본 논문은 바둑 네트워크, 특히 Leela Chess Zero 정책 네트워크의 선행 능력을 조사합니다. Jenner et al. (2024)의 연구를 기반으로, 즉각적인 다음 수를 넘어 미래 수와 대안적인 수열을 고려하는 모델의 능력을 분석합니다. 연구 결과 네트워크의 선행 행동은 상황에 따라 크게 달라지며, 특정 바둑판 위치에 따라 크게 다름을 보여줍니다. 모델은 최대 7수까지의 바둑판 상태 정보를 처리할 수 있으며, 서로 다른 미래 시점에서 유사한 내부 메커니즘을 사용함을 보여줍니다. 또한, 네트워크는 단일 플레이 라인에 집중하기보다는 여러 가능한 수열을 고려한다는 증거를 제시합니다. 이러한 결과는 전략적 과제에 대해 훈련된 신경망에서 정교한 선행 능력의 출현에 대한 새로운 통찰력을 제공하며, 복잡한 영역에서 AI 추론에 대한 이해에 기여합니다. 본 연구는 인공 지능 시스템에서 인지와 유사한 과정을 밝히는 데 있어 해석 가능성 기법의 효과도 보여줍니다.