"게임 AI는 정해진 적"이라는 인상을 검증한다. "게임 속 AI는 어떻게 똑똑해지나"를 한 질문으로 따라가, 규칙형 NPC와 학습형(강화학습)을 가르고, 게임이 AI의 '훈련장'임을 논증한다.
"게임 AI는 정해진 적"이라는 인상을 6단계로 검증한다. 윗줄은 "게임 AI는 어떻게 똑똑해지나"를 논증하고, 아랫줄은 게임이 왜 '훈련장'이고 현실로 확장되는지로 잇는다(C15 연결).
게임 속 적(NPC)이 늘 비슷하게 움직이고 패턴을 외우면 이길 수 있어서, 게임 AI를 '정해진 행동만 하는 단순한 기계'로 여기기 쉽다. 그런데 알파고는 인간 최고수가 "이런 수는 처음 본다"고 할 만큼 창의적인 수를 뒀다. 같은 '게임 AI'라는 말 아래 전혀 다른 두 기술이 있다는 신호다.
알파고는 인간이 수천 년 두지 않던 수(유명한 '37수')를 뒀고, 결국 이겼다. '정해진 행동'으론 설명 안 된다. 스스로 새 전략을 발견하는 AI가 등장한 것이다.
게임 AI는 근본이 다른 두 종류다. 규칙형 NPC는 사람이 짠 '행동 규칙(이러면 저렇게)'대로 움직여 게임을 재밌게 만들고, 학습형은 강화학습(C2)으로 수많은 시행착오를 거쳐 스스로 전략을 익혀 사람을 능가한다. 게임 속 대부분의 적은 규칙형, 알파고·게임 정복 AI는 학습형이다.
사람이 짠 행동 트리대로 — "가까우면 공격, 멀면 추격". 재미·연출이 목적. 예측 가능(A2 규칙기반).
이기면 +점, 지면 -점으로 수억 판 연습하며 스스로 전략 발견. 사람을 넘는다(알파고). 강화학습(C2).
학습형 게임 AI의 비결은 강화학습(C2)이다. 정답을 일일이 알려주는 게 아니라, '이기면 +점, 지면 -점'이라는 점수만 주고 수억 판을 스스로 두게 한다. AI는 점수를 높이는 행동을 시행착오로 찾아내며, 결국 사람이 가르친 적 없는 전략까지 발견한다. 알파고의 다음 버전은 아예 사람 기보 없이 혼자 두며(자기 대국) 더 강해졌다.
학습형 게임 AI는 한 게임에선 초인간적이지만 '그 게임에서만' 강하다. 바둑 AI는 장기를 못 두고, 환경이 조금만 바뀌어도 무력해진다(일반화의 한계). 또 막대한 연습량(전기·시간)이 들고, 점수만 좇다 보니 예상 밖의 꼼수로 점수를 따는 '보상 해킹'이 생기기도 한다 — 사람이 의도한 방식이 아닌 방향으로.
이건 C3에서 본 '이해 없는 패턴'과 같다 — AI는 게임을 '이해'하는 게 아니라 점수를 높이는 패턴을 찾을 뿐이다. 그래서 틀을 벗어나면 무너진다.
"게임은 현실과 다르니 의미 없다"는 생각은 게임이 왜 연구되는지를 놓친 것이다. 게임은 규칙이 명확하고, 점수가 분명하고, 실패해도 안전해서 강화학습을 갈고닦는 완벽한 훈련장이다. 거기서 익힌 '시행착오로 전략을 찾는' 능력은 현실의 로봇·자율주행·신약·물류 최적화로 확장된다. 게임은 목적지가 아니라 출발점이다.
알파고를 만든 팀은 같은 기술로 단백질 구조 예측(알파폴드)이라는 과학 난제를 풀었다. 게임에서 익힌 AI가 신약·재료·에너지 문제로 번졌다.
게임 AI를 정확히 보면 — 규칙형 NPC(재미)와 학습형(강화학습으로 초인간)으로 나뉘고, 학습형의 진짜 가치는 게임을 발판으로 현실 문제를 푸는 데 있다. 단, '한 게임의 신'이 '만능 지능'은 아니라는 걸 기억해야 한다 — 좁고 강한 능력이다. 그리고 다음 장(C15)에서 이 강화학습이 로봇·자율주행이라는 현실로 나간다.
| 오해 | 정확한 이해 |
|---|---|
| "게임 AI = 정해진 적" | 규칙형 + 강화학습 학습형 |
| "한 게임 신 = 만능" | 좁고 강함 — 일반화는 약함 |
| "게임은 무의미" | 현실로 가는 훈련장(알파폴드 등) |
게임이 훈련장이라는 게 추상이 아님을, 실제 확장 사례로 보자. 게임에서 다듬은 '시행착오로 전략을 찾는' 강화학습이 현실의 측정 가능하고 복잡한 문제들로 옮겨갔다.
단백질 구조 예측(알파폴드) — 신약·생명과학 난제 돌파
로봇 움직임·자율주행·드론 — 시행착오로 제어 학습(C15)
데이터센터 전력 절감·물류·반도체 설계 등
게임이 강화학습의 완벽한 훈련장인 건 세 조건 때문이다 — 규칙과 점수가 명확하고(무엇이 잘함인지 분명), 실패해도 안전하며(현실과 달리 사고가 없음), 무한히 빠르게 반복할 수 있다(수억 판). 현실은 이 셋이 모두 어렵다 — 그래서 게임에서 먼저 익히고 현실로 옮긴다.
규칙·승패가 또렷 → '잘함'을 점수로 정의 가능
져도 다칠 일 없음 → 마음껏 실험
빠르게 수억 판 → 경험을 대량으로
게임 AI가 주는 가장 중요한 교훈은 '좁고 강함'과 '넓고 똑똑함'을 구분하는 눈이다. 알파고가 바둑의 신이라고 AI가 '모든 걸 다 아는 존재'가 된 건 아니다. AI는 대개 특정 문제에서 초인간, 그 밖에선 무력하다. 이 구분이 AI 소식을 과장 없이 읽는 핵심이고, 'AGI'(E·미래) 논의로도 이어진다.
한 문제(바둑·단백질)에서 사람을 능가. 그러나 그 밖에선 무력. 오늘날 AI의 모습.
여러 문제를 두루 해내는 일반 지능(AGI). 게임 정복은 이걸 뜻하지 않는다.
이 장은 "게임 AI는 어떻게 똑똑해지나"라는 한 질문을 따라간 추론이었다. 출발은 "정해진 적"이라는 통념, 도착은 "강화학습의 훈련장이자 현실로의 발판"이라는 결론이었다.