」と述べているようにプログラムの修正が認められている。
[106] 뉴스 和製囲碁ＡＩ、トッププロに初勝利 電王戦、勝敗タイに http://www.asahi.com[...] asahi.com 2016-11-21
[107] 뉴스 囲碁電王戦 趙九段がＡＩに勝つ 最終局で２勝１敗 https://mainichi.jp/[...] 毎日新聞 2016-11-23
[108] 뉴스 趙治勲名誉名人「ボクは退化したけど、（Ｚｅｎは）すごく成長した」 https://www.sankei.c[...] 産経ニュース 2016-11-23
[109] 뉴스 日本の囲碁ＡＩ 三番勝負でトップ棋士に負け越し http://www3.nhk.or.j[...] NHK NEWS WEB 2016-11-23
[110] 뉴스 囲碁に新国際戦 井山王座と中韓代表、ＡＩも参戦 https://www.nikkei.c[...] 日本経済新聞 2016-11-29
[111] 웹사이트 「ワールド碁チャンピオンシップ」中国・韓国代表棋士が決定 http://www.nihonkiin[...] 日本棋院 2017-01-18
[112] 뉴스 井山裕太六冠が来春、ＡＩと対局へ 「ワールド碁チャンピオンシップ」で https://www.sankei.c[...] 産経ニュース 2016-11-29
[113] 웹사이트 井山は朴に、DeepZenGoは羋に敗れる【ワールド碁チャンピオンシップ1回戦】 http://www.nihonkiin[...] 日本棋院
[114] 웹사이트 井山、DeepZenGoともに連敗【ワールド碁チャンピオンシップ2回戦】 http://www.nihonkiin[...] 日本棋院
[115] 웹사이트 朴廷桓九段（韓国）が優勝！ DeepZenGoが井山に勝利【ワールド碁チャンピオンシップ3回戦】 http://www.nihonkiin[...] 日本棋院
[116] 뉴스 「DeepZenGO」引退へ “最強の囲碁AI”目指すプロジェクト、ドワンゴ https://www.itmedia.[...] ITmedia NEWS
[117] 뉴스 DeepZenGo最後の雄姿！「囲碁電王戦FINAL」第1局目の結果はミイク廷九段が勝利 https://news.nicovid[...] ニコニコニュース
[118] Twitter https://twitter.com/[...]
[119] 뉴스 ＡＩが最終戦勝利 本因坊治勲を８５手で降す https://mainichi.jp/[...] 毎日新聞 2018-04-08
[120] 웹사이트 AWSがサポートする囲碁AIと棋士の挑戦 https://www.aboutama[...] JP About Amazon (NEW) 2023-06-03
[121] 웹사이트 囲碁と将棋の名人は顔そっくり 初対面してぶつけた哲学：朝日新聞デジタル https://www.asahi.co[...] 朝日新聞デジタル 2023-09-10
[122] 뉴스 最強の囲碁AI「KataGo」相手に99％勝つことができるAI学習手法が考案される、特殊すぎてAI相手にしか効果なし https://gigazine.net[...] GIGAZINE
[123] 웹사이트 囲碁AI、アマチュアに完敗 ｢未知｣の戦略対応出来ず https://www.nikkei.c[...] 日本経済新聞 2023-05-25
[124] 웹사이트 最強の囲碁AIに圧勝する人物が登場、AIの弱点を突いて人類が勝利したと話題に https://gigazine.net[...] GIGAZINE 2023-05-25
[125] 웹사이트 囲碁AI、「論理的思考」に盲点 深層学習の弱点示す https://www.nikkei.c[...] 日本経済新聞 2023-05-25
[126] 웹사이트 【マンスリー囲碁】中国発のＡＩ囲碁ロボット、日本上陸 こだわりは「自然な弱さ」 https://www.sankei.c[...] 産経新聞：産経ニュース 2024-07-16
[127] 웹사이트 一力棋聖、世界メジャー制覇へ 上海での「応氏杯」第3局はじまる：朝日新聞デジタル https://www.asahi.co[...] 朝日新聞デジタル 2024-09-08
[128] 웹사이트 女流囲碁トップ棋士が語る、「相棒AI」との付き合い方 https://xtech.nikkei[...] 日経 xTECH（クロステック） 2020-01-10
[129] 웹사이트 囲碁AIブームに乗って、若手棋士の間で「AWS」が大流行 その理由とは？ (2/4) https://www.itmedia.[...] ITmedia エンタープライズ 2019-09-19
[130] 웹사이트 囲碁で女性棋士台頭 AIや世界戦が刺激に https://www.nikkei.c[...] 日本経済新聞 2023-05-29
[131] 웹사이트 井山裕太の碁 AI時代の新しい定石 https://www.ikedasho[...] 株式会社池田書店 2021-04-28
[132] 서적 AIの流儀──タブーが常識になる - 金成来／洪敏和 訳｜東京創元社 http://www.tsogen.co[...]
[133] 웹사이트 女性棋士が躍進、囲碁AI駆使「実力はトップ級」 https://www.nikkei.c[...] 日本経済新聞 2023-05-29
[134] 웹사이트 月刊みなさまの声 2021年4月 https://www.nhk.or.j[...] 日本放送協会 2021-06-08
[135] 문서 囲碁の複雑性に関する記述
[136] 뉴스 でるかコンピューター名人 囲碁に確率重視の「モンテカルロ法」 http://www.asahi.com[...] 朝日新聞 2009-04-09
[137] 문서 将棋AIに関する記述
[138] 문서 シチョウ問題に関する記述
[139] 웹사이트 パネル討論：「コンピュータ囲碁はいつトッププロに勝てるか？」 - FIT2008 第7回情報科学技術フォーラム https://www.dumbo.ai[...]
[140] 웹사이트 第一回囲碁電王戦初日 - たかお日記 https://blog.goo.ne.[...] goo blog 2023-09-10
[141] 웹사이트 プロ棋士やあの小沢一郎氏が参戦!!将棋電王戦の囲碁版『第1回囲碁電王戦』開催 https://weekly.ascii[...] 2014-03-19
[142] 서적 古碁×AI 秀和と秀策に学ぶ勝負術 マイナビ出版
[143] 뉴스 한국기원, 인공지능 사용 적발 김은지에게 자격정지 1년 처분 http://www.baduk.or.[...] 2022-11-20
[144] 문서 2010년 개발 종료
[145] 웹사이트 인간과 컴퓨터 바둑 대결 목록 http://www.computer-[...]


본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com