AI가 복권을 ‘예측’할 수 있을까? 기술적으로는 과거 데이터를 이용해 통계적·기계학습 모델을 만들 수 있지만, 복권 추첨 자체가 난수(RNG)로 운영되는 한 완전 예측은 불가능하다. 일반적인 예측 파이프라인은 (1) 데이터 수집(과거 회차), (2) 전처리(피처 생성: 출현간격/홀짝/구간 등), (3) 모델학습(LSTM, XGBoost 등 시계열/회귀·분류 모델), (4) 검증(백테스트) 순이다. 최근에는 LSTM + XGBoost 하이브리드 접근으로 시계열 특성과 비선형 특성을 함께 잡으려는 시도가 활발하다. 다만 연구와 오픈소스 테스트 결과는 ‘일부 지표(예: 특정 구간의 상대적 확률)는 개선되지만, 전체 당첨 예측 정확도를 실전 수준으로 끌어올리긴 어렵다’는 결론이 많다. 알고리즘은 ‘결정 도구’가 아니라 ‘참고 도구’로만 사용하고, 모델 성능 평가는 투명하게 공개된 백테스트 지표(MSE, Precision@k 등)를 기준으로 판단하라.