EPNC(월간 전자부품 뉴스) UPDATED. 2018.11.14 수 13:00

상단여백
HOME 디지털라이프 뉴스레터
이제 게이미피케이션은 사람만의 전유물이 아니다게임으로 학습하는 AI 시대의 등장
신동윤 기자 | 승인 2018.07.10 15:13

[EPNC=신동윤 기자] 사람은 성공보다 실패에서 더 많은 것을 배우고 성장한다고들 한다. 하지만 실제 생활에서 실패라는 것은 커다란 위험 부담을 수반한다. 무수한 실패를 하더라도 아무런 문제가 없는 환경이 있다면 혹시 더 많은 것을 배울 수 있지 않을까라는 생각에서 시작한 것이 바로 게이미피케이션(Gamification)이다.

학습을 마치 게임처럼 만들어 실패를 거듭하면서 성장해 나가는 게이미피케이션은 흥미와 동기 유발을 향상시키기 위한 새로운 학습 방법으로 각광을 받고 있다.

그렇다면 사람이 게임을 통해 학습할 수 있다고 한다면, 인공지능은 어떨까? 이에 대한 해답은 알파고로 유명해진 구글의 자회사 딥마인드가 최근 발표한 논문에서 일부를 유추해 볼 수 있을 것이다.

딥마인드는 AI가 어떻게 비디오 게임의 플레이 방법을 학습할 수 있는지에 대한 방법을 연구하고, 이를 논문으로 발표했다.

물론 인공지능은 사람과 같은 보상이나 성취감을 통한 흥미유발이나 동기 부여는 불가능하겠지만, 수많은 실패를 통해 학습해 나간다는 원칙에는 부합할 수 있을 것이다.

사실 딥마인드 이전에서 게임을 통한 인공지능의 학습은 시도된 바 있다. 딥마인드도 DQN이라는 게임 방법을 학습하는 인공지능 알고리즘을 발표한 바 있으며, 해리슨 킨슬리(Harrison Kinsley)라는 프로그래머도 찰스(Charles)라는 인공지능에게 운전을 가르치기 위해 GTA V(Grand Theft Auto V)라는 게임을 이용했었다. 또한, 이 과정을 트위치(Twitch)를 통해 실시간으로 공개해 주변의 차와 사물, 행인을 구분하고, 신호등과 도로 표지판 등을 인식하는 모습을 보여 많은 관심을 모았었다.

자율주행을 위한 인공지능을 개발할 때, 수많은 실패를 밑거름 삼아 점차 정밀도를 향상시켜야 하는 딥러닝 방식의 학습을 하기에 가장 좋은 공간은 어찌보면 현실세계가 아닌 게임 속과 같은 가상의 공간일 수도 있을 것이다.

게임 통해 문제 해결 능력 학습

딥마인드가 이번에 공개한 인공지능의 교육 방법은 문제에 직면한 AI가 이를 해결할 수 있는 방법을 어떻게 찾을 것인가에 대한 내용을 담고 있다. 일반적으로 인공지능은 새로운 장소를 탐험하거나 갈 길을 찾는 것은 상당히 빠르다. 하지만 달성해야 할 목표가 거의 없는 환경에서 AI에 보상을 하는 것은 쉽지 않은 일이다. 예를 들면 딥마인드의 알파고는 바둑에서 이긴다는 구체적인 목적에 맞춰 설계됐다.

하지만 피트폴(Pitfall)이나 몬테주마의 복수(Montezuma’s Revenge)와 같은 비디오 게임처럼 탐험이 필요한 게임은 인공지능이 수행해야 할 작업을 결정하기 어렵기 때문이다.

사람은 매순간 의사결정을 하며, 이런 판단이 숨을 쉬는 것만큼이나 자연스럽기 때문에 게임에서 장애물을 만났을 때, 어떤 방향으로 나아가야 할 지 판단하는 것이 상대적으로 어렵지 않다. 하지만 인공지능의 경우 천문학적인 경우의 수를 고려해야 하기 때문에 이런 판단은 쉽지 않은 일이다.

지금까지의 인공지능은 완벽하게 정형화된 정보의 거대한 AI 데이터세트를 통해 해결해 왔다. 하지만 이런 접근 방식은 완벽하게 분류된 데이터세트를 적용할 수 없는 상황에서는 별로 도움이 되지 않는다.

딥마인드의 새로운 방법은 AI가 전체 이미지를 자체적으로 형식을 지정해 데이터를 생성하는 방법을 제시하고 있다. 사람이 피트폴이나 몬테주마의 복수를 플레이하는 영상을 보여주면 플레이어의 성공을 도울 뿐 아니라 이를 모방할 수 있다.

사실 딥마인드가 게임하는 인공지능을 개발하기 시작한 것은 상당히 오래 전으로, 이미 2015년에 아타리 비디오 게임을 하는 DQN(Deep Q-Network)이라는 알고리즘을 발표한 바 있다. 당시 대다수의 게임에서는 전문적인 게임 테스터의 실력과 비슷한 수준의 성능을 보였으나, 몬테주마의 복수와 같은 게임에서는 상당히 형편없는 결과를 보였었다.

게이미피케이션이 인공지능의 중요한 학습 방법 될 수도

닥터 스트레인지가 1400만 605개의 미래 중 유일하게 타노스를 이길 수 있는 길을 찾듯이, 게임 또한 수많은 실패 속에서 문제점을 파악하고 극복해 나가는 과정이다. 처음에는 어이없는 실수도 하고 바로 눈 앞에 있는 해결 방안을 미치 알아차리지 못할 수도 있지만, 점차 쌓여가는 경험과 지식으로 점점 더 쉽게 문제를 해결해 나가고, 결국 최종 목표에 도달할 수 있게 된다.

이는 이제 사람에게만 해당하는 일이 아니다. 인공지능도 게임 속에서 문제 해결 능력, 그리고 지식을 체계화하는 방법을 점점 터득해 나가면서 더욱 스마트해 질 것이다. 게이미피케이션은 더 이상 인간만의 전유물이 아니며, 게임을 통해 인공지능 또한 한 차원 높은 곳으로 발전해 나갈지도 모른다.

#인공지능#게임#게이미피케이션#알파고#딥마인드#구글#AI#딥러닝

신동윤 기자  dyshin@techworld.co.kr

<저작권자 © EP&C News, 무단 전재 및 재배포 금지>

신동윤 기자의 다른기사 보기
icon인기기사
PREV NEXT

여백
여백
여백
여백
여백
icon
여백
여백
여백
신제품
여백
Back to Top