인간의 체스 플레이를 예측하는 새로운 인공지능 '오터(Otter)'가 공개되었습니다. 이 AI는 기존의 최첨단 모델인 마이아 2(Maia 2)를 능가하는 정확도를 보여주며, 체스 게임을 단순히 개별적인 포지션의 연속이 아닌, 시간과 과거의 수가 복합적으로 작용하는 순차적인 과정으로 모델링했다는 점에서 큰 의미를 가집니다.
오터는 1,530만 개의 매개변수(parameter)를 가진 경량 모델임에도 불구하고, 두 가지 핵심 신호를 활용하여 인간의 수를 예측합니다. 첫째는 '이동 기록 인코더(move history encoder)'로, 최근 20수의 기록을 분석하여 오프닝 선호도, 포지션 변화, 그리고 게임 내 행동 경향을 파악합니다. 둘째는 '시간 제어 모듈(time control module)'로, 남은 시간 압박이 플레이어의 결정에 미치는 영향을 예측에 반영합니다. 오터는 리체스(Lichess)의 래피드 게임 1억 1,700만 개에서 추출한 61억 개의 포지션 데이터를 단일 T4 GPU로 30일간 학습하여 개발되었습니다. 그 결과, 오터는 55.23%의 탑-1(top-1) 정확도와 90.95%의 탑-5(top-5) 정확도를 달성하며, 훨씬 적은 매개변수와 학습 데이터로 마이아 2를 뛰어넘는 성능을 보였습니다. 특히 1900-1999 엘로(Elo) 구간에서 57.38%로 가장 높은 정확도를 기록했습니다.
오터의 등장은 인간의 복잡한 의사결정 과정을 AI가 더욱 정교하게 이해하고 모방할 수 있음을 보여줍니다. 이는 체스 AI 분야를 넘어, 인간 행동 예측 모델링이 필요한 다양한 영역에 중요한 시사점을 제공합니다. 예를 들어, 스포츠 분석, 교육, 심지어 금융 시장 예측 등 순차적이고 시간 의존적인 데이터가 중요한 분야에서 오터와 같은 접근 방식이 활용될 가능성이 있습니다. 또한, 경량 모델로도 높은 성능을 달성했다는 점은 AI 개발 및 운영 비용 효율성 측면에서도 긍정적인 신호로 해석될 수 있습니다. 연구팀은 오터의 코드와 학습된 모델, 그리고 전체 학습 로그를 공개하여 추가 연구를 장려하고 있습니다.