AlphaGo가 2016년 둔 37수는 당시 모든 프로 기사를 놀라게 한 ‘인간이라면 절대 두지 않을 수’였다. 해설자들은 이를 실수로 의심했지만, 결과적으로 승리를 결정짓는 결정적 한 수가 되었다. 이 수는 단순히 바둑에 국한된 사건이 아니라, 기계가 인간의 데이터를 모방하는 것을 넘어 스스로 탐색하고 평가하여 새로운 지식을 창출할 수 있다는 첫 번째 상징적 증거였다.
10년이 지난 지금, Andrej Karpathy의 Autoresearch가 보여주는 핵심은 동일하다. 검증 가능한 신호(정확도, 속도 등)만 있으면 AI는 무한 반복 실험을 통해 인간이 생각지 못한 해결책을 찾아낸다. Shopify CEO Tobias의 사례처럼, 코드 최적화 영역에서 Autoresearch가 기존 구현을 53% 빠르게 개선한 것도 같은 원리다.
37수와 Autoresearch는 모두 ‘평가가 명확한 문제에서 기계가 자율적으로 창의성을 발휘할 수 있다’는 사실을 입증한다. 이는 단순한 모방 학습과 자기 증강 학습의 경계를 넘나드는 중요한 통찰이다.
근거
“두 번째 대국의 37수… 인간이라면 절대 못 둘 수였는데, 실수한 것 같다는 얘기도 많이 했었다.” — 이진원 CTO
“Autoresearch는 평가 가능한 validation 점수만 가지고 그거를 낮출 수 있는 쪽으로 온갖 아이디어를 내서 실험하고… 될 때까지 계속 돌린다.” — 최승준
연결된 생각
- 20260605-self-augmenting-learning — 이 인사이트가 속한 학습 패턴의 개념적 틀
- 20260605-verifiable-signal-unlocks-autonomous-improvement — 검증 가능한 신호가 자율적 개선을 가능하게 한다는 동일 원리의 다른 구현