워들에서 99% 승리하는 방법? 정보 이론의 경이로움

**워들(Wordle)이란?** 워들은 뉴욕 타임스가 운영하는 일일 단어 퍼즐 게임이다. 비밀의 5글자 영어 단어를 6번의 시도 안에 찾아야 한다. 각 추측(입력) 뒤에는 세 가지 색으로 힌트가 주어진다. • 초록: 글자가 맞고, 위치도 맞음 • 노랑: 글자는 단어에 있지만, 위치가 다름 • 회색: 글자가 단어에 없음 매일 퍼즐은 하나뿐이며, 전 세계 모두에게 정답은 동일하다. 그래서 이렇게 인기가 많다. **99% 승률의 새로운 전략** 2026년 6월 19일, 뉴욕의 빙햄턴 대학교(Binghamton University) 연구진이 워들을 거의 항상 풀어내는 방법을 발표했다. • 책임자: 조교수 Congyu “Peter” Wu • 팀: Donald Stephens, Talal Aladaileh • 출판: “Solving Wordle Using Information Theory”, Northeast Journal of Complex Systems • 그들의 성공률: 99% A, E, R처럼 자주 나오는 글자들을 바탕으로 추측하는 전통적인 전략은 약 90% 수준의 승률에 그쳤다. **비밀은 무엇인가? 샤논 엔트로피(Shannon entropy)** 우리는 보통 “이게 정답일 것 같은” 단어를 추측한다. 이 팀은 그 방식을 바꿨다. 정답일 가능성이 높은 단어를 찾는 대신, 가장 많은 정보를 주는 단어를 찾았다. 이를 위해 그들이 사용한 것은 정보이론에서 불확실성을 측정하는 수학적 도구인 샤논 엔트로피다. 각 추측이 남아 있는 가능성을 얼마나 빠르게 잘라내는지 계산해, 가장 큰 정보 획득(information gain)을 주는 단어를 추천한다. 그래서 때로는 추천되는 단어가 무작위처럼 보일 수 있다. 정답일 가능성이 전혀 없을 수도 있다. 하지만 다음 단계에서 정답에 더 가까워지도록 만든다. Donald Stephens는 “한 번의 추측이 정답일 필요는 없다. 정보를 주기만 하면 된다”고 말한다. **실제로는 어떻게 하나?** 게임을 하면서 작은 스크립트를 함께 실행해야 한다. 매 추측 뒤에 나온 색상을 입력하면, 다음으로 가장 좋은 추측을 스크립트가 알려준다. 이 프로젝트는 거대한 연구로 시작된 것이 아니었다. Wu의 수업에서 “정보이론을 현실 세계 문제에 적용해 보여라”라는 과제로 시작해, 이후 논문으로 출판되었다. **결론** 워들은 단순한 게임이 아니다. 정보를 얼마나 효율적으로 수집할 수 있는지 보여주는 작은 사례다. 같은 엔트로피 발상은 의료 진단, 탐색 알고리즘 등 여러 분야에서 활용된다. 내일 워들을 할 때는 정답을 “찾으려” 하지 말고, 더 많이 “가르쳐 주는” 추측을 던져라. --- 출처: 뉴욕주립대 빙햄턴 대학교(Binghamton University, State University of New York). “Solving Wordle Using Information Theory”, Wu, Stephens, Aladaileh. Northeast Journal of Complex Systems, 2026년 6월. Wordle®은 New York Times Company의 등록상표이다. ## 배경 & 맥락(Background & Context) 워들은 뉴욕 타임스가 운영하는 일일 단어 퍼즐 게임이기 때문에, “같은 날 모두에게 같은 퍼즐”이라는 공통의 경험을 만들어낸다. 하루에 한 번만 시도할 수 있다는 제약, 그리고 6번의 시도 안에 5글자 영어 단어를 찾아야 한다는 규칙은, 이를 단순한 단어 게임을 넘어 작은 의사결정 문제로 만든다. 각 추측 뒤에 초록–노랑–회색 표시로 주어지는 피드백은 “우리가 아는 것–아직 모르는 것”의 경계를 분명하게 보여준다. 바로 이 구조 덕분에, 워들 같은 게임을 단순한 언어 지식 훈련을 넘어 제한된 시도 안에서 정보를 어떻게 수집할 것인가라는 개념의 사례로 바라볼 수 있다. 이 글에서 말하는 배경의 중요성은, 흔한 인간의 전략과 수학 기반 전략의 차이를 이해시키는 데 있다. 많은 사람들은 일반적으로 자주 등장하는 글자들을 앞세워 추측한다. 이는 어느 정도 효과가 있지만, 목표가 직접적으로 “얼마나 빨리 정답을 찾는가”에 맞춰져 있다. 반대로, 빙햄턴 대학교 연구자들이 2026년 6월에 발표한 것으로 언급되는 연구는 “어떤 추측이 가장 많은 정보를 주는가”라는 질문을 핵심에 둔다. 여기서는 정보이론의 개념인 샤논 엔트로피라는 측정치를 사용해, 각 시도가 남아 있는 가능성을 얼마나 빠르게 줄이는지를 계산한다. 그 결과 다음 추측에서 중요한 것은 “정답처럼 보이는가”가 아니라 “무지를 줄이는가”가 된다. 이 전환이야말로 글의 맥락을 이해하게 해 주는 중심 배경이다. 또한 이 연구가 수업 과제로 시작해 이후 출판으로 이어졌다는 글의 언급은, 교육 환경에서 기초 이론이 어떻게 게임 안에서 측정 가능한 구체적 결과로 전환되는지를 보여준다. 실용적 형태로는, 플레이 중 작은 스크립트를 통해 색상 표시를 입력하고 다음 최적의 추측을 받는 방식이 제시된다. 이처럼 “컴퓨터 보조 + 인간의 결정”이라는 결합은 정보이론의 개념이 왜 중요한지에 맥락을 부여한다. 워들은 작은 플랫폼이지만, 제한된 시도 안에서 올바른 결정을 향해 가야 하는 요구가 있는 많은 분야(예: 의료 진단, 탐색 알고리즘)에서 같은 종류의 사고가 사용된다고 글은 연결한다. 따라서 이 배경은 워들을 단순한 오락이 아니라, 정보 수집과 의사결정에 대한 사고를 훈련시키는 간단한 모델로 바라보도록 이끈다.