바둑게임은 중국에서 적어도 2,500년 전에 창안되었으며, 게임을 이기기 위해 상대방보다 더 많은 영역을 둘러싸는 것을 목표로 한다. 간단한 규칙에도 불구하고 바둑은 인공지능(AI) 분야에서 아주 복잡한 전략적인 보드게임이다. 몬테카를로 트리탐색(MCTS)은 국면 평가의 어려움을 극복하고 게임트리 내의 엄청난 분기수를 줄여주는 최상우선탐색 알고리즘이다. 컴퓨터바둑 게임에서 MCTS는 수많은 플레이아웃을 수행한 후, 게임트리 내에 있는 현재노드로부터 단말노드까지의 임의의 수순을 표본 추출하여 다음 후보 착수에 대한 승률을 근사적으로 계산해낸다. AlphaGo를 포함한 모든 강력한 컴퓨터바둑 프로그램은 컴퓨터바둑 게임 진행에 있어 MCTS를 이용하여 가장 유망한 착수를 구해왔다. 본 연구는 소형바둑 컴퓨터게임에 있어 순수 MCTS를 이용하여 가장 유망한 일련의 수순을 찾고자 했다. 실험결과에 의하면 순수 MCTS는 소형바둑에서 19줄바둑게임에서 벌어지는 포석, 중반전, 끝내기라는 3단계가 아닌 중반전과 끝내기라는 단지 2단계를 진행하였으며, 아울러 순수 MCTS는 맥과 연단수와 같은 하위개념의 지식을 이해 못하는 것을 보였다.

The game of Go is an oriental strategic board game originated from China at least more than 2,500 years ago. The Monte-Carlo Tree Search (MCTS) algorithm in Go is a method that uses a large number of simulations to approximately estimate the winning rate of candidate moves by sampling the game. The two computer Go programs called Crazy Stone and Mogo defeated human Go professionals on the 9⨯9 board in 2006. Prior to our implementing MCTS into computer Go, we tried to find out the best move sequence in playing Tic-Tac-Toe game as a test bed. The experimental results revealed that the first player should play the center to ensure the highest winning rate, and the game result becomes a draw if two players do their best.

바둑은 최상의 착점을 찾기 위해 컴퓨터가 완전탐색을 하여 모든 가능한 착점들을 탐색할 수 없는 가장 복잡한 보드게임이다. AlphaGo 이전에 모든 강력한 컴퓨터바둑 프로그램들은 게임트리 내 매우 큰 분기수와 국면평가에서의 어려움을 극복하기 위해 몬테카를로 트리탐색(Monte-Carlo Tree Search)을 사용해 왔다. 본 논문에서는 MCTS를 활용하여 초소형 바둑에서의 최상의 수순과 덤의 크기를 알고자 했다. 2줄바둑에서의 게임결과는 빅이 되었으며 덤의 크기는 0집, 반면에 3줄바둑에서는 흑이 항상 승리하고 덤의 크기는 9집이 되어야 함을 알아냈다.