구글 딥마인드에서 개발한 인공지능 바둑 프로그램 알파고가 이세돌 9단에게 도전장을 냈다. 세기의 대결로 주목받고 있는 이번 대국은 전 세계의 이목을 집중시키고 있다. 많은 전문가들은 이세돌 9단의 우세를 예상하고 있으나 알파고가 이번 대국을 계기로 더욱 성장할 수 있을 것이라 평했다. 인공지능 바둑 프로그램이 인간을 넘어서는 초읽기가 시작된 것이다. 그렇다면 알파고는 사람처럼 사고하는 것일까. 아니면 여전히 단순한 소프트웨어일 뿐일까.
바둑은 인공지능 분야에서 아직 정복하지 못한 인류의 마지막 보루다. 인공지능이 바둑 세계 챔피언에게 도전한다는 것 자체가 위대한 일이다. 가장 큰 이유는 바둑의 복잡성에서 찾을 수 있다. 바둑은 가능한 모든 수를 계산하면 풀 수 있는 문제다. 하지만 바둑의 경우의 수는 우주의 원자수보다 월등히 많기 때문에 경우의 수를 저장하는 것조차 불가능하다. 시간이 많이 주어진다고 해서 풀릴 수 있는 문제가 아닌 것이다. 이것을 어떻게 풀 수 있을까. 알파고가 제시한 해답은 프로 바둑기사의 기보를 학습하는 딥러닝 기술이다.
딥러닝은 인공신경망을 확장한 개념으로 빅데이터 분석, 자율주행 자동차, 소비자 구매 패턴 분석 등 새로운 산업분야 곳곳에서 활용되고 있다. 인공신경망은 사람의 뇌를 모사한 것으로 특히 사람이 학습하는 과정에 중점을 둔 알고리즘이다. 따라서 딥러닝의 핵심은 사람처럼 학습할 수 있다는 것이다. 알파고는 프로 바둑기사들의 기보 16만개를 3주 만에 학습했다. 사람이 1년 동안 배울 수 있는 기보를 1000개라고 해도 160년이 걸린다. 그동안 인류가 쌓아 온 바둑의 정수를 순식간에 학습했다고 볼 수 있다. 더욱이 알파고는 스스로 대국해 프로 바둑기사들의 전략을 더욱 갈고 닦았다.
알파고는 딥러닝으로 학습한 바둑 전략을 활용해 착수를 결정한다. 모든 경우의 수를 고려하는 것은 불가능하므로 경우의 수를 적절히 좁히는 것이 중요하다. 이것은 프로 바둑기사의 수읽기와 유사하다. 현재 대국 상황에서 상대방의 수와 자신의 대응을 예측함으로써 가장 승리할 확률이 높은 경우를 탐색하는 것이다. 바둑 인공지능 프로그램에서 가장 널리 사용되는 알고리즘은 몬테카를로 트리 탐색(MCTS)으로, 무한대에 가까운 탐색의 폭과 깊이를 줄이는 것이다. 알파고는 딥러닝으로 학습한 전문 바둑기사의 관점에서 경우의 수의 탐색 범위를 좁혔다고 볼 수 있다. 그 결과 유럽 챔피언에게 압도적으로 승리했다.
딥러닝에도 한계는 존재한다. 딥러닝은 이미지든, 바둑의 기보든, 심지어 소비자의 구매 선호도까지 학습해 의사 결정의 도구로 이용할 수 있다. 그러나 딥러닝은 한 분야에 국한된 경우가 일반적이다. 알파고가 영화 추천을 할 수 있는 기능은 없다. 다만 알파고의 학습 방법이 다른 분야에 적용될 가능성은 있다. 따라서 인공지능 기술이 인간을 능가할 것이라는 우려는 아직 시기상조라고 볼 수 있다. 스스로 학습할 수는 있으나 스스로 진화할 수 있는 가능성은 아직 높지 않다는 것이다. 이러한 관점에서 알파고는 프로 바둑기사처럼 행동하도록 만들어진 소프트웨어라고 볼 수 있다.
알파고와 이세돌 9단의 대결 결과에 따라 다양한 해석이 있을 수 있으나 인공지능이 바둑에 도전할 수 있다는 점 자체가 큰 의미가 있다. 하지만 필자는 알파고가 인간을 뛰어넘기 위해서는 아직 많은 시간이 필요할 것으로 본다. 그 이유는 바둑 게임의 경우의 수가 여전히 상상할 수 없을 정도로 크다는 점에 있다. 바둑은 인간에게조차 아직 미지의 영역이 존재한다고 볼 수 있다. 따라서 알파고가 프로기사들과 대등해질 수는 있어도 압도하는 상황이 벌어질 가능성은 적다고 본다.
알파고 개발진은 알파고를 활용해 음성인식, 기후변화, 헬스케어 등에 접목하겠다고 밝혔다. 게임 인공지능 프로그램으로 시작했지만 활용 분야는 무궁무진한 것이다. 인공지능 기술은 미래를 더 윤택하게 만들어 줄 문제 해결의 도구인 것이다. 인공지능이 인간의 이성과 지성을 넘어 감성까지 이해하는 시대가 다가오고 있다. 인공지능으로 만들어질 미래에 대해 막연한 걱정보다는 성큼 다가온 인공지능을 받아들이고 이해하는 노력이 필요하지 않을까.
