복잡하기로 정평이 난 두 분야가 2016년 초 한국을 강타했다.

하나는 고대 동양에서 발원한 게임이었고, 하나는 서양의 최첨단 과학기술이었다.

알파고가 이세돌 9단을 이기자 각종 미디어는 바둑과 인공지능이 만나는 시대적 격변을 해설하고 평론할 권위자가 필요해졌다. 하지만 바둑과 인공지능에 모두에 전문적 식견을 가진 사람은 많을 리 없었다. 바둑으로 진입하는 길에는 엄청나게 거대한 장벽이 서 있다(바둑 애호가들은 이 사실을 깜박 잊고 누구에게나 친숙한 것이라고 착각해버릴 수 있다). 바둑에 입문하고서 조예가 깊어지기까지는 오랜 세월이 걸린다. 인공지능 또한 공학도들이 난해하게 여기는 분야다.

인공지능을 전공한 사람을 찾았다고 적절한 권위자를 찾는 일이 해결되는 게 아니다. 인공지능은 상위개념이다. 하위 분야가 넓게 펼쳐진다. 인공지능의 한 분야가 학습(Machine Learning:기계학습)인데, 그중에서도 인공신경망(Artificial Neural Network)을 알파고가 사용한다. 그 학습기법 중 하나가 딥러닝(Deep Learning)이다. ‘인공신경망을 연구한 바둑인’이라면 알파고의 정체를 분석해 주기에 적절한 인물일 터였다.

물론 간접적으로 관련있는 분야의 전문가들도 어느 정도 설명해줄 수는 있었다. 빅데이터나 자연어처리 전문가가 등장해 도움말을 주곤 했다. 하지만 인공신경망을 다룬 사람이라면 금상첨화였겠다 싶었다. 이런 귄위있는 전문가를 한국에서 찾기 어려운 것이 한국이 인공지능 연구에서 후발주자이기 때문은 아닐까 싶기도 했다. 한국은 인공지능 연구에서 세계수준과 견주어 4~5년 정도 뒤처져 있다는 게 그 당시의 평가였다.

한국에도 권위있는 전문가가 있다는 사실을 발견한 건 알파고 열풍이 끝나고 시간이 한참 지난 뒤였다. 고등과학원의 이주영(60) 교수였다.







고등과학원은 우리나라 최초의 순수이론기초과학연구기관(과학기술 정보통신부 산하)이다. 이주영 교수는 단백질 구조 예측 분야의 세계적인 권위자다. 이 연구를 위해 오래 전부터 인공신경망을 비롯한 여러 기계학습방법을 사용해 왔다. 단백질 구조예측엔 복합적인 지식이 필요한데 기계학습을 적용하면 더 잘 할 수 있기 때문이다.

이주영 교수는 2016년 4월, 딥마인드의 첫 알파고논문을 50번 이상 읽고 이해한 뒤 그 내용을 풀어 대중에 전했고 (☞클릭!) 나중엔 바둑 인공지능 ‘바둑이(BADUKi)’를 개발했다. 꾸준히 성장한 바둑이는 마침내 2019년 4월 중국 푸저우에서 열린 보소프트컵(Bossoft·博思杯) 세계 AI 바둑대회에서 준우승하는 쾌거를 이뤘다(우승작(作)은 중국의 골락시(Golaxy·星陣).

“알파고가 모습을 드러낸 2016년엔 알파고에 대한 오해도 많았다. 알파고의 지도학습에 사용한 16만 장의 기보가 프로기사의 기보였다고 일부에 알려졌지만 사실이 아니다. KGS서버의 아마추어 6단~9단의 기보를 사용했고 공식적으로 프로기사의 기보는 하나도 들어가 있지 않았다. 또 그 중 3분의 1은 접바둑이었다. 지도학습엔 많은 기보 즉 빅데이터가 필요했지만 그것을 구하는 것은 쉽지 않았고 그래서 손쉽게 구할 수 있는 KGS서버의 아마추어 기보를 사용한 것이었다.

또 어떤 사람들은 이세돌 9단에게 제한시간을 더 많이 주었다면 승부가 이세돌 9단에게 유리했을 것이라고 한다. 정반대다. 나중에 더 발전한 버전인 '알파고 마스터'가 정체를 숨기고 온라인 바둑서버에 나타나서 프로기사와 대국하며 60전 전승을 거둘 때 30초 초읽기라는 짧은 시간으로 진행했다.

판후이 프로가 초창기 버전의 알파고와 벌인 정식대국에서 0 대 5로 졌다는 사실이 잘 알려져 있지만 공개되지 않았던 나머지 5판의 ‘속기대국’에선 판후이가 2판을 이겼다는 사실을 모르는 사람이 꽤 많다. 시간을 주면 줄수록 AI는 강해지고 사람이 이길 가능성은 더 줄어든다. 알파고 관련 논문만 읽어봐도 충분히 알 수 있다. 알파고 논문을 제대로 읽은 사람들은 이세돌 9단이 알파고를 이기는 일이 생각보다 쉽지 않다는 것을 알게 되었을 것이지만 의외로 알파고 논문을 제대로 읽은 사람은 많지 않았다.”고 이주영 교수는 말했다.


※대진표 상하좌우 이동하며 볼수 있습니다.
▲ 알파고와 관련한 구글 딥마인드 첫 논문 내용 중 백프로퍼게이션(Backpropagation:역전파)의 개념이 어렵다고 기자가 말하자 한국형 바둑인공지능 '바둑이'의 제작자 이주영 교수가 알파고(2016년 버전)의 수읽기 원리를 알기 쉽게 설명해주고 있다.

'알파고의 첫 논문에는 과학적으로 새로운 게 하나도 없었다. 기존의 기술을 기막히게 엔지니어링 한 것이었다. 그 이뤄낸 성과가 대단했다. 강화학습·딥러닝의 개념은 기존에 있던 것들이었다.'
(이주영 교수)

그러나 이후 알파고의 업그레이드 버전인 '알파고제로(AlphaGo Zero)의 등장은 이주영 교수의 연구 방향을 바꿔 놓았다. 알파고제로는 이주영 교수가 해오던 연구와 관련이 있었던 것이다.

“2017년 10월엔 알파고제로에 관한 논문이 발표되었다. 우리나라엔 새벽에 보도되었다. 딥마인드 홈페이지엔 일반인들도 쉽게 알 수 있도록 알파고제로의 원리를 소개하고 있었는데 이 홈페이지 마지막 문장 (☞클릭!) 에서 놀라고 말았다. 거기엔 딥마인드가 알파고제로 방식이 인류의 난제를 푸는 일에 도움되기를 바란다고 써 있었고 그 예로는 신약개발도 있었다. 단백질 접힘(Protein folding)이나 물질디자인(Matarial Design)을 언급하고 있었다. 단백질접힘이나 머터리얼디자인은 내가 30년 간 해오던 연구였던 것이다. 딥마인드가 하는 일을 더 잘 알아봐야겠다 싶었다.”

알파고제로가 이주영 교수의 심장을 뜨겁게 했다.

“알파고제로는 도메인 날리지(Domain Knowledge; 전문가(이를테면 프로기사)의 지식)를 전혀 사용하지 않고도 문제를 풀 수 있다는 점을 알려주었다. 도메인날리지 없이 했다는 것은 바둑에 대한 전문지식 (즉 단수, 장문, 포석, 수상전, 패, 축 등등) 을 전혀 가르쳐 주지 않은 채 바둑의 규칙(어떤 자리는 착점이 불가능하다는 사실, 팻감을 써야만 패를 다시 따낼 수 있다는 사실…)만을 가르쳐 주고서 바둑에서 인간이 가보지 못한 높은 경지에 도달했다는 것을 뜻한다.

알파고제로는 학습을 시작한 지 6시간이 지나면서 첫수를 귀에 두기 시작했고 단수하여 잡는 개념을 잡아나갔다. 72시간이 경과했을 땐 이세돌 9단과 대국했던 알파고버전 ‘알파고리(AlphaGo Lee)’에게 100전 100승 했다.





마침 '인공지능 및 빅데이터'가 한국연구재단(NRF) 전략 과제 중에 있었다. 제안서를 냈는데 채택이 되어서 2017년 12월에 연구비를 받을 수 있었다. 2022년까지 5년간 연구비를 받을 수 있게 되었다. 마침 그달에 일본에서 열린 UEC(일본 주최 세계 AI 대회)를 참관한 뒤에 바로 바둑이를 만들기 시작했다.

2018년 2월부터는 연구비로 GPU를 좀 사서 기보 없이 규칙 만으로 자가대국을 하는 ‘제로’ 형식의 훈련을 시작했다. 하루 1000대국 정도했다. 알파고제로가 첫 훈련에서 사흘 만에 500만 대국을 했고 다시 큰 스케일로 40일 동안 3000만 대국을 한 것에 비하자면 훨씬 작은 규모였다(구글은 인공지능을 훈련할 수 있는 전용 그래픽처리장치를 수천대 보유하고 있다).

다른 난점도 있었다. 개발하는 데 95%는 알파고 논문을 참고할 수 있었지만 5% 정도는 써 있지 않아서 상상하여 처리해야 했다. 승패처리도 문제였다. 자가대국을 하고 나면 흑이 이겼는지 백이 이겼는지 대국의 결과를 알아야 한다. 대부분은 불계승으로 끝나니까 쉽게 알 수 있지만 집수를 세어야 할 때는 여러 가지 이유로 까다롭다. 반상의 상태를 파악해 대국이 완료됐다는 것을 컴퓨터가 판정하고 승패를 결정하는 것이 아직 수학적으로 완벽하게 해결되지 않았던 것이다. 구글 딥마인드나 페이스북이 어떻게 이 문제를 해결했는지 모르겠다. 아마도 승패가 잘못 체크된 게 많았을 것이다. 워낙 훈련한 판수가 많았을 테니 크게 문제가 없었을 수도 있다. 우리 바둑이팀은 많은 노력으로 승패체크의 정확도를 상당히 높였다.”

지금 시대는 바둑 인공지능이 그 나라 인공지능의 기초연구 정도를 재는 척도가 되고 있다. 때문에 각국의 바둑 인공지능 경쟁은 치열해지고 있다. 미국 구글은 미니고(MiniGo)를, 페이스북은 엘프오픈고(ElfOpenGo)를 제작했다. 벨기에는 릴라제로(LeelaZero)를, 중국은 줴이(絶藝·FineArt)와 골락시를 만들어 강한 실력으로 각광 받는다. 일본은 은퇴한 딥젠고(DeepZenGo)를 이어 AQZ를 개발하고 있다. 이 경쟁의 한가운데 바둑이가 있다.

지난 4월 바둑이가 인공지능 세계대회에서 준우승을 할 수 있었던 데에는 SK, 카이스트, 고등과학원의 공로가 컸다.

“SK가 카이스트에 엔비디아社의 고성능 그래픽처리장치(GPU)를 지원해 줬고, 다시 카이스트는 고등과학원의 우리 팀이 사용할 수 있게 해주었다. 작년 중반까지는 평범한 GPU 20개를 가지고 바둑이를 훈련시키고 있었는데, 10월부터 6개월 동안은 카이스트의 고성능 GPU 80개와 고등과학원이 구매한 GPU 40개를 사용해 자가대국 수를 하루에 1000~2000판에서 5만판으로 늘릴 수 있었다. 이런 파격적인 훈련량 증가가 좋은 성적으로 이어졌다.

또 바둑이는 조합최적화(Combinatorial Optimization)를 사용하는데 이것이 다른 인공지능과 차별적인 특성이다. 조합최적화는 예를 들면 신문배달할 때 여러 가지 경로 중 최단시간, 최단거리를 찾는 문제다. 우리 팀은 전 세계 조합최적화 분야에서 선두를 달려왔다고 자부한다. 최적화를 잘할 수 있는 연구실이기에 기보를 사용하여 목적함수를 최적화하는 바둑엔진을 만드는 데 앞장설 수 있을 것이라고 생각했다.'고 이주영 교수는 말했다.

8월 21일엔 중국 르자오시에서 제3회 중신증권배 인공지능바둑대회가 열린다. 이번 대회엔 이주영 교수의 개인적 사정으로 바둑이는 출전하지 않는다.

“골락시는 현존 최강이라 일컫는 줴이를 비공식전에서 6승 2패로 이긴 것으로 알려졌다. 골락시는 칭화대와 협업하는 중소기업이 제작했는데 생각보다 많지 않은 하드웨어 100여 대를 사용하면서도 뛰어난 실력을 자랑한다. 일본은 AQZ라는 새로운 강자를 출현시키고자 박차를 가하고 있다. ABCI라고 하는 일본에서 가장 큰 GPU클러스터머신에서 4000개 이상의 GPU를 사용한다. 경영대학원인 글로비스가 제공하는 것이다. 기존에 활동하던 일본 인공지능 AQ와 Rainz가 결합했고 트리플라이즈라는 AI관련 중소기업까지 3개 주체가 일본기원의 후원하에 손을 잡아서 우승을 목표로 삼았다. 한국은 이번 대회에 NHN의 '한돌'이 처음으로 바둑대회에 돌바람과 함께 등장한다. 전통의 강자 절예와 대만의 CGI도 참가한다. 어떤 결과가 나올지 기대된다.”



바둑이는 오는 9월 6일 프로기사들과 공개대국/해설 행사를 벌일 예정이다. 프로기사가 선번에 덤을 8집반을 받는 형식으로 (2점 접바둑과 비슷한 정도로 약 15집의 차이) 치른다. 이후엔 올 겨울쯤 또 다른 세계 AI대회 출전을 목표로 하여 훈련할 계획이다.

'쉽지는 않겠지만 최선을 다해서 한국 인공지능의 우수성을 세계만방에 알리고 싶다. 바둑은 좋은 테스트베드다. 조합최적화 등의 아이디어가 인공지능 연구에 제대로 작동하는지 확인하면 본디 목표이던 신약개발 등의 연구를 지속할 수 있을 것 같다.”고 이주영 교수는 포부를 밝혔다.