1997년 IBM의 딥블루(Deep Blue)가 체스 세계 챔피언 가리 카스파로프를 꺾으며 인공지능의 잠재력을 전 세계에 각인시켰습니다. 당시 딥블루는 수백만 달러가 투입된 슈퍼컴퓨터였는데, 만약 1996년의 평범한 펜티엄 PC에 현대적인 체스 엔진을 탑재했다면 과연 카스파로프를 이길 수 있었을까요? 최근 한 연구에서 이 흥미로운 질문에 대한 답을 찾아냈습니다. 200MHz 펜티엄 프로(Pentium Pro)와 64MB 램(RAM)으로 구성된 1996년 사양의 PC에 최신 체스 엔진 스톡피시를 이식해 구동한 결과, 수당 30초 조건에서 엘로(Elo) 점수 3180점을 기록했습니다. 이는 당시 카스파로프의 엘로 점수 약 2800점을 훨씬 뛰어넘는 수치로, 펜티엄 PC로도 카스파로프를 이겼을 가능성이 매우 높다는 결론입니다.
이번 실험은 하드웨어 성능과 소프트웨어 알고리듬 발전의 기여도를 명확히 분리하여 분석했습니다. 전체 엘로 점수 상승분 1335점 중 약 720점이 소프트웨어 개선에서 비롯된 것으로 나타났습니다. 특히, 단순히 더 많은 수를 탐색하는 것을 넘어, 어떤 수를 탐색할지 선택하고 판세를 평가하는 방법의 발전이 결정적이었습니다. 1996년 체스 엔진인 크래프티 11.13(Crafty 11.13)에 현대적인 탐색 기법과 신경망 평가(NNUE)를 추가하자, 같은 펜티엄 프로 환경에서도 엘로 점수가 2383점에서 2974점으로 크게 상승했습니다. 이는 현대 엔진이 구형 하드웨어에서도 뛰어난 성능을 발휘하며, 1996년의 크래프티를 현대 하드웨어에서 구동했을 때보다 훨씬 강력하다는 것을 직접적인 대결로 입증했습니다.
이 연구 결과는 인공지능 발전의 본질적인 질문을 던집니다. 즉, 성능 향상이 하드웨어 규모 확장(scaling)에서 오는가, 아니면 알고리듬의 근본적인 개선에서 오는가 하는 문제입니다. 체스 엔진의 사례는 하드웨어의 한계 속에서도 소프트웨어의 정교함이 얼마나 큰 차이를 만들어낼 수 있는지 보여줍니다. 이는 대규모 언어모델(LLM)과 같은 현대 AI 분야에도 시사하는 바가 큽니다. 앞으로 LLM의 발전 역시 단순히 모델 크기를 키우는 것을 넘어, 더 효율적이고 지능적인 알고리듬 개선을 통해 새로운 돌파구를 찾을 수 있음을 암시합니다. 이 실험은 또한 구형 하드웨어와 현대 AI를 결합하여 이색적인 연구 질문을 검증하는 새로운 접근 방식의 가능성도 제시합니다.