카타고와 알파고의 차이: 신진서의 승리 조건 읽기

2026년 7월 21일, 신진서 9단이 바둑 AI 카타고(KataGo)와의 세 판 승부에서 2승 1패를 거뒀습니다. 다만 신진서가 흑돌 두 개를 미리 놓고 시작한 2점 접바둑입니다. 2016년 이세돌 9단과 알파고의 대국처럼 돌을 미리 놓지 않는 호선과는 출발 조건이 다릅니다.

이 차이를 놓치면 “인간이 다시 AI보다 강해졌다”는 결론으로 이어지기 쉽습니다. 이 글에서는 대국 조건, 카타고의 학습 방법, 분석 화면의 숫자를 나누어 살펴봅니다. 바둑을 둘 줄 몰라도 AI 성능 소식을 판단하는 연습으로 읽을 수 있습니다. 설치나 유료 도구 사용은 필요하지 않습니다.

신진서 9단은 어떤 조건에서 이겼을까요?

한국기원의 대국 결과 발표에 따르면 신진서 9단은 1국을 내주고 2국과 3국에서 이겼습니다. 3번기는 총 세 판을 겨루는 방식이고, 불계패는 끝까지 점수를 계산하지 않고 패배를 인정한 결과입니다. 4집반승이나 11집반승은 최종 점수 차이로 이겼다는 뜻입니다. 2국은 290수 만의 4집반승, 3국은 221수 만의 11집반승이었습니다.

접바둑은 한쪽이 돌을 미리 놓고 시작하는 방식입니다. 이 대국에서는 신진서가 돌 두 개를 먼저 놓고 흑을 잡았습니다. 백에 더하는 보정 점수인 덤은 0.5집이었습니다. 신진서의 기본시간은 5시간, 카타고는 한 수마다 계산 시간 20초라는 조건도 있었습니다. 대국 규정

따라서 이 결과는 해당 조건에서 신진서가 세 판 중 두 판을 이겼다는 사실을 보여줍니다. 조건을 정했다는 이유만으로 두 선수의 실력이 정확히 같아졌다고 단정할 수는 없습니다. 프로그램 버전, 학습 모델, 계산 장비와 시간에 따라서도 AI의 대국 성능은 달라집니다.

알파고와 카타고는 어떻게 다른가요?

알파고는 Google DeepMind가 만든 바둑 AI입니다. 2016년 이세돌 9단에게 4승 1패를 거뒀습니다. 당시 알파고는 사람의 기보를 학습한 뒤 자기 자신과 대국하며 발전했습니다. 기보는 돌을 둔 순서를 적은 기록입니다. 이후 알파고 제로와 알파제로는 사람의 기보 없이 스스로 대국하는 학습 방법을 발전시켰습니다. DeepMind의 알파고 설명

카타고는 데이비드 우(David J. Wu)가 개발해 공개한 바둑 AI입니다. 코드를 공개해 다른 사람이 살펴보고 활용할 수 있는 오픈소스 프로젝트입니다. 알파제로 계열의 자기 대국 학습을 개선했고, 승리 가능성뿐 아니라 예상 집 차이와 영역도 분석합니다. 덤과 바둑판 크기 등 조건을 바꿀 수 있습니다. KataGo 공식 설명

학습 효율과 바둑 실력은 다른 수치입니다. 2019년 카타고 논문은 비교 가능한 학습 방법보다 계산량을 약 50분의 1로 줄였다고 보고했습니다. GPU 30개 미만으로 19일 학습해 당시 다른 공개 바둑 AI인 ELF OpenGo의 최종 모델을 넘어섰다는 결과입니다. GPU는 AI 계산에 쓰는 반도체입니다. 이는 2016년 알파고와 현재 카타고가 같은 장비로 겨룬 성적도, 모든 상황에서 실력이 50배라는 뜻도 아닙니다. 카타고 논문

학습 모델은 훈련으로 얻은 판단 능력을 담은 파일입니다. 카타고의 공개 학습 프로젝트는 계속 운영되지만, 내 컴퓨터에서 대국할 때마다 설치된 모델이 자동으로 재학습되는 것은 아닙니다. 최신 모델을 쓰는 것과 이미 받은 모델로 수를 계산하는 일을 구분해야 합니다. 바둑 AI의 이름만 보고 모든 실행 환경의 실력을 같다고 생각하지 않는 이유입니다.

승리의 배경과 단정할 수 없는 것

대국 조건은 확인된 사실입니다. AI를 활용한 연구가 신진서에게 도움이 됐다는 점도 당사자의 설명에서 확인할 수 있습니다. 신진서는 대국 후 다음과 같이 말했습니다.

“인공지능은 인간 바둑의 발전에도 큰 역할을 했고, 나 역시 카타고를 통해 많은 발전을 했다”

한국기원 대국 후 인터뷰

다만 “매일 AI로 훈련했기 때문에 이번 승리가 나왔다”는 인과를 세 판의 결과만으로 확정할 수는 없습니다. 2국보다 3국의 점수 차가 커졌다고 적응 속도를 숫자로 측정한 것도 아닙니다. 대국별 국면과 판단이 달랐기 때문입니다.

바둑 밖에서 참고할 점은 AI와 자신의 판단을 비교하고 다시 검토하는 방식입니다. 복기는 지나간 수를 다시 놓아 보며 다른 선택을 살피는 일입니다. 다음 화면을 읽으면 카타고가 복기를 어떻게 돕는지 이해할 수 있습니다.

분석 화면에서 승률과 집 차이 읽기

위 화면은 KaTrain이라는 분석 프로그램의 예시입니다. 카타고는 바둑 수를 계산하는 엔진이고, KaTrain은 그 결과를 바둑판과 그래프로 보여주는 프로그램입니다. 신진서의 이번 대국 화면이라는 뜻은 아닙니다.

오른쪽의 Win Rate W 64.3%는 해당 국면에서 백의 승리 가능성을 그렇게 추정했다는 뜻입니다. W는 백, B는 흑을 가리킵니다. Estimated Score W+2.8은 백이 2.8집 앞선다고 예상한 값입니다. 64.3%는 실제로 같은 국면을 100번 두어 약 64번 이긴 기록이나 AI의 정확도를 뜻하지 않습니다. 승률과 예상 점수 차이는 서로 단위가 다른 평가값입니다. 바둑판의 후보 수나 계산량 같은 다른 숫자까지 한꺼번에 이해할 필요는 없습니다.

먼저 화면만 보고 “백이 64.3집 이겼다”라는 설명이 맞는지 판단해 봅니다. 틀린 설명입니다. 64.3은 백의 승률 추정치이고 2.8이 예상 집 차이입니다. 둘 다 최종 대국 결과가 아닙니다.

다음은 학습용 가상 표시입니다.

이제는 흑이 유리하다는 추정입니다. 흑이 반드시 이긴다는 뜻은 아니며, 55집 앞선다는 뜻도 아닙니다. “흑의 예상 승률 55%, 예상 점수 차는 흑이 0.5집 앞섬”이라고 설명할 수 있으면 첫 읽기 연습은 완료입니다. 실제 분석값을 비교할 때는 같은 국면과 규칙인지, 계산 시간이 충분했는지도 봅니다.

AI를 연습에 활용하는 방법

카타고 사례에서 가져올 수 있는 학습 방법은 내 판단을 먼저 남기고, AI의 다른 제안과 비교한 뒤, 수정 이유를 설명하는 것입니다. AI를 활용한 학습이나 업무 판단에도 적용해볼 수 있는 방식입니다. 바둑 대국이 다른 업무의 성과까지 입증하는 것은 아닙니다.

예를 들어 문서 요약을 연습한다면 원문을 읽고 핵심 세 가지를 먼저 적습니다. AI 요약과 다른 부분 하나를 고른 뒤 원문에서 근거를 찾아 봅니다. AI의 문장이 그럴듯하다는 이유만으로 고치지 않고, 빠진 조건이나 잘못된 날짜가 있을 때 수정합니다. 다음에는 다른 짧은 문서로 같은 과정을 반복합니다.

바둑 소식도 같은 순서로 읽을 수 있습니다. “누가 이겼는지”에 이어 “어떤 조건이었는지”, “그 결과로 어디까지 말할 수 있는지”를 확인합니다. 카타고의 강함과 신진서의 성취를 함께 이해하려면 출발 조건을 결과와 함께 남겨야 합니다.

공식 자료

• KataGo 공식 저장소
• Accelerating Self-Play Learning in Go
• 한국기원 대국 규정
• 한국기원 최종 대국 결과와 인터뷰
• Google DeepMind 알파고
• KaTrain 공식 설명