[AI 역사 8편] 체스부터 바둑까지, 인류를 뛰어넘은 AI의 거대한 체스판

지난 7편에서는 스스로 특징을 찾아내는 딥러닝의 혁명적인 등장에 대해 알아보았습니다. 이론과 알고리즘이 아무리 발전해도, 과학자들에게는 그 성능을 객관적으로 증명할 수 있는 '무대'가 필요했습니다. 그리고 그들이 선택한 가장 완벽한 시험대는 바로 '보드게임'이었습니다.

2016년 봄, 이세돌 9단과 알파고의 대국을 숨죽이며 지켜보던 기억이 생생합니다. 기계가 절대 정복할 수 없을 거라 믿었던 바둑마저 함락되던 그날의 충격은 전 세계를 뒤흔들었죠. 오늘은 단순한 오락을 넘어 인공지능 기술 발전의 가장 중요한 이정표가 되었던 '게임과 AI의 역사'에 대해 깊이 파헤쳐 보겠습니다.

게임, 인공지능의 가장 완벽한 실험실

왜 수많은 AI 연구자들은 하필 게임, 그중에서도 체스나 바둑 같은 보드게임에 집착했을까요? 그 이유는 게임이 가진 '명확성' 때문입니다.

현실 세계는 변수가 너무 많고 규칙이 수시로 변합니다. 하지만 보드게임은 가로세로가 정해진 제한된 공간 안에서 명확한 규칙을 따르며, 승리와 패배라는 결과가 100% 객관적으로 도출됩니다. 인공지능이 얼마나 똑똑해졌는지, 새로운 알고리즘이 기존 방식보다 얼마나 더 뛰어난지 평가하기에 이보다 더 좋은 실험실은 없었던 것입니다. AI의 발전사는 사실상 '인간 챔피언을 꺾기 위한 기계들의 도전기'라고 해도 과언이 아닙니다.

1997년의 충격, 딥블루가 체스 챔피언을 꺾다

인류에게 첫 번째 충격을 안겨준 사건은 1997년에 일어났습니다. IBM이 개발한 슈퍼컴퓨터 '딥블루(Deep Blue)'가 당시 세계 체스 챔피언이었던 가리 카스파로프(Garry Kasparov)를 6전 2승 3무 1패로 꺾어버린 것입니다. 인간의 지성을 상징하는 체스 챔피언이 기계에 무릎을 꿇은 이 사건은 전 세계 매체의 헤드라인을 장식했습니다.

하지만 전문가들의 시각에서 딥블루의 승리는 진정한 의미의 '지능'이라기보다는 '무식한 연산력의 승리'에 가까웠습니다. 딥블루는 스스로 게임의 원리를 깨우친 것이 아니라, 1초에 2억 개의 체스 말 이동 경로를 계산하는 엄청난 하드웨어 성능을 바탕으로 가능한 모든 경우의 수를 탐색하는 '브루트 포스(Brute Force, 무차별 대입)' 방식을 사용했습니다. 인간이 평생 고민할 경우의 수를 단 1초 만에 계산해 내는 압도적인 속도로 챔피언을 밀어붙인 것입니다.

바둑, 기계가 범접할 수 없는 최후의 성역

체스가 정복된 후, 사람들의 시선은 동양의 오래된 보드게임인 '바둑'으로 쏠렸습니다. 하지만 당시 과학자들은 입을 모아 "바둑만큼은 컴퓨터가 인간을 이기기까지 앞으로 수십 년은 더 걸릴 것"이라고 단언했습니다.

이유는 단순합니다. 체스의 경우의 수가 10의 120승 정도라면, 바둑의 경우의 수는 10의 170승에 달합니다. 이는 우주에 존재하는 모든 원자의 수보다도 압도적으로 많은 숫자입니다. 딥블루처럼 무식하게 모든 경우의 수를 계산하는 방식으로는 전 세계의 슈퍼컴퓨터를 다 모아도 바둑의 다음 수를 예측할 수 없었습니다. 바둑은 단순한 계산을 넘어 전체적인 판의 흐름을 읽는 '직관'과 '패턴 인식'이 절대적으로 필요한 영역이었기 때문입니다.

2016년 알파고의 등장, 기계가 '직관'을 모방하다

그리고 2016년, 구글 딥마인드(DeepMind)가 개발한 '알파고(AlphaGo)'가 등장하며 불가능할 것 같았던 일은 현실이 되었습니다. 알파고는 딥블루와는 완전히 다른 방식으로 작동했습니다. 지난 7편에서 다뤘던 '딥러닝'과 더불어, 기계가 스스로 시행착오를 겪으며 보상을 극대화하는 '강화학습(Reinforcement Learning)' 기술이 결합된 것입니다.

알파고는 프로 기사들의 기보 수천만 개를 학습하여 패턴을 익힌 뒤, 자신과 똑같은 복제본을 만들어 셀 수 없이 많은 가상 대국을 치렀습니다. 이 과정에서 승리할 확률이 가장 높은 수(직관)를 스스로 찾아내는 능력을 갖추게 되었습니다.

이세돌 9단과의 2국에서 알파고가 둔 '37수'는 인간 바둑 역사상 그 누구도 시도하지 않았던 기상천외한 수였습니다. 모두가 기계의 치명적인 오류라고 생각했지만, 결국 그 수가 승리를 견인하는 결정타가 되었습니다. 기계가 인간이 입력한 데이터의 한계를 넘어 스스로 '창의성'에 가까운 판단을 내린 역사적인 순간이었습니다.

게임을 넘어 현실 세계의 문제를 풀다

알파고가 바둑을 정복한 이후, AI는 더 이상 게임판에 머물지 않았습니다. 딥마인드는 알파고의 원리를 적용하여 '알파폴드(AlphaFold)'라는 AI를 개발했고, 생물학계의 50년 묵은 난제였던 단백질의 3차원 접힘 구조를 완벽하게 예측해 내며 과학계에 엄청난 혁신을 가져왔습니다. 기계가 오락을 뛰어넘어 인류의 질병을 치료하고 신약을 개발하는 실질적인 도구로 진화한 것입니다.

핵심 요약 3줄

• 보드게임은 규칙이 명확하고 승패가 객관적이기 때문에 AI의 성능을 시험하고 발전시키는 완벽한 실험실 역할을 했습니다.

• 1997년 딥블루가 체스 챔피언을 꺾은 것은 압도적인 계산 속도를 활용한 '무차별 대입(Brute Force)' 방식의 승리였습니다.

• 2016년 알파고는 딥러닝과 강화학습을 통해 무한에 가까운 경우의 수를 가진 바둑에서 기계 스스로 패턴을 읽는 '직관'을 증명했습니다.

다음 편 예고: 기계가 복잡한 게임의 규칙을 통달했다면, 인간의 가장 고차원적인 소통 도구인 '언어'는 어떻게 이해하게 되었을까요? 다음 9편에서는 기계가 우리의 말을 알아듣게 된 비밀, '자연어 처리(NLP)의 발전'에 대해 알아보겠습니다.

💬 생각 나누기: 2016년 알파고와 이세돌 9단의 대국을 보셨을 때 어떤 기분이 드셨나요? 기계가 인간을 뛰어넘는 것을 보며 느꼈던 감정이나 에피소드를 댓글로 공유해 주세요!