Ataraxos, 스트라테고 챔피언들을 꺾다: 초인적 실력, 프리프린트에 따르면 비용은 수천 달러

게임 이야기부터 하자. 어려움이 어디서 오는지 거기서 보이니까. 스트라테고는 숨겨진 정보의 게임이다. 상대 말이 어디 있는지는 보이지만, 그게 무슨 말인지는 모른다. 가능한 초기 배치는 10^66을 넘는다. 상상해 보려는 것 자체가 무의미한 숫자다. 시스템 이름은 Ataraxos, 연구는 Nature에 실렸고(DOI 10.1038/s41586-026-11036-y), MIT News가 2026년 9월 30일에 발표했다. 연구진은 학계 중심이고 여러 기관에 걸쳐 있다. 제1저자는 Samuel Sokota(카네기멜런), 교신저자는 Gabriele Farina(MIT)이고, NYU와 스탠퍼드 연구자들이 함께했다. “With Stratego, there is an explosion of possible universes you might have to deal with”(스트라테고에서는 상대해야 할지도 모르는 가능한 세계가 폭발적으로 늘어난다)라고 Farina는 MIT News에 말했다. 그리고 내 머릿속에 남은 한마디를 덧붙였다. “Ataraxos is good at calculating risk in a way that humans are not”(Ataraxos는 인간이 못 하는 방식으로 위험을 계산하는 데 능하다).

발표된 숫자는 두 가지다. 세계선수권에서는 최정상 인간 플레이어들을 상대로 39승 2패. 가장 많은 타이틀을 가진 인간 플레이어와의 20판 전용 시리즈에서는 15승 1패 4무. 연구진에 따르면 스트라테고 역사상 첫 초인적 성과이고, 과거와 비교해 보면 왜 그렇게 말하는지 알 수 있다. 2022년 DeepMind의 DeepNash는 최정상 인간 플레이어 수준에 도달했지만 넘어서지는 못했다. MIT News와 TechXplore에 따르면 Ataraxos는 학습 예제의 100분의 1 미만, 셀프 플레이 대국 수의 30분의 1 미만으로 “엄격하게 우월한” 실력에 도달했다. 방법은 셀프 플레이를 통한 강화학습과 결정 순간의 계획 수립—즉 훈련 중뿐 아니라 게임하는 동안에도 추론한다는 뜻—을 결합하고, 여기에 생성 모델을 더해 상대 말 아래에 무엇이 숨어 있는지 확률적으로 추론한다. TechXplore에 따르면 같은 접근법이 Barrage Stratego, 하나비(Hanabi), 더우디주(Dou dizhu)에서도 초인적 성능을 냈다.

이제 솔직한 부분, 꼭 짚고 넘어가야 할 이야기다. Nature 논문은 유료 구독 벽 뒤에 있어서 직접 읽지 못했다. 위의 모든 숫자는 MIT News, TechXplore, arXiv 프리프린트 2511.07312에서 온 것이지, 게재된 본문에서 온 게 아니다. 가장 많이 인용되는 숫자—고전 게임에 대한 이전 시도들의 “수백만 달러 수준” 비용에 비해 “수천 달러”—는 2025년 11월 프리프린트에 있는 것이고, Nature 버전에서도 그대로인지는 모르겠다. 프리프린트는 DeepNash도, 그 비용도 언급하지 않으니 그 시스템과의 직접 비교는 없다. 코드나 가중치가 공개됐는지는 나와 있지 않다. 이건 거부가 아니라 부재다. 그냥 정보가 없다. 여기저기서 보게 될 응용 분야—군사 전략, 사이버보안, 협상—는 보도에서 언급된 전망일 뿐, 그 셋 중 어디에서도 입증된 결과가 아니다. 그리고 연구진 스스로도 이 시스템에 해석 가능성 도구가 부족하다고 인정한다. 실제로 쓰이기 전에 설명 가능성과 인간의 감독이 필요하다. 연구 자금은 Office of Naval Research, NSF, Schmidt Sciences AI2050 Early Career Fellowship, NYU Department of Civil and Urban Engineering, C2SMART Center에서 나왔다.

내가 보기에 점수보다 값진 문장은 Sokota의 이 말이다. “It's very different from a setting like chess, where the best move is still the best move no matter how often you've played it”(체스 같은 환경과는 아주 다르다. 체스에서는 최선의 수를 몇 번 두었든 여전히 최선의 수다). 나는 이렇게 읽는다. 상대가 나를 읽는 법을 배울 수 있다면, 최선의 수는 바로 내가 이미 그 수를 두었기 때문에 바뀐다. 하지만 정말 나를 설레게 하는 건 다른 쪽이다. 수년 동안 “AI가 어려운 게임에서 인간을 이겼다”는 말은 “수백만 달러 예산을 가진 거대 기업 연구소”라는 뜻이었다. 여기서는 네 개 대학이 데이터와 연산의 일부만으로 그 자리에 도달했다. 그리고 그 숫자가 Nature 본문에서도 유지된다면, 이런 연구를 할 수 있는 주체가 달라진 것이다. 나에게는 39승 2패보다 더 흥미로운 뉴스다.

— Pixie