출처: Shihan
오늘 저는 과학계에서는 믿기지 않을 정도로 놀라운 이야기, 즉 과학계 학자를 제치고 노벨상을 수상한 한 젊은 게이머의 이야기를 들려드리려고 합니다.
예, 게임용 그래픽 카드가 어떻게 AI 산업을 부화시킨 산술 혁명을 촉발했는지에 대해 이전에 이야기한 적이 있지만 오늘의 이야기는 그보다 훨씬 더 놀랍고 절정에 달합니다.
어릴 때부터 천재로 칭송받으며 게임을 좋아하며 자랐고, 4살 때부터 체스에 깊은 관심을 보여 8살 때는 이미 공식 체스 토너먼트에서 우승을 차지한 한 남자가 있습니다. 그는 이 상금으로 자신에게 큰 선물인 컴퓨터를 사주었고~ 컴퓨터 게임의 매력에 푹 빠졌습니다.
이미지 src="https://img.jinse.cn/7307431_image3.png">
익숙한 액션, 익숙한 줄거리~
17살에 그는 게임회사에 게임 디자이너로 입사하기로 결심합니다.
그럼에도 게임을 그렇게 좋아한다면 직접 만들어보는 건 어떨까요? 그는 당시 유명했던 불프로그에 입사했습니다.
입사한 지 1년 만에 그는 대박 게임인 '테마파크'의 디자인을 주도했습니다.
단순히 말해, 이 1994년 게임은 오늘날 많은 테마파크 및 시뮬레이션 게임의 할아버지이며, 심지어 아일랜드 타이쿤 시리즈가 이 게임의 영향을 받았다고 주장할 수도 있습니다.
이미지 src="https://img.jinse.cn/7307433_image3.png">
몇 년 후, 그는 자신의 게임 회사를 설립하고 시뮬레이션 게임인 Republic과 Evil Genius를 개발했습니다.
그는 분명 시뮬레이션 장르에 관심이 많았습니다.
문명 5, 출시!
이쯤 되면 과거에 소개된 체스 천재 컴퓨터 영재 이야기와 비슷해 보입니다.
게임을 좋아하며 자랐고 체스와 바둑에 재능이 있었으며 컴퓨터를 독학으로 배워 결국 게임 회사에 입사해 슈퍼 프로그래머가 되어 업계를 뒤흔든 유명한 히트작을 만들었죠.
그러나 이 동생의 놀라운 활약은 이제 막 시작되었습니다.
히트작을 만든 후 그는 곧 컴퓨터가 게임에서 무엇을 할 수 있을지 고민하기 시작했고, 게임에 인공지능 기능을 추가하기 시작했습니다.
이를 언급한 언론 매체는 거의 없지만, 베테랑 게이머인 저는 이전 게임의 영향일 가능성이 높다고 생각합니다.
시뮬레이션을 자주하는 사람들은 게임 후반에 많은 수의 NPC가 존재하기 때문에 컴퓨터 연산이 상당히 짧은 판을 가질 것이고,
문명 5의 늦은, 한 라운드가 종종 컴퓨터를 방해하고,
테마파크, 스카이 라인, 아일랜드 타이쿤 및 기타 게임 늦게, 화면 카드뿐만 아니라 시민들의 출퇴근 경로도 매우 불합리하다고 느낄 수 있기 때문에
. 그들은 버스와 지하철을 건설하고 심지어 주거 지역과 업무 지역을 하나로 묶어 도로를 막고 뛰어 다닐 것입니다.
이런 현상들 때문에 그는 인공지능과 이러한 게임플레이 문제, 그리고 인공지능을 이용해 게임을 최적화할 수 있는지에 대해 생각하게 된 것 같습니다.
2010년, 그는 '지능 문제 해결'을 목표로 새로운 회사를 설립하고 학습 알고리즘으로 게임을 마스터하기 위해 노력했습니다.
2013년에는 인간을 뛰어넘는 수준의 컴퓨터 게임을 할 수 있는 딥 큐 네트워크(DQN)라는 알고리즘을 만들었습니다.
테스트 결과 DQN은 게임을 시작한 지 30분 만에 스페이스 인베이더 게임 내에서 최고의 플레이어가 되었습니다.
2016년 이 회사는 또 다른 게임 AI를 출시하여 이 게임의 기존 세계 챔피언을 이겼습니다.
이번엔 알파고라는 AI가 그 주인공입니다.
p>
예, 엄밀히 말하면 바둑은 스포츠로서 스포츠로서의 바둑, 그리고 알파고는 게임으로서의 인공지능이라고 할 수 있죠
바둑은 계산 변수가 무한대에 가까워서 한때는 깨지지 않는다고 여겨졌던 특별한 게임이고, 알파고는 그 단순한 컴퓨터보다 훨씬 더 똑똑한 인공지능이죠~
지난 2년간의 인공지능 개발의 물결에 충격을 받은 많은 사람들은 알파고를 단지 생각하기 쉽습니다.
실제로는 그렇지 않습니다. 지난 수년간 수많은 비디오 게임이 탄생하면서 게임 AI에 대한 수요가 급증했고, 많은 플레이어가 더 똑똑한 AI와 대결하거나 더 똑똑한 NPC와 함께 플레이하기를 원했으며, 프로그래머는 이러한 수요로 인해 AI 알고리즘에 대한 탐구를 계속 강화해야 했습니다.
더 똑똑한 AI를 만들기 위해 무슨 일이든 할 거라고 막무가내로 말하는 프로그래머는 없습니다.
현실은 좋은 알고리즘을 설계하고 더 재미있는 게임을 만들어 10억 달러를 벌고, 그의 게임은 더 똑똑하고 2억 달러가 팔리는 것이죠. 상금의 비중이 점점 줄어들고 있기 때문에 모든 사람이 AI 개발에 끊임없이 투자하도록 동기를 부여합니다.
화약은 처음부터 설계된 것이 아니며, 과학자가 오늘 화약을 발명해야한다고 말한 적이 없으며, 존재하지 않으며,이 요구를 영원히 살기 위해 연금술사의 장수에 대한 희망이며, 매일 두드리는 연금술, 오늘은 이것을 조금 더하고 내일은 이것을 조금 시도하고 마침내 유황과 질산염과 숯이 함께 혼합되면 실제로 폭발한다는 것을 발견했습니다.
레빈 후커는 세션 초반에 미생물을 발견하고 싶지 않았고, 사람들은 렌즈이고, 매일 렌즈를 연마하고, 그 결과 어느 날 갑자기 렌즈가 극도로 연마되어 육안으로는 볼 수없는 것을 볼 수 있다는 것을 발견했습니다.
우리 이야기의 주인공도 마찬가지로 처음에는 게임을 만들고 싶었고, 그다음에는 더 똑똑한 게임을 연구하고 싶었고, 마침내 엄청나게 똑똑한 게임 AI를 연구했습니다.
그런 다음 갑자기 문제에 대해 생각하기 시작했습니다.
AI는 자기 학습 능력이 있고 체스 및 비디오 게임의 규칙을 매우 빠르게 마스터하고 챔피언 플레이어가 될 수 있기 때문에
즉, 특정 과학 연구 분야를 같은 방식으로 투입하면 육안으로 볼 수없는 것도 볼 수있을 것입니다."라고 그는 말했습니다.
AI는 스스로 학습하는 능력이 있기 때문에 바둑이나 비디오 게임의 규칙을 빠르게 습득하고 챔피언 플레이어가 될 수 있는데, 특정 과학 연구 분야를 '게임'으로 해석하면 어떨까요?
2017년, 알파고는 우전에서 열린 바둑 서밋에서 세계 바둑 챔피언 커제를 3-0으로 완파했습니다.
2018년 딥마인드는 단백질 구조를 예측할 수 있는 AI 시스템인 알파폴드로 다시 한 번 과학 연구에 AI를 활용하려고 시도했습니다.
게임을 위해 설계된 AI가 과학을 연구한다는 것이 말이 안 된다고 생각하실 수도 있습니다.
저만 그런 생각을 하는 게 아니라 다른 CAS 위원들도 같은 생각을 하고 있습니다. 네, 오랜 지인인 얀 닝 씨입니다.
세상의 모든 만남은 오래전에 끝났고, 운명의 장난처럼 우리는 실제로 다시 마주쳤습니다.
수년간 단백질의 구조를 예측하는 세 가지 주요 방법이 있었습니다: 단백질 결정의 X-선 조명, 핵자기공명(NMR) 분광법, 세 번째는 값비싼 극저온 전자 현미경의 사진 모델링입니다.
닝 얀의 팀은 세 번째 방법인 극저온 전자 현미경에 능숙한 것으로 알려져 있는데, 다른 사람들이 한 장 찍는 데 걸리는 시간에 다섯 장을 찍을 수 있어 훨씬 더 효율적입니다.
딥마인드는 이런 반복적인 작업을 AI로 해결할 수 있다고 생각했을까요?
저온 전자 현미경 사진을 모델링하는 과정을 게임으로 이해한다면, AI를 활용해 해결할 수 있지 않을까요?
"사진을 찍는 대신 AI를 선택한 이유는 단백질은 아미노산으로 이뤄져 있기 때문에 어디서나 공개돼 있는 알려진 단백질 구조를 이용하고, 그 단백질의 각 아미노산 쌍의 거리와 연결 각도를 하나의 지도로 모은 다음 신경망을 이용해 이를 소화하면 AI가 스스로 예측을 할 수 있을 것이라고 생각했기 때문이죠. "
그 결과 AI의 효율성은 수작업의 효율을 훨씬 능가하며, 일반적인 팀의 효율성은 1, 얀닝 팀의 효율성은 5, AI는 10만이며 여전히 빠른 속도로 성장하고 있습니다. AI는 쉴 필요가 없고 계속 스스로 진화하기 때문입니다. 알파폴드가 개발된 이후 190개국에서 200만 명 이상의 사람들이 알파폴드를 사용했으며, 과학자들은 이를 통해 항생제 내성에 대해 더 깊이 이해할 수 있었을 뿐만 아니라 플라스틱을 소화할 수 있는 효소 단백질도 설계할 수 있었습니다.
이렇게 파괴적인 결과를 얻었으니 이 기술이 노벨상을 받았을 거라는 것은 지금쯤 짐작할 수 있었을 겁니다. 게임을 좋아하고 게임 디자이너로 시작한 사람이 바로 올해의 노벨 화학상 수상자인 핫사비스입니다.
AI의 발전에 놀란 최고의 과학자들도 눈을 돌릴 정도로 시대의 발전은 파리 한 마리도 버릴 수 없을 만큼 빠르다는 것이 밝혀졌습니다.
이미지 src="https://img.jinse.cn/7307436_image3.png">
2022년 AI에 대해 논의할 때, 댓글 섹션에서 많은 사람들이 AI의 발전은 인정하지만 최고 과학자를 대체하는 데는 시간이 걸릴 것이라고 생각하는 사람들이 많았습니다. 과학자를 대체하는 데는 시간이 걸릴 수 있습니다. (몇몇 소규모 파트너들은 매우 미래지향적이고 강력한 의견을 제시하고 있습니다.)
얀닝 자신도 같은 생각을 하고 있을지도 모르지만, 2022년 AI의 예측 수준은 2017년의 수준에 불과하다는 것입니다.
이 드라마는 바둑 업계와 거의 똑같습니다.
알파고가 처음 나왔을 때 모두가 아무것도 아니라고 생각했고, 세계 챔피언을 이길 수 있을 거라고 생각했습니다.
인간의 노력으로 가능했습니다. 세계 챔피언을 이길 수 있는 방법일 뿐이고, 인간에게는 다시 이길 기회가 있다고 생각했습니다.
그러나 곧 모든 사람들은 인간의 학습은 교사가 교과서를 가지고 있고, 인간의 전투력은 실제로 이전 세대의 경험과 수년간의 연구 결과를 더한 결과에 서 있고, AI가 바둑에 접촉하는 것은 1 년 미만 ~ 입문 연도이기 때문에이 관점이 터무니없는 잘못이라는 것을 알게되었고, 미래는 더 이상 그것을 볼 필요가 없습니다 마스터 해머를 제공 할 수 없습니다.
얀닝은 2022년까지 인공지능은 5년 전 수준에 도달할 것이며, 걱정할 필요가 없다고 생각합니다.
문제는 알파폴드가 2018년에 도입되었고 2022년이면 4년밖에 되지 않아 4살짜리 아이가 최고의 인간 과학자들을 따라잡을 수 있다는 점이며, 상식적으로 발전 속도를 판단한다면 매우 잘못된 판단을 하게 될 것입니다.
그렇다면 이 이야기는 우리에게 무엇을 말해줄까요?
기술의 발전일까요, AI의 혁신일까요, 생명의 기회일까요, 아니면 코드 파머로 전환해야 할 생물학일까요?
가장 큰 영감은 사랑이라고 생각합니다.
돌아보면 2007년 옌닝은 이미 칭화대학교의 교수이자 박사 지도교수, 저명한 학자였습니다.
당시 데미스 하사비스는 학계 석학은 말할 것도 없고 아직 게임 디자이너였고 학계의 일원도 아니었습니다.
이 시점에서 그에게 앞으로 과학계 석학들을 이기고 노벨상을 받을 것이라고 말하면 그는 믿기는커녕 상상조차 할 수 없을 것입니다.
말없는 과학자가 단숨에 노벨상을 받는다는 생각은 믿기지 않지만, 적어도 말이 되는 이야기입니다.
냄새나는 게이머인 제가 어떻게 노벨상을 받을 수 있을까요? 노벨상에도 게임상은 없잖아요, 그렇죠?
세상의 경이로움이 여기에 있습니다.
연구가 좋아서, 월급이 좋아서, 안정성이 좋아서, 화려한 조명이 좋아서, 매일 비슷한 일을 하면서도 그 일이 얼마나 힘든지 잘 모를 수도 있습니다.
그가 하는 일은 그저 게임이었지만, 그는 진심으로 게임을 사랑했고, 극단적으로 파고든 결과 실제로 기술 트리로 AI를 지목했고, 돌아서면 새로운 시대의 열쇠를 쥐고 있었다.
이것이 그의 운이라고 말하지만, 게임에 대한 극단적 인 사랑이 없다면, 게임 플레이에 대한 생각의 근원이 아니라면, 단지 돈을 벌어서 스킨 게임을하기 위해 이런 이야기가 일어날 수 있을까요? 당연히 아니죠.
다른 모든 것을 초월한 사물에 대한 사랑, 연구에 대한 사랑이 그가 안개를 뚫고 새로운 세계를 발견할 수 있도록 도와주었습니다.
자신이 좋아하는 것을 사랑하는 것을 잊지 마세요.