AI의 새로운 도약: 복잡한 전략적 추론을 마스터하다
- •매사추세츠 공과대학교(MIT)의 가브리엘레 파리나 교수가 게임 이론과 최적화를 결합해 AI의 의사결정 능력을 향상시켰다.
- •효율적인 알고리즘을 개발하여 1만 달러 미만의 비용으로 스트라테고와 같은 복잡한 게임에서 AI가 인간을 압도하게 되었다.
- •상대방과의 협상과 허세가 필요한 '불완전 정보' 상황에서의 전략적 AI 구현에 연구의 초점이 맞춰져 있다.
인공지능 기술의 흐름이 단순한 패턴 인식을 넘어 복잡한 전략적 상호작용의 영역으로 이동하고 있다. 가브리엘레 파리나(Gabriele Farina) 매사추세츠 공과대학교 조교수는 게임 이론과 머신러닝을 연결하며 이러한 변화를 주도하고 있다. 그의 연구는 단순한 데이터 처리 시스템에서 벗어나, 타인의 전략적 선택에 결과가 좌우되는 환경에서 최선의 수를 찾아내는 에이전트를 구현하는 데 집중한다.
가브리엘레 파리나 교수는 수학을 통해 기계가 창조주인 인간을 능가할 수 있다는 가능성에 매료되어 이 분야에 입문했다. 이후 그는 메타의 기초 인공지능 연구소에서 연합 형성이나 협상이 필수적인 게임에서 인간 플레이어와 경쟁하는 AI 시스템인 시세로(Cicero) 개발에 기여했다. 이는 AI가 정보를 처리하는 것을 넘어, 실시간으로 인센티브를 파악하고 상대의 기만을 간파할 수 있음을 입증한 사례다.
이 분야의 핵심 과제는 이른바 '불완전 정보' 상황을 제어하는 것이다. 이는 플레이어가 자신의 패를 숨기거나 전략을 비밀로 유지하는 환경을 뜻한다. 포커나 스트라테고 같은 게임에서 AI는 상대의 정보를 완벽하게 알 수 없는 상태에서 위험을 계산하고 결과를 예측해야 한다. 이를 위해 연구진은 어떤 플레이어도 전략을 수정할 동기가 없는 상태인 내쉬 균형을 찾는 데 주력한다.
과거에는 이러한 복잡한 환경에서 균형점을 계산하는 데 막대한 시간과 비용이 소모되었으며, 실행 가능한 해법에 도달하기까지 수년이 걸리기도 했다. 그러나 가브리엘레 파리나 교수는 새로운 최적화 알고리즘을 개발해 이 패러다임을 완전히 뒤집었다. 그는 1만 달러 미만의 비용으로 스트라테고 최상위 플레이어를 꺾는 AI를 훈련함으로써, 다중 에이전트 의사결정의 효율성과 확장성을 동시에 확보했다.
이러한 연구는 광범위한 AI 혁명에 상당한 잠재력을 지닌다. 알고리즘이 대규모 행동 공간에서 전략적으로 추론할 수 있게 됨에 따라 그 활용 범위는 보드 게임을 넘어선다. 이는 이해관계가 다른 주체들이 부분적인 정보만을 공유하는 현실 세계의 역학 시스템을 제어하고 예측하는 데 효과적인 틀을 제공한다.