릴라 체스 제로

릴라 체스 제로

원본 작성자	잔 카를로 파스쿠토, 게리 린스코트
개발자	게리 린스코트, 알렉산더 리아슈크, 포크레트 후이징가 등
초기 릴리즈	2018년 1월 9일; 4년 전(2018-01-09)
안정적 해제	v0.28.2 / 2021년 12월 13일; 3개월 전(2021-12-13)
리포지토리	github.com/LeelaChessZero/lc0
기록 위치	C++
운영 체제	Windows, Mac, Linux, Ubuntu, Android
유형	체스 엔진
면허증	GPL-3.0-or-Later
웹사이트	lczero.org

이 기사는 에 관한 시리즈의 일부분이다.
체스 프로그래밍
이사회 표현 0x88 비트보드
평가 기능 심층 신경망 효율적으로 업데이트할 수 있는 신경 네트워크 수공예 평가 기능 조각-제곱 테이블 강화학습 확률적 경사 강하강 감독 학습 텍셀 튜닝 무감독 학습
그래프 및 트리 검색 알고리즘 미니맥스 알파베타 가지치기 주 변동 검색 정지 검색 몬테카를로 나무 수색
체스 컴퓨터 벨 체스머신 칩테스트 크레용 블리츠 딥 블루 딥씽크 하이테크 히드라 메피스토 사이텍
체스 엔진 알파제로 체스 타이거 교활한 쿠쿠체스 딥 프리츠 코모도 체스 드래곤 바이 코모도 체스 페어리 맥스 팻 프리츠 프리츠 과일 GNU 체스 히아릭스 후디니 이카루스 주니어 나이트캡 코모도 릴라 체스 제로 맥헤스 프로 무제로 나움 럽카 슈레더 쩡 시 스마씽크 스톡피시 투로샹 자파
v t

릴라 체스 제로(Lela Chess Zero, lc0으로 약칭)는 자유롭고 개방적인 깊은 신경망 기반의 체스 엔진과 분산 컴퓨팅 프로젝트다.개발은 스톡피시 체스 엔진의 개발자이기도 한 프로그래머 게리 린스코트가 주도해 왔다.릴라 체스 제로는 릴라 제로 고 엔진에서 개조되었으며,^[1] 이는 결국 구글의 알파고 제로 프로젝트에 기초하였다.^[2]릴라 체스 제로(Lela Chess Zero)의 목적 중 하나는 체스 게임에 적용되는 알파제로(Alpha Zero) 논문의 방법을 검증하는 것이었다.

릴라 제로와 알파고 제로와 마찬가지로 릴라 체스 제로는 게임의 기본 룰 외에 본질적인 체스 특유의 지식 없이 출발한다.^[1]릴라 체스 제로(Lela Chess Zero)는 릴라 체스 제로(Lela Chess Zero) 웹사이트에서 조정된 분산 컴퓨팅 네트워크를 사용하여 반복적인 자기 놀이의 학습을 강화함으로써 체스 게임을 하는 방법을 배운다.

릴라 체스 제로는 2022년^[update] 1월 현재 5억 경기 이상을 자력으로 뛰며 매일 100만 경기 안팎을 뛰고 있으며,^[3] 대표적인 재래식 체스 프로그램인 스톡피쉬에 버금가는 수준의 플레이가 가능하다.^[4][5]

역사

릴라 체스 제로 프로젝트는 2018년 1월 9일 TalkChess.com에서 처음 발표되었다.^[1][6]이로써 릴라 체스 제로는 강력한 체스 엔진을 만드는 것을 목표로 하는 오픈 소스, 자체 학습 체스 엔진으로 알려지게 되었다.^[7]훈련 후 처음 몇 달 안에 릴라 체스 제로는 이미 그랜드마스터 레벨에 도달하여, 평가 기능에서의 깊은 신경망과 몬테카를로 나무 탐색의 이용으로 인해 위치의 수가 크게 줄어든 것을 평가했음에도 불구하고, 렙카, 스톡피쉬, 코모도 등의 초기 방출의 강도를 능가했다.

2018년 12월 알파제로 팀은 사이언스 매거진에 알파제로에 사용된 아키텍처와 훈련 매개변수에 대해 이전에 공개되지 않은 세부사항을 공개하는 신논문을 발표했다.^[8]이러한 변화는 곧 릴라 체스 제로에 편입되어 힘과 훈련 효율을 모두 높였다.^[9]

릴라 체스 제로에 관한 연구는 쇼기를 위한 유사한 아오바 제로 프로젝트를 알렸다.^[10]

이 엔진은 초기부터 다시 작성되어 조심스럽게 반복되어 왔으며, 현재는 여러 개의 백엔드로 작동하여 CPU와 GPU 모두 다른 종류의 하드웨어를 효과적으로 활용할 수 있게 되었다.^[11]

엔진은 피셔 랜덤 체스 변종을 지원하며, 2020년 5월 현재 그러한 네트워크의 실행 가능성을 시험하기 위한 네트워크가 훈련되고 있다.^[11]

프로그램 및 사용

릴라 체스 제로를 자기 학습으로 만들고 인간 수준 이상의 체스를 두기 위해 디자이너들이 사용하는 방법은 강화 학습이다.이것은 릴라 체스 제로 훈련 실행가능/이진 코드("이진 코드"라 함)가 자기 놀이를 통해 보상을 극대화하기 위해 사용하는 알파제로에서 미러링한 머신러닝 알고리즘이다.^[1][8]오픈소스 분산 컴퓨팅 프로젝트로서 자원봉사자들은 릴라 체스 제로를 운영하여 강화 알고리즘에 의해 공급되는 수억 개의 게임을 한다.^[3]릴라 체스 제로 엔진의 진전에 기여하기 위해서는 클라이언트는 물론 엔진의 최신 미공개 후보(non-rc) 버전을 다운로드해야 한다.클라이언트는 셀플레이 체스 게임의 모든 정보가 저장되어 있는 릴라 체스 제로의 현재 서버에 접속하여 최신 네트워크를 획득하고, 셀플레이 게임을 생성하고, 훈련 데이터를 서버에 다시 업로드하는 데 필요하다.^[12]

기계의 릴라 체스 제로 엔진에 대항하기 위해서는 엔진 바이너리와 네트워크라는 두 가지 요소가 필요하다.(엔진 바이너리는 클라이언트가 엔진의 훈련 플랫폼으로 사용된다는 점에서 클라이언트와 구별된다.)네트워크에는 위치 평가에 필요한 릴라 체스 제로(Lela Chess Zero)의 평가 기능이 담겨 있다.^[12]오래된 네트워크는 Lc0 바이너리가 있는 폴더에 네트워크를 배치하여 다운로드하여 사용할 수도 있다.

셀프 플레이 엘로

이 절은 출처를 인용하지 않는다. 신뢰할 수 있는 출처에 인용문을 추가하여 이 섹션을 개선할 수 있도록 도와주십시오. 공급되지 않은 재료는 도전하여 제거할 수 있다.(2020년 8월) (이 템플릿 메시지를 제거하는 방법과 시기 알아보기)

셀프 플레이 엘로는 네트워크 강도의 이상과 일반적인 변화를 찾기 위해 상대적 네트워크 강도를 측정하는 데 사용되며 Lc0이 유의미한 변화를 겪을 때 진단 도구로 사용할 수 있다.Lc0 엔진 클라이언트는 온도 기반 변동을 최소화한 테스트 매치 게임을 통해 동일한 네트워크 실행의 다른 최신 버전에 대해 가장 최신 버전을 테스트하고, 이 버전을 교육 서버로 전송하여 전체적인 Elo 평가를 만든다.

표준 엘로 공식은 두 선수 사이의 상대적인 엘로 강도를 계산하는 데 사용된다.보다 최근의 자기 플레이 Elo 계산에서는 여러 네트워크 버전과 일치하는 게임 결과를 사용하여 보다 정확한 Elo 값을 계산한다.

자체 실행 접근방식은 Lc0 Elo 등급을 측정하는데 다음과 같은 몇 가지 결과를 초래한다.

• 훈련의 초기 누적 엘로 인플레이션은 자기 계발과 적대적 놀이의 주기적 이득으로 인해 크게 다르다.
• 이전 네트워크에 상대적인 Elo를 측정하는 것은 네트워크가 훈련 영역 밖의 상대보다 이전 Lc0 네트워크에 의해 만들어진 예측을 예측하고 이기기 위해 훈련되기 때문에 일반적인 강도를 측정하지 못한다.이는 소규모 네트워크를 테스트할 때 가장 크게 측정되는 오버피팅 유형이다.
• 자기 플레이 엘로와 알파-베타 엔진에 대한 힘 사이에는 직접적인 일대일 상관관계가 없으며, 인간에 대한 힘과 알려진 상관관계도 없다.
• 입력 훈련 데이터는 네트워크가 다음 반복에 대해 느리게 수행하는 방법에 상당한 영향을 미친다.
• 누적 자기 놀이 엘로는 대립적 놀이가 제시하는 인플레이션 문제와 시간 조절에 대한 조치의 의존성 때문에 전통적인 휴먼 엘로로 보편적인 전환이 이루어지지 않는다.이는 엔진이 표준 초기 조건에서 작동할 때에도 적용된다.

누적 자기 놀이 엘로 인플레이션을 다른 주행과 비교하여 순수한 누적 자기 놀이 엘로로 강도를 측정하는데 일반성이 결여되어 있음을 측정할 수 있다.피셔 랜덤 체스 런 테스트 71.4(이름: 714xxx 그물)는 4,000개에 가까운 누적 자기 플레이 Elo 76 그물(714076)에 해당한다.T60(6xxxxx) 6만3000넷은 누적 자기 플레이 엘로가 2900여개에 이른다.714076을 네트 63000에 맞대면 63000은 비록 모든 "공정한" 시간 통제는 아니더라도 기껏해야 714076을 이기는 것이 분명하다.4000 Elo >> 2900 Elo, 그러나 2900 Elo를 가진 그물은 분명히 4000 Elo 그물을 누르고 있다.이것만으로도 '누적 자기 놀이 엘로'가 힘의 객관적 척도가 아니며, Lc0 네트워크 강도와 인간의 강점을 선형적으로 비교할 수 있는 척도가 아니라는 주장을 믿기에 충분하다.

각각의 동작에 대해 ``--minibatch-size=1"과 ``Go node 1"로 단일 노드를 재생하도록 엔진을 설정하면 결정론적 플레이가 발생하며, 그러한 설정에서 Elo는 항상 이기고, 항상 지고, 항상 무승부로 같은 두 개의 동일한 네트워크 사이에서 항상 동일한 결과를 산출하게 된다.자기 플레이 엘로는 이러한 결정론적 상황에서 강도를 결정하는 데 신뢰할 수 없다.

스핀오프

최고 체스 엔진 챔피언십 시즌 15에서는 엔진 알리스타인 선수가 릴라와 함께 경쟁했다.알리스타인(AlieStein)은 릴라와 같은 평가 네트워크를 사용하지만 서로 다른 라인의 플레이를 탐색하기 위한 독특한 검색 알고리즘을 가지고 있는 릴라(Allie)와 다른 엔진을 특징으로 하는 기존 게임 데이터를 기반으로 감독된 학습을 사용하여 훈련된 평가 네트워크(Stein)의 두 가지 다른 스핀오프 조합이다.릴라가 사용하는 감독적 학습).이 프로젝트들 중 어느 것도 릴라와의 유사성 때문에 별도로 TCEC에 받아들여지지는 않겠지만, 앨리스타인이라고 불리는 스타인 네트워크와의 앨리의 검색 알고리즘의 조합은 주류 Lc0과 함께 경쟁하는 것을 보증할 만큼 충분히 독특하다.(TCECEC 규칙에서는 신경 네트워크 기반 엔진에 적어도 두 가지 독특한 구성 요소가 있어야 한다.)s 세 가지 필수 기능 중 하나:네트워크, 네트워크 자체 및 검색 알고리즘을 평가하는 코드.알리스타인(AllieStein)은 Lc0과 동일한 코드를 사용하여 네트워크를 평가하지만, 다른 두 구성 요소가 신선하기 때문에 알리슈타인은 구별되는 엔진으로 간주된다.)^[13]

2021년 초 LcZero 블로그는 LcZero 네트워크를 사용하는 새로운 체스 엔진인 Ceres를 발표했다.그것은 몬테카를로 나무 검색뿐만 아니라 많은 새로운 알고리즘 개선 아이디어를 구현한다.초기 Elo 테스트에서는 Ceres가 같은 네트워크를 가진 Lc0보다 강하다는 것을 보여주었다.^[14]

경기결과

릴라 체스 제로는 2018년 4월 최하위 디비전 4에서 시즌 12가 진행되는 동안 깊은 신경망을 이용해 TCEC(Top Chess Engine Championship)에 진출한 첫 번째 엔진이 됐다.^[15]릴라는 28경기에서 1승 2무 2패를 기록했고, 유일한 승리는 상대인 스콜피오 2.82가 세 동작으로 추락한 위치에서 나왔다.^[16]하지만 빠르게 나아졌다.릴라는 2018년 7월 세계컴퓨터 체스선수권대회에서 8명의 경쟁자 중 7위를 차지했다.^[17]2018년 8월 TCEC 시즌 13의 디비전 4에서 14승 12무 2패의 기록으로 우승했다.^[18][19]3부 리그에서 릴라는 16/28점을 얻어 22.5/28점을 기록한 이더리움과 타이브레이크에서 아라산에 이어 3위를 차지했다.^[20][18]

2018년 9월까지 릴라는 세계에서 가장 강력한 엔진과 경쟁하게 되었다.릴라는 2018 Chess.com 컴퓨터 체스 챔피언십(CCCCCCC)에서 24명의 출전 선수 중 5위를 차지했다.^[21]상위 8개 엔진은 릴라가 4위를 차지한 2라운드에 진출했다.^[22][23]이어 릴라는 코모도와의 30전 전승을 거두며 대회 3위를 차지했다.^[24][25]동시에 릴라는 TCEC 컵에 참가했는데, TCEC 부문이 서로 다른 엔진들과 경기를 할 수 있는 새로운 이벤트였다.릴라는 고등부 엔진 레이저, 이더리움, 파이어를 물리친 뒤 마침내 스톡피쉬에 의해 준결승에서 탈락했다.^[26]

릴라는 2018년 10월과 11월 Chess.com 컴퓨터 체스 챔피언십 블리츠 배틀에 참가했다.^[27]릴라는 스톡피시와 코모도에 이어 3위를 차지했다.^[28]

릴라는 2018년 12월 최고 체스 엔진 챔피언십 시즌 14에 참가했다.레일라는 3, 2, 1부 리그를 장악하며 모두 1위로 쉽게 마무리했다.프리미어 디비전에서는 슈톡피쉬가 우세했고, 후디니, 코모도, 릴라가 2위를 다투었다.그것은 릴라가 코모도에 앞서 2위를 하기 위해 스톡피쉬를 검은색으로 무승부에 올려야 하는 마지막 라운드 게임으로 내려왔다.이를 성공적으로 관리해 스톡피쉬와 슈퍼파이널에 출전했다.많은 사람들이 스톡피쉬가 편안하게 이길 것이라고 예상했지만, 릴라는 모든 예상을 뛰어넘어 인상적인 승리를 몇 번 거두었고, 결국 49.5-50.5의 최종 점수에서 가장 근소한 차이로 슈퍼 파이널을 패배시켰다.^[29]

릴라는 2019년 2월 TCEC컵 2차 결승에서 후디니를 꺾고 메이저 대회 첫 승을 거뒀다.릴라는 대회 내내 한 게임도 지지 않았다.^[30][31]릴라는 2019년 4월 Chess.com 컴퓨터 체스 챔피언십 7: Blitz Bonanza에서 우승하며 이 타이틀을 거머쥔 최초의 신경망 프로젝트가 되었다.^[32]

릴라는 탑 체스 엔진 챔피언십 시즌 15(2019년 5월)에서 TCEC 컵 타이틀을 방어했는데, 이번에는 스톡피쉬가 7인승 테이블베이스 무승부를 기록한 후 스톡피쉬를 최종 5.5-4.5 (+2 =7 -1)로 물리쳤다.^[33]릴라는 또 61경기, 62경기 같은 사전예약된 오프닝에서 화이트와 블랙으로 모두 우승하는 등 스톡피쉬와의 대결에서 53.5-46.5(+14-7=79)를 기록하며 처음으로 슈퍼파이널에서도 우승했다.^[34][35]

TCEC의 시즌 16은 릴라가 프리미어 디비전 3위를 차지하며 스톡피쉬와 새로운 심층신경망 엔진 알리스타인에게 슈퍼파이널 출전 자격을 빼앗겼다.레일라는 유일한 엔진인 프리미어 디비전에서 패배를 당하지 않았고, 이들이 치른 6경기 중 한 경기에서도 스톡피쉬를 꺾었다.하지만 릴라는 겨우 9승에 그쳤고 알리스타인, 스톡피쉬는 둘 다 14승을 기록했다.이 약한 엔진을 물리치지 못한 리엘라는 알리슈타인보다 0.5점 뒤진 3위, 스톡피시보다 1점 뒤진 3위로 결승선을 통과했다.^[36]네 번째 TCEC 컵에서 릴라는 디펜딩 챔피언으로 1번 시드를 받았고, 이 시드는 앨리스타인, 스톡피쉬로 브라켓의 반대편에 배치했다.릴라는 스톡피쉬와 맞붙은 결승전에 진출할 수 있었다.스톡피쉬는 7 무승부를 거둔 뒤 8번째 경기에서 승리했다.^[37]

릴라는 2020년 1~4월 열린 TCEC 시즌17에서 스톡피쉬를 52.5-47.5로 꺾고 우승컵을 되찾아 95, 96경기 같은 사전예약된 오프닝에서 화이트와 블랙으로 모두 우승하는 등 최종 10경기에서 6승의 괄목할 만한 성적을 거뒀다.^[38]시즌 18에서 다시 슈퍼파이널에 진출했지만 이번에는 스톡피시 53.5-46.5로 패했다.^[39]TCEC 컵 6 결승에서 릴라는 알리스타인에게 패해 2위를 차지했다.^[40]

TCEC의 시즌 19는 릴라가 다시 슈퍼파이널에 진출할 자격을 얻었다.이번에는 주로 검색 트리의 리프 노드에 사용되는 얕은 신경망 기반 평가 기능인 NNUE를 지원하는 새로운 스톡피시 버전에 대해 플레이했다.최종 점수 54.5-45.5(+18 -9 =73)로 릴라를 설득력 있게 물리쳤다.^[41][42]이후 릴라는 꾸준히 슈퍼파이널 자격을 얻었지만 스톡피시: 시즌 20에서 +14 -8 =78, 시즌 21에서 +19 -7 =74로 매번 패했다.

결과 요약

주목할 만한 게임

• CCCC 보너스 게임인 릴라 대 스톡피쉬는 1대 0으로 세계 챔피언 스톡피시 엔진을 1파운드의 핸디캡에도 불구하고 꺾었다.
• 스톡피시 대 릴라 체스 제로 - TCEC S15 슈퍼파이널 - 61차전 릴라는 트롬포프스키 공격에서 블랙피스로 스톡피시보다 완전히 앞섰고, 릴라의 평가는 한 번의 동작으로 0.1에서 -1.2로, 스톡피시의 평가는 15번의 동작이 끝날 때까지 마이너스가 되지 않았다.

참조

외부 링크

• 공식 웹사이트
• 깃허브의 릴라 체스 제로
• 신경망 교육 클라이언트
• 엔진
• 신경망
• 릴라 체스 제로에서 위키를 프로그래밍