아타리의 비디오게임 솔라리스 핏폴(함정).

https://news.v.daum.net/v/20200403151603540

알파고의 전신인 DQN 2014년 49개중 29개에서 인간 능가
범용적 게임학습능력 갖췄지만 "2개 이상 게임 동시학습 불가"
어린 아이도 갖고 있는 인간의 유연함이 인공지능시대 구별점

딥마인드의 아드리아 바이다 등 연구진은 논문공유 사이트 아카이브(arXiv.org)에 지난달 30일 논문(Agent57: Outperforming the Atari Human Benchmark)을 공개하고 자사가 개발한 인공지능 에이전트57의 성과를 알렸다.

에이전트57은 딥마인드가 2012년 개발해 2015년 2월 <네이처>에 처음 공개한 심화신경망 방식의 강화학습 인공지능 DQN(Deep-Q Network)의 연장선 상에 있는 강화학습 방식의 인공지능이다. 이를 활용해 개발한 바둑인공지능 알파고가 2016년 1월 <네이처>에 공개됐고, 이후 알파스타(스타크래프트용 인공지능), 알파제로 등으로 적용 범위를 확대한 인공지능의 개발로 이어졌다. 딥마인드가 2014년 처음 DQN의 강화학습 모델을 <네이처>에 공개했을 당시, DQN은 아타리 비디오게임 49개 종목을 대상으로 학습을 했다. DQN은 49개 게임 중에서 널리 알려진 벽돌깨기(Breakout)을 포함한 29개 게임에서 사람의 평균기록보다 높은 점수에 도달했다. 이번에 에이전트57은 아타리 비디오게임의 모든 종목을 사람 최고수 수준으로 마스터했지만, 여전히 범용 인공지능은 먼 목표다.


구글이 바둑 알파고에 멈추지 않고 이제 아타리 게임에도 AI학습을 적용해보네요. 사실 실재 세계의 단순화된 모델을 게임으로 생각하면, 실재 세계에 적용하기 전에 자꾸 게임을 학습시켜서 시뮬레이션 돌리는 게 아닌가 싶습니다. 실전에 쓰이면 AI가 택배를 나르거나, 차를 운전하거나, 음성을 알아듣고 번역을 하거나 하는 것이죠.