네이쳐 논문으로 실린 알파고
요즘은 AI에 대한 이슈가 핫 해진지도 좀 되었죠.
알파고가 이세돌을 꺾고, 커제도 이기고 그 전 알파고를 압도적으로 이기는 알파고 제로를 마지막으로 은퇴를 선언 하기 까지 사람들은 이제 점점 인공지능이 어떤 분야에서는 사람을 능가한다는 점을 인정하기 시작했습니다.
인공지능이 특정 분야에서만 사람보다 뛰어나다는 이야기를 넘어 어떤 사람들은 인공지능이 사람을 조종하고 부리는 세상이 오는 것이 아니냐는 무서운 상상을 하시는 분들도 있습니다.
저는 현재 인공지능 분야의 종사자로서 알파고와같은 뛰어난 인공지능이 어떻게 만들어졌으며 어떤 핵심 알고리즘으로 동작하는지 살짝 알려드리려고 합니다. 그리고 인공지능의 현 주소도 함께요:D
엄청나게 많은 경우의 수
바둑이 체스나 장기와는 달리 그동안 컴퓨터가 인간을 이기기 힘든 분야였다는건 다들 아실껍니다. 왜냐하면 경우의 수가 엄청나게 많기 때문이죠.
바둑은 19x19인 바둑판 위에 흑 백이 번갈아가며 돌을 두어 집을 크게 만드는 쪽이 승리하는 게임입니다. 단순히 생각만 해봐도 19x19=361개의 교차점 위에 처음 흑이 둘수 있는 수는 361, 그다음 백이 둘수 있는 수는 360, 그다음 흑이 둘수있는 수는 359... 이 경우의수를 다 곱하면 361!(펙토리얼) 이라는 기하 급수적인 숫자가 나오게되겠죠. (10팩토리얼은 10곱하기 9 곱하기 8 곱하기 ... 2 곱하기 1) 실제로 구글 계산기에 361!를 때려보면 무한대(Infinity) 라고 나옵니다. 실제 무한대는 아니고 숫자 계산조차 범위를 넘어서 그런것이겠지만 뭐 상상할수 없는 숫자임에는 틀림없습니다.
구글 계산기도 계산 못함
체스나 장기는 컴퓨터의 연산량으로 다 때려박아서 가장 최적의 수를 계산하는게 가능했지만 바둑의경우 이걸 다 커버하기는 너무 많은 연산량이 들었던 것이지요. 그래서 그동안은 정복하지 못했습니다.
하지만 딥러닝 이라는게 나오면서 이 문제를 해결하게 됩니다. 두둥
딥러닝은 무엇인고 하면.. 패턴 인식을 하는 하나의 방법이라고 보시면 됩니다. 패턴인식은 단순히 사람이 매순간 순간 하고있는, 자연의 시그널을 인지하는 행위라고 보면 간단합니다. 마우스를 보고 마우스라고 인식을 하고, 모니터를 보면 모니터, 커피를 보면 커피로 인식하는것 모두가 패턴인식입니다. 단순히 눈으로 보는 행위 뿐만 아니라 개소리를 듣고 개소리다(월월), 소소리를 듣고 소소리다(음뭬) 등 시각적 신호가 아닌 모든 신호들을 인지하고 그것으로부터 뭔가 의미를 가공해 내는 작업이라 할 수 있습니다.
Q. 그렇다면 바둑이랑 패턴인식이랑 뭔상관인가?
이창호의 형세판단
바로 형세를 판단하는데 사용된것입니다.
형세란 상황을 뜻하고 상황을 파악한다는 것은 현재 바둑판 위에 놓인 돌들을 보고 지금 내가 어떤 위기에 처해있는가? 공격해야 하는가? 수비해야 하는가? 등 추상적 부분을 판단한다는 뜻이 됩니다. 마치 우리가 마우스를 요리조리 돌려놓아도 "마우스" 라는 추상적인 개념으로 제대로 인지하는 것과 아주 흡사한 일이죠.
Q. 형세를 파악할수 있다는것은 어떤점에서 유리한가?
기존의 방식이라면 19x19의 바둑판 교차점들 위에 (10,10) 위에 두는것과 (10,11)에 두는것과는 완전히 다른것이고 이를 별개의 케이스로 놓고 다 계산해야 했지만 큰 형세로 봤을때 둘은 별 차이가 없을수도 있는것이죠. 관련있는 것들끼리 묶고 형세를 파악 후 어떤 수가 가장 효과적인가를 판단해주는것을 딥러닝이 하도록 되어있습니다.
실제로는 패턴(형세)를 인식 및 판단하고 다음 전략을 세우는것 까지 강화학습에 대한 이야기도 해야하는데 그것은 다음에 기회가 있으면 한번 써보겠습니다.
일단 이 시리즈의 목적은 딥러닝 기초이자 핵심을 알아보는것이니 패턴을 인식하는법에 대해 조금더 구체적으로 풀어서 설명드리겠습니다. 이 시리즈를 정독 하시면 어디가서 딥러닝이 뭔지 이야기 할 수 있으실겁니다^^
도움이 되신다면 팔로우, 업봇 부탁드립니다!