딥마인드, 아타리 57개 모든 게임 '인간추월' 성과

알파고의 전신인 DQN 2014년 49개중 29개에서 인간 능가
범용적 게임학습능력 갖췄지만 "2개 이상 게임 동시학습 불가"
어린 아이도 갖고 있는 인간의 유연함이 인공지능시대 구별점

인공지능 테스트의 기준이 된 아타리 비디오게임 57종을 모두 마스터한 인공지능이 등장했다.

알파고를 선보인 구글의 인공지능 자회사 딥마인드가 개발한 인공지능 ‘에이전트57’이 아타리 57개 게임 전종목에서 인간 최고수를 뛰어넘는 능력을 구현했다.

딥마인드의 아드리아 바이다 등 연구진은 논문공유 사이트 아카이브(arXiv.org)에 지난달 30일 논문(Agent57: Outperforming the Atari Human Benchmark)을 공개하고 자사가 개발한 인공지능 에이전트57의 성과를 알렸다.

에이전트57은 딥마인드가 2012년 개발해 2015년 2월 <네이처>에 처음 공개한 심화신경망 방식의 강화학습 인공지능 DQN(Deep-Q Network)의 연장선 상에 있는 강화학습 방식의 인공지능이다. 이를 활용해 개발한 바둑인공지능 알파고가 2016년 1월 <네이처>에 공개됐고, 이후 알파스타(스타크래프트용 인공지능), 알파제로 등으로 적용 범위를 확대한 인공지능의 개발로 이어졌다. 딥마인드가 2014년 처음 DQN의 강화학습 모델을 <네이처>에 공개했을 당시, DQN은 아타리 비디오게임 49개 종목을 대상으로 학습을 했다. DQN은 49개 게임 중에서 널리 알려진 벽돌깨기(Breakout)을 포함한 29개 게임에서 사람의 평균기록보다 높은 점수에 도달했다. 이번에 에이전트57은 아타리 비디오게임의 모든 종목을 사람 최고수 수준으로 마스터했지만, 여전히 범용 인공지능은 먼 목표다.

과학기술 전문지 <엠아이티(MIT) 테크놀로지리뷰> 보도에 따르면, 에이전트57은 아타리 57개 게임중 4개 종목에서 특히 어려움을 겪었다. 몬테주마의 복수, 핏폴, 솔라리스, 스키 게임이다. 몬테주마의 복수와 핏폴 게임에서는 다양한 전략을 동원해야 하고, 솔라리스와 스키 게임에서는 행동과 보상 사이에 오랜 시간이 걸려 어떤 행동이 보상으로 이어지는지를 파악하기 어려웠다. 에이전트57은 모든 아타리게임에서 인간을 능가하는 실력을 보여줬지만 사람의 게임방식과 구별되는 주요한 특징을 드러냈다. 여전히 한 번에 한 종목의 게임만 학습할 수 있다는 점이다.

에이전트57은 바둑에 특화된 알파고, 스타크래프트에 특화된 알파스타 등과 달리 다양한 종목의 게임을 학습했지만, 한번에 한 종류의 게임만 학습할 수 있었고 동시에 2개의 게임을 배울 수 없었다. 이는 범용적 능력을 보유했다고 일컬어지는 최신 인공지능이 여전히 어린 아이도 갖추고 있는 유연한 적응능력에 미치지 못한다는 것을 알려준다. 거꾸로 낯선 상황에서의 다양한 적응능력과 유연성이 현재로서는 기계가 사람을 따라할 수 없는 영역임을 시사한다. 구본권 선임기자 starry9@hani.co.kr