2nd/10_Wiki/Topics/AI_and_ML/Self-Play (자기 대결 기반 강화학습).md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by	tech_stack
wiki-2026-0508-self-play-자기-대결-기반-강화학습	Self Play (자기 대결 기반 강화학습)	10_Wiki/Topics	needs_review	self	P-Reinforce-AI-SELF-PLAY	none	A	0.98	ReinforcementLearning SelfPlay AlphaGo Scale		2026-04-20	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)	language framework unspecified unspecified

Self-Play (자기 대결 기반 강화학습)

📌 한 줄 통찰 (The Karpathy Summary)

"어제의 나를 이기며 끊임없이 진화하는 알고리즘." 외부 데이터 없이도 모델이 자기 자신과 대결하며 새로운 전략을 발견하고 실력을 무한히 확장하는 강화학습 기법이다.

📖 구조화된 지식 (Synthesized Content)

• Core Mechanism:
  • 바둑, 체스 등 대칭적 게임 환경에서 인공지능이 자신의 복제본(Current vs Best-so-far)과 수천만 번의 대국을 반복함.
  • 이를 통해 인간의 기보(Data)에 갇히지 않고, 인간이 생각지 못한 창의적이고 강력한 전략을 스스로 찾아낸다.
• Breakthrough Examples:
  • AlphaZero: 아무런 사전 지식 없이 자기 대결만으로 바둑, 체스, 쇼기에서 세계 최강 달성.
  • OpenAI Five: 도타2(Dota 2) 자가 대결을 통해 협력 및 고차원 전략 습득.
• Requirement: 정확한 보상 환경(Winning/Losing)과 시뮬레이션 속도가 뒷받침되어야 한다.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 자가 대결은 게임처럼 규칙이 명확한 곳에선 환상적이지만, 정답이 없는 언어 모델(Chat) 영역에서는 자기 복제에 의한 데이터 단일화 문제가 생길 수 있다. 이를 극복하기 위해 다수의 에이전트가 서로 토론하는 방식(Multi-agent debate) 등으로 확장되고 있다.

🔗 지식 연결 (Graph)

• Related: AlphaGo-Zero , Reinforcement Learning (RL)
• Strategy: Multi-Agent Debate (에이전트 간 토론 전략)

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: needs_review
• 출처 신뢰도: A
• 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

• 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
• 처리 방식: UPDATE (자동 정규화)
• 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

💻 코드 패턴 (Code Patterns)

패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

• (TODO)

선택 B를 써야 할 때:

• (TODO)

기본값:

(TODO)

❌ 안티패턴 (Anti-Patterns)

• [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)