ChessFly의 출발점은 초파리 뇌를 재구성한 FlyWire 데이터입니다. 어떤 신경세포가 다른 신경세포와 이어지는지 기록한 지도를 ‘커넥톰’이라고 부릅니다. 쉽게 말해 뇌 안에서 신호가 이동할 수 있는 길을 그려놓은 연결 지도입니다.

프로젝트가 사용하는 규모는 뉴런 13만 8,639개, 연결 약 1,510만 개입니다. 이 숫자는 체스를 위해 새로 설계한 층의 크기보다, 재구성된 뇌의 연결 구조를 얼마나 가져왔는지 보여줍니다. 생물학 연구에서 만든 지도가 게임을 계산하는 신경망의 뼈대가 된 셈입니다.

다만 ‘고정된 연결망’이라는 표현은 조금 풀어볼 필요가 있습니다. 연결 위치와 신호를 흥분시키거나 억제하는 성질은 유지하지만, 연결마다 신호가 전달되는 강도는 학습합니다. 체스판을 입력으로 바꾸는 부분과 계산 결과를 수로 해석하는 부분도 훈련 대상입니다.

도로에 비유하면 길이 이어진 모양은 가져오되, 각 길로 흐르는 양과 입구·출구의 처리 방식을 체스에 맞추는 구조입니다. 따라서 이 실험은 초파리의 타고난 체스 능력을 시험하기보다, 생물에서 얻은 연결 구조를 다른 과제에 활용해보는 시도에 가깝습니다.

체스판에서 말을 움직이면 현재 배치가 모델의 입력으로 변환됩니다. 이 입력은 시각 감각 뉴런에 해당하는 부분으로 들어가고, 전체 연결망을 거쳐 다음 수를 계산하는 데 쓰입니다. 이용자는 그 과정에서 변하는 모델 활동을 3D 뇌 형태의 시각화로 볼 수 있습니다.

화면의 움직임은 실제 초파리에게 체스판을 보여주며 측정한 뇌파가 아니라, 디지털 모델의 계산을 표현한 것입니다. 신경망이라는 보이지 않는 구조가 말을 고르는 동안 어떻게 반응하는지 함께 보여준다는 데 이 데모의 재미가 있습니다.

대국만 제공했다면 이용자는 상대가 둔 수에 집중했을 것입니다. 여기에 연결망의 활동이 나란히 나타나면서, 말 한 번의 이동이 모델 안에서 처리되는 과정도 관찰 대상이 됩니다. ‘체스를 얼마나 잘 두나’와 함께 ‘이 구조가 어떻게 작동하나’를 보게 만드는 구성입니다.

실행에는 WebGPU를 사용합니다. 웹페이지가 기기의 그래픽 처리 장치를 활용해 계산할 수 있도록 하는 기술입니다. 별도의 데스크톱 프로그램을 설치하는 대신, 지원되는 브라우저에서 모델을 실행하는 방식입니다.

Space 설명에 따르면 연결망과 학습 가중치는 합쳐 약 150MB이며, 처음 내려받은 뒤 캐시에 보관합니다. 매번 같은 데이터를 다시 받는 부담을 줄이기 위한 구성입니다. 브라우저의 캐시를 지웠거나 저장 데이터가 제거되면 다시 내려받을 수 있습니다.

처음 열 때는 네트워크 연결뿐 아니라 기기의 그래픽 처리 환경도 영향을 줍니다. WebGPU를 지원하는 브라우저와 기기가 필요하며, 실제 실행 속도는 환경마다 달라질 수 있습니다. 직접 실행한 화면에서는 e4 입력 후 모델의 응수와 신경망 시각화를 확인했습니다. 기기별 성능 비교는 진행하지 않았습니다.

체스 실력은 별도의 학습에서 나옵니다. 모델 문서에 따르면 체스 엔진 Stockfish가 평가한 Lichess의 약 440만 개 포지션으로 훈련했습니다. 생물의 연결 지도를 사용하는 것과 체스의 좋은 수를 배우는 과정이 함께 들어 있습니다.

제작자가 공개한 평가에서는 Stockfish의 최선의 수와 같은 수를 고른 비율이 30.4%였습니다. 이는 특정 평가에서 수가 일치한 비율로, 상대를 이긴 승률과는 구분해서 읽어야 합니다. 이 수치만으로 사람 선수의 등급이나 대국 실력을 정하기도 어렵습니다.

브라우저 데모에는 모델의 출력을 바탕으로 이후 수를 탐색하는 과정도 더해집니다. 최종 선택에는 연결망의 계산과 체스용 탐색이 함께 작용합니다. 화면에 보이는 수를 생물학적 구조 하나의 성과로만 해석하기보다, 여러 장치를 결합한 실험으로 보는 편이 정확합니다.