논리학과 인공지능 바둑

논리학으로 파헤쳐 보는 인공지능 바둑의 신비

01 바둑과 가추 추리
02 반사실적 추리와 복기
03 믿음 수정 이론과 바둑
04 바둑과 생략논법
05 전략의 논리
06 알파고의 착수 결정
07 인공지능 바둑의 마음 읽기
08 원초적 논리학 대 이상적 논리학
09 전제 탐색과 증명 탐색
10 인공지능 바둑에서 찾는 가추적 생략논법의 구상

게임 이론에서의 이런 전략 개념 정의가 지니는 문제점은 그것이 게임 상대에 관한 추리로부터 기본적으로 완전히 자유롭다는 데 있다. 설사 상대의 선택에 관해 아무런 단서를 지니지 못했을지라도 경기자에게 보장되는 이득에 관심을 두기 때문이다. 그리고 이런 문제점은 고전적 게임 이론에서부터 진화하며 등장한 진화론적 게임 이론이나 인식게임 이론에서도 여전히 발견된다. 상대의 욕망과 믿음, 믿음의 위계, 공통적 믿음과 지식 등등의 인식논리학의 문제들에 대한 고려의 필요성이 부각되면서 1990년경에 이르러 인식논리학과 게임 이론 사이의 상호작용이 활발해졌음에도, 고전적 게임 이론의 수학적 접근법에 바탕을 둔 이 모든 노력에서 전략 개념의 부실함은 교정되지 못했다고 할 수 있다(Park, 2018b, p.1178-1182).

－05_“전략의 논리” 중에서

알파고의 진화에서 가장 괄목한 만한 사실은 진보의 정점에 해당하는 가장 강한 알파고 제로가 이전 버전인 알파고 판후이, 알파고 이세돌, 그리고 알파고 마스터와 달리 정책망과 가치망을 통합하여 단 하나의 신경망을 갖게 되었다는 점이다. 이는 딥마인드의 연구자들 자신의 증언에 의해 확인된다(Silver et al., 2017, p.357). 정책망이 가추의 기능을 하는 반면 가치망은 최선의 설명으로의 추론 기능을 감당했다는 내 가정에 따르면, 그리고 그에 따라 정책망과 가치망의 분업이 설명 가능성을 어느 정도 확보해 준다는 가정에 따르면, 이 사실은 역설적 귀결을 갖는 것처럼 여겨진다.

－07_“인공지능 바둑의 마음 읽기” 중에서

바둑사에서 묘수의 예로 곧잘 등장하는 진신두(鎭神頭)의 경우 특별한 조작이 필요하지 않은 단순 가추의 사례로 해석할 수 있다. 한 수로 양쪽 방향의 축을 방지할 가능성을 찾을 때 고사언(顧師言)은 단순 회귀적 가추자이고, 사고 실험을 통해 그 수가 실제로 상대방이 그 어떤 수로 대응하든지 양쪽 방향의 축을 막을 수 있다는 증명을 구성할 때 그는 자신의 생략논법을 해소했다고 말할 수 있겠다.

－09_“전제 탐색과 증명 탐색” 중에서