좋은 질문을 하는 AI, MIT 연구진이 배틀쉽 게임을 선택한 이유

 

 

안녕하세요.

오늘은 MIT와 하버드 연구진이 진행한 흥미로운 AI 연구를 소개해 드리려고 합니다.

 

 

최근 생성형 AI는 사람의 질문에 답하는 능력에서 놀라운 발전을 보여주고 있습니다. 하지만 실제 업무나 연구 환경에서는 단순히 답변을 잘하는 것보다 어떤 질문을 해야 하는지 판단하는 능력이 더욱 중요할 수 있습니다. 이를 위해 연구진은 의외의 방법을 선택했습니다. 바로 오래된 보드게임인 '배틀쉽(Battleship)'을 활용한 것입니다. 그렇다면 왜 연구진은 AI를 훈련시키기 위해 전함 게임을 선택했을까요?

 

 

1. 배틀쉽 게임은 무엇일까요?

배틀쉽은 상대방의 전함 위치를 찾아내는 전략 게임입니다. 플레이어는 상대방의 배 위치를 직접 볼 수 없습니다. 대신 특정 좌표를 선택해 공격하고, 상대방은 "명중" 또는 "실패"만 알려줍니다. 플레이어는 제한된 정보를 바탕으로 상대 전함의 위치를 추론해야 합니다. 즉, 배틀쉽은 단순한 게임이 아니라 불완전한 정보 속에서 가장 효율적인 질문을 던지는 과정과 매우 유사합니다.

 

 

2. 왜 배틀쉽 게임을 선택했을까요?

연구진이 배틀쉽을 선택한 이유는 AI가 직면하는 실제 문제와 구조가 비슷하기 때문입니다. 현실 세계의 많은 문제는 처음부터 정답을 알 수 없습니다. 의사는 환자의 증상을 보고 진단을 위해 질문을 합니다. 과학자는 실험을 설계해 새로운 정보를 수집합니다. 고객 상담 AI는 사용자의 의도를 파악하기 위해 추가 질문을 해야 합니다. 이러한 상황에서는 답변보다 어떤 질문을 먼저 해야 하는지가 훨씬 중요합니다. 배틀쉽 역시 마찬가지입니다. 정답인 전함 위치는 숨겨져 있으며, 플레이어는 한 번의 질문으로 최대한 많은 정보를 얻어야 합니다. 그래서 연구진은 배틀쉽이 AI의 질문 능력을 평가하기에 이상적인 환경이라고 판단했습니다.

 

 

3. AI는 어떻게 질문하는 법을 배울까요?

이번 연구에서 가장 중요한 부분은 AI가 단순히 다음 질문을 생성하는 것이 아니라, 질문이 가져올 정보의 가치를 평가한다는 점입니다. 예를 들어 전함의 위치가 여러 곳에 있을 가능성이 있다고 가정해 보겠습니다. AI는 특정 위치를 공격했을 때 얻을 수 있는 결과를 미리 시뮬레이션합니다. 만약 어떤 질문이 대부분의 가능성을 빠르게 제거할 수 있다면 그 질문의 가치가 높다고 판단합니다. 반대로 이미 알고 있는 정보를 확인하는 질문은 가치가 낮습니다. 즉 AI는 단순히 "무엇을 물어볼까?"를 고민하는 것이 아니라, "어떤 질문이 가장 많은 불확실성을 제거할 수 있을까?"를 계산하는 것입니다.

 

 

4. 핵심 기술은 무엇일까요?

연구진은 몬테카를로 추론(Monte Carlo Inference)이라는 방법을 활용했습니다. 몬테카를로 방식은 다양한 가능성을 반복적으로 시뮬레이션하여 가장 유리한 선택을 찾는 기술입니다. 배틀쉽에서는 상대방 전함의 위치가 어디에 있을지 수많은 경우를 가정합니다. 그리고 특정 질문을 했을 때 얼마나 많은 가능성을 제거할 수 있는지 계산합니다. 쉽게 말하면 AI가 머릿속에서 수천 번의 가상 실험을 수행한 뒤 가장 효율적인 질문을 선택하는 것입니다. 이 방식은 사람이 문제를 해결하는 과정과도 비슷합니다. 우리는 중요한 결정을 내릴 때 여러 시나리오를 상상하고 가장 많은 정보를 얻을 수 있는 행동을 선택합니다. AI 역시 같은 방식을 사용하기 시작한 것입니다.

 

 

5. 왜 업계가 주목할까요?

이번 연구가 주목받는 이유는 AI 성능 향상 방법이 달라질 수 있기 때문입니다. 지금까지는 더 큰 모델, 더 많은 데이터, 더 많은 GPU가 성능 향상의 핵심으로 여겨졌습니다. 하지만 이번 연구는 작은 AI 모델이라도 질문을 더 효율적으로 할 수 있다면 훨씬 큰 모델과 비슷한 성과를 낼 수 있다는 가능성을 보여주었습니다. 이는 기업 입장에서 매우 중요한 의미를 가집니다. 더 작은 모델을 사용하면서도 높은 성능을 유지할 수 있다면 개발 비용과 운영 비용을 크게 줄일 수 있기 때문입니다.

 

 

6. 앞으로 무엇이 바뀔 수 있을까요?

AI가 질문하는 능력을 갖추게 되면 활용 범위는 더욱 넓어질 수 있습니다. 의료 분야에서는 의사가 놓칠 수 있는 추가 질문을 제안할 수 있습니다. 과학 연구에서는 새로운 실험 방향을 추천할 수 있습니다. 고객 상담에서는 사용자의 문제를 더 빠르게 파악할 수 있습니다. 교육 분야에서는 학생이 무엇을 이해하지 못했는지 분석하고 적절한 질문을 통해 학습을 도울 수도 있습니다. 결국 미래의 AI는 단순히 답변을 제공하는 도구가 아니라 문제를 함께 탐구하는 협업 파트너로 발전할 가능성이 있습니다.

 

 

이번 MIT와 하버드 연구진의 실험은 AI 발전의 방향이 단순한 답변 생성에서 질문 생성으로 확장되고 있음을 보여줍니다. 배틀쉽 게임은 단순한 놀이가 아니라 불확실한 상황에서 가장 가치 있는 정보를 얻는 방법을 연구하기 위한 실험장이었습니다. 그리고 이번 연구는 앞으로의 AI 경쟁이 누가 더 많은 답을 알고 있는가가 아니라, 누가 더 좋은 질문을 할 수 있는가로 이동할 수 있음을 시사하고 있습니다.