=>
바둑은 search space가 매우 크고, 바둑돌 형태와 착점을 평가하기 어려운 이유로 AI로 접근하기 어려운 겜이라면서 죽는소리로 시작.
바둑돌 형태를 평가하는 value network와 착점을 선택하는 policy network를 이용한 새로운 접근법을 논문에 실었고
이 deep neural networks는 인간 고수들의 대국을 이용한 지도학습과 자가 대국(games of self-play)으로 강화학습을 새롭게 스까서 학습했다고 함.
neural networks 는 최첨단(?) 몬테 카를로 트리 서치 프로그램을 돌려서 바둑을 두는데, 그 프로그램은 수천판의 자가 대국을 시뮬레이션한다고 함.
그리고 몬테 카를로 시뮬레이션과 value/policy networks를 스까서 만든 새로운 탐색 알고리즘도 제시하고 있음.
요 탐색 알고리즘으로 알사범님은 다른 찌끄레기 프로그램에게 99.8%의 승률을 보이셨고 유럽 바둑 챔피언을 5-0으로 바르셨다고 함.
정식 바둑판에서 인간 프로를 이긴 최초의 프로그램이고 최초 십년 후에나 가능할거라고 생각했던 [위업]이라고 자찬하면서 끝남.
다음 논문엔 십년내 최강의 기사를 바른 ... 이라는 ㅠ.ㅠ
사실 소프트웨어적으로는 대단한 기술을 쓴것도 아니다. 단지 존나 많은 돈과 하드웨어 물량으로 밀어부치니까 저 정도 퀄리티의 프로그램이 탄생한거지.
딥러닝 자체는 접근하기 쉬운 프로그램이란 뜻임? 나야 1200개의 씨퓨도 170개으 지퓨도 없으니 알파고는 못만들겠지만 간단하게나마 내가 하는데 적용해보고 싶긴함
구글에서 텐서플로우 오픈소스로 내놨으니까 그거 사용하면 됨.
사실 전문가들이 놀란건 구글이 사용한 그 알고리즘 자체가 아니라 결과에 놀란거란 소리. 하드웨어 떡칠해도 저정도로 효율이 좋을줄 몰랐던거.
그럼 딥러닝이 아니라 저 최첨단이라는 몬테카를로 시뮬레이션이 존나 대단한건가;
그냥 하드웨어 떡칠이 만든 결과라니까. 왜 구글 전에는 아무도 못했냐? 돈이 없으니까
몬테 카를로 나온지 몇십년은 된거 같은데;