Deep Blue가 체스 세계를 놀라게 한 지 거의 30년이 지났지만 연구자들은 여전히 믿을 수 없을 정도로 간단한 질문에 답하려고 노력하고 있습니다. AI가 체스를 그토록 잘하게 만드는 것은 정확히 무엇일까요? 11월 15일 Scientific American이 강조한 APS Open Science의 최근 논문은 측정 가능한 단서를 제공하며 이는 저자가 "전략적 긴장"이라고 부르는 속성으로 귀결됩니다.
체스 엔진은 오랫동안 인간을 능가하여 트리 검색을 통해 수많은 후보 수를 무차별 대입하여 계산할 수 있었습니다. Stockfish 및 Leela Layers와 같은 최신 신경망 엔진은 훈련된 네트워크를 사용하여 검색을 안내하며 이들의 플레이는 더욱 강력해졌습니다. 새로운 연구가 추가한 것은 누가 이겼는가뿐만 아니라 게임이 전개될 때 보드 자체가 어떻게 보이는가에 있어서 그들의 플레이가 우리와 어떻게 다른지에 대한 통계적 초상화입니다. AI 연구 뉴스를 따르는 독자들에게 이 연구는 체스와 같은 '해결된 느낌' 영역조차도 기계가 실제로 어떻게 생각하는지에 대해 여전히 열린 질문을 던지고 있음을 상기시켜 줍니다.
보드의 장력 측정
이 연구는 수석 저자인 Vito D. P. Servedio와 함께 비엔나의 Complexity Science Hub의 물리학자들이 주도했습니다. 팀은 온라인 데이터베이스에서 인간 대 인간 게임과 Stockfish 대 Leela 게임을 모두 수집한 다음 모든 위치에서 전략적 긴장이라고 부르는 양, 즉 본질적으로 반대 부분 간에 가능한 상호 상호 작용의 수를 측정했습니다. 긴장감이 높은 위치는 많은 조각이 서로 맞붙는 위치입니다. 단 한 번의 움직임으로 풀 수 있는 잠재적인 포획, 위협 및 반격이 풍부합니다.
긴장은 물리학자들이 도달할 수 있는 자연스러운 양입니다. 이는 특정 위치에 얼마나 많은 복잡성이 잠재되어 있는지, 즉 두 플레이어 중 한 명이 보드를 가장자리 위로 밀어 일련의 교환으로 이어질 경우 게임 상태가 얼마나 변할 것인지를 단일 숫자로 포착합니다.
인간은 단순화합니다. 엔진은 보드를 엣지있게 유지합니다
핵심 발견은 긴장이 어떻게 진화하는지에 대한 차이입니다. 인간 게임에서는 실제로 처음 20개 동작 동안 평균 장력이 AI 게임보다 더 높았습니다. 이 단계에서는 사람들이 기억된 오프닝과 잘 훈련된 전술에 의지하여 복잡성으로 인해 결국 상대방이 미끄러지기를 바라게 됩니다.
그러나 그 이후에는 선이 교차합니다. 인간의 긴장감은 게임 중반까지 높게 유지되는 AI 게임보다 낮아집니다. 연구원의 해석: 위치가 낯설어짐에 따라 인간 플레이어는 단순화하고 조각을 교환하며 더 차분한 구조로 방향을 잡습니다. 왜냐하면 그들은 동시에 많은 상호 작용 조각과 여러 옵션의 전체 복잡성을 염두에 둘 수 없기 때문입니다. 엔진은 그런 제약을 느끼지 않습니다. 그들은 대부분의 인간 플레이어가 탐색하기가 참을 수 없는 상호 위협이 밀집된 위치를 유지하며, 연구에 따르면 정확하게 이러한 위치는 인간의 정확성이 저하되는 곳입니다.
기술, 시간 제어 및 검색 깊이
데이터는 또한 긴장이 인간과 기계 모두의 능력과 심의를 추적한다는 것을 보여주었습니다. 높은 등급의 인간 플레이어는 낮은 등급의 플레이어보다 게임 전반에 걸쳐 더 큰 긴장감을 유지했습니다. 사고 시간이 더 많은 게임은 클래식 체스에서 가장 높고, 빠른 체스에서 가장 낮으며, 공세에서 가장 낮은 긴장감을 더 많이 나타냈는데, 이는 복잡성을 유지하는 것이 인지적 노력에 많은 비용이 든다는 생각과 일치합니다. 그리고 기계 측면에서 팀은 Stockfish가 가능한 연속 트리를 더 깊게 검색할 때 긴장이 증가하는 것을 관찰했습니다.
저자는 인과관계에 대해 조심스럽다. 긴장이 높을수록 인간과 AI 모두의 능력이 향상되지만 연구에서는 긴장이 그러한 능력을 생성하거나 그로부터 나온다는 사실을 보여주지 않았습니다. 아직까지 입증된 메커니즘은 아니지만 강력한 플레이의 지문입니다.
"마법을 부리는 것 같아요"
연구원들의 야심은 체스 미학의 특성을 파악하는 것 이상입니다. Servedio는 Scientific American에 "아마도 우리 논문이 이러한 기계가 수행하는 작업을 이해하는 데 가장 가깝습니다"라고 말했습니다. "그렇지 않으면 마술을 부리는 것 같군요."
엔진 플레이를 감탄해야 할 블랙박스가 아니라 측정해야 할 물리적 시스템으로 간주하는 이러한 프레임은 이 작업이 이전의 기계 체스 분석과 구별되는 점입니다. 팀은 엔진의 움직임이 가장 좋은지 묻는 대신 엔진 작동의 종합적인 통계가 기계가 수행하는 검색 및 평가의 종류에 대해 무엇을 나타내는지 묻습니다.
체스판 너머의 경고
Servedio는 또한 64개 사각형에서 멀리 떨어진 도메인에 대해 불안한 의미를 나타냈습니다. AI 시스템이 높은 긴장을 유지하여 복잡하고 적대적인 환경에서 더 나은 결과를 얻을 수 있다면(많은 변덕스러운 상호작용을 동시에 유지함으로써) 외교와 같은 것에 AI 시스템을 배치하는 것은 인간이 관리하기 어려울 정도로 취약하다고 생각하는 기계에 최적화된 전략을 의미할 수 있습니다. "긴장이 높으면 시스템이 매우 불안정하기 때문에 이는 매우 위험합니다."라고 그는 말했습니다. "그래서 한쪽의 작은 실수가 재앙을 초래할 것입니다."
이러한 비유는 추측에 불과하며 저자는 외교적 역학 관계를 측정했다고 주장하지 않습니다. 그러나 이는 AI 배포에 있어 (조직적 종류의) 진정한 긴장감을 지적합니다. 엔진이 그랜드마스터를 능가하게 하는 동일한 속성, 즉 지속적인 복잡성에 대한 편안함은 엔진의 전략을 안정적으로 유지할 수 없는 인간 기관에서 채택하는 것을 위험하게 만드는 속성일 수 있습니다.
연구에서 보여주지 않는 것
한계는 분명하게 언급할 가치가 있습니다. 이 연구는 긴장과 연주 강도 사이의 상관관계를 확립한 것이지, 둘을 연결하는 인과적 메커니즘을 확립한 것이 아닙니다. 특정 엔진 쌍을 온라인 데이터베이스의 특정 인간 게임 인구와 비교하며, 개별적인 움직임과 완벽한 정보를 갖춘 체스는 이러한 종류의 분석을 위한 최상의 사례 설정으로 남아 있습니다. "전략적 긴장"을 더 복잡한 영역으로 확장하는 것은 결과가 아니라 가설입니다.
그럼에도 불구하고 이 논문은 체스 AI 문헌에 부족한 점을 추가합니다. 즉, 인간과 기계가 게임 과정에서 복잡성을 관리하는 방법을 명확하게 구분하는 간단하고 계산 가능한 통계입니다. 체스는 오랫동안 인간과 기계 모두의 인지를 연구하는 모델 시스템의 역할을 해 왔으며, 1997년 Deep Blue가 Garry Kasparov를 상대로 승리를 거둔 것은 기계가 인간의 계산 게임에서 인간보다 생각할 수 있다는 것을 처음으로 입증한 순간이었습니다. 거의 30년이 지나면서 질문은 기계가 승리할 수 있는지 여부에서 승리하는 이유, 그리고 점점 더 기계의 승리 방식이 현재 실제 결정을 내리는 시스템에 대해 우리에게 무엇을 가르쳐줄 수 있는지로 옮겨졌습니다.
---
AI보다 앞서 나가세요최신 AI 뉴스, 분석, 획기적인 소식을 모두 한 곳에서 받아보세요.
AI 뉴스 자세히 보기 →
