딥마인드의 ‘알파고(AlphaGo) 시스템’이 바둑기사와의 대결에서 승리를 거머쥐었다. 스스로 새로운 전략을 발견하는 법을 학습하는 기술을 갖춘 덕이다. 기계의 한계를 뛰어넘은 기술로 현실 속 난제들을 해결할 수 있을지 기대가 모아지고 있다.
딥마인드에서 개발한 인공지능 프로그램인 알파고가 인공지능의 큰 도전과제 중 하나였던 바둑에 도전, 중국 프로바둑기사인 판 후이(2단)의 대국 결과에서 5번 모두 승리하며 기계적 한계를 뛰어 넘었다는 평을 얻었다.
영국 과학학술지인 네이처에 따르면 바둑돌을 놓을 위치를 평가하는 기능과 움직임을 선택하는 기능을 함께 사용하는 방식으로 기계적 한계를 뛰어 넘었다는 평가다.
학습 능력도 뛰어나 기존 바둑기사들과의 경기를 통해 배우면서 여러 차례 훈련을 거친 결과, 아마추어 수준의 다른 컴퓨터 바둑 프로그램과의 대결에서 99.8% 승률을 기록했으며 실제 프로 바둑 기사와의 대결에서도 첫 승리를 거머쥔 것으로 알려졌다.
그간 인공지능은 여러 게임에서 승리를 거두며 플레이하는 법을 학습해왔다. 그러나 바둑에서는 여러 번의 실패를 거두며 아마추어 기사 수준에서 벗어나지 못했다.
이에 딥마인드는 그간 모든 가능한 위치에 탐색 트리(search tree)를 구성하는 전통적 방식과 다른 접근방식을 취했다. 고급 트리 탐색과 심층 신경망(deep neural network)을 결합한 것.
딥마인드에 의하면 심층 신경망은 수백만 개의 신경세포와 같은 연결고리를 포함하는 12개의 프로세스 레이어를 통해 바둑판을 분석한다.
정책망(policy network)이라는 하나의 신경망이 다음 번에 놓일 돌의 위치를 선책하고 가치망(value network)이라는 신경망이 승자를 예측하는 구조다.
딥마인드는 바둑 전문가들의 게임 플레이에 대해 신경망에 훈련시켜 57%의 확률로 사람의 움직임을 예측할 수 있게 됐으며 자체 신경망 간 수천만회의 바둑을 두고 강화학습이라는 시행착오 프로세스를 사용해 연결고리를 조정함으로써 스스로 새로운 전략을 발견하는 법을 학습했다고 밝혔다.
데미스 하사비스 구글 딥마인드 부사장은 “이번 성과는 바둑의 규칙을 하나하나 직접 입력해 개발된 전문가 시스템이 아닌 일반적인 머신러닝 기술을 사용해 스스로 바둑에서 이기는 법을 파악했다는 점에서 큰 의미를 가진다”며 “인공지능의 큰 도전 과제 중 하나를 해결하게 돼 매우 감격스럽다”고 전했다.
이어 “우리는 이러한 기술을 게임을 넘어 중요한 현실 세계의 문제에도 적용하기를 원한다”며 “알파고에 사용된 방법들은 모두 범용성을 갖고 있는 만큼 언젠가 기후 모델링, 복합성 질환 분석 등 오늘날 사회의 난제들을 해결하는데 쓰일 수 있을 것으로 기대된다”고 언급했다.
