문서의 임의 삭제는 제재 대상으로, 문서를 삭제하려면 삭제 토론을 진행해야 합니다. 문서 보기문서 삭제토론 알파고 (문단 편집) == 상세 == [[Google]]에 인수된 딥마인드에서 개발한 [[머신러닝]] 기반 [[바둑]] [[프로그램]]으로, 자기 자신과의 자가대국을 통한 학습이 가능했다. 사내 테스트 결과 다른 바둑 인공지능 프로그램들을 상대로 '''494승''' 1패를 기록했다. [* 참고로 이 승률은 1개의 컴퓨터를 사용하는 싱글 알파고가 따낸 승률이다.] 이 중 한 판은 알파고의 '실수'로 졌다고 하며 그 약점은 이미 보완이 끝난 채 나왔었기 때문에 처음 나왔을 당시부터 최강의 바둑 인공지능 프로그램으로 군림하게 되었다.. 당시까지 나온 모든 바둑 인공지능을 성능으로 압도하는 모습에 일부 개발자들 사이에선 젠(Zen)이나 크레이지스톤(Crazystone) 등의 프로그램들 존재 의미가 있는가, 바둑 인공지능 대회인 UEC를 계속 지속해야 하는가 등을 투표하는 등 굉장한 충격을 받았다고 한다. [[https://twitter.com/ark_golgo/status/692532959564402689|#]] 덤으로 서로 바둑 최강국임을 자부하며 10년 넘게 바둑 인공지능을 개발해오던 [[한국]], [[중국]], [[일본]]의 개발자들은 그 모든 기술과 노하우들이 고작 개발이 1년 좀 넘은 정도[* 실제 핵심 기술인 머신 러닝 알고리즘은 훨씬 더 오래 개발했다.]인 알파고가 발표됨과 동시에 전부 따라잡히며 성능으로도 처참하게 발려버리는 엄청난 격차가 생겨 순식간에 모든 프로그램을 한물 간 프로그램으로 만들어버렸다. 딥 러닝 기술의 위엄이 드러나는 대목. 컴퓨터 비전이나 음성 인식 등 패턴 인식류 AI 쪽에서 딥러닝이 나오면서 최근 2년 동안의 결과가 지난 30~40년간의 결과를 다 발라버리는 사례는 비단 바둑뿐만은 아니다. 그러나 [[딥러닝]]은 나름대로의 최신 트렌드인데다 이미지, 음성, 자연어 처리같이 해야 할 일이 산더미 같은 상황에 바둑에 연구진을 투입할 수 있는 여유를 가진 곳은 드물다. AI와 하드웨어, 분산 처리 모두에 풍부한 박사급 인력을 가진 Google에서나 해볼 만한 일이며, 현 시점 한중일에서는 비슷한 것을 시도해 볼 수 있는 회사는 없다고 보면 된다. 쉽게 말해 돈 안 되는 사업에 최고급 인력과 자본, 시간을 양동이채로 퍼붓는 양상이 가능한 회사만이 할 수 있는 일이다. 다만, Google이 이걸 개발하는 이유는 궁극적으로 범용인공지능을 개발하기 위한 하나의 도전과제이기 때문이다. 다시 말하자면, 범용인공지능을 개발하면 벌 수 있는 막대한 돈을 생각한 장기적 관점의 투자인 것이다. 앤드루 응 교수를 데려간 [[바이두]]에서 몇 년 뒤 비슷한 것을 시도해 볼 수 있을 거라고 전망 되었지만, 사실 [[페이스북]]이 훨씬 먼저(Google DeepMind보다는 느리지만) 범용 [[인공지능]]의 일환으로 딥러닝 바둑 인공지능을 개발하고 있었다. [[https://www.betanews.net/article/637450|기사]] [[고바야시 고이치]] 九단한테 호선으로는 패배했다고. 초기 버전 알파고처럼 처음부터 어마어마한 데이터를 쏟아넣는 형식은 아니고, 페이스북은 프로 바둑기사와 비슷한 수준으로 두면서 경량화하여 개별 컴퓨터 레벨에서 돌아가는 인공지능을 개발하는 것이 목표였다. 구글 딥마인드의 목표가 바둑의 정복이 아니었듯, 페이스북의 목표 또한 궁극적으로는 바둑 인공지능을 만들면서 [[튜링 테스트]]를 통과해서 페이스북의 개인정보 관리에 쓰려는 것이었지만 말이다. 흔히 알파고의 강점이 엄청난 하드웨어를 바탕으로 한 계산량이라고 생각하는 경우가 많다. 그러나 알파고가 기존 바둑 프로그램과의 가장 큰 차이를 보이는 부분은 하드웨어가 아니라 소프트웨어의 알고리즘이다. 알파고는 일반 컴퓨터에서도 돌릴 수 있다. 단지 지금보다 기력이 떨어질 뿐 컴퓨터 1대[* 물론 이것도 멀티CPU 시스템이긴 하다. 48코어.]에서 돌아가는 알파고를 CPU 1,000개가 넘어가는 알파고가 이길 확률이 '''고작''' 77%였다. [[http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html|#]] 논문 부록에 나온 내용에 따르면 트리 탐색에는 [[한계효용체감의 법칙|수확 체감의 법칙]]이 적용되어 하드웨어 파워를 더 늘려도 기력이 비례해 올라가지 않았으며, 어느 수준에서 정체되었다고 한다. 이세돌전과 판후이전의 하드웨어 성능이 비슷한 이유도 이 때문이며, 알파고가 대국 중에 하드웨어를 많이 쓰는 이유는 추가 탐색으로 얻는 저 23%의 차이도 실제 대국에서는 중요하기 때문이다. [[GitHub]]에 알파고의 논문을 토대로 알파고를 구현하는 프로젝트가 [[http://github.com/Rochester-NRT/AlphaGo|공개]]되어 있다. 현재는 업데이트가 되고 있지 않지만, 이렇듯 일반에 알파고가 공개된 덕분에 [[절예]]나 [[딥젠고]], [[릴라(바둑 프로그램)|릴라]] 등 많은 딥러닝 기반 인공지능들이 딥마인드의 논문들을 기반으로 제작, 업그레이드 되었고 사실상 현재 활약하고 있는 모든 바둑 인공지능의 직접 조상은 알파고라고 봐야한다. [[절예]]나 [[릴라]]등 상기한 바둑 인공지능 프로그램들의 경우 알파고가 등장하기 이전에 개발된 버전들과 알파고 제로를 참고해 개선한 버전은 사실상 완전히 다른 물건이라고 해야하며, [[딥젠고]]역시 알파고의 선례를 따라 딥러닝 알고리즘을 차용, 전신인 [[젠]]에 비해 월등한 성능향상을 보여줬음에도 결국 알파고의 정신적 후예인 제로 계열 오픈 소스 바둑 인공지능들에 밀려 은퇴를 선언하게 되었다. [[돌바람]]도 개발은 2012년부터 시작하였으나 마찬가지로 알파고의 알고리즘을 참조하여 새롭게 일신된 것이다.저장 버튼을 클릭하면 당신이 기여한 내용을 CC-BY-NC-SA 2.0 KR으로 배포하고,기여한 문서에 대한 하이퍼링크나 URL을 이용하여 저작자 표시를 하는 것으로 충분하다는 데 동의하는 것입니다.이 동의는 철회할 수 없습니다.캡챠저장미리보기