사람들은 'AI 퍼즐 솔버'라는 말을 들으면 보통 어려운 부분은 올바른 해답을 찾는 것이라고 상상합니다.
최근 Magic Sort 퍼즐 솔버 프로젝트를 살펴보면서, 저는 놀라운 사실을 깨달았습니다. 가장 어려웠던 문제는 퍼즐을 푸는 것이 아니었습니다. 그 퍼즐이 실제로 어떤 모습인지 이해하는 것이었습니다.

🎮 현대의 퍼즐 게임은 더 이상 정적이지 않다
클래식한 분류(sorting) 퍼즐은 예측 가능합니다. 하지만 현대의 퍼즐들은 플레이하는 동안 보드를 완전히 변화시키는 메커니즘을 도입합니다. 몇 가지 예시는 다음과 같습니다:
• 🔑 숨겨진 열쇠 (Hidden Keys)
• 📦 잠긴 상자 그룹 (Locked Box Groups)
• 🎭 커튼으로 가려진 튜브 (Curtain-Covered Tubes)
• 🏷️ 태그 튜브 (Tag Tubes)
• 🧊 얼음 클러스터 (Ice Clusters)
• 🌫️ 안개 돌 (Fog Stones)
• ❓ 숨겨진 색상 세그먼트 (Hidden Color Segments)
• ♻️ 재충전식 짧은 튜브 (Refill Short Tubes)
이 모든 것이 퍼즐 상태를 변화시킵니다. 즉, 솔버가 단순히 스크린샷에서 움직임을 계산한다고 해서 끝낼 수 없습니다.

🤖 컴퓨터 비전(Computer Vision)은 첫 번째 단계일 뿐이다
이 프로젝트는 커스텀 YOLO 모델을 사용하여 스크린샷에서 보이는 보드를 재구성합니다. 보드가 감지되면, 휴리스틱 탐색(heuristic search)이 가능한 움직임 시퀀스를 탐색합니다. 듣기에는 간단해 보입니다... 게임이 원래 스크린샷에서는 보이지 않던 무언가를 드러낼 때까지는요. 그 지점에서 솔버는 멈추고, 플레이어로부터 새로운 정보를 받아들인 다음 업데이트된 상태에서 계속 검색을 진행해야 합니다. 이러한 하이브리드 접근 방식은 숨겨진 정보를 추측하려고 시도하는 것보다 훨씬 더 실용적이라고 느껴졌습니다.

💡 가장 큰 교훈
가장 눈에 띄는 한 가지가 있었습니다.
완벽한 스크린샷 감지(screenshot detection)를 추구하기보다는, 수정하는 과정을 쉽게 만드는 데 초점을 맞추었습니다.
AI가 무언가를 놓치더라도 플레이어가 보드를 빠르게 업데이트하고 계속 풀어나갈 수 있습니다.
이 단순한 UX 결정이 많은 좌절감을 덜어줍니다.
때로는 최고의 AI 경험이 완벽한 자동화가 아닙니다.
불완전한 예측을 우아하게 처리하는 워크플로우를 설계하는 것입니다.

🛠️ 아이디어의 기반 기술
여기에는 그 자체로 특별히 이국적인(exotic) 것은 없습니다.
흥미로운 부분은 모든 것이 어떻게 함께 작동하느냐입니다.
• 🎯 보드 감지를 위한 YOLO
• 🧠 이동 계획을 위한 휴리스틱 탐색(Heuristic search)
• ⚛️ 인터페이스를 위한 React / Next.js
• 🎨 상호작용적인 보드 편집
• 🔄 퍼즐이 진화함에 따라 상태 업데이트(State updates)
각 구성 요소는 서로 다른 문제를 해결합니다.
이들이 합쳐져 개별 부품보다 훨씬 더 똑똑하게 느껴지는 무언가를 만들어냅니다.

📚 탐색할 만한 자료
구현 세부 사항까지 깊이 파고들지 않고 전체적인 접근 방식에 대해 궁금하다면, 다음 가이드가 좋은 개요를 제공합니다.

🔹 AI 솔버 작동 방식(How the AI Solver Works)
[https://aimagicsortsolver.com/guides/how-ai-solver-works]

🔹 현대 퍼즐 게임의 특수 오브젝트(Special Objects in Modern Puzzle Games)
[https://aimagicsortsolver.com/tag-tube-puzzles]

이 자료들은 구현 자체는 비공개로 유지하면서 프로젝트의 배경 개념을 설명합니다.

🎯 최종 생각
이러한 프로젝트들은 AI가 거의 전체 제품이 아니라는 점을 상기시켜 줍니다.
유용한 개발자 도구는 보통 다음 조합으로 이루어집니다:
• ✅ 컴퓨터 비전(Computer vision)
• ✅ 탐색 알고리즘(Search algorithms)
• ✅ 명확한 게임 규칙
• ✅ 좋은 UX
• ✅ 사용자 피드백 루프(User feedback loops)
이 중 어느 하나라도 제거되면 전체 경험은 빠르게 무너지기 시작합니다.
AI가 처음부터 완전한 정보를 갖지 못하는 프로젝트에 대해 다른 사람들이 어떻게 접근하는지 듣고 싶습니다.