1.) 첫수 놓기

이건 공개 안됨. 아마 알파고 데이터중에 가장 승률이 높은 첫수가 있을텐데 대국마다 다른곳에 둔걸 보니 구글측에서 일부러 랜덤하게 두게 설정했거나 알파고가 전체 대국 승률을 위해 한가지 수만 고집하지 않는지도 모르지만 설정한 구글측만 알겠지?

2. ) 경우의 수 줄이기

- 기존에는 컴퓨터가 모든 가능한 수를 연산했음

- 이러면 실전에선 절대 안두는 비합리적인 수까지 전부 연산해야함

- 알파고는 입력된 기보와 알파고끼리의 대국으로 축적된 데이터에서 비합리적인 수순을 제거해서 경우의 수를 줄임

- 그러니까 알파고는 이렇게 놓으면 되도않는 좆같은거까지 연산하지 않음

3.) 빠른 예측

- 2번처럼 해도 모든 수를 대국 끝까지 연산하면 시간 좆나 걸림. 하드웨어 추가하면 빨라지려나? 이건 모르겠다

- 그래서 어느 지점까지만 연산하고 그때까지의 수중에서 가장 좋은 수를 고름. 

- 끝까지 안두고 중간까지 연산해서 가치있는 수를 찾는 시간 줄임.

4.) 공부

-입력된 기보를 분석해서 기초 모델을 만듬. 이 수 다음엔 기보 1만개 통계적으로 승률 높은 수가 저거구나. 이렇게 분석한 기초모델. 기초가 없는 맨땅에 헤딩할수도 있겠지만 그럼 알파고는 10년 뒤에 나오지 않았을까?

-기초모델 바탕으로 알파고끼리 대국해서 수학적으로 승률이 높은 수를 뽑아냄. 

- 이게 가장 중요함. 좆밥인 인간끼리 투닥거린걸 분석한걸 기본으로 알파고끼리 고도의 연산력으로 대국하면서. 더 합리적으로 진짜 고승률 수를 뽑아낸거임. 구글에서 이 분석결과 공개하면 바둑계 다 뒤집어질텐데 절대 공개안할듯?

5.) 정리

알파고가 공부한 데이터를 바탕으로 2번->3번을 통해 최적의 수를 찾는걸 몬테카를로 검색법이라고 한다네.

출처 : http://www.willamette.edu/~levenick/cs448/goNature.pdf 요약