미라클 모닝을 하는 일잘러들의 참고서 메타가 그리는 미래를 엿본 저의 첫 미라클레터, 메타의 첫 인공지능(AI) 개발자 회의 ‘라마콘 2025’ 소식은 유익하셨는지요.
막상 주제를 선정할 땐 괜찮았던 것 같았는데 돌이켜보니 금요일의 레터치곤 좀 딱딱하고 어려운 주제가 아니었나 싶습니다. 그래서 오늘은 조금 더 가벼운 주제를 가져왔으니 마음 편히 읽어주시면 좋을 것 같아요.
독자님들은 혹시 게임 좋아하시나요?
저는 디지털 네이티브 세대는 아닙니다만, 돌이켜보면 게임은 항상 제 삶의 일부분이었습니다.
찜질방, 노래방 등 한국의 ‘○○방’ 문화의 한 축을 담당한 PC방에서 친구들과 어울려 스타크래프트, 포트리스, 디아블로, 카운터 스트라이크 등 다양한 게임을 즐겼고, 어른이 된 지금은 모바일 게임을 종종 하곤 하거든요.
미라클레터 좋은 아이디어가 떠오르지 않을 때, 업무에서 스트레스를 받을 때, 아니면 짧은 여유시간이 생겼을 때 종종 게임을 켭니다.
물론 학창시절만큼 꾸준히 하는 게임은 없지만, 그래도 게임에 대한 관심은 아직 놓지 않고 있어요.
그런 제 눈에 들어온 기사가 하나 있었는데, 바로 구글의 AI 제미나이가 포켓몬스터라는 게임을 클리어했다는 내용이었습니다.
그런데 알고보니 AI가 게임을 클리어한 것은 단순히 신기한 사건 이상의 의미가 있더라고요.
오늘은 독자님들과 게임과 AI에 얽힌 이야기를 해보려고 합니다.
한주의 마무리 금요일의 레터, 지금 시작합니다.
|
|
|
- ‘포켓몬 블루’ 완주한 제미나이
- 기계도 게임을 할 수 있을까
- 사람을 모방한 AI, 인간을 꺾다
- 생성형 AI의 등장…잘 놀아야 배운다
- 모닝브리핑
|
|
|
※ 볼딕 단어나 밑줄 단어에는, URL이 포함돼 있습니다. 클릭하면 세부 내용이 연결됩니다. |
|
|
제미나이가 포켓몬스터 블루를 클리어한 소식을 접한 순다르 피차이 구글 CEO는 이 소식을 전하며, 구글이 포켓몬 AI 를 개발하고 있다는 깜작 발표(?)를 했습니다. 네 우리가 아는 그 API의 P가 포켓몬이었군요🤣 [X]
‘포켓몬 블루’ 완주한 제미나이
“정말 멋진 마무리네요! 제미나이 2.5 프로가 방금 포켓몬 블루를 클리어했다고 합니다. 제미나이의 도전을 생중계 해주신 분에게도 특히 감사를 전합니다.”
‘포켓몬스터 블루’는 1996년 일본에서 발매된 유명한 고전 비디오 게임입니다. 출시 당시엔 휴대용 게임기인 닌텐도 게임보이 뒷면에 게임 팩을 삽입해 할 수 있었고, 현재는 에뮬레이터를 통해 PC에서도 플레이가 가능해요.
구글 딥마인드의 제미나이가 포켓몬스터를 홀로 마스터했다는 단지 신기한 일을 넘어서는 것이에요. AI가 ‘게임을 한다’는 개념을 새롭게 정의한 것이었으니까요. 여기서 게임 좀 해보신 독자님들은 하나 의문이 생길겁니다.
‘게임을 하다보면 적이나 주인공을 도와주는 NPC(Non Player Character, 비 플레이어 캐릭터)들은 내가 지시하지 않아도 스스로 움직이던데, 이건 AI가 아닌가요?’
쉽게 생각하면 이들도 AI와 유사하긴 합니다. 비록 진정한 의미의 AI라고 할 수는 없지만 말이에요.
|
|
|
디아블로2는 어려운 게임이지만 그렇다고 해서 클리어가 불가능한 것은 아닙니다. 온라인에는 디아블로 속 보스들의 패턴을 파악한 유저들의 수많은 공략법들이 있습니다. [블리자드]
우리가 AI라고 생각했던 게임 속 적이나 동료들은 스크립트에 기반해 특정 조건에서만 작동합니다. RPG 게임인 디아블로 2를 예로 들어볼까요.
주인공이 맞서 싸워야 하는 악마들은 주인공 캐릭터가 가까이 접근하면 공격해옵니다. 하지만, 가령 남은 체력이 30% 이하면 생존하기 위해 주인공으로부터 도망치는 것을 택하죠.
이런 행동은 마치 AI처럼 보이지만 진정한 AI는 아닙니다. 게임 속 캐릭터들은 개발자들이 설정해 놓은 정해진 조건에 따라 반응한 것일 뿐, 스스로 판단하거나 계획하지는 않기 때문이죠.
그렇기 때문에 어려운 게임도 플레이어가 반복해서 도전하다보면 반복된 적의 행동 양상인 ‘패턴’을 찾을 수 있고, 이 반복된 패턴을 찾는다면 아무리 어려운 적도 쉽게 무너뜨릴 수 있습니다.
고정된 경로로 순찰을 도는 경비병의 감시를 피하거나, 왼쪽·오른쪽·위·아래 순서로 공격을 해오는 적의 공격을 막거나 피하는 것은 약간의 눈썰미만 있다면 금방 눈치챌 수 있으니까요.
|
|
|
2차 세계대전 독일군 암호체계 에니그마을 해독해 연합군의 승리를 앞당긴 앨런 튜링은 1951년 기계가 체스를 둘 수 있는 알고리즘을 만들었습니다. [챗GPT]
기계도 게임을 할 수 있을까?
그렇다면 게임에 AI가 등장한 것은 언제부터였을까요. 질문을 좀 달리해서 ‘AI는 언제부터 게임을 하기 시작했던 걸까요?’
게임과 AI가 만난 역사는 컴퓨터의 개발 역사만큼 오래됐어요. 단순한 규칙에 기반한 보드게임부터 복잡한 전략게임, 더 나아가 최근의 생성형 AI에 이르기까지 AI는 플레이어의 맞수에서 플레이어로 그리고 디자이너로 진화하는 중입니다.
독일군 암호체계를 해독해 연합군의 승리를 앞당긴 영국의 수학자이자 컴퓨터 과학자 앨런 튜링은 1951년 기계가 지능을 가질 수 있는지에 의문을 갖게 됐습니다.
해답을 찾기 위해 튜링이 주목했던 건 바로 보드게임 ‘체스’였죠. 체스는 논리와 규칙이 분명했습니다. 1951년 튜링은 기계가 체스를 두는 알고리즘을 직접 설계했고, 논문을 통해 발표합니다. 기계가 가능한 수를 모두 계산한 뒤 상대(플레이어)가 가장 유리한 수를 뒀을 때도 이길 수 있는 수를 선택하는 전략입니다.
튜링의 아이디어는 기계도 게임을 할 수 있다는 가정에서 출발했습니다. 이 시기 컴퓨터는 사람을 대신해 복잡한 계산을 빠르게 잘 할 수 있는 거대한 계산기에 불과했어요. ‘생각’하는 기계와는 거리가 멀었습니다. 주어진 조건, 정해진 규칙이 명확해야만 했죠.
게임은 명확한 규칙과 승패 조건이 있습니다. 체스의 경우 상대방의 킹을 잡으면 승리하죠. 숨겨진 정보가 없습니다.
규격화된 체스판 위에 놓인 기물을 플레이어 모두가 확인할 수 있어요. 그래서 게임을 하는 기계도 조건문에 기반한 접근이 이뤄졌습니다. ‘A라면 B를 선택하고, A가 아니라면 B대신 C를 선택한다’는 식이죠.
이 아이디어는 1972년 아타리가 만든 퐁(Pong)에서 한 층 더 발전된 형태로 구현됐습니다. 체스가 차례를 번갈아 한다면 퐁은 실시간으로 AI가 공을 추적하고 막대기로 공을 받아치게 만들었죠.
1980년대에 등장한 팩맨에서 주인공을 막아서는 유령들은 저마다 다른 행동으로 팩맨을 방해했습니다. 복잡해 보이지만 AI는 여전히 프로그래머가 정해준 룰에 따라 기계적으로 움직일 뿐이었습니다.
|
|
|
네이처 표지논문으로 등장한 알파고는 그야말로 큰 충격이었습니다. 알파고가 어떻게 바둑을 배웠는지, 그리고 프로 기사들을 어떻게 이겼는지가 자세히 담겨있었죠. 논문 마지막에는 대한바둑협회와 이세돌 앞으로 보내는 도전장도 담겨 있었습니다. [네이처]
사람을 모방한 AI, 인간을 꺾다
1990년대 적이자 동료인 반응형 NPC들이 등장하며 AI는 좀 더 사람다운 모습을 갖추게 됩니다. 이 시기 실시간 전략 시뮬레이션(RTS), 1인칭 슈팅 게임(FPS), 시뮬레이션 게임들이 대거 등장한 덕분이었죠.
AI는 이제 공격, 도주, 순찰 등 상황에 맞는 적절한 행동을 선택해야 했습니다. 게임 개발자들은 스크립트와 조건을 조합해 AI가 행동을 결정할 수 있는 기준을 만들어줬어요.
FPS 게임에서 플레이어가 상대해야하는 적 군인들은 평소 순찰 상태지만, 플레이어를 발견하면 공격하고, 부상을 당해 체력이 낮아지면 도주합니다. AI가 상황에 따라 다른 상태가 되므로 상황에 반응하는 것처럼 보이죠.
RTS 게임에선 경로탐색 알고리즘이 적용됐습니다. 최단 거리로 목표지점을 향해 이동하고, 이동시엔 장애물을 회피해 이동 속도를 높입니다. 덕분에 AI가 길을 잃고 헤매는 바보같은 모습이 없어졌죠. AI는 기지를 건설하고 공격하는 타이밍도 조절할 줄 알았습니다.
똑똑해진 AI는 이제 플레이어의 듬직한 동료, 또는 위협적인 적이 됐습니다. 다만 아직 주어진 틀에서만 움직였기에 같은 상황을 몇 번 반복해보면 패턴을 파악하는 것은 어렵지 않았어요. 진정한 의미의 AI는 아니었습니다.
2010년대 들어 컴퓨터 기술의 발전과 함께 AI는 한 번 더 진화합니다. 이제는 인간이 규칙을 알려주지 않아도 AI가 시행착오를 거듭하며 게임을 배우게 된 것입니다. 이는 딥러닝과 강화학습 덕분이었습니다.
2016년 혜성처럼 등장한 알파고는 큰 충격을 안겼습니다. 딥러닝과 강화학습으로 훈련된 AI가 어떤 능력을 보여줄 수 있는지 보여준 사례였죠. 수천만 번의 시뮬레이션을 거쳐 전략을 수립한 구글 딥마인드의 알파고는 인간을 대표한 바둑 기사 이세돌을 가볍게 꺾었습니다.
이 봇은 일반 유저들을 상대로 사흘 간 7257번의 이벤트성 맞대결을 펼쳐 무려 99.4%의 압도적인 승률을 기록했어요. 바둑과 달리 AI가 실시간으로 진행되는 게임에서 쏟아지는 수많은 전장 정보를 바탕으로 상대의 움직임을 예측해 승리를 거둔 것입니다.
AI는 이제 규칙과 목표를 스스로 파악하고 인간을 능가하는 경지에 올라섰습니다.
프로그래머가 일일이 이 상황에서는 이렇게 하라고 입력해주지 않아도 시행착오를 통해 스스로 학습을 해 나갔죠. 하지만, 여전히 학습을 위해선 수치화된 데이터가 필요했습니다.
그리고 생성형 AI가 등장과 함께 이 모든 규칙이 바뀌게 됩니다.
|
|
|
알파고를 만든 딥마인드는 바둑보다 복잡한 스타크래프트에도 도전장을 던졌습니다. 그렇게 탄생한 것이 알파고의 자매품인 알파스타죠. 실시간 전략 시뮬레이션 게임인 스타크래프트는 바둑보다 변수가 많아 AI가 학습하기 더 어렵습니다. [딥마인드] |
|
|
생성형 AI의 등장…잘 놀아야 배운다
지금까지 AI 학습을 위해 데이터를 수치화해서 제시해야했다면, 이제는 AI가 화면을 보고, 이해하고, 결정하는 수준이 됐습니다.
규칙을 제공받지 않아도 AI가 화면을 읽고, 의미를 이해한 뒤 행동을 결정하는 것이에요. 멀티모달 기능으로 인해 AI는 이제 텍스트와 이미지, 게임 플레이를 통합해서 한 번에 처리할 수 있는 능력을 갖추게 됐습니다.
거대언어모델(LLM)이 더해지면서 추론 능력도 강화됐죠. 앞서 살펴본 제미나이는 포켓몬스터를 플레이하면서 화면의 체력, 기술, 상황을 인식하고 포켓몬이 가진 적절한 기술을 활용해 전투 전략을 선택했습니다.
이 뿐만이 아니었어요. 메타가 개발한 ‘시세로’라는 AI 프로그램은 보드게임 디플로머시에서 사람보다 더 사람 같은 모습을 보여 연구팀을 경악하게 만들었습니다.
20세기 초 유럽 7대 열강의 대전을 다룬 이 게임에서 승리하려면 배신, 속임수, 협력 등 다양한 상호작용이 필요해요. 시세로는 의도적으로 거짓말을 하거나 다른 플레이어를 함정에 빠뜨리기 위해 인간과 공모하는 등 권모술수에 능한 모습을 보여줬습니다.
이렇듯 구글을 비롯해 다양한 테크 기업들의 AI 모델들이 저마다 다양한 컴퓨터·콘솔 게임에 도전하고있습니다. AI가 잘 놀아야 경쟁력이 생기기 때문이에요.
혹시 독자님들은 언제 게임을 하시나요? 보통 자투리 시간이 남거나, 스트레스를 해소하기 위해 게임을 하실 겁니다. 우리가 게임을 무료함을 달래는 대상으로 본다면 빅테크는 AI의 문제 해결 능력과 상호작용 능력을 테스트하는 좋은 도구로서 게임의 기능에 주목합니다.
게임은 규칙이 명확하고, 보상구조가 존재하며, 반복 가능하고 통제가 가능한 환경이라는 장점이 있습니다. 통제된 환경에서 다양한 변수를 주고, 무엇보다 안전하게 각종 실험을 할 수 있는 것이죠.
빅테크들은 게임을 통해 AI가 인간처럼 환경을 인식하고 판단해 행동하는 능력을 키우고자 합니다. 이 부분에선 고전 게임이 최신 게임보다 유리하죠.
플레이어에게 다양한 선택지를 줘 자유도를 높인 오픈월드 게임에 비해 고전게임은 그 구조가 명확하면서도 결정적인 선택이 필요한 구조를 갖추고 있기 때문입니다. 수학공부에 비유하면 고전 게임이 사칙연산이라면 최신 게임은 미적분이라고 할 수 있을 것 같아요.
많은 연구자들은 게임을 통해 ‘AI가 목적을 설정할 수 있나’, ‘주어진 목표를 위해 AI가 비선형 경로를 설계할 수 있나’, ‘중간 실패를 학습으로 전환할 수 있나’ 등 다양한 기능을 테스트하고 있죠.
딥마인드는 ‘시마’로 명명한 프로젝트를 통해 지난 15년 간 체스, 바둑, 스타크래프트 등 다양한 게임을 활용한 연구를 진행해 왔어요.
시마는 API나 게임 내부 코드에 접근하지 않고 픽셀 데이터만을 활용해 게임을 플레이합니다. 사람과 같은 방식으로 화면을 보고 학습하는 거에요.
사람이 게임을 하면서 시마용 학습 데이터를 수집하면, 수집된 다양한 게임 스타일을 시마가 학습해 범용 AI의 토대를 만들고 있습니다성형 AI의 등장…잘 놀아야 배운다
지금까지 AI 학습을 위해 데이터를 수치화해서 제시해야했다면, 이제는 AI가 화면을 보고, 이해하고, 결정하는 수준이 됐습니다.
규칙을 제공받지 않아도 AI가 화면을 읽고, 의미를 이해한 뒤 행동을 결정하는 것이에요. 멀티모달 기능으로 인해 AI는 이제 텍스트와 이미지, 게임 플레이를 통합해서 한 번에 처리할 수 있는 능력을 갖추게 됐습니다.
거대언어모델(LLM)이 더해지면서 추론 능력도 강화됐죠. 앞서 살펴본 제미나이는 포켓몬스터를 플레이하면서 화면의 체력, 기술, 상황을 인식하고 포켓몬이 가진 적절한 기술을 활용해 전투 전략을 선택했습니다. |
|
|
메타가 개발한 '시세로'라는 AI 프로그램은 보드게임 디플로머시에서 사람보다 더 사람같은 모습으로 연구팀을 경악하게 만들었습니다. AI는 게임에서 이기기 위해 의도적으로 거짓말을 하거나 다른 플레이어를 함정에 빠뜨리기 위해 인간과 공모하기도 했죠. [메타] |
|
|
이 뿐만이 아니었어요. 메타가 개발한 ‘시세로’라는 AI 프로그램은 보드게임 디플로머시에서 사람보다 더 사람 같은 모습을 보여 연구팀을 경악하게 만들었습니다.
20세기 초 유럽 7대 열강의 대전을 다룬 이 게임에서 승리하려면 배신, 속임수, 협력 등 다양한 상호작용이 필요해요. 시세로는 의도적으로 거짓말을 하거나 다른 플레이어를 함정에 빠뜨리기 위해 인간과 공모하는 등 권모술수에 능한 모습을 보여줬습니다.
이렇듯 구글을 비롯해 다양한 테크 기업들의 AI 모델들이 저마다 다양한 컴퓨터·콘솔 게임에 도전하고있습니다. AI가 잘 놀아야 경쟁력이 생기기 때문이에요.
혹시 독자님들은 언제 게임을 하시나요? 보통 자투리 시간이 남거나, 스트레스를 해소하기 위해 게임을 하실 겁니다. 우리가 게임을 무료함을 달래는 대상으로 본다면 빅테크는 AI의 문제 해결 능력과 상호작용 능력을 테스트하는 좋은 도구로서 게임의 기능에 주목합니다.
게임은 규칙이 명확하고, 보상구조가 존재하며, 반복 가능하고 통제가 가능한 환경이라는 장점이 있습니다. 통제된 환경에서 다양한 변수를 주고, 무엇보다 안전하게 각종 실험을 할 수 있는 것이죠.
빅테크들은 게임을 통해 AI가 인간처럼 환경을 인식하고 판단해 행동하는 능력을 키우고자 합니다. 이 부분에선 고전 게임이 최신 게임보다 유리하죠.
플레이어에게 다양한 선택지를 줘 자유도를 높인 오픈월드 게임에 비해 고전게임은 그 구조가 명확하면서도 결정적인 선택이 필요한 구조를 갖추고 있기 때문입니다. 수학공부에 비유하면 고전 게임이 사칙연산이라면 최신 게임은 미적분이라고 할 수 있을 것 같아요.
많은 연구자들은 게임을 통해 ‘AI가 목적을 설정할 수 있나’, ‘주어진 목표를 위해 AI가 비선형 경로를 설계할 수 있나’, ‘중간 실패를 학습으로 전환할 수 있나’ 등 다양한 기능을 테스트하고 있죠.
딥마인드는 AI의 직관적인 전략과 장기 계획 능력 학습을 위해 체스와 바둑을 활용했어요. 이세돌을 꺾은 딥마인드는 게임사 블리자드와 손잡고 유명 RTS인 스타크래프트2 AI를 개발하기도 했습니다.
딥마인드는 ‘시마’로 명명한 프로젝트를 통해 지난 15년 간 체스, 바둑, 스타크래프트 등 다양한 게임을 활용한 연구를 진행해 왔어요.
시마는 API나 게임 내부 코드에 접근하지 않고 픽셀 데이터만을 활용해 게임을 플레이합니다. 사람과 같은 방식으로 화면을 보고 학습하는 거에요.
사람이 게임을 하면서 시마용 학습 데이터를 수집하면, 수집된 다양한 게임 스타일을 시마가 학습해 범용 AI의 토대를 만들고 있습니다. |
|
|
※ 붉은 제목을 누르면 상세 내용으로 연결됩니다. |
|
|
챗GPT를 서비스하는 오픈AI가 아이폰을 디자인한 애플의 전설적 디자이너인 조너선 아이브와 손잡고 인공지능(AI) 전용 기기 개발에 본격적으로 나선다고 합니다. 구글과의 경쟁에서 뺏긴 AI 주도권을 자체 디바이스 개발로 되찾아오려는 모습이에요. 오픈AI는 아이오를 65억달러(약 9조원)에 인수하기로 했는데, 이는 오픈AI 역사상 가장 큰규모의 인수라고 합니다.
2010년 5월 22일, 미국 플로리다주의 프로그래머 라스즐러 핸예츠는 비트코인 1만 개로 피자 두 판을 구매했습니다. “비트코인으로 실물 거래가 가능할까?”라는 호기심에서 시작된 이 거래는 비트코인이 실제 결제 수단으로 처음 사용된 사례로 기록에 남아있어요. 당시 비트코인 1만 개의 가치는 약 40달러(약 5만5000원)에 불과했지만, 현재 시세(2025년 5월 22일 기준)로는 약 1조 5479억 원에 달한다고해요. 만약 피자를 건네고 받은 비트코인을 지금까지 보유하고 있다면 자산이 수억 배로 불어난 셈입니다.
로보택시 시장을 이미 선도하는 중국이 드론택시도 머지않아 상용화할 계획이라고 합니다. 최근 수년 새 빠르게 성장한 중국 전기차 업체들은 잇따라 휴머노이드 로봇 시장에 뛰어들며 새 먹거리를 찾고 있어요. 22일 중국 현지매체에 따르면 중국 바이두의 로보택시 브랜드인 '아폴로 고'는 전날 누적 서비스 건수가 1100만건을 돌파했다고 발표했습니다. 또한 중국 전기차 업체들은 휴머노이드 로봇 분야에도 뛰어들고 있는데, 샤오펑 최고경영자는 21일 실적발표에서 내년에 새로운 휴머노이드 로봇을 출시한다고 밝히기도 했습니다.
이해진 네이버 이사회 의장이 대만에서 열리고 있는 정보기술(IT) 전시회 ‘컴퓨텍스 2025’ 현장을 찾는다고 합니다. 지난 3월 이사회에 복귀한 후 첫 공식 해외 행보에요. 동남아시아 시장으로도 인공지능(AI) 사업 확장을 모색하고 있는 네이버에 힘을 실어주기 위한 것으로 풀이됩니다. 네이버는 이번 대만 방문에서 엔비디아를 포함해 인텔 등 주요 파트너사들과 만나며 AI 사업과 관련된 협업 논의를 진전시킬 것으로 전망된다네요. |
|
|
AI는 놀면서 똑똑해지고 있습니다.
딥마인드는 스타크래프트2 AI를 개발하며 “인간 같은 AI를 만들고 싶다면 게임을 훈련장으로 삼아야한다”고 설명했습니다.
궁극적으로 딥마인드는 게임을 활용해 사람처럼 사고하고 행동하는 범용 AI인 ‘임바디드AI’를 만드는 것이 목표죠. 사람과 상호 작용하는 똑똑한 AI 에이전트 개발을 위해 게임을 활용하는 것입니다.
게임은 다양한 장르만큼 AI에 다양한 능력을 학습시키는데 도움을 줘요.
스타크래프트는 자원 관리, 전략수립 등 불완전한 정보를 기반으로 한 의사결정을, 정육면체 블록으로 게임 속에서 다양한 물건들을 조립해 만드는 마인크래프트는 도구제작, 건축, 장기 목표 설정 능력을 배양할 수 있죠. 이 외에도 플레이어들 간 협업을 요구하는 도타2 같은 게임을 통해 AI간 협업능력을 키울 수도 있어요.
전략수립, 장기 목표 설정, 협업 등은 AI 에이전트에 필수적인 기능들입니다.
비록 빅테크 기업은 아니지만 자동차 제조사인 볼보는 자율주행 AI를 개발하기 위해 게임 엔진인 유니티 엔진과 가상현실(VR) 기술, 시뮬레이터 게임 기술을 활용하기도 했어요.
AI도 운전실력을 키우려면 도로주행 연습이 필요한데, 실제 도로가 아닌 게임과 같은 가상공간에서 운전연습을 한 것이에요.
볼보를 비롯해 AI 훈련에 게임을 활용하는 사례가 늘어나자 인기 게임 GTA를 개발한 락스타게임즈는 연구자들에게 GTA 게임을 활용한 상당수 연구를 중단해달라고 요청하는 해프닝도 있었어요.
게임과 AI의 관계에 대해 데미스 허사비스 딥마인드 CEO는 이런 언급을 하기도 했습니다.
“게임은 현실을 압축한 마이크로코즘(통제된 조건에서 자연 생태계의 행동을 시뮬레이션하고 예측하는데 사용하는 단순하고 인공적인 미소 환경 생태계)입니다. 우리가 게임을 잘 하는 AI를 만든다면 그 능력을 세상에 확장할 수 있을거에요.”
이번 레터를 쓰며 문득 학창시절 영어시간에 배웠던 속담이 하나 생각났습니다.
“All work and no play makes Jack a dull boy(일도 중요하지만 놀이나 휴식도 필요하다)”
일도 중요하지만 놀이나 휴식도 필요하다는 의미입니다.
그런 의미에서 이번 주말은 ‘워라밸’을 위해 나에게 주는 소소한 휴식은 어떠세요?
저는 언젠가 AI와 사이좋게 마주앉아 게임을 할 날을 생각하며, 오랜만에 게임을 하나 해보려고 합니다.
미라클한 하루가 되시길 바라며
이영욱 드림 |
|
|
서울 중구 퇴계로 190 매경미디어센터
매경미디어그룹
miraklelab@mk.co.kr
02-2000-2165
|
|
|
|
|
