AI랑 로또 번호 맞춰볼래요? 앱 출시되면 같이 해요

안녕하세요!요즘 매주 토요일마다 로또 번호 보면서 "나도 한 번쯤은 되지 않을까?" 생각해본 적, 있으시죠?저는 그 호기심을 조금 더 진지하게 풀어보고 싶어서, AI가 로또 번호를 예측해보는 실험을 시작했어요. 그리고 이걸 단순한 연구로 끝내지 않고, 앱으로 만들어서 여러분과 함께 즐길 수 있도록 준비 중입니다 🎯 🤖 어떤 AI가 잘 맞출까?로또는 정말 예측이 어려운 게임이에요.그래서 저는 단순한 통계 말고 AI 강화학습으로 접근해보기로 했습니다. 현재 실험 중인 대표적인 알고리즘은 다음과 같아요:PPO (Proximal Policy Optimization)→ 안정적이고, 성능이 가장 꾸준하게 좋아요 👍DQN (Deep Q-Network)→ 전략적으로 학습하지만 초기 불안정성이 좀 있었어요A2C ..

• format_list_bulleted Data Reverse Engineering
• · 2025. 5. 12.
• textsms

AI가 로또 번호 예측에 도전한다면? A2C 알고리즘 실험기

지난 글에서는 PPO, DQN 같은 강화학습 알고리즘을 활용해 로또 번호 예측 실험을 진행했지만, 아직 "확실한 전략"을 발견하진 못했습니다.그래서 이번에는 A2C(Advantage Actor Critic) 알고리즘을 실험에 투입해 보았습니다.이번엔 과연 AI가 한 단계 더 진화한 모습을 보여줄 수 있었을까요?🧪 실험 환경은 동일하게 유지!이번 실험도 지난 실험과 마찬가지로 다음과 같은 환경을 기반으로 진행했습니다:환경: 실제 로또 회차 데이터 (번호, 빈도 등)행동: 1~45번 중 6개의 번호 선택보상: 선택한 번호와 실제 당첨 번호의 일치도에 따라 점수 부여 보상 체계는 다음과 같습니다:맞춘 개수보상 점수6개 (1등)+10005개+2004개+503개+102개+31개+10개-1 이러한 보상 체계 덕분..

• format_list_bulleted Data Reverse Engineering
• · 2025. 5. 9.
• textsms

PPO 다음은 DQN! AI 강화학습, 이번엔 더 나은 결과일까?

지난 실험에서는 PPO(Proximal Policy Optimization) 에이전트를 활용해 AI 강화학습 기반 로또 번호 예측을 시도했습니다. 수십만 번의 학습을 반복하며 AI가 조금씩 당첨에 가까운 번호를 고르도록 유도했죠.이번에는 또 다른 방식의 강화학습 알고리즘, DQN(Deep Q-Network) 을 도입해 같은 문제에 도전해보았습니다. 과연 어떤 결과가 나왔을까요? 🧠 DQN은 어떤 방식인가요?강화학습 알고리즘은 크게 두 가지로 나뉩니다.PPO: 정책 기반(policy-based) 방식으로, 확률을 바탕으로 행동을 선택합니다.DQN: 가치 기반(value-based) 방식으로, 각 행동의 예상 보상(Q-value)을 계산해 가장 좋은 선택을 합니다.즉, DQN은 "가능한 행동 중 보상이 가..

• format_list_bulleted Data Reverse Engineering
• · 2025. 5. 8.
• textsms

AI, 새로운 전략으로 로또 데이터 분석에 도전하다!

AI는 이제 단일 모델의 한계를 넘어서, 여러 모델을 결합하는 앙상블(Ensemble) 전략으로 돌아왔습니다.지난 실험에서는 Random Forest와 LSTM 모델을 적용했지만, 실제 데이터 예측에서는 아쉬운 결과를 보였죠.이번엔 AI 모델들이 힘을 합쳤습니다. 어떤 결과가 나왔을까요? 🎯 🤖 “AI, 협업을 시작하다”지금까지의 과정은 다음과 같았습니다:과거 로또 번호 데이터를 수집하고데이터 전처리를 통해 학습에 적합한 형식으로 가공한 뒤머신러닝(Random Forest)과 딥러닝(LSTM) 모델로 분석을 시도했습니다.그러나 결과적으로, 예측의 정밀도는 기대에 미치지 못했습니다.그래서 이번에는 여러 모델의 결과를 조합해 성능을 높이는 앙상블 전략을 도입했습니다.앙상블이란 간단히 말해,“서로 다른 A..

• format_list_bulleted Data Reverse Engineering
• · 2025. 5. 2.
• textsms

AI가 분석한 로또 데이터: 예측 실험 결과와 한계

AI는 수백 회차에 이르는 로또 데이터를 바탕으로 다양한 패턴을 학습했습니다.데이터 전처리와 모델 훈련을 거쳐, 실제 번호와 얼마나 가까운 결과를 낼 수 있는지 실험을 진행해봤습니다.🤖 실험 모델 및 예측 결과우리는 머신러닝의 대표적인 알고리즘 중 하나인 Random Forest Classifier를 사용해 학습을 시도했습니다.입력은 지난 10회차 로또 번호, 출력은 다음 회차의 번호 6개입니다. 이 숫자, 과연 실제 로또 번호와 얼마나 일치할까요?결과는 보시는 것과 같이 하나도 맞지 않았습니다. 그래프를 설명하면 파란색은 훈련 정확도(Training Accuracy), 빨간색은 검증 정확도(Validation Accuracy)로 모델이 훈련 데이터는 완벽하게 학습했지만, 검증 데이터에서는 거의 맞추..

• format_list_bulleted Data Reverse Engineering
• · 2025. 5. 2.
• textsms

AI가 로또 번호를 예측하려면 반드시 거쳐야 할 과정

🎲 "AI도 로또를 못 맞춘다고?"AI가 세상을 뒤흔들고 있는 시대입니다.이미 사람보다 바둑도, 체스도, 스타크래프트도 잘하는 AI가 등장했죠.그런데, 왜 로또 번호는 제대로 예측하지 못할까요?단순히 "운이라서"라고 치부하기에는, 뭔가 찜찜하지 않나요?AI는 '운'까지 학습할 수 없는 걸까요? 🤔 "문제는... 데이터야!"AI는 데이터를 기반으로 학습합니다.우리가 2일차에서 열심히 모은 로또 데이터도 마찬가지죠.하지만 아무 데이터나 가져다가 넣는다고 AI가 똑똑해지진 않습니다.'더러운 데이터(Dirty Data)' 가 들어가면,'더러운 결과(Trash Result)' 가 나올 뿐입니다.이걸 우리는 이렇게 부릅니다:Garbage In, Garbage Out (쓰레기가 들어가면 쓰레기가 나온다) 📊 ..

• format_list_bulleted Data Reverse Engineering
• · 2025. 4. 28.
• textsms