2016—2026 · AI 정석 10년

AlphaGo 이후 정석은 정답표가 아니게 되었다

10년 전 프로는 정석이 끝났는지 물었습니다. 지금은 어떤 교환을 지금 해야 하고 무엇을 열 수 뒤로 미룰지 묻습니다. 공개 SGF 96,058개, 두 대회 기보와 KataGo 노드 분석으로 변화를 추적합니다.

2016

정석을 끝낼 의무가 사라졌다

이세돌—AlphaGo 2국에서 흑 13은 우하귀가 덜 정리된 채 손을 뺐습니다. 흑 15의 엿보기도 당시에는 속수라 불렸고 국소 완성이라는 전제가 재검토됐습니다.

2017

삼삼이 포석 수가 되었다

Master 60연승, DeepMind의 새 삼삼 설명, 우전 1국에서 커제가 3수째 삼삼을 차지한 일이 낯선 좌표를 프로 연구 과제로 만들었습니다.

2018—2020

채택률이 한 자릿수에서 40%로

프로는 첫 수뿐 아니라 국소를 미완으로 두는 사고를 흡수했습니다. 공개 표본의 빈 화점 아래 40수 이내 삼삼 침입은 2017년 9.72%에서 2018—2020년 40.06%가 됐습니다.

2021—2026

혁명이 일상 문법이 되었다

이른 삼삼은 더 이상 뉴스가 아닙니다. 붙임, 엿봄, 젖힘, 손빼기와 함께 주변 강약, 축, 덤, 선수에 따라 답이 바뀌는 타이밍망을 이룹니다.

한 정석이 1.66%에서 거의 절반으로 간 과정

  1. 2013-2015: 1.66% (85/5121)
  2. 2016: 1.16% (26/2248)
  3. 2017: 9.72% (235/2417)
  4. 2018-2020: 40.06% (2588/6461)
  5. 2021-2025: 46.92% (5165/11007)
  6. 2026*: 45.59% (444/974)

분모는 시기별 중복 제거 적격 대국, 분자는 40수 안에 정의 사건이 한 번 이상 있는 대국입니다.

* 2026년은 8월 24일까지의 미완성 스냅샷입니다. CWI는 대회별 수록 범위가 고르지 않다고 밝히므로 전 세계 전수조사가 아니라 한 자료 안의 시간 추세로 읽습니다.

실험 1: 정석은 끝내지 않고 떠날 수 있다

2국 12수 뒤 우하귀는 흑이 더 두어야 할 듯했습니다. AlphaGo는 흑 13을 J17에 두고 손을 뺐습니다. Fan Hui 주석에는 구리와 저우루이양이 기본 정석도 미완으로 둘 수 있느냐고 놀란 기록이 있습니다.

현대 KataGo는 흑 13 전을 흑 37.47%, -0.57집, J17 뒤를 37.48%, -0.57집으로 봅니다. 소수 첫째 자리에서는 손실이 사라집니다. 정석 위반이 아니라 국소 교환이 급하지 않다는 판단입니다.

실험 2: 삼삼은 귀뿐 아니라 미래 선택권을 산다

DeepMind의 2017년 설명은 전통 이른 삼삼이 단지 귀를 차지해서가 아니라 마무리 교환으로 바깥 세력을 한꺼번에 주기 때문에 꺼려졌다고 짚었습니다. AlphaGo는 교환을 생략하고 귀를 미정으로 두어 양쪽 탈출과 나중 마무리를 맞보기로 남겼습니다.

10년 뒤 세계대회 일상이 됐습니다. 2026 춘란배 신진서—랴오위안허 전은 네 수로 네 귀를 차지한 뒤 흑 5가 좌상 삼삼에 들어갔습니다. 1,000 visits KataGo 1순위는 C17이며 국소 다섯 수 뒤 P3로 손을 빼고 나중 G18로 돌아옵니다.

실험 3: 현대 정석은 타이밍 네트워크

신진서 실전을 더 두면 좌상 정석은 여러 번 멈춥니다. KataGo 주 변화는 귀와 전판 큰 곳을 오갑니다. 연속 좌표가 아니라 각 교환을 지금 실현할 가치가 정석을 규정합니다.

아래 노드는 같은 기보, 같은 fast 모델, 1,000 visits 상한입니다. 승률과 집 차이 순위가 늘 같지 않으므로 작은 차이를 절대 등급으로 보지 말고 방문 수와 주 변화에서 탐색 초점을 읽습니다.

정석은 사라지지 않고 마침내 전판으로 돌아왔다

AlphaGo 전에도 프로는 정석이 전판에 따라야 함을 알았습니다. 그러나 인간 연구 비용이 국소 결론을 격언으로 굳혔습니다. 강한 AI는 끝난 듯한 교환을 탐색 트리로 되돌리고 다른 세 귀와 경쟁시켰습니다.

PNAS 연구는 1950—2021년 프로의 580만 개 넘는 결정을 분석하고 AI로 약 580억 개 반사실 기보 패턴을 만들었습니다. 초인 AI 뒤 인간 결정 품질이 유의하게 올랐고 새 수가 더 자주, 높은 품질과 더 강하게 연결됐습니다. 이 글의 삼삼 곡선은 그 집단 결론에 구체적인 모양을 더합니다.

오늘 정석 공부는 2015년 책을 2026년 책으로 바꾸는 일이 아닙니다. 이 교환을 생략하면 상대가 어떻게 쓰는지, 지금 손을 빼면 가장 큰 곳이 어디인지, 한 바퀴 뒤 귀의 답이 바뀌는지를 배우는 일입니다.

분석 방법과 재현 범위

통계는 2026-08-24 받은 CWI games.tgz를 scripts/analyze-joseki-adoption.mjs로 생성했습니다. 96,058 본변화를 전체 수순 SHA-1로 88,268국까지 중복 제거한 뒤 연도, 19줄, 호선, 40수 조건을 적용했습니다.

2016 대국은 공개 deep 분석 kata1-zhizi-b40c768nbt-s11272M-d5935M, 보통 노드당 약 2,000 visits입니다. 2026 대국은 2026-08-24 fast 모델 b10c384h6nbttflrs로 8노드 각 1,000 visits, 총 8,056 visits를 받았습니다. 모델이 달라 각 대국 내부만 비교합니다.

연구·기보·1차 자료

  1. PNAS · Superhuman artificial intelligence can improve human decision-making by increasing novelty
  2. Google DeepMind · Innovations of AlphaGo
  3. Google DeepMind · AlphaGo's next move
  4. Google DeepMind · AlphaGo Zero: Starting from scratch
  5. CWI · 90,000+ SGF records of professional Go games
  6. SGF · AlphaGo vs Lee Sedol, game two
  7. SGF · Shin Jinseo vs Liao Yuanhe, 16th Chunlan Cup