게임에서 생물학, 그리고 그 너머까지: 알파고가 남긴 10년의 영향

From games to biology and beyond: 10 years of AlphaGo’s impact

데미스 허사비스

2026년 3월 10일

10년 전, 우리의 AI 시스템 알파고(AlphaGo) 는 복잡한 게임인 바둑에서 처음으로 세계 챔피언을 꺾은 프로그램이 되었습니다. 이는 많은 전문가들이 예상했던 시점보다 10년이나 앞서 달성된, 인공지능 분야의 중대한 이정표였습니다.

이 성취는 오늘날 현대 인공지능 시대의 시작으로 널리 인식되는 흐름의 서막을 열었습니다. 단 한 번의 창의적인 수, 유명한 ‘37수(Move 37)’ 와 함께 알파고는 AI의 잠재력을 입증했고, 이제 우리는 현실 세계의 과학 문제들에 본격적으로 도전할 수 있는 기술을 갖추게 되었음을 보여주었습니다.

오늘날 이 돌파구는 인공일반지능(AGI)으로 향하는 길 위에서 시스템을 구축하는 우리의 작업 전반에 계속해서 영향을 주고 있습니다. 우리는 AGI가 지금까지 발명된 기술 가운데 가장 심오한 기술이자, 과학·의학·생산성을 발전시키는 데 있어 궁극의 도구가 될 잠재력을 지닌다고 믿습니다.

🔥 창의성의 불꽃

2016년, 2억 명이 넘는 사람들이 서울에서 알파고가 세계 챔피언 바둑 기사 이세돌과 대결하는 모습을 지켜보았습니다. 이 대국은 2국에서 나온 ‘37수’ 로 상징됩니다. 이 수는 너무도 파격적이어서 프로 해설자들조차 처음에는 실수라고 생각했습니다. 그러나 그 수는 결국 결정적인 역할을 했습니다. 약 100수쯤이 더 진행된 뒤, 그 돌은 정확히 있어야 할 자리에 놓여 있었고, 그 결과 알파고는 승리했습니다. 이것은 놀라운 선견지명과 함께, AI 시스템이 단지 인간 고수들을 모방하는 데서 그치지 않고 전혀 새로운 전략을 찾아낼 수 있음을 보여준 장면이었습니다.

YouTube에서 알파고 다큐멘터리 보기

바둑은 그 엄청난 복잡성 때문에 오랫동안 AI 연구의 시험대로 여겨져 왔습니다. 바둑판 위의 가능한 형세 수는 10^170 에 달하는데, 이는 관측 가능한 우주에 존재하는 원자의 수보다도 훨씬 많습니다.

이 문제를 계산 가능하게 만들기 위해 알파고는 딥 뉴럴 네트워크에 고급 탐색(search) 과 강화학습(reinforcement learning) 을 결합했습니다. 이는 딥마인드가 선구적으로 개척한 AI 접근법이었습니다.

알파고는 먼저 인간 전문가들이 둔 기보를 학습함으로써 그럴듯한 바둑 수에 대한 모델을 익혔고, 이후 스스로 수십만 판의 대국을 두면서 가장 강력한 승리 전략이 강화되도록 하며 실력을 키워 나갔습니다. 그런 다음 시스템은 가장 유망한 경로들만 선별해 검토했고, 그렇게 좁혀진 수들의 집합 안에서 결국 승리로 이어질 가능성이 가장 높은 수를 찾아냈습니다.