89 lines
3.4 KiB
Markdown
89 lines
3.4 KiB
Markdown
---
|
|
id: wiki-2026-0508-self-play-자기-대결-기반-강화학습
|
|
title: Self Play (자기 대결 기반 강화학습)
|
|
category: 10_Wiki/Topics
|
|
status: needs_review
|
|
canonical_id: self
|
|
aliases: [P-Reinforce-AI-SELF-PLAY]
|
|
duplicate_of: none
|
|
source_trust_level: A
|
|
confidence_score: 0.98
|
|
tags: [ReinforcementLearning, SelfPlay, AlphaGo, Scale]
|
|
raw_sources: []
|
|
last_reinforced: 2026-04-20
|
|
github_commit: pending
|
|
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
|
tech_stack:
|
|
language: unspecified
|
|
framework: unspecified
|
|
---
|
|
|
|
# [[Self-Play (자기 대결 기반 강화학습)|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)|Reinforcement Learning (RL)]]
|
|
- [[Strategy|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)*
|
|
|
|
```text
|
|
# 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)* |