AlphaGo는 DeepMind가 개발한 컴퓨터 프로그램으로, 보드 게임인 바둑을 두기 위해 만들어졌다. 바둑은 오랫동안 인공지능에게 주요한 미해결 과제로 여겨져 왔는데, 그 이유는 체스보다 훨씬 방대한 탐색 공간 때문에 딥 블루에서 사용된 것과 같은 무차별 대입 방식이 계산적으로 불가능했기 때문이다. AlphaGo는 심층 신경망과 몬테카를로 트리 탐색을 결합했으며, 인간 전문가의 기보와 자가 대국 강화 학습으로 훈련된 네트워크를 사용하여 바둑판의 위치를 평가하고 수를 선택했다.
이세돌과의 대국
AlphaGo는 2016년 3월 9일부터 3월 15일까지 대한민국 서울에서 열린 세계 최고 수준의 프로 바둑 기사 중 한 명인 이세돌과의 2016년 대국을 통해 국제적으로 유명해졌다. AlphaGo는 다섯 판의 대국 중 네 판을 이겨 4대 1로 승리했으며, 이 결과는 바둑과 AI 커뮤니티의 많은 사람들을 놀라게 했다. 그들은 일반적으로 바둑의 복잡성 때문에 인간의 바둑 실력이 적어도 10년 이상 기계를 상대로 우위를 유지할 것이라고 예상했기 때문이다. 이 대국은 전 세계로 중계되어 약 2억 명이 시청한 것으로 추산되며, 그 시점까지 AI 능력의 가장 눈에 띄는 공개 시연 중 하나가 되었다. 이는 ChatGPT의 출시가 7년 후에 이루게 될 방식으로 딥러닝이 대중의 인식에 들어온 순간이라고 볼 수 있다.
37번째 수
대국 중 2국은 AlphaGo의 참신함을 상징하는 순간을 만들어냈다. 37번째 수에서 AlphaGo는 바둑판의 5선에 수를 두었는데, 전문 해설가와 이세돌 자신도 처음에는 매우 이례적이고 실수일 가능성이 높다고 여겼다. 이는 수백 년 동안 축적된 인간의 바둑 전략과 모순되었기 때문이다. 이 수는 나중에 그 대국에서 AlphaGo의 승리에 결정적인 역할을 한 것으로 밝혀졌으며, 이후 시스템이 인간의 플레이를 단순히 모방하거나 보간하는 것이 아니라 진정으로 새로운 전략적 통찰을 도출했다는 증거로 널리 인용되었다. 이 주장은 나중에 시스템 내부의 수 선택 확률 추정치를 분석한 연구에서 대체로 뒷받침되었다. 37번째 수는 AI 연구와 대중적 글쓰기 모두에서 기계 학습 시스템이 창의적이고 인간적이지 않은 문제 해결을 만들어내는 사례로 자주 언급되었다.
AlphaZero의 전신
AlphaGo의 훈련은 처음에 기록된 인간 전문가 기보의 대규모 데이터 세트에 의존하여 정책 네트워크를 부트스트랩한 후, 자가 대국 강화 학습으로 이를 더욱 개선했다. DeepMind는 이후 2017년에 발표된 AlphaGo Zero를 개발했는데, 이는 인간의 기보 데이터를 전혀 사용하지 않고 무작위 초기화에서 순수하게 자가 대국을 통해 바둑을 학습했으며, 원래 AlphaGo의 플레이 강도를 능가했다. 이 연구 라인은 바둑 외에도 체스와 쇼기에 동일한 자가 대국 접근 방식을 일반화한 AlphaZero로 직접 이어졌으며, 2017년 후반에 출시되었다.
평가와 유산
AlphaGo의 이세돌 승리는 AI 역사에서 획기적인 사건으로 널리 간주되며, 문화적 중요성에서 1997년 딥 블루가 가리 카스파로프를 꺾은 사건과 비교할 수 있지만, AlphaGo가 철저한 탐색보다는 학습된 패턴 인식에 의존했다는 점에서 차별화된다. 이는 AI 연구가 상징적이고 무차별적인 방법에서 딥러닝 기반 접근 방식으로 전환된 것을 반영한다. 이세돌은 2019년 프로 바둑에서 은퇴했으며, 부분적으로 AI가 바둑에서 무적이 되었다는 느낌을 이유로 들면서, 최고의 기사로서도 "패배시킬 수 없는 존재"를 이길 수 없다고 말했다. DeepMind의 AlphaGo 연구 프로그램은 AlphaFold와 함께 DeepMind가 강화 학습과 딥러닝을 잘 정의된 이전에는 다루기 어려웠던 문제에 적용하는 더 넓은 전략의 증거로 자주 인용된다.