최근 깃허브(GitHub)에 392KB(킬로바이트)라는 놀랍도록 작은 용량의 신경망 체스 평가기 'chesslm'이 공개되어 화제입니다. 이 모델은 알파-베타(alpha-beta) 탐색 알고리즘과 결합하여 약 1523 엘로(Elo) 등급의 체스 실력을 보여줍니다. 이는 기존의 강력한 체스 엔진인 스톡피시(Stockfish)와 같은 외부 프로세스 없이도 CPU에서 직접 구동될 수 있어, 매우 효율적인 체스 AI 솔루션으로 평가받고 있습니다.
chesslm은 100,353개의 파라미터(매개변수)와 401,412바이트의 float32 가중치를 가진 NumPy 기반의 소형 네트워크로 구성됩니다. 이 모델은 스톡피시가 생성한 훈련 데이터를 통해 학습되었으며, 데스크톱 게임(Tkinter), 로컬 웹 게임, 그리고 심지어 GitHub Pages 환경에서도 플레이할 수 있도록 다양한 실행 옵션을 제공합니다. 특히 GitHub Pages 버전은 파이오다이드(Pyodide)와 NumPy를 웹 워커(Web Worker)에서 로드하여 브라우저에서 직접 추론(inference)을 수행하며, 초기 로딩 시간이 다소 걸릴 수 있지만 모델 파일을 다운로드할 필요 없이 웹에서 체스를 즐길 수 있게 합니다.
이처럼 작은 크기로도 준수한 체스 실력을 발휘하는 chesslm은 자원 제약이 있는 환경이나 경량 애플리케이션에 AI를 통합하려는 시도에 중요한 시사점을 제공합니다. 대규모 언어 모델(LLM) 등 거대 AI 모델이 주류를 이루는 상황에서, 이 프로젝트는 효율성과 접근성을 극대화한 '작은 AI'의 잠재력을 보여줍니다. 개인 개발자나 소규모 팀이 복잡한 인프라 없이도 AI 기반 서비스를 구축할 수 있는 가능성을 열어주며, 교육용 도구나 임베디드 시스템 등 다양한 분야에서 활용될 수 있을 것으로 기대됩니다.