10 years of AlphaGo: The turning point for AI | Thore Graepel & Pushmeet Kohli

https://www.youtube.com/watch?v=qoinGjj60Fo

트랜스크립트: https://www.assemblyai.com/dashboard/playground/transcript/1aa94859-0e31-42d3-b831-06faa903612a?region=us

번역 (비공개) GPT 5.4 vs Opus 4.6 비교

GPT-5.4: https://chatgpt.com/c/69b0a00c-e514-83ab-ac43-1cc66ea875b2

Opus 4.6: https://claude.ai/chat/09e15643-274d-4cfa-9b32-81dfc1a011dd

☯️ 프롤로그: 서울, 그 역사적인 대국

🎙️: Google DeepMind 팟캐스트에 다시 오신 것을 환영합니다. 저는 한나 프라이 교수입니다. 장면을 한번 그려보세요. 2016년 3월, 대한민국 서울의 한 호텔 스위트룸. 두 명의 대국자가 고대의 게임인 바둑을 두고 있습니다. 상상할 수 없을 만큼 복잡한 게임, 기계가 정복하기란 불가능하다고 오랫동안 여겨져 온 그 게임을요. 한쪽에는 전설적인 18회 바둑 세계 챔피언 이세돌이 앉아 있습니다. 맞은편에는 '강화학습'이라는 강력한 기법을 기반으로 구축된 신경망 AI 시스템, AlphaGo가 있습니다.

😲: 아, 정말 놀라운 수입니다.

🧐: 단 한 명의 인간 기사도 37수를 선택하지 않았을 겁니다.

🎙️: 7일에 걸친 치열한 대국 끝에… 이세돌이 바둑판 위에 돌 두 개를 올려놓으며 마지막 불계를 선언했습니다. 그리고 눈 깜짝할 사이에, 세상이 바뀌었습니다.

🧐: 최종 결과는 4대 1. AlphaGo와 팀 전체에 축하를 드립니다.

🎙️: 그로부터 정확히 10년이 흘렀고, AI 분야는 그 이후로 상상할 수 없을 만큼 변화했습니다. 대규모 언어 모델의 부상, AI 에이전트의 점점 더 정교해지는 역량, 단백질 접힘 같은 과학의 난제 해결까지. 하지만 여러 면에서, 현대 AI 혁명은 바로 그곳, 한국의 바둑판 위에서 시작되었다고 해도 과언이 아닙니다. 그래서 이번 에피소드에서는 과거와 미래를 함께 조망해보려 합니다. 기계에게 게임을 가르치겠다는 대담한 실험이 어떻게 오늘날 AI 혁신의 초석이 되었는지를요. 오늘 이 이야기를 들려줄 완벽한 두 분의 게스트가 함께합니다. 토레 그레이펠은 Google DeepMind의 수석 연구 과학자로, 당시 서울 현장에서 AlphaGo 프로젝트의 핵심 설계자였습니다. 그리고 푸시밋 콜리는 Google DeepMind의 과학 연구를 이끌며, 바둑에서 개척된 초기 기법들이 오늘날 어떻게 중요한 문제를 해결하는지 가장 잘 설명해줄 수 있는 분입니다. 두 분 다 환영합니다. 토레, 본인도 상당한 바둑 실력자로 알고 있는데요. 바둑이 왜 AI에게 좋은 도전 과제로 여겨졌는지 설명해주시겠어요?

☯️ 왜 바둑이었나

😄: 네, 바둑은 AI에게 완벽한 도전이었습니다. 규칙은 매우 단순하면서도 전술, 전략, 복잡한 패턴이 어우러진 극도로 복잡한 게임 플레이로 이어지거든요. 체스에서 딥블루가 세계 챔피언을 이긴 이후, 바둑은 열린 도전 과제로 남아 있었어요. 체스보다 수십 자릿수나 더 복잡한 게임이고, 당분간은 아무도 해결하지 못할 거라고 예상했죠. 그러면서도 컴퓨터 과학자들 눈에는 우아하고 단순해 보이니, 도전해볼 만한 완벽한 게임이었습니다.

🎙️: 당분간은 해결 못 할 거란 생각, 그게 정말 핵심이죠? 푸시밋, 당시에는 마이크로소프트에 계셨지만, 이 문제가 얼마나 복잡하다고 여겨졌나요?

🤔: 극도로 복잡하다고 여겨졌죠. 단순히 탐색 공간의 폭, 즉 가능한 수의 수가 많다는 것뿐 아니라, 깊이 때문이기도 합니다. 얼마나 멀리까지 추론해야 하는지, 게임이 얼마나 긴지요. 체스에서는 60~70수 정도를 생각하지만, 바둑은 그보다 훨씬 더 깁니다. 그것이 이 문제의 난이도를 결정짓습니다.