몇 년 전, 바둑 인공지능 알파고가 이세돌 9단을 꺾었을 때 세상은 충격에 빠졌다. 인간이 쌓아온 전략의 정수를 기계가 단숨에 뛰어넘은 순간이었다. 그런데 같은 인공지능이 간단한 비디오 게임 하나 제대로 못한다고 하면 믿겠는가? 실제로 최근 대형 언어 모델(LLM)들이 게임에서 보여주는 어설픈 모습은 그 격차를 여실히 드러낸다. 체스나 바둑처럼 규칙이 명확하고 경우의 수가 유한한 게임에서는 인간을 압도하던 인공지능이, 왜 마리오나 젤다의 전설 같은 상대적으로 단순한 게임에서도 허덕이는 걸까?
이 문제는 단순히 “게임을 못 한다”는 사실 그 이상이다. 인공지능이 인간처럼 사고하지 못한다는 오래된 진실을 다시금 상기시키기 때문이다. 바둑이나 체스에서 승리하는 것은 계산의 문제다. 가능한 모든 수를 탐색하고, 최적의 경로를 찾는 것. 하지만 비디오 게임은 다르다.そこには 규칙만 있는 것이 아니다. 창의성, 즉흥적 판단, 때로는 비논리적인 행동까지 요구된다. 예를 들어, 슈퍼 마리오 브라더스에서 굼바를 밟기 위해 점프하는 것은 논리적이다. 하지만 때로는 벽에 대고 점프를 반복해 숨겨진 블록을 찾는 것, 혹은 적을 피해 달리다가도 갑자기 방향을 바꾸는 것은 계산만으로는 설명하기 어렵다.
대형 언어 모델은 텍스트 데이터를 바탕으로 패턴을 학습한다. 하지만 게임은 텍스트가 아니다. 게임은 상호작용이다. 플레이어의 입력에 실시간으로 반응하는 환경, 예측 불가능한 변수들, 그리고 무엇보다도 재미라는 요소가 존재한다. 인공지능은 “재미”를 이해하지 못한다. 그저 주어진 목표(예: “레벨을 클리어하라”)를 달성하기 위한 최적의 경로를 찾으려 할 뿐이다. 그런데 그 경로가 항상 인간이 선택하는 길과 일치하지 않는다. 때로는 비효율적이더라도 도전적인 길을 택하는 것이 게임의 본질이기 때문이다.
“인공지능은 게임을 플레이하지 않는다. 게임을 ‘해결’하려 한다.”
이 말처럼, LLM은 게임을 문제 풀이의 대상으로 바라본다. 하지만 게임은 문제 풀이 그 이상이다. 게임 디자이너들은 의도적으로 불완전한 정보, 불확실성, 그리고 플레이어의 창의성을 요구하는 요소들을 집어넣는다. 이를테면, 다크 소울의 보스는 단순히 공격 패턴을 외워서 피하는 것이 아니다. 플레이어는 보스의 동작을 관찰하고, 자신의 실패를 통해 학습하며, 때로는 직관에 의존해 돌파구를 찾는다. 인공지능은 이런 과정을 거치지 않는다. 그저 데이터에서 패턴을 추출하고, 그 패턴을 재현할 뿐이다.
그렇다면 인공지능이 게임을 잘하기 위해서는 무엇이 필요할까? 첫째, 실시간 학습 능력이다. 현재의 LLM은 고정된 데이터셋으로 훈련된다. 하지만 게임은 끊임없이 변하는 환경이다. 플레이어가 새로운 전략을 시도할 때마다 인공지능도 그에 맞춰 적응해야 한다. 둘째, 상황 인식이다. 게임은 맥락에 따라 같은 행동이라도 다른 의미를 지닌다. 예를 들어, 적이 약한 상태에서 공격하는 것과 강한 상태에서 공격하는 것은 완전히 다른 전략을 요구한다. 인공지능은 이런 미묘한 차이를 이해해야 한다. 마지막으로, 창의성이다. 게임은 때로 비논리적인 행동이 더 효과적일 수 있다. 하지만 인공지능은 그런 “비논리”를 학습할 방법이 없다.
물론, 인공지능이 게임을 못하는 것이 꼭 나쁜 것만은 아니다. 오히려 이는 인간만의 고유한 영역이 여전히 존재한다는 증거다. 게임은 단순한 엔터테인먼트가 아니다. 그것은 인간의 창의성, 직관, 그리고 감정의 표현이다. 인공지능이 아무리 발전해도, 그 본질을 완전히 대체할 수는 없을 것이다. 하지만 반대로, 인공지능이 게임에서 보여주는 한계는 우리가 게임을 어떻게 설계하고, 어떻게 플레이해야 하는지에 대한 새로운 질문을 던진다. 어쩌면 인공지능이 게임을 못하는 이유는, 우리가 아직 게임의 본질을 완전히 이해하지 못했기 때문일지도 모른다.
이 주제에 대한 더 자세한 분석은 IEEE Spectrum의 원문에서 확인할 수 있다.
이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
