One of the oldest board games in the world is the game of Go which is originated at least more than 2,500 years ago. In spite of its long history, the theoretical studies concerning to Go openings are still insufficient. We firstly used related-samples t-test using SPSS to the three countries' Go mean openings to find out their similarities and differences. Experimental result shows that there are no significant differences (p=.959) between Korean and Chinese mean openings, but meanwhile, there are just some slight similarities (p=.061) between Korean and Japanese mean openings. We secondly applied PCA and LDA classifiers with Euclidean distance to correctly classify a pro player's opening into his/her class obtained from the training openings. Result shows that the recognition rate (42.1%) of dependent LDA classifier is much better than that (27.9%) of PCA classifier; and also that dependent LDA classifier outperforms independent LDA classifier with the recognition rate of 35.0% .

Although the history of the game of Go is more than 2,500 years, the theoretical studies of Go are still insufficient. In recent years a lot of studies using Artificial Intelligent (AI) have been conducted, but they do not provide the prominent theoretical reality. We applied traditional Principal Component Analysis (PCA) algorithm to the Go openings, which are the early stage in Go, to analyze them especially focused on the Go game records of the Korean top 10 professional Go players. We firstly analyzed the number of most significant eigenvectors capturing most of variance. Experimental result shows that among the 361 eigenvectors the eight most significant eigenvectors capture most of the variance (96.2%). We secondly used PCA classifier with Euclidean distance to recognize a pro player's opening to a class obtained from the training openings. Result shows that the best average recognition rate of 22% is so much lower than the recognition rates reported in face recognition research.

적어도 2,500년 전에 기원된 바둑은 세상에서 가장 오래된 보드 게임 중의 하나이다. 아직까지 포석 바둑에 대한 이론적 연구는 여전히 미흡하다. 본 연구는 특정 프로기사의 포석을 갖고 훈련용 포석으로부터 얻어낸 클래스로의 인식을 위해 전통적인 선형판별분석 알고리즘을 적용하였다. 상위 10위권 한국 프로기사의 포석을 갖고 클래스-독립 선형판별분석과 클래스-종속 선형판별분석을 수행하였다. 실험 결과 클래스-독립 LDA는 평균 14%의 인식률을, 클래스-종속 LDA는 평균 12%의 인식률을 각각 보였다. 또한 연구 결과 일반적인 상식과 달리 PCA가 LDA보다 더 우월하고, 유클리디언 거리 측정 방식이 결코 LDA보다 뒤지지 않는다는 새로운 사실이 밝혀졌다.

바둑은 2,500년 이상의 역사를 갖고 있지만 바둑에 대한 이론적 연구는 여전히 미흡하다. 최근에 인공지능을 활용하여 연구를 하고 있으나 현저한 이론적 실체를 제공하고 있지 못하다. 본 연구는 세계 최고의 바둑기사인 이세돌 프로 9단의 기보를 중심으로 바둑의 초반전인 포석을 분석하기 위하여 주성분분석을 적용하였다. 분석 결과 361개의 고유벡터 중 48개의 가장 큰 고유벡터가 전체 분산의 99.9% 정보를 수록하고 있으며, 전체 분산의 90.5% 정보를 30개의 가장 큰 고유벡터로 처리할 수 있음이 밝혀졌다. 이 결과는 향후 프로기사의 포석에 대한 패턴인식을 연구하는데 상당한 기여가 있을 것이다.

본 논문은 포석 바둑을 위해, 패턴 지식을 근간으로 바둑 용어 지식을 수행할 수 있는 뉴로-퍼지 추론에 대한 실험 결과를 설명하였다. 즉, 포석 시 최선의 착점을 결정하기 위한 뉴로-퍼지 추론 시스템의 구현을 논하였다. 또한 추론 시스템의 성능을 시험하기 위하여 시차 학습(TD(λ) learning) 시스템과의 대결을 벌였다. 대결 결과에 의하면 단순한 뉴로-퍼지 추론 시스템조차 시차 학습 모델과 충분히 대결할 만하며, 뉴로-퍼지 추론 시스템이 실제 바둑 게임에도 적용될 수 있는 잠재력을 보였다.