AI 솔리테어 솔버가 어떻게 수를 평가하고 결과를 예측하며 승리 전략을 개선하는지 알아보세요.
AI 솔리테어 솔버는 특정 솔리테어 딜을 입력으로 받아 승리 가능한 수순을 찾으려고 시도하는 계산 프로그램입니다. 만약 그런 수순이 존재하지 않는다면, 그 딜이 구조적으로 이길 수 없는 배치임을 확인하려고 합니다. 여기서 "AI"라는 용어는 넓은 의미로 사용됩니다. 실제로 가장 효과적인 솔리테어 솔버는 현대적 의미의 신경망이나 머신러닝 시스템이라기보다, 고전적인 탐색 알고리즘에 게임별 휴리스틱과 가지치기 전략을 결합한 형태인 경우가 많습니다. 이 차이는 중요합니다. "AI"라는 말은 경험을 통한 학습을 떠올리게 하지만, 고전적 탐색 솔버는 명시적인 규칙에서 출발하기 때문입니다. 그럼에도 솔리테어 커뮤니티에서는 둘 다 AI 솔버라고 부르며, 둘 다 인간 플레이에 전이되는 전략적 통찰을 제공합니다.
AI 솔리테어 솔버는 솔리테어 게임의 특정 배치를 입력으로 받아 승리할 수 있는 이동 순서를 찾으려 하거나, 승리할 수 없는 경우 이를 확인하는 계산 프로그램입니다. 여기서 'AI'라는 용어는 넓게 사용됩니다. 실제로 가장 효과적인 솔리테어 솔버는 현대적인 의미의 신경망이나 기계 학습 시스템이 아니라, 도메인 특화된 휴리스틱과 가지치기 전략으로 강화된 고전적인 탐색 알고리즘입니다. 이러한 구분은 중요합니다. 'AI'라는 단어는 경험으로부터 학습하는 것을 의미하지만, 고전적인 탐색 솔버는 명시적인 규칙에 따라 작동합니다. 그러나 솔리테어 커뮤니티에서는 두 가지 모두 AI 솔버라고 부르며, 두 가지 모두 인간 플레이에 적용할 수 있는 전략적 통찰을 제공합니다.
모든 솔리테어 솔버의 핵심 작업은 동일합니다: 보드를 상태(모든 카드의 현재 배열)로 나타내고, 해당 상태에서 모든 합법적인 이동(후속 상태)을 생성하며, 가장 유망한 후속 상태를 평가합니다(휴리스틱 함수 또는 전수 열거 사용). 그리고 승리 상태(모든 카드가 기초에 놓인 상태)에 도달하거나 모든 상태가 패배 상태(합법적인 이동이 없는 막다른 길)임을 확인할 때까지 우선 순위에 따라 후속 상태를 탐색합니다. 솔버 아키텍처 간의 차이는 어떤 후속 상태를 탐색할지 우선 순위를 매기는 방법, 막다른 가지를 감지하고 가지치기하는 방법, Klondike와 같은 변형에서 숨겨진 정보를 처리하는 방법에 있습니다. 숨겨진 카드가 불완전한 정보 문제를 생성하는 경우, 전수 열거로는 완전히 해결할 수 없습니다.
AI 솔버가 어떻게 작동하는지를 이해하는 것은 전략적으로 가치가 있습니다. 왜냐하면 플레이어가 이를 실시간으로 구현할 수는 없지만, 솔버의 아키텍처가 특정 인간 전략 습관이 왜 올바른지를 드러내기 때문입니다. 강제 스캔 순서는 솔버의 휴리스틱 우선 순위 함수와 유사하게 작동하며, 실행 취소 기반 가설 테스트는 솔버의 백트래킹 메커니즘을 근사합니다. 순환 의존성 검사는 솔버의 막다른 길 감지와 유사합니다. 각 인간 습관은 솔버 구성 요소의 축소된 실시간 실행 가능 버전이며, 솔버 구성 요소를 이해하면 습관이 작동하는 이유와 그 근사치가 언제 깨지는지를 설명합니다.
AI 솔버의 관점에서 솔리테어는 방향 그래프 탐색 문제입니다. 그래프의 각 노드는 독특한 보드 위치로, 테이블, 스톡, 폐기물, 기초 및 자유 셀(해당 변형이 있는 경우) 전반에 걸쳐 모든 카드의 특정 배열을 나타냅니다. 노드 A에서 노드 B로의 각 방향 엣지는 위치 A를 위치 B로 변환하는 합법적인 이동을 나타냅니다. 솔버의 작업은 초기 노드(셔플된 시작 위치)에서 모든 승리 노드(모든 카드가 올바른 순서로 기초에 있는 위치)로 가는 경로를 찾거나, 그러한 경로가 존재하지 않음을 확인하는 것입니다.
이 그래프의 크기는 변형에 따라 크게 달라지며, 솔버의 탐색 문제의 난이도를 결정합니다. FreeCell의 경우, 단일 거래의 그래프는 최악의 경우 수십억 개의 독특한 노드로 추정됩니다. 그러나 실제로 대부분의 승리 경로는 효율적인 솔버가 몇 초 내에 찾습니다. 이는 휴리스틱 함수가 그래프를 공격적으로 가지치기하여 승리 경로에 있는 몇 백 또는 몇 천 개의 노드로 줄일 수 있기 때문입니다. Klondike의 경우, 거래당 그래프는 작지만 숨겨진 정보가 메타 그래프를 생성합니다. 솔버는 하나의 그래프가 아니라 가능한 숨겨진 카드 배열과 일치하는 모든 그래프 집합을 처리해야 하므로 탐색 복잡성이 증가합니다. Forty Thieves의 경우, 제한된 빌드 규칙이 있는 80장 카드 두 덱의 상태 공간은 노드 수와 막다른 길의 비율 모두에서 큰 그래프를 생성합니다. 이 때문에 Forty Thieves는 높은 패배율을 가지며, 그 거래에 대한 솔버 분석은 다른 변형에 비해 계산 비용이 많이 듭니다.
구성 요소 1: 상태 표현. 모든 솔버는 미래 이동 생성을 위해 관련된 모든 정보를 포착하는 각 보드 위치의 간결하고 모호하지 않은 표현을 정의해야 합니다. 일반적인 FreeCell 상태 표현은 여덟 개의 열 위치, 네 개의 자유 셀, 네 개의 기초 상단에 있는 카드 정보를 인코딩합니다. 이는 약 60개의 값으로 위치를 완전히 지정합니다. Klondike 상태 표현은 스톡과 폐기물 더미의 순서 및 얼굴이 아래로 향한 카드 배열도 인코딩해야 하며, 이는 얼마나 많은 얼굴이 아래로 향한 카드가 공개되었는지에 따라 완전히 알려지지 않을 수 있는 정보를 추가합니다. 상태 표현은 솔버가 방문한 위치를 얼마나 효율적으로 저장할 수 있는지(이미 본 상태를 다시 탐색하지 않기 위해)와 주어진 위치에서 후속 상태를 얼마나 빠르게 생성할 수 있는지를 결정합니다.
구성 요소 2: 이동 생성. 어떤 상태에서든 솔버는 모든 합법적인 후속 상태를 생성합니다. 이는 현재 상태에서 정확히 하나의 합법적인 이동으로 도달할 수 있는 모든 위치를 포함합니다. 이동 생성의 품질은 솔버의 효율성에 직접적인 영향을 미칩니다. 합법적인 이동을 모두 생성하는 솔버는 증명 가능한 비최적 이동(예: 카드를 자유 셀로 이동한 후 즉시 다시 이동하는 것)을 포함하면 지배된 가지를 탐색하는 데 시간을 낭비합니다. 고품질 솔버는 탐색 전에 지배된 이동을 제거하는 이동 생성 가지치기 규칙을 구현합니다. 예를 들어, 자유 셀에서 열로 카드를 이동하는 대신 동일한 카드를 직접 이동할 수 있는 경우, 또는 나중에 동일한 색상의 낮은 순위 카드를 기초에 놓는 것을 방해할 경우 기초에 카드를 놓지 않는 것입니다. 이러한 가지치기 규칙은 전문가 인간 플레이어가 적용하는 전략적 원칙과 정확히 일치합니다. 이는 솔버가 명시적인 전략 선택이 아닌 이동 생성 제약으로 구현하는 휴리스틱입니다.
구성 요소 3: 휴리스틱 평가. 솔버의 휴리스틱 함수는 생성된 각 후속 상태에 우선 순위 점수를 할당하여 어떤 상태를 먼저 탐색할지를 결정합니다. 좋은 솔리테어 휴리스틱은 기초 카드가 더 많고, 얼굴이 아래로 향한 테이블 카드가 적고, 빈 열이나 자유 셀이 더 많으며, 테이블 시퀀스에서 수트 통합 정도가 높은 위치에 높은 점수를 부여합니다. 휴리스틱은 솔버의 위치 품질 근사치이며, 이는 인간 플레이어의 위치 평가와 직접적으로 유사합니다. 고품질 솔리테어 휴리스틱이 가장 중요하게 여기는 특정 특징들 — 기초 진전, 얼굴이 아래로 향한 카드 감소, 빈 열 보존 — 은 전략 클러스터의 우선 순위 프레임워크(강제 스캔 순서, 빈 열 규율, 기초 균형)가 인간 플레이어에게 우선시하라고 지시하는 특징입니다. 휴리스틱은 임의적이지 않습니다. 이는 수백만 개의 거래에서 솔버를 실행하고 어떤 특징 가중치가 계산 예산 내에서 가장 높은 비율의 승리 경로를 찾는지를 측정하여 경험적으로 보정됩니다.
구성 요소 4: 막다른 길 감지 및 가지치기. 해결할 수 없는 거래를 해결하는 데 가장 많은 계산 비용이 드는 부분은 그것이 해결할 수 없음을 확인하는 것입니다. 이는 시작 위치에서 모든 가능한 경로가 막다른 길로 이어진다는 것을 입증해야 합니다. 효율적인 솔버는 구조적 차단 패턴(순환 의존성, 주요 카드 매립 구성)을 탐색 초기에 식별하고, 전체 이동 그래프의 하위 트리를 가지치기하여 탐색하는 대신 이를 구현합니다. 순환 의존성 검사 — 카드 쌍이 외부 해결책 없이 서로의 이동을 차단하는지 여부 — 는 솔버의 가장 강력한 막다른 길 감지 도구이며, 이는 해결할 수 없는 거래 가이드에서 설명된 인간 진단 습관과 가장 직접적으로 연결됩니다. 솔버는 방문하는 모든 상태에서 이 검사를 자동으로 구현하며, 인간 플레이어는 포기하기 전에 세 가지 패턴 구조 진단의 첫 번째 단계로 이를 수동으로 구현합니다.
이동 생성 가지치기 규칙은 전략적 원칙입니다. 고품질 솔버가 이동 생성 중에 적용하는 모든 가지치기 규칙은 전문가 인간 플레이어가 이동 선택 중에 적용하는 전략적 원칙에 해당합니다. '열에 직접 놓을 수 있는 카드가 있다면 빈 셀로 카드를 이동하지 마라'는 빈 셀 배분 원칙에 해당합니다. '더 낮은 순위의 같은 색 카드가 막히는 빌드 베이스 갭을 만들 경우 기초에 카드를 놓지 마라'는 기초 균형 원칙에 해당합니다. '동일한 즉각적인 가치의 시퀀스를 구축하는 것보다 먼저 뒷면 카드를 드러내는 것을 선호하라'는 먼저 드러내기 원칙에 해당합니다. 이러한 원칙이 솔버 가지치기 규칙이라는 것을 이해하는 것은 왜 이들이 효과적인지를 설명합니다: 이들은 임의의 관습이 아니라 전체 거래 분포에서 대안보다 낮은 기대 가치를 가진 이동 유형을 제거하는 수학적으로 정당화된 제거입니다.
휴리스틱 함수는 무엇을 극대화해야 하는지를 설명합니다. 솔리테어 솔버의 휴리스틱 함수는 보드 특징의 선형 조합으로, 승리 확률에 대한 경험적 기여도에 따라 가중치가 부여됩니다: 기초 진전(가장 높은 가중치), 뒷면 카드 감소(높은 가중치), 빈 열 수(중간 높은 가중치), 빈 셀 점유(중간 부정적 가중치). 이 가중치 구조는 올바른 솔리테어 전략이 극대화하는 목표 함수이며, 강제 스캔 시퀀스의 우선 순위 정렬이 올바른 이유를 직접 설명합니다. 기초 이동은 승리 조건을 직접적이고 되돌릴 수 없는 방식으로 진전시키기 때문에 휴리스틱에서 가장 높은 점수를 받습니다. 드러내기 이동은 뒷면 카드 수를 줄이기 때문에 두 번째로 높은 점수를 받습니다. 순수한 테이블 빌드는 시퀀스 조직을 증가시키지만 휴리스틱의 상위 두 특징을 직접적으로 진전시키지 않기 때문에 세 번째로 점수를 받습니다. 재고 드로우는 유한한 재고 자원을 소비하면서 어떤 휴리스틱 특징도 직접적으로 진전시키지 않기 때문에 가장 낮은 점수를 받습니다 — 이들은 필요하지만 그들의 휴리스틱 비용(감소된 재고 용량)은 테이블 이동이 가능한 대부분의 상태에서 그들의 휴리스틱 이점(위치 진전)을 초과합니다.
백트래킹 메커니즘은 실행 취소의 올바른 사용을 설명합니다. 솔버는 유망한 경로가 막다른 길에 도달했을 때 대안 경로를 탐색하기 위해 백트래킹을 사용합니다 — 마지막 분기점으로 돌아가서 실패한 분기 대신 다음으로 높은 휴리스틱 후속 경로를 시도합니다. 온라인 솔리테어에서 실행 취소 기능을 사용하는 인간 플레이어는 동일한 작업을 수행합니다: 이동 시퀀스가 명백한 막다른 길로 이어질 때, 마지막 의미 있는 분기점으로 돌아가 대안 경로를 시도하는 것은 정확히 백트래킹 단계입니다. 주요 차이점은 솔버는 체계적으로 백트래킹을 수행한다는 것입니다 — 그들은 모든 분기점에서 탐색되지 않은 모든 분기를 기억하고 우선 순위 순서로 탐색합니다 — 반면 인간 플레이어는 선택적으로 백트래킹을 수행하며, 패턴 인식을 사용하여 어떤 분기가 시도할 가치가 있는지를 식별합니다. 막다른 길 이후에 어떤 대안 분기가 테스트할 가치가 있는지를 더 잘 인식하는 것이 인간의 실행 취소 기반 플레이가 솔버 수준의 성능으로 향상되는 주요 방법입니다.
특정 변형에서의 솔버 성능은 어떤 인간 기술이 가장 중요한지를 드러냅니다. 솔버는 FreeCell 거래를 가장 빠르게 해결하고(밀리초), Klondike 거래는 느리게 해결합니다(어려운 위치의 경우 초에서 분 단위). Forty Thieves 거래는 확인이 불가능한 경우 가장 느리게 해결됩니다(극단적인 경우 분에서 시간 단위). 이 성능 기울기는 인간 플레이어가 경험하는 동일한 난이도 차원을 반영합니다: FreeCell의 완전한 정보는 검색을 용이하게 하고 전략적 경로를 계산 가능하게 만듭니다; Klondike의 숨겨진 정보는 검색 공간을 확장하고 올바른 전략을 계산 가능하기보다는 추정 가능하게 만듭니다; Forty Thieves의 제한된 빌드 규칙과 큰 상태 공간은 솔버의 검색을 비싸게 만들고 인간 플레이어의 진단 과정을 느리고 덜 신뢰할 수 있게 만듭니다. 각 변형에서 가장 중요한 인간 기술은 솔버의 아키텍처가 가장 명시적으로 구현하는 기술입니다: FreeCell의 완전한 상태 평가, Klondike의 조건부 확률 추정, Forty Thieves의 효율적인 막다른 길 탐지.
솔버의 승리 경로가 최적의 인간 전략이라고 믿는 것. AI 솔버는 하나의 승리 경로를 찾습니다 — 일반적으로 시작 위치에서 휴리스틱 함수가 가장 유망하다고 평가하는 경로입니다. 이 경로는 승리하지만, 반드시 가장 효율적인 경로, 인간이 따르기 가장 쉬운 경로, 또는 미래 게임에 전이되는 전략적 습관을 가장 잘 개발하는 경로는 아닙니다. 솔버 경로에는 종종 이점이 명확해지기 몇 단계 전의 비효율적인 이동이 포함됩니다 — 일시적으로 빈 셀 점유를 증가시키거나, 일시적으로 기초 수를 줄이거나, 일시적으로 유용한 시퀀스를 파괴하는 이동 — 왜냐하면 솔버는 이러한 퇴행적 이동을 최종 위치 개선으로 평가할 수 있을 만큼 멀리 볼 수 있기 때문입니다. 각 이동이 왜 이루어지는지를 이해하지 않고 솔버 경로를 따르려는 인간 플레이어는 종종 경로가 이해할 수 없게 되고, 자신의 직관이 솔버의 이동과 일치하지 않을 때 자신의 판단에 대한 신뢰를 잃게 됩니다. 솔버 분석의 올바른 사용은 특정 경로를 따르는 것이 아니라 솔버의 이동이 목표로 하는 위치의 구조적 특징을 이해하는 것입니다 — 그리고 이러한 목표를 실시간 플레이에서 식별할 수 있는 위치 평가 기술을 개발하는 것입니다.
해결책을 찾지 못한 솔버가 거래가 불가능하다는 것을 확인한다고 가정하는 것. 모든 솔리테어 솔버가 완전한 것은 아닙니다 — 일부는 시간 제한이나 노드 수 제한을 사용하여 모든 가능한 경로를 소진하기 전에 검색을 종료합니다. 솔루션을 찾지 않고 종료된 솔버는 더 많은 계산 시간을 주었을 경우 승리 경로를 찾았을 수 있습니다; 모든 경로를 철저히 탐색하고 아무것도 찾지 않은 경우가 아니라면 승리 경로가 존재하지 않는다고 확인한 것은 아닙니다. 모든 도달 가능한 상태를 탐색하고 승리 경로를 반환하거나 모든 경로의 소진을 확인하는 완전성 보장이 있는 솔버만이 불가능성을 확실히 확인할 수 있습니다. 실용적인 목적을 위해, FreeCell의 불가능한 거래(및 다른 변형의 불가능한 거래 비율)는 소진 보장이 있는 완전한 솔버에 의해 설정되었습니다. 온라인에서 접근 가능한 솔버는 종종 이 보장이 부족하며 그들의 부정적인 결과는 '검색 예산 내에서 경로를 찾지 못함'으로 간주되어야 하며 '경로가 존재하지 않음'으로 간주되어서는 안 됩니다.
솔버의 승률을 달성 가능한 인간 목표로 간주하는 것. FreeCell 통계 가이드에서 다룬 바와 같이, 솔버의 승률은 승리 가능성 바닥에 접근합니다 — 모든 합법적인 시퀀스에 의해 본질적으로 승리 가능한 거래의 비율입니다. 전문가 전략을 가진 인간 플레이어는 FreeCell의 ~99.975% 승리 가능성 천장에 대해 80–90%, Klondike의 ~79–91% 천장에 대해 35–45%, Forty Thieves의 ~40–60% 천장에 대해 20–30%를 달성합니다. 솔버 천장과 인간 전문가 성능 간의 격차는 주로 지식 격차가 아닙니다 — 전문가 플레이어는 올바른 원칙을 알고 있습니다 — 오히려 계산 능력 격차입니다: 솔버는 초당 수백만 개의 위치를 탐색할 수 있는 반면, 인간은 아마도 분당 다섯에서 열 개를 평가할 수 있습니다. 이 격차를 올바르게 이해하는 것은 인간 플레이가 솔버 성능에 맞출 수 없다는 절망감이나 솔버 분석이 실제 플레이와 관련이 없다는 것을 무시하는 것을 의미하지 않습니다. 올바른 관계: 솔버 분석은 승리 가능한 거래 집단에서 달성 가능한 것을 설정하고, 인간 전략 개발은 더 나은 휴리스틱, 더 나은 막다른 길 탐지, 더 나은 백트래킹을 통해 인간-솔버 격차를 가능한 한 많이 줄이는 것을 목표로 합니다 — 이 모든 것은 이 전략 클러스터 전반에 걸쳐 설명된 기술입니다. 주요 카드 확률에 대한 내용은 우리의 주요 카드 확률 가이드를 참조하십시오; 통계적 기초에 대한 내용은 우리의 FreeCell 통계 가이드를 참조하십시오.
Scorpion Solitaire는 Klondike 계열 게임의 솔버 분석을 비싸게 만드는 숨겨진 정보 문제를 보여줍니다: 시작 시 세 개의 뒷면 열과 Spider와 같은 동일한 무늬 빌드 요구 사항이 결합되어, 솔버가 가능한 뒷면 카드 배치를 분기하면서도 무늬 통합 요구 사항을 관리해야 하는 검색 공간을 만듭니다. Scorpion 플레이어가 각 드러내기 이동 전에 가능한 숨겨진 카드 배열을 정신적으로 열거하는 습관을 개발하는 것은 Klondike 계열 솔버가 구현하는 확률적 분기의 단순화된 버전을 수행하는 것입니다. Forty Thieves는 막다른 길 탐지의 가치를 가장 날카롭게 보여줍니다: 40–60%의 불가능한 비율을 고려할 때, 검색 초기에 순환 의존성과 재고 소진 패턴을 올바르게 식별하는 효율적인 막다른 길 탐지기는 불가능한 거래에 낭비되는 계산을 극적으로 줄입니다 — 이는 고착된 위치에 대해 확장된 분석 시간을 투자하기 전에 세 가지 패턴 진단을 적용하는 인간의 습관과 직접적으로 연결됩니다.
AI 솔버의 작동 방식에서 유래된 최고의 인간 전략은 무엇인가요? 네 가지 솔버 기반 인간 습관이 가장 큰 승률 개선을 가져옵니다. 강제 스캔 순서(기초 → 드러내기 → 순수 구축 → 빈 열 → 재고)는 솔버의 휴리스틱 우선 순위 정렬을 구현합니다. 실행 취소 기반 가설 테스트는 솔버의 백트래킹 메커니즘을 구현합니다. 순환 의존성 검사는 솔버의 막다른 길 탐지 가지치기를 구현합니다. 그리고 직관에 반하는 경로 수용 — 단기적으로 나쁘게 보이는 이동을 기꺼이 하는 것 — 는 솔버가 높은 최종 휴리스틱 위치로 이어지는 낮은 즉각적 휴리스틱 이동을 탐색하려는 의지를 구현합니다. 이 네 가지 습관은 인간 플레이어가 실시간으로 실행할 수 있는 고품질 솔리테어 솔버의 본질적인 구조를 포착하며, 이는 솔버와 인간 성능을 구별하는 초당 수백만 노드의 계산 없이 가능합니다. 어떤 솔리테어 게임이 AI 솔버가 분석하기 가장 쉬운가요? FreeCell은 모든 솔버 아키텍처에서 일관되게 가장 쉽습니다. 이는 완전한 정보, 거의 100%의 승리 가능성, 충분한 스테이징 자원이 결합되어 다음과 같은 검색 문제를 생성하기 때문입니다: 상태는 모든 노드에서 완전히 지정되어 있습니다(숨겨진 정보 분기 없음); 거의 모든 거래는 여러 승리 경로를 가지고 있습니다(하나를 찾지 못하고 검색이 소진될 확률 감소); 그리고 이동 가지치기 규칙이 매우 효과적입니다(빈 셀 회전 제약 조건이 이동 그래프의 큰 부분을 빠르게 제거합니다). 솔버는 FreeCell 솔루션을 밀리초에서 초 단위로 찾습니다. 어려운 쪽에서는 Forty Thieves가 승리 불가능한 거래 확인에 가장 어렵습니다 — 그 큰 상태 공간과 제한된 구축 규칙은 승리 불가능성을 확인하기 위해 필요한 포괄적인 경로 열거를 계산적으로 비싸게 만듭니다. Klondike의 숨겨진 정보는 정확한 승리 가능성 분석을 가장 어렵게 만듭니다. 개별 거래 솔루션 시도가 Forty Thieves의 소진보다 빠르더라도 말입니다. 모든 솔리테어 게임이 충분한 컴퓨팅 파워로 AI 솔버에 의해 해결될 수 있나요? 완전 정보 변형(FreeCell, Yukon, Scorpion이 모든 뒷면 카드가 드러난 경우)은 충분한 컴퓨팅 파워로 특정 거래를 포괄적 검색으로 해결할 수 있습니다 — 검색 그래프는 유한하고 완전히 열거 가능합니다. 숨겨진 정보 변형(Klondike, Spider가 모든 거래가 트리거되기 전)은 숨겨진 카드 분기로 인해 검색 그래프가 기하급수적으로 커지며, '충분한 컴퓨팅 파워'는 정의하기 더 어려운 기준입니다: 무한한 파워는 모든 경우를 해결하지만, 모든 Klondike 거래에 대한 완전한 분석을 위한 실용적인 기준은 현재 하드웨어를 훨씬 초과하며 이론적 컴퓨터 과학과 실용적인 솔버 엔지니어링 모두에서 열린 문제를 나타냅니다. 올바른 이해는 AI 솔버의 능력이 스펙트럼이라는 것입니다 — 쉬운 FreeCell 거래에 대해 거의 즉각적인 것부터 완전한 Klondike 분석에 대해 계산적으로 다루기 힘든 것까지 — 그리고 인간 전략적 개선은 그 스펙트럼의 다루기 쉬운 끝에서 인간과 솔버 성능 간의 격차를 줄이는 것을 목표로 합니다.
솔버에서 유래한 네 가지 인간 습관이 가장 큰 승률 향상을 만들어 냅니다. 강제 스캔 순서, 즉 파운데이션 → 공개 → 순수 빌드 → 빈 열 → 스톡은 솔버의 휴리스틱 우선순위를 구현합니다. 되돌리기를 통한 가설 검증은 솔버의 백트래킹 메커니즘을 구현합니다. 순환 의존성 점검은 솔버의 막다른 길 가지치기를 구현합니다. 그리고 단기적으로 나빠 보이는 수라도 받아들이는 반직관적 경로 수용은, 솔버가 즉시 휴리스틱 점수는 낮지만 최종적으로 높은 위치로 이어지는 수를 탐색하는 태도를 구현합니다. 이 네 가지 습관을 합치면, 초당 수백만 노드를 계산할 수 없더라도 인간이 실시간으로 실행 가능한 형태로 고품질 솔버의 핵심 구조를 거의 담아낼 수 있습니다.
FreeCell은 모든 솔버 구조에서 가장 쉽습니다. 완전 정보, 거의 100%에 가까운 해결 가능성, 충분한 중간 자원이 결합되어 탐색 문제가 매우 tractable하기 때문입니다. 각 노드의 상태가 완전히 규정되고, 거의 모든 딜에 여러 승리 경로가 존재하며, 프리셀 회전 제약이 이동 그래프의 큰 부분을 빠르게 제거하기 때문에 가지치기 규칙도 매우 잘 작동합니다. 솔버는 보통 FreeCell 해답을 밀리초에서 수 초 안에 찾습니다. 반대로 Forty Thieves는 패배 불가피를 확인하는 작업이 가장 어렵습니다. 거대한 상태 공간과 제한적인 빌드 규칙 때문에, 패배 불가피를 증명하려면 모든 경로를 철저히 열거해야 하고 이것이 계산적으로 비쌉니다. Klondike는 숨겨진 정보 때문에 정확한 해결 가능성 분석이 가장 어렵지만, 개별 딜 해답 시도 자체는 Forty Thieves의 완전 소진 확인보다 더 빠른 경우가 많습니다.
완전 정보 변형, 즉 FreeCell, Yukon, 그리고 모든 뒷면 카드가 드러난 이후의 Scorpion 같은 게임은 충분한 계산 능력만 있다면 어떤 특정 딜이든 완전 탐색으로 해결할 수 있습니다. 탐색 그래프가 유한하고 전부 열거 가능하기 때문입니다. 하지만 숨겨진 정보 변형, 즉 Klondike나 모든 딜이 전부 드러나기 전의 Spider 같은 게임은 뒷면 카드 분기로 인해 탐색 그래프가 지수적으로 커지며, 여기서 "충분한 계산 능력"이라는 기준은 훨씬 정의하기 어렵습니다. 무한한 계산 능력이 있다면 모든 경우를 풀 수 있겠지만, 모든 가능한 Klondike 딜을 완전 분석하는 실질적 임계점은 현재 하드웨어 수준을 훨씬 넘어서는 문제이며, 이론 컴퓨터과학과 실제 솔버 공학 모두에서 여전히 열린 문제입니다. 올바른 이해는 AI 솔버의 능력이 연속적인 스펙트럼이라는 것입니다. 쉬운 FreeCell 딜에서는 거의 즉시 해답을 찾고, 완전한 Klondike 분석은 계산적으로 감당 불가능한 쪽에 가깝습니다. 인간의 전략 향상은 이 스펙트럼의 tractable한 쪽에서 인간과 솔버의 성능 격차를 최대한 줄이는 것을 목표로 합니다.