📚 바둑 배우기

입문부터 실전까지 — AI 마스터 바둑이 정리한 바둑 학습 가이드

목차로 돌아가기

🤖 KataGo와 AI 바둑의 역사 — 알파고에서 오늘까지

읽는 시간 약 10분 · AI 마스터 바둑 학습 시리즈

2016년, 바둑의 세계가 뒤집히다

오랫동안 바둑은 "컴퓨터가 정복하지 못할 마지막 보드게임"으로 불렸습니다. 경우의 수가 너무 많아 완전 탐색이 불가능하고, 형세 판단에 직관이 필요하다고 여겨졌기 때문입니다. 2016년 3월 9일부터 15일까지 서울에서 열린 5번기에서 딥마인드의 알파고가 세계 최정상급 기사 이세돌 9단을 4승 1패로 꺾으며 그 통념은 무너졌습니다.

조짐은 그 전부터 있었습니다. 알파고는 2015년 10월 유럽 챔피언 판후이(Fan Hui)를 5:0으로 이겼는데, 컴퓨터가 19줄 판에서 치석 없이 프로 기사를 이긴 첫 사례였습니다. 이 결과는 2016년 1월, 알파고의 원리를 설명한 논문과 함께 학술지 『네이처』에 발표되었습니다.

충격은 패배 자체보다 내용에 있었습니다. 알파고는 사람의 상식으로는 실수처럼 보이는 수를 두었고, 대국이 진행될수록 그 수들이 판 전체를 내다본 수였음이 드러났습니다. 한국기원은 알파고에게 명예 9단을 수여했고, 이 대국 이후 바둑계는 "AI에게 배우는 시대"로 방향을 틀었습니다. 이 5번기를 상징하는 두 장면을 실제 기보로 살펴보겠습니다.

제2국 37수 — 5선의 어깨짚기

그림 1은 3월 10일 제2국에서 37수까지 둔 실제 판입니다. 흑을 잡은 알파고는 37로 P10에 두었습니다. 바로 앞에 백이 둔 36(Q11)에 중앙 쪽에서 대각선으로 붙인 "어깨짚기"입니다. 두 돌은 대각선으로만 닿아 있어서 서로의 활로를 줄이지 않고, 둘 다 활로가 넷 그대로입니다.

해설자들이 놀란 까닭은 줄의 높이에 있습니다. 백 36은 오른쪽 끝에서 넷째 줄(4선)에 있는데, 흑은 그 돌을 다섯째 줄(5선)에서 짚었습니다. 이렇게 두면 백이 밀어 올리면서 오른쪽 변의 4선 실리를 넓게 굳히기 쉬워서, 사람의 감각으로는 상대에게 너무 많이 내주는 수였습니다. 중계 화면에 이 수가 뜨자 돌이 잘못 놓인 줄 안 사람이 많았고, 딥마인드에 따르면 알파고 자신도 사람이 이 수를 둘 확률을 1만분의 1 정도로 보았습니다. 잠시 자리를 비웠다가 돌아와 이 수를 본 이세돌 9단은 한참을 생각한 뒤에야 다음 수를 두었습니다.

그런데 판 전체를 보면 계산이 달라집니다. 오른쪽 아래에는 이미 세모로 표시한 백 R6과 R5·R4가 버티고 있어서, 흑이 나중에 오른쪽 변에 들어가도 얻을 것이 크지 않았습니다. 대신 37은 아래쪽의 흑 K4·N4·P4와 호응해 중앙 전체에 흑의 가능성을 펼칩니다. 작은 실리를 내주고 중앙의 세력을 산 셈이며, 이 판은 알파고의 불계승으로 끝났습니다.

이 장면의 교훈은 "4선의 돌을 5선에서 짚으면 손해" 같은 요령도 판의 한 부분에 대한 이야기일 뿐이라는 것입니다. 한 곳의 손익은 판의 다른 곳과 함께 따져야 합니다 — 상대가 이미 강한 곳에서는 조금 내주고 내가 넓힐 수 있는 곳을 키우는 판단, 그것이 AI가 보여 준 "판 전체를 보는 눈"입니다.

ABCDEFGHJKLMNOPQRST191817161514131211109876543213736
1.알파고 vs 이세돌 제2국(2016), 37수까지 — 흑 37은 백 36에 붙인 5선 어깨짚기

제4국 78수 — 공식 대국에서 인간이 거둔 단 한 번의 승리

3연패로 승부가 이미 결정된 뒤 3월 13일에 열린 제4국에서, 백을 잡은 이세돌 9단은 중앙에서 흑의 두터운 포위망에 쫓기며 고전하고 있었습니다. 알파고는 자신이 앞서 있다고 판단하고 있었습니다. 그림 2는 그 직후에 나온 78수까지의 실제 판입니다.

이세돌 9단은 78로 L11에 두었습니다. 흑 K11과 M11 사이를 비집고 들어간 "끼움"으로, 이 돌의 활로는 L12와 L10 두 곳뿐입니다. 흑이 A(L10)로 단수를 치면 78은 활로가 하나만 남지만, 이세돌 9단의 구상은 주변의 뒷맛을 이용해 흑돌 석 점을 잡으러 가는 것이었습니다. 중국에서 중계하던 구리 9단은 이 수를 보고 "신의 한 수"라고 외쳤습니다.

알파고는 79로 B(K10)에 두었는데, 이것이 잘못된 응수였습니다. 알파고는 한동안 여전히 자신이 앞선다고 판단하다가 87수 무렵에야 승률 판단이 급격히 떨어졌고, 그 뒤로 이해하기 어려운 수를 잇달아 두었습니다. 초읽기에 몰리면서도 끝까지 신중하게 둔 이세돌 9단 앞에서 알파고는 180수 만에 돌을 던졌습니다. 알파고가 공식 대국 74판 가운데 사람에게 진 것은 이 한 판뿐입니다.

흥미롭게도 대국 뒤의 검토에서는 흑이 정확히 받았다면 78이 성립하지 않는다는 결론이 나왔습니다. 그러니 이 판의 교훈은 "78이 완벽한 수"라는 데 있지 않습니다. 가장 강한 AI에게도 읽지 못하는 사각지대가 있고, 불리한 판에서도 끝까지 가장 까다로운 수를 찾은 사람의 집념이 그 틈을 찔렀다는 데 있습니다.

ABCDEFGHJKLMNOPQRST1918171615141312111098765432178AB
2.알파고 vs 이세돌 제4국(2016), 78수까지 — 백 78의 끼움. 알파고는 79를 B에 두었다

AI는 바둑을 어떻게 배우는가

현대 바둑 AI의 핵심은 두 가지입니다. 하나는 판의 모양을 보고 "좋은 수의 후보"와 "형세"를 직관적으로 평가하는 신경망, 다른 하나는 그 직관을 바탕으로 유망한 수만 깊게 읽어 보는 탐색(몬테카를로 트리 탐색)입니다. 인간 고수의 "감각 + 수읽기" 구조를 그대로 닮았습니다.

이세돌 9단과 둔 알파고는 먼저 사람 고수들의 기보에서 약 3천만 개의 수를 배워 "사람이라면 어디에 둘까"를 익힌 뒤, 자기 자신과 대국하며 실력을 끌어올렸습니다. 37수를 두고 "사람이 둘 확률이 낮다"는 계산을 할 수 있었던 것도 사람의 수를 먼저 배웠기 때문입니다.

더 놀라운 것은 그다음입니다. 2017년 10월 『네이처』에 발표된 알파고 제로는 사람의 기보를 전혀 쓰지 않았습니다. 아무렇게나 두는 수준에서 출발해 자기 자신과 수백만 판을 두는 "자가 대국"만으로 배웠고, 학습 3일 만에 이세돌 9단을 이긴 버전을 100:0으로 꺾었습니다. 규칙만 알려 주면 스스로 정석을 찾아내는 셈입니다.

KataGo — 누구나 사용할 수 있는 공개 바둑 AI

알파고의 개량판은 2016년 말부터 2017년 초까지 "Master"라는 이름으로 인터넷 대국에 나타나 프로 기사들을 상대로 60연승을 거두었고, 2017년 5월 당시 세계 1위 커제 9단을 3:0으로 이긴 뒤 대국 무대에서 은퇴했습니다. 프로그램은 공개되지 않았지만 방법은 논문으로 공개되었고, 이를 바탕으로 누구나 쓸 수 있는 오픈소스 AI들이 등장했습니다. 2017년 가을 벨기에 프로그래머 잔카를로 파스쿠토(Gian-Carlo Pascutto)가 시작해 전 세계 자원봉사자들의 컴퓨터로 학습한 Leela Zero가 대표적입니다.

그 흐름을 크게 앞당긴 것이 데이비드 우(David Wu)가 만든 KataGo입니다. 트레이딩 회사 제인 스트리트(Jane Street)의 연구원이던 그는 회사의 지원을 받아, 2019년 2월 논문 "Accelerating Self-Play Learning in Go"와 함께 KataGo를 오픈소스로 공개했습니다. 논문에 따르면 KataGo는 30개가 채 안 되는 GPU로 19일 만에 페이스북 ELF OpenGo의 최종 모델을 넘어섰고, 비슷한 방식에 비해 필요한 계산을 약 50분의 1로 줄였습니다. KataGo는 오픈소스 소프트웨어로 배포되고 있습니다. 이 글에서 소개한 학습 성과와 기능의 출처는 아래 원문에서 확인할 수 있습니다.

KataGo의 가장 큰 특징은 승률만이 아니라 "몇 집 차이인지"와 "판의 각 점이 누구의 집이 될지"까지 함께 예측하도록 학습한다는 점입니다. 논문은 이 집 차이·소유권 예측을 보조 목표로 더한 것이 학습을 크게 빠르게 했다고 설명합니다. 대부분 승률만 보여 주던 이전 AI와 달리, KataGo는 형세를 사람에게 익숙한 "몇 집"의 언어로 말해 줍니다.

접바둑에 강한 것도 KataGo의 강점입니다. 승률만 따지는 AI는 크게 뒤지거나 크게 앞선 판에서 어느 수를 두어도 승률이 비슷해 보여 수가 느슨해지기 쉽습니다. KataGo는 집 차이 자체에도 가치를 두기 때문에 크게 뒤진 접바둑에서도 끈질기게 두고, 이긴 판의 끝내기에서도 느슨해지지 않습니다. 학습할 때도 자가 대국의 일부를 접바둑으로 두고 덤을 바꿔 가며 여러 조건을 익힙니다. AI 마스터 바둑이 KataGo를 엔진으로 선택한 이유가 바로 이것입니다 — 접바둑 커리큘럼에는 접바둑을 제대로 두는 AI가 필요합니다.

AI가 바꾼 정석 — 초반 3-3 침입

AI가 바둑 이론을 바꾼 가장 뚜렷한 예가 화점(4-4) 귀의 3-3 침입입니다. 예전에는 초반부터 3-3에 들어가는 것을 좋지 않게 보았습니다. 귀에서 작게 사는 대가로 상대에게 바깥의 두터운 벽을 주기 때문입니다. 그래서 3-3 침입은 주로 포석 후반에 쓰였지만, 강한 AI들이 대국 초반부터 서슴없이 3-3에 들어가면서 지금은 모든 수준에서 기본 정석이 되었습니다.

그림 3은 가장 기본이 되는 수순입니다. 흑이 D16 화점에 있을 때 백이 1(C17)로 3-3에 들어가면 흑은 2(D17)로 막습니다. 백 3(C16)은 귀를 너무 작게 만들지 않으려는 수이고, 흑 4(C15)는 백 두 점의 머리를 젖혀 백이 중앙으로 나오지 못하게 하는 중요한 수입니다. 백 5(B15)는 흑이 그 자리를 먼저 차지하지 못하게 하는 젖힘, 흑 6(C14)은 뻗음입니다. 2선을 기는 수는 보통 좋지 않지만 백 7(B14)은 흑이 이 자리에 선수로 먼저 두는 것을 막는 중요한 수이고, 흑 8(C13)까지 두면 흑 C15·C14·C13은 세로로 이어져 활로가 다섯인 튼튼한 벽이 됩니다. 백은 귀의 실리를, 흑은 바깥의 벽을 얻었고 다음은 백의 차례입니다.

예전에는 여기서 백이 9(D18)로 젖히고 흑 10(E18), 백 11(C18), 흑 12(F17)까지 두는 것이 정석이었습니다(그림 4). 백 11은 9를 귀의 백돌과 잇는 수이고, 흑 12는 E17의 끊는 점을 지키는 호구입니다. 이제 백이 E17에 끊어도 그 돌은 활로가 E16 하나뿐인 단수가 됩니다. 백은 선수와 귀의 몇 집을 얻지만, 흑의 바깥 벽은 매우 단단해집니다.

알파고를 비롯한 AI들의 분석으로 이 평가가 바뀌었습니다. 9와 10의 교환은 흑의 벽만 두텁게 해 주는 손해로 여겨지게 되었고, 오늘날 백은 그림 3의 8 다음에 이 교환을 하지 않습니다. 곧바로 다른 곳에 두거나, A(B13)로 한 번 더 기어 귀의 삶을 확실히 한 뒤 다른 곳으로 향합니다. 예전에는 나쁜 수로 여기던 2선 기기가 정석이 된 것입니다.

초보자가 흔히 하는 실수는 "AI도 들어가니까" 하며 판의 상황과 상관없이 3-3부터 들어가는 것입니다. 3-3 침입은 귀의 실리와 상대의 바깥 벽을 맞바꾸는 거래이므로, 들어가기 전에 그 벽이 상대의 다른 돌과 어울려 큰 세력이 되지 않는지 먼저 살피세요. 정석도 수순을 통째로 외우기보다 한 수 한 수의 이유 — 귀를 넓히는 수, 머리를 젖히는 수, 끊는 점을 지키는 수 — 를 이해해야 상대가 정석에서 벗어났을 때 대응할 수 있습니다.

ABCDEFGHJ19181716151413121112345678A
3.화점 귀의 3-3 침입 기본 수순(1~8) — 오늘날 백은 이어서 A로 한 번 더 기거나 손을 뺀다
ABCDEFGHJ1918171615141312119101112
4.AI 이전의 정석(9~12) — 흑 12가 E17의 끊는 점을 지키고, 흑의 바깥 벽은 매우 단단해진다

AI가 바꾼 인간의 바둑

AI 이후 프로 바둑은 눈에 띄게 달라졌습니다. 앞에서 본 3-3 침입처럼 예전의 상식이 뒤집힌 수법이 많아졌고, 초반부터 승률 그래프로 형세를 말하는 문화가 자리 잡았으며, 프로 기사들의 훈련은 AI 분석 중심으로 재편되었습니다.

아마추어에게는 더 큰 선물이 있습니다 — 예전에는 스승이 있어야 가능했던 "내 바둑의 어디가 잘못됐는지"를 이제 누구나 AI에게 물을 수 있습니다. 지치지도 화내지도 않고 언제든 대답해 주는 스승. 여러분이 이 앱에서 대국하고 복기하며 만나는 KataGo가 바로 그런 존재입니다.

AI의 수로 공부하는 법 — 따라 두기보다 이유를 묻기

AI는 강하지만 완벽하지는 않습니다. 제4국의 알파고가 78 한 수에 흔들렸듯 AI에게도 사각지대가 있습니다. 2023년 ICML 논문은 KataGo의 약점을 공략하도록 학습한 정책이 논문에서 정한 평가 조건과 초인적 설정의 KataGo를 상대로 97%가 넘는 승률을 기록했지만, 그 정책 자체는 아마추어 기사에게도 졌다고 보고합니다. 이는 특정 공격 방식에 대한 취약성 결과이지, 일반적인 대국에서 AI가 97% 진다는 뜻은 아닙니다. 공격 정책은 좋은 바둑을 두기보다 KataGo가 큰 실수를 하도록 유도했습니다. 자세한 조건은 아래 원문에서 확인할 수 있습니다.

그래서 AI로 공부할 때는 추천 수를 외우기보다 이유를 묻는 습관이 중요합니다. 형세 보기를 열기 전에 스스로 먼저 몇 집 차이인지 어림해 보고, 힌트로 받은 AI의 추천 수가 내 수와 다르면 두 수를 각각 두었을 때 무엇이 달라지는지 몇 수 더 따라가 보세요. 승률 숫자만 보지 말고 집 차이가 얼마나 움직였는지도 함께 보면 한 수의 무게를 가늠하기 쉽습니다. 구체적인 방법은 「AI와 함께 성장하는 법」 편에서 다룹니다.

알파고의 두 명국도 좋은 교재입니다. 이 앱의 「명국 기보 감상」에서 제2국과 제4국을 열면 KataGo가 미리 읽어 둔 판세 흐름 곡선과 함께 한 수씩 넘겨 볼 수 있습니다. 37과 78이 놓이기 직전에서 멈추고, 내가 흑이나 백이라면 어디에 둘지 먼저 정한 뒤 실제 수와 비교해 보세요. 곡선이 크게 꺾이는 수를 찾아 그 이유를 생각해 보는 것도 좋은 연습입니다.

Google Play에서 다운로드Android 휴대폰 또는 Windows PC에서 Google Play 안내에 따라 설치합니다. Windows에서는 Google Play Games를 사용합니다.