lightvector/KataGo

GTP engine and self-play learning in Go

해결하는 문제

KataGo는 뛰어난 성능을 지닌 오픈소스 고(고) 게임 봇으로, 현재까지 가장 강력한 선택지 중 하나입니다. 이는 고 게임에 대해 초인적 수준의 인공지능을 제공하는 문제를 해결하며, 거대한 외부 데이터셋 없이도 자가 학습(self-play)을 통해 처음부터 훈련할 수 있고, 고수 수준의 플레이와 세부적인 게임 분석에 모두 활용할 수 있습니다.

작동 방식

KataGo는 AlphaZero와 유사한 방식으로 훈련되며, 신경망(최근에는 트랜스포머 모델 지원 포함)과 몬테카를로 그래프 탐색(MCTS의 확장)을 사용합니다. 효율성을 고려해 설계되어, 몇 개의 GPU를 사용해 며칠 만에 19x19 보드에서 고급 아마추어 단 수준에 도달하거나, 단일 소비자용 GPU에서 수개월에 걸쳐 초인적 수준에 도달할 수 있습니다. OpenCL, CUDA, TensorRT, ROCm, ONNX Runtime, Eigen(CPU) 등 다양한 하드웨어 백엔드를 지원합니다.

대상 사용자

  • 강력한 상대를 원하거나 게임 분석 도구가 필요한 고 플레이어
  • 고 소프트웨어용 GTP 호환 엔진이 필요한 개발자
  • 자가 학습 훈련과 몬테카를로 그래프 탐색에 관심이 있는 AI 연구자

주요 특징

  • 점수 및 영역 추정: 승률만 제공하는 봇과 달리, KataGo는 영역과 점수를 추정하여 아마추어 게임 분석에 유용합니다.
  • 광범위한 지원: 7x7부터 19x19까지 다양한 보드 크기와 다양한 규칙셋을 지원합니다.
  • 하드웨어 유연성: NVIDIA, AMD, 인텔 GPU 및 CPU에 모두 호환되는 6가지 다른 백엔드를 제공합니다.
  • 효율적인 훈련: 비교적 적은 하드웨어로도 처음부터 초인적 수준까지 훈련이 가능합니다.
  • 인간 스타일 플레이: 특정 인간 SL 모델을 사용해 다양한 등급의 인간 플레이를 모방할 수 있습니다.

관련

  • 프로젝트
    sanderland/katrain

    KaTrain은 KataGo 엔진을 기반으로 실시간 피드백과 조정된 실력 수준의 AI 상대와 대결할 수 있는 AI 기반의 바둑 분석 및 훈련 도구입니다.

  • 프로젝트
    MigoXLab/dingo

    Dingo는 AI 데이터, 모델 출력물, RAG 시스템 평가를 위한 오픈소스 Python 라이브러리(및 SaaS 제품)입니다. 규칙 기반, LLM 기반, 에이전트 기반 검사를 지원하며, 파일, 데이터베이스, S3, Hugging Face에서 데이터를 스트리밍으로 읽어들여 JSON 보고서와 선택적 시각화 대시보드를 제공합니다. `pip install dingo-python` (옵션 확장 기능 포함)로 설치하고 CLI(`dingo eval …`) 또는 Python SDK로 실행 가능하며, 사용자 정의 규칙, LLM 프롬프트, 에이전트로 확장할 수 있습니다.

  • 프로젝트
    hatchet-dev/hatchet

    Hatchet는 신뢰할 수 있는 백그라운드 작업, AI 에이전트 파이프라인, 내구성 워크플로우를 실행할 수 있는 오픈소스 오케스트레이션 엔진입니다. 모든 상태를 PostgreSQL에 저장하며, 재시도, 스케줄링, DAG, 레이트 제한, 우선순위 큐, 실시간 UI를 제공하고, Python, TypeScript, Go, Ruby용 SDK를 지원합니다. 마이크로서비스로 제공되거나 Docker를 통해 자가 호스팅할 수 있습니다.

  • 프로젝트
    smallnest/pigo

    pigo는 파일 읽기/쓰기, 쉘 명령 실행, 웹 콘텐츠 가져오기, 다양한 LLM 제공자와의 연동이 가능한 Go 기반 CLI AI 코드 어시스턴트(피 에이전트의 클론)입니다. 헤드리스 스크립트 모드 또는 인터랙티브 REPL에서 작동하며, 도구 수준 허용/차단 목록, 프로젝트 신뢰, 프롬프트 템플릿, 스킬, 플러그인, 자가 업데이트, Go SDK를 통한 임베딩을 지원합니다.

  • 프로젝트
    Jittor/jittor

    Jittor는 전체 계산 그래프를 JIT 컴파일하고 메타 연산자를 사용해 특정 모델에 최적화된 CUDA/C++ 커널을 생성하는 고성능 딥러닝 프레임워크입니다. PyTorch와 유사한 Python API를 제공하며, CPU 및 GPU 백엔드(CUDA, ROCm, Hygon)를 지원하고, 비전, 렌더링, 기하학적 학습, 강화학습을 위한 모델 라이브러리도 포함하고 있습니다.