원래 사람이 바둑을 둘때를 보면.. 

현재 바둑판을 좀 열심히 들여다보면서.. 

우선 대충 후보지가 될만한 위치를 보고

제일 꼴리는 자리부터 생각을 시작하지  

그 위치에 두면 어떻게 될지 생각을 하고.. 

그리고 상대가 어디둘지.. 예측.. 그리고 다시 내가 둘 수 예측 

그러다 아니다 싶으면 다른 위치.. 요렇게 나무가지 뻗듯이 

생각을 해나가지. 

알파고도 요거랑 똑같이 하는 듯 함.. 

그러면 요 과정을 컴터로 구현하려면 크게 

3가지가 필요한데.. 

1. 그럴듯한 후보위치를 찾는 능력

2. 1번위 위치를 뒀을때 이게 좋은 건지 나쁜건지 형세판단

3. 1과 2를 반복해서 최적의 경로를 찾는 탐색

3 번은 예전부터 컴터가 조낸 잘하는 방법 이 방법이 몬테카를로 탐색임

1 번과 2번이 원래 직관이니 느낌이니 하며 인간 고유의 영역이라는건데.. 

딥러닝이란 기법이 원래 영상인식에 쓰던 놈이라..이런 분야에 조낸좋음

그래서  '다음 후보지 선정' 을 담당하는 게 "정책망" 이고

그 후보지로 갔을때 또 상대가 다시 대응을 할때 이게 똥인지 약인지 

판단해주는게 "가치망" 인듯 함 

소위 인간처럼 느낌, 패턴 이런걸 학습하는 딥러닝 기법이 개발되서 

그걸 가지고 사람처럼 하지만 사람보다 훨 빠르게 수행하는게 알파고임.

그러니 기계의 특성이니 머니 해서 너무 어렵게 생각할 필요 없음 

감정이 없다는 것을 제외하면 거의 인간과 동일한 패턴으로 수행한다. 

기보들은 바로 1번과 2번을 학습시키기 위해서 사용되었을테고..

논문 본게 아니라 대충 주워들은 걸로 유추한거라 

더 자세하게 아는 사람 있음 부연 부탁바람