최근 언어 모델(LLM)을 활용하여 체스 전략을 수립하는 오픈소스 체스 엔진 '노에마64(Noema64)'가 공개되어 주목받고 있습니다. 이 프로젝트는 LLM을 지속적인 전략 플래너로 활용하고, Go 언어로 작성된 코어가 유효한 수(legal move) 검증, 게임 상태 관리, UCI(Universal Chess Interface) 프로토콜 동작 등을 담당하는 독특한 아키텍처를 가지고 있습니다. 기존의 강력한 체스 엔진인 스톡피시(Stockfish)를 대체하기보다는, 전략의 '설명 가능성(explainable)'과 학습 워크플로우에 최적화되어 있습니다.
노에마64는 Go 언어 기반의 체스 코어 래퍼를 통해 유효한 수, FEN(Forsyth-Edwards Notation), PGN(Portable Game Notation), 이동 기록 등 체스 게임의 모든 요소를 처리합니다. 특히, 전략 메모리(Strategy memory) 기능을 통해 LLM이 수립한 전략을 구조화하고, 편집 가능한 프롬프트 팩(prompt pack)을 지원하여 사용자가 전략을 직접 수정하고 검증할 수 있습니다. 또한, OpenAI, Anthropic, Gemini, Ollama 등 다양한 LLM 제공업체를 지원하며, 오프라인에서 작동하는 모의(mock) 제공업체도 포함하여 유연성을 높였습니다. 결정론적 폴백 래더(deterministic fallback ladder)를 통해 항상 유효한 수를 선택하며, 정적 블런더가드(blunderguard) 검증 기능으로 명백한 실수를 방지합니다.
이 프로젝트는 LLM이 단순히 텍스트를 생성하는 것을 넘어, 복잡한 규칙 기반의 문제 해결 영역에서도 전략적 사고를 담당할 수 있음을 보여줍니다. 특히, 전략의 투명성과 설명 가능성을 강조함으로써, 사용자가 AI의 의사결정 과정을 이해하고 학습하는 데 큰 도움을 줄 수 있습니다. 이는 기존 체스 엔진들이 주로 탐색(search)과 평가 함수(evaluation function)에 기반하여 최적의 수를 찾는 방식과 차별화되며, AI의 '블랙박스' 문제를 해결하려는 시도로도 볼 수 있습니다. 노에마64는 체스 게임을 넘어, LLM 기반의 의사결정 시스템 설계에 대한 새로운 가능성을 제시하며, 교육 및 분석 도구로서의 잠재력도 큽니다.