소니 탁구 로봇 에이스 – 인공지능이 물리 세계로 넘어온 첫 순간
소니의 탁구 로봇이 세계 25위 인간 프로를 이겼다. 디지털 게임이 아니라 실제 코트 위에서 일어난 일이다. 인공지능이 가상 환경에서 인간을 이긴 사례는 1997년 딥블루의 체스 승리 이후 수십 차례 반복됐지만, 빛과 공기와 마찰이 작용하는 물리 세계에서 정식 경기 규칙을 따라 인간 전문가를 넘어선 첫 번째 사례는 2025년 봄에야 등장했다. 이 사건이 체스나 바둑의 패배와 결이 다른 이유, 그리고 그 차이가 앞으로의 산업 지형에 어떤 흔적을 남길 것인지를 짚어볼 필요가 있다.
소니 인공지능 연구소가 진행한 프로젝트의 이름은 에이스(Ace)다. 2025년 4월, 국제탁구연맹 공식 규칙에 따라 일본 탁구협회 공인 심판이 입회한 가운데 시범 경기가 치러졌다. 상대는 평균 주 20시간 이상 훈련하며 경력 10년이 넘는 엘리트 아마추어 다섯 명, 그리고 일본 프로 리그에서 활동하는 두 명의 프로 선수, 미나미 안도와 카케루 소네였다. 결과는 엘리트 다섯 중 셋에게 매치 승리, 프로 두 명에게는 매치를 모두 내줬지만 한 게임을 따냈다. 같은 해 12월, 다시 진행된 평가에서는 엘리트와 프로 모두를 상대로 승리했고, 프로 두 매치 중 한 매치를 가져갔다. 그리고 2026년 3월, 세계 여자 단식 25위권에 있는 미유 키하라를 포함한 프로 세 명에게 매치 승리를 거뒀다. 9개월 사이의 곡선이다. 처음에는 프로 벽에 부딪혔던 기계가, 서너 분기를 지나며 세계 랭커를 넘어선 것이다.
이 곡선의 모양을 들여다보는 것이 사건의 본질을 잡는 첫걸음이다. 인간 선수의 실력 곡선은 청소년기에 가파르게 오르다가 20대 중반에 정점을 찍고 완만하게 내려간다. 코치를 바꾸고 훈련량을 늘려도 한 시즌에 30퍼센트씩 점프하는 일은 일어나지 않는다. 기계의 곡선은 그렇지 않다. 5년의 누적된 시뮬레이션 학습이 어느 시점에 임계점을 넘으면, 그다음부터는 같은 시간 안에 인간이 평생 걸려 도달한 수준을 통과해 그 위로 솟아오른다. 네이처지 발표에 따르면 에이스의 종단 반응 시간은 20.2 밀리초다. 같은 측정 기준으로 엘리트 인간 선수의 반응 시간은 230 밀리초 안팎이다. 열 배 빠르다. 시속 70킬로미터로 날아오면서 초당 160바퀴 이상 회전하는 공을, 1킬로헤르츠 주기로 궤적을 수정해가며 받아낸다. 이 영역에서 인간이 따라잡을 길은 없다. 다만 지금까지는 이 속도와 정밀함을 가상이 아닌 실제 라켓 끝에서 구현하지 못했을 뿐이다.
도덕경 64장에 이런 구절이 있다. 其安易持, 其未兆易謀. 안정되어 있을 때 잡기 쉽고, 조짐이 드러나기 전에 도모하기 쉽다. 합포지목, 생어호말. 한 아름의 나무도 털끝만 한 싹에서 자란다. 천리지행, 시어족하. 천 리 길도 발 아래에서 시작된다. 노자가 강조한 것은 단순한 점진성이 아니라 변화가 눈에 보이지 않을 때 이미 결정되어 있다는 사실이다. 1983년 첫 탁구 로봇 시제품이 등장한 이래 40년이 넘는 시간 동안, 외부에서 보기에 큰 진전은 없었다. 학회 논문은 쌓였지만 인간 프로를 이긴다는 이야기는 나오지 않았다. 그러나 그 시간 안에 비전 센서, 강화학습, 시뮬레이션-실세계 전이 기술이 각각 다른 분야에서 자라고 있었고, 그 싹들이 한데 모여 임계점을 넘는 순간이 2025년 봄이었다. 사건이 일어난 시점이 아니라, 사건이 잉태된 긴 시간이 핵심이다.
기술적 구조 자체도 들여다볼 가치가 있다. 에이스가 사용하는 시각 시스템은 일반 카메라가 아니라 이벤트 기반 비전 센서다. 픽셀 단위로 빛의 변화가 감지될 때만 신호를 보내는 방식이라, 일반 카메라처럼 30분의 1초마다 전체 화면을 찍는 것이 아니라 수 마이크로초 단위로 변화를 잡아낸다. 이 위에 시뮬레이션 환경에서 수억 번의 가상 랠리를 통해 학습된 강화학습 정책이 얹힌다. 처음에는 공을 코트 위에 떨어뜨리는 것조차 못 하던 시스템이, 무수한 실패를 거치며 스핀과 코스를 동시에 다루는 정책을 스스로 만들어낸다. 인간 코치의 시범도 학습에 일부 활용되지만, 핵심은 자기 시행착오다. 흥미로운 점은 이 과정에서 기계가 만들어낸 샷이 인간이 가진 교본에 없는 형태로 나타난다는 사실이다. 올림픽 출전 경험이 있는 일본 선수 나카무라 킨지로는 에이스의 한 샷을 보고, 이런 각도와 회전을 이런 타이밍에 만들어내는 사람은 본 적이 없다고 평했다. 기계의 학습 공간은 인간의 신체 구조와 관습에 갇혀 있지 않기 때문이다.
이 지점이 산업적으로 묵직하다. 지금까지 인공지능이 이긴 영역은 주로 정보 처리와 패턴 인식이었다. 글을 쓰고, 코드를 짜고, 진단을 보조하고, 보고서를 정리하는 일들. 이 모든 일은 책상 앞 화면 안에서 일어난다. 그래서 노동시장에 미친 영향도 화이트칼라 사무직에 집중됐다. 그러나 에이스가 보여준 것은 화면 밖, 손과 발이 움직이는 영역이다. 빠른 속도로 변화하는 환경에서 실시간으로 지각하고, 판단하고, 물리적으로 행동하는 능력. 이 능력이 임계점을 넘었다는 것은, 그동안 인공지능 자동화의 안전지대로 여겨지던 영역, 즉 손기술과 즉각적 판단이 결합된 일자리가 다음 차례라는 신호다. 외과 보조, 재난 구조, 정밀 조립, 위험 환경 작업. 소니 측이 직접 거론한 응용 분야들이다. 에이스의 의의를 탁구 한 종목의 이변으로 좁혀 읽으면 핵심을 놓친다.
다만 곧바로 인간이 밀려난다는 식의 단순화에는 무리가 있다. 와튼스쿨의 에선 몰릭이 다른 맥락에서 지적한 바 있듯이, 새로운 도구가 50퍼센트 이상의 효율 도약을 가져온다는 주장은 대개 시점을 너무 앞당겨 잡는다. 에이스가 프로 세계 25위를 이겼다고 해서 모든 운동 영역에서 같은 일이 일어나는 것도 아니고, 탁구 안에서도 세계 1위 영역에는 아직 도달하지 못했다. 소니 인공지능 연구소의 수석과학자 피터 스톤도 이 점을 분명히 했다. 어떤 인간 선수는 여전히 이 시스템보다 뛰어나며, 이것은 완성이 아니라 한 이정표라는 것이다. 그러나 곡선의 방향과 가속도를 함께 보면, 이 거리가 좁혀지는 속도가 인간의 진화 속도와 비교가 안 된다는 점만은 확실하다.
투자자의 시선에서 보면, 이 발표는 두 가지 흐름의 교차점에 있다. 하나는 물리적 인공지능, 즉 로보틱스에 강화학습을 결합하는 기업과 연구소들의 가치 재평가다. 미국과 중국이 휴머노이드 로봇 분야에서 경쟁을 벌이는 동안, 일본 기업은 다른 경로로 같은 결승선에 접근하고 있었던 셈이다. 다른 하나는 이 기술의 응용 영역이 엔터테인먼트와 산업, 의료 사이에서 어떻게 분배될 것인가의 문제다. 25년 가까이 시장을 지켜본 입장에서, 기술 진보의 1차 수혜는 늘 기술 자체보다 그 기술을 응용해 기존 산업의 비효율을 걷어내는 쪽에서 더 크게 일어났다. 인터넷이 그랬고, 모바일이 그랬다. 물리적 인공지능도 다르지 않을 가능성이 크다.
도덕경의 같은 장 뒷부분이 한 번 더 의미를 갖는다. 為者敗之, 執者失之. 무언가를 인위로 하려는 자는 실패하고, 잡으려고 하는 자는 잃는다. 시이성인무위, 고무패, 무집, 고무실. 그러므로 성인은 무위하기에 실패하지 않고, 잡으려 하지 않기에 잃지 않는다. 이 구절을 인공지능과 인간의 관계에 적용하면 한 겹의 의미가 더 보인다. 기계의 학습은 인간이 강요해서 진행되는 것이 아니다. 환경을 만들어주고 시행착오의 공간을 열어주면, 기계는 스스로 패턴을 찾아낸다. 인간이 굳이 이래야 한다고 정해주려 할수록 학습은 좁아진다. 에이스가 인간 교본에 없는 샷을 만들어낸 것도, 시뮬레이션 안에서 인간 모범을 그대로 따라 배우는 방식이 아니라 보상 함수만 정해두고 자기 식으로 풀어낸 결과다. 인간이 무언가를 자신의 형상대로 빚으려 할수록, 그 무언가는 인간을 닮은 만큼만 자란다. 무위가 가장 큰 진보를 만든다는 도가의 통찰이, 인공지능 연구의 가장 첨단에서 다시 한번 입증되고 있는 셈이다.
소니 측이 공개한 영상에서, 12월 평가에서 진 뒤 무릎을 꿇고 한참 동안 코트를 바라보던 한 프로 선수의 모습이 짧게 비친다. 무엇이 한순간에 사라졌고, 무엇이 한순간에 시작되었는지, 그 자리에 앉은 본인이 가장 먼저 알았을 것이다. 기계가 처음으로 코트를 넘어온 풍경은 그 한 컷에 다 들어 있다.
