다회차
최대 5명

인공지능 알파고 그 비밀을 파헤치다

양진석 튜터 0(0)

클래스 전 숙지해주세요!

스터디룸 비용이 발생합니다.
(시간당 : 1500원)

화요일:20시~22시
목요일:20시~22시
토요일:10시~12시
일요일:12시~14시

시간과 장소는 협의 가능합니다.

튜터 공지

클래스 요약

한게임에서 바둑 AI와 대국을 해 볼 수 있습니다.

바둑 AI와 대국에서 승률을 높이는 것이 궁금하시다면 튜터전자책을 읽어보십시오. 인간이 바둑 AI를 이길 수 없다는 통념이 깨어질 것입니다. 그리고 바둑 AI와 대국하는 것이 재미있어질 것이고 바둑실력도 향상될 것입니다.

이런 분들이 들으면 좋아요.

✿ 바둑 AI이 뭔지 궁금하셨던 분
✿ 알파고를 보며 바둑 AI을 배워보고 싶으셨던 분
✿ 바둑 AI을 배우고 싶지만 어려울까봐 걱정하셨던 분
✿ 바둑 AI와 대국을 해보고 싶으신 분
✿ 바둑 AI와 대국에서 승률을 높이는 법을 알고 싶으신 분
✿ 내 바둑의 문제점을 바둑 AI와 대국에서 진단받고 싶은 분
✿ 새로운 취미를 갖고 싶으신 분
✿ 방탈출, 스도쿠 등 머리쓰는 게임을 즐기시는 분

튜터님을 소개합니다.

양진석

학력
한양대학교 공과대학 대학원졸

경력사항
(현)한국인공지능연구소 연구원
(현)한국 HCI학회 회원
(전)중견기업 빅데이터분석팀 8년
(전)경기도 문화컨텐츠진흥협회 주관
-한국피칭협회 스토리하우스 작가멘토링 사업
-소재개발교육 AI/과학 강의

프로기사끼리, 즉 사람끼리 복기하는 것과 인공지능과 복기하는 것은 큰 차이가 있습니다.
어려운 장면에서는 프로기사끼리 복기를 해도, “이 수가 이상했네요, 이 수 대신에 이렇게
두는 게 정답이었군요.” 하고 답을 쉽게 내리지 못할 때가 많습니다.

잘잘못을 가리는 것이 늘 명확하지는 않다는 것입니다. 그러나 인공지능의 경우는
보다 분명한 답을 제시합니다.

즉, 이렇게 두는 것이 더 좋았다고 실제 이길 확률을 그 상황에서 제시해줍니다.

어떤 클래스 인가요?

일반적으로 바둑 AI에 인간이 이길 수 없다는 것을 당연하게 생각하고 있습니다. 그렇지 않습니다. 인간이 프로그래밍을 하였기 때문에 바둑 AI는 인간이 두는 바둑을 학습하는 것입니다.

프로바둑기사가 알파고와 대국을 하면 대부분 패합니다. 그 원인은 뭘까요? 바둑이론에 기초를 두고 바둑을 두고 있기 때문입니다.

이러한 바둑이론은 인공지능이 쉽게 학습하여 다음에 어떤 수를 두어야 할 지 예측까지 합니다. 기본적인 바둑이론만 알고 있어도 바둑 AI를 이길 수 있습니다. 그것을 알려드리겠습니다.

한게임에서 바둑 AI와 대국을 해 볼 수 있습니다. 바둑 AI와 대국에서 승률을 높이는 것이 궁금하시다면 수업을 들어보십시오.

인간이 바둑 AI를 이길 수 없다는 통념이 깨어질 것입니다. 그리고 바둑 AI와 대국하는 것이 재미있어질 것이고 바둑실력도 향상될 것입니다.

믿고 따라와 보십시오. 바둑 AI가 인간을 이길 수 없다는 것을 확실히 알게 될 것입니다.

이 수업은 바둑 실력이 어느 정도 있어야 들을 수 있는 수업입니다.

데이터분석에 대한 이해와 프로바둑기사 정도의 바둑 실력을 갖추고 있다면
들어보고 이해가 될 수 있는 그런 수업입니다.

기초 실력으로는 이해가 힘들 것으로 생각되어
바둑 실력이 어느 정도 있다면 수강할 것을 권장드립니다.

일대일 수업을 원하는 경우, 실시간톡으로 문의주세요.

클래스 유의사항

준비물
* 클래스 진행에 필요한 준비사항들을 적어주세요

유의사항
* 그 외 기타 안내 사항을 적어주세요.

클래스는 이렇게 진행됩니다.

1회차 커리큘럼

1. 철학적 관점의 AI

2. 역사
2.1인공지능 이론의 발전
2.2인공지능의 탄생(1943-1956)
2.3황금기(1956~1974년)
2.4AI의 첫번째 암흑기(1974-1980)
2.5Boom 1980-1987
2.6AI의 두번째 암흑기 1987-1993
2.7AI 2018-현재

2회차 커리큘럼

3. 알파고 이전의 개발 역사와 대전

4. 알고리즘
4.1 정책망 지도학습 (Supervised learning of policy networks)
4.2 정책망 강화학습 (Reinforcement learning of policy networks)
4.3 가치망 강화학습 (Reinforcement learning of value networks)

3회차 커리큘럼

5. 하드웨어
5.1 2015년의 알파고
5.2 알파고 판 (AlphaGo Fan)
5.3 알파고 리 (AlphaGo Lee)
5.4 알파고 마스터 (AlphaGo Master)
5.5 알파고 제로 (AlphaGo Zero)
5.6 알파 제로 (Alpha Zero)

6. 프로 바둑 기사와의 대국
바둑의 미래 서밋 - 커제 9단과의 대국 (2017)