알파고의 이번 경기 완승으로 인한 흥분과 떨림이 가라앉기 전에 글을 씁니다.
저는 이번 이벤트를 보면서, 정말로 진지하게 구글이 세계정복을 할 수 있을 것이라는 생각이 들었습니다.
그 이유는, 알파고는 단순히 바둑 프로그램이라 하기에는 그 내용이 너무나도 일반적이기 때문입니다.





기존의 딥러닝, 대표적으로 CNN(convolutional neural network)은 대부분전부 supervised learning 기반이었습니다. 사람이 손수 떠먹여주는(정답을 알려주는) 데이터, 그것도 무수히 많은 데이터를 필요로 했죠. 물론 이것도 등장 당시에는 엄청나게 쇼킹했습니다. 컴퓨터가 개와 고양이를 매우 손쉽게 구분하고, 동시통역을 꽤 훌륭한 퀄리티로 해냈으니까요. 기존의 프로그램은 상상조차 할 수 없는 놀라운 업적이었습니다.

하지만.... 여기에는 사람의 labelling, 수작업이 들어갑니다. 고양이와 치타와 호랑이를 구분하는 놀라운 인공지능 뒤에는 사진에 하나하나 '이건 고양이, 이건 호랑이....' 하면서 밤새 설명을 달아주는 대학원생이 있었던 것입니다. 새로운 task를 하기 위해서는 새로운 dataset이 필요했고, 이건 결국 시간이 많이 소모되는 수작업이 들어갈 수밖에 없기 때문에 확장성에 한계가 있었습니다.






그리고 작년 겨울, 구글 딥마인드(네, 이번에 그 딥마인드 맞습니다)가 네이쳐에 [Human-level control through deep reinforcement
learning] 이라는 논문을 실었습니다. 이분들은 RL(Reinforcement learning, 강화학습)을 기존의 딥러닝 CNN에 접목시켰습니다.

이 논문에서 컴퓨터가 받은 명령은 단 하나, '주어진 게임의 점수를 올려라' 입니다. 그러면 컴퓨터는 게임 화면을 보면서 스스로 이것저것 시도를 해 보면서, 최대한 죽지 않고 점수를 잘 딸 수 있는 방법을 찾아내서 프로그램을 업데이트합니다. 마치 사람이 새로운 게임을 배우듯이요.