딥러닝의 역사: 알파고[AlphaGo] | AI숏츠

 

IBM의 슈퍼컴퓨터 딥 블루와 겨루고 있는 체스 챔피언

 

바둑은 체스보다 훨씬 더 경우의 수가 많고 복잡한 게임으로 오랫동안 인공지능이 도전하기 어려운 영역으로 여겨져 왔다.

체스에서는 이미 1997년 IBM의 딥블루[Deep Blue]가 인간 챔피언을 이겼지만

바둑은 ‘인간의 직관이 필요한 영역’으로 남아 있었다.

---

AlphaGo의 등장

 

 

DeepMind가 개발한 AlphaGo는 딥러닝과 강화학습을 결합하여 프로 바둑 기사들을 상대로 역사적인 승리를 거두었다.

• 2015년: 유럽 챔피언 판후이 2단을 5:0으로 이김
• 2016년: 세계 최정상 기사 이세돌 9단과의 대국에서 4:1 승리
• 이 사건은 전 세계적으로 AI의 잠재력을 보여준 상징적인 순간이 되었다.

 

핵심 기술

 

AlphaGo는 단순한 규칙 기반 프로그램이 아니라

딥러닝 + 강화학습 + 몬테카를로 트리 탐색을 융합한 구조를 가지고 있었다.

1. 정책 신경망 [Policy Network]

• 다음에 둘 수 있는 수 중 유망한 후보를 좁혀줌

2.가치 신경망 [Value Network]

• 특정 바둑판 상태가 승리로 이어질 확률을 예측

3. 몬테카를로 트리 탐색 [MCTS]

• 위 두 네트워크를 결합해 더 깊은 수읽기를 가능하게 함

 

이 구조 덕분에 AlphaGo는 인간처럼 직관적인 수를 두면서도 컴퓨터 특유의 철저한 탐색을 병행할 수 있었다.

 

AlphaGo의 의의

• AI 대중화: AlphaGo는 일반 대중에게 딥러닝의 강력함을 각인시킨 사건
• 강화학습의 실용적 성공 사례: 게임이라는 복잡한 환경에서도 강화학습이 성공할 수 있음을 보여줌
• 새로운 연구 방향: 이후 자기 학습[Self-Play] 기반 AI 연구가 활발해짐

 

요약

AlphaGo는 최초의 바둑 AI로
딥러닝과 강화학습을 결합하여서 이세돌 9단을 비롯한 수많은 바둑 기사들을 이겼음