인공지능의 역사, 출현, 및 발전과정 요약 2

지난 블로그 포스팅에서 인공지능(AI)가 출현하기부터 제1차 AI 붐까지의 역사를 다뤄보았습니다.

 

인공지능의 역사, 출현, 및 발전과정 요약 1

 

이번 블로그 포스팅에서는 그 이후의 발전과정을 다뤄보도록 하겠습니다.

 

1974~1980 : 겨울의 시대

당시 인공지능(AI)으로는 미로 풀이나 정리 증명과 같은 단순한 가설의 문제를 다룰 수는 있어도 여러 요인이 얽혀 있는 것과 같은 현실 사회의 과제를 풀 수는 없음이 분명해집니다. 과학자들 사이에서도 "AI는 정말 사람처럼 지능적인가?" 등의 질문이 퍼집니다.

현실의 복잡한 문제는 풀 수 없다는 성능적 한계가 보이게 되면서 AI에 대한 열기는 수그러들고 연구 지원이 막히며 AI 개발은 속도를 내지 못합니다. 이것이 1974년부터 1980년대 초까지 지속된 겨울 시대입니다.

이때 인공지능이 풀 수 있었던 실용적이지 않은 문제는 '장난감 문제(토이 프로블럼)'라고 불렸습니다.

 

1980~1987: 제2차 AI 붐

다음 붐(제2차 AI 붐)이 일어난 것은 1980년대입니다. 이 시대의 붐을 일으키는 계기가 된 것은 다수의 전문가 시스템(Expert System)이 나오기 시작하면서부터였습니다.

참고로 전문가 시스템이란 인공지능에게 전문가처럼 '지식'을 규칙으로 가르쳐 문제를 해결시키려는 기술을 말합니다.

전문가 시스템의 개발은 1960년대부터 이루어지고 있으며, 제1차 AI 붐이 한창이던 1972년에는 실용적이지는 않았지만 세균 감염 진단을 하는 전문가 시스템이 개발되고 있었습니다. 제2차 AI 붐 무렵에는 많은 대기업이 전문가 시스템을 업무에 도입하는 등 전문가 시스템은 실용적인 도구로 널리 이용되게 되었습니다.

 

전문가 시스템의 구조는 현재도 기업 사이에서 도입되고 있습니다. Amazon이나 라쿠텐 등의 EC 사이트의 평가 시스템은 정보를 추측하여 제시하는 전문가 시스템이라 할 수 있습니다.

 

사이트를 방문한 사람에게 그 사람이 본 상품 정보로부터의 유사 상품을 추천하거나, 그 사람이 평소 보는 뉴스로부터, 다음에 그 사람이 읽고 싶을 관련 뉴스 일람을 표시하거나 하는 추천 시스템도 전문가 시스템입니다.

 

1987 ~ 1993 : 겨울의 시대 2

그러나 연구를 거듭하는 과학자들 사이에서 전문가 시스템에도 한계가 있음이 점차 드러납니다. 큰 단점은 두 가지가 있었습니다.

첫 번째 단점으로는 사람이 사람들이 직접 수동으로 컴퓨터에 높지 않은 퀄리티의 많은 정보와 지식들을 입력해야 한다는 것이었습니다. 그 당시에는 컴퓨터가 스스로 필요한 정보를 축적할 수 없었기 때문이었습니다.

 

두 번째 단점으로는 방대한 정보 중에서도 한계적인 특정 영역의 정보들만 실제로 활용이 가능하다는 점이었습니다. 그 당시에는 컴퓨터가 모순된 규칙이나 예외 처리를 대응할 수 없었기 때문이었습니다.

이를 이유로 제2 AI 붐은 종식되었고, 1987년부터 1993년까지의 기간 동안 AI 연구는 다시 겨울 시대에 돌입했습니다.

 

2006~2020: 제3차 AI 붐

전야

겨울 시대가 시작되었던 1993년부터 딥러닝이 등장한 2006년까지는 제3차 AI 붐에 대한 토대가 착착 마련되기 시작한 시기입니다. 붐 전야 중에서도 1997년 체스 전용 컴퓨터 딥 블루가 체스 세계 왕자에게 승리한 순간은 유명합니다. 이것은 AI가 인간에게 처음으로 승리한 순간으로서 지금도 선명하게 사람들 사이에서 기억에 남는 일입니다.

그리고 우리는 지금 바로 제3차 AI 붐의 한복판에 살고 있습니다. 제3차 AI 붐의 원동력이 되고 있는 기술 혁신은 두 가지가 있습니다.

 

기술혁신1 : 머신러닝의 실용화

'빅데이터'로 불리는 대량의 데이터를 이용함으로써 인공지능(AI) 자신이 지식을 획득하는 '머신러닝'이 실용화되기 시작했습니다. 빅데이터란 기존의 데이터베이스 관리 시스템 등에서는 기록이나 보관, 해석이 어려운 방대한 데이터 군을 말합니다.

 

기술혁신 2 : 딥러닝의 등장

기존의 기계학습에서는 인간이 특징 양을 정의하고 예측이나 추론의 정확도를 높였습니다. '딥러닝(심층학습)'을 활용함으로써 학습 데이터에서 자동으로 특징량을 추출하여 정확도를 향상시킬 수 있게 되었습니다.

 

머신러닝에서 특징량이란 학습 입력에 사용하는 측정 가능한 특성을 말합니다. 예를 들어, 빨간 사과와 파란 사과를 식별할 때는 '색'이 특징량이 됩니다.

 

사람은 사물을 식별할 때 무의식적으로 적절한 특징량을 이용하지만 딥러닝을 제외한 기존 머신러닝에서는 식별에 이용해야 할 특징량을 사람이 입력하고 있었습니다. 그래서 그동안 '사람 얼굴 식별' 등 복잡한 문제에 있어 인공지능에게 적절한 특징량을 알려주는 것이 어려웠습니다.

'AI 자신이 지식을 획득한다', 'AI가 스스로 특징량을 획득한다'라는 것은 인공지능 연구 분야에 있어서 돌파가 되어 현재 인공지능 연구 붐의 기폭제가 되었습니다.

제3차 AI 붐으로 인한 주요 사건
- 2006년 : 딥러닝 실용방법 등장
- 2011년 : IBM 왓슨이 퀴즈 프로그램에서 인간에게 승리
- 2012년: 화상 인식의 향상으로 화상 데이터로부터 「고양이」를 특정 가능
- 2015년 : 일론 머스크 등 1000억엔 이상 오픈AI에 기부
- 2016년 : '알파고'(컴퓨터 바둑 프로그램)가 프로에 첫 승

 

신AI 시대

그렇다면 앞으로 AI는 어떤 기술 발전을 이루어 나갈까요? 제3차 AI 붐에서의 기술 혁신에 따라 싱귤래리티라는 말이 최근 주목을 받고 있습니다.

싱귤래리티(기술적 특이점)란 AI 등 기술이 스스로 인간보다 똑똑한 지능을 만들어내는 것이 가능해지는 시점을 가리킵니다. 미국의 수학자 버너 빈지(Vernor Ving)에 의해 최초로 널리 퍼졌으며, 인공 지능 연구의 권위자인 레이 커즈와일(Ray Kurzweil) 박사도 제창하는 개념입니다.

레이 커즈와일 박사는 "2029년에 AI가 인간 수준의 지능을 갖추고 2045년에 기술적 특이점이 온다"라고 주창하고 있습니다. 이 문제는 2045년 문제라고 합니다.

싱귤래리티는 우리의 고용에 크게 변화를 미칠 것으로 생각됩니다. AI가 인간 이상의 지능을 가지면 지금 인간이 담당하고 있는 업무를 AI가 대신할 가능성은 당연히 지울 수 없습니다. 우리의 일하는 방식은 지금부터 10년 후, 20년 후에는 현저하게 변화하고 있을 가능성이 있습니다.

인공지능이 탄생한 이후 오늘까지 60년이 넘는 역사 속에서 우리의 삶은 인공지능과 함께 변화해 왔습니다. 그리고 앞으로 찾아올 싱귤래리티도 지금 우리의 삶을 크게 변화시킬 가능성을 가지고 있습니다. 이 글을 통해 인공지능의 역사를 돌아보고 그 미래에 대해서도 고찰함으로써 앞으로의 인공지능에 대한 이해가 깊어졌으면 합니다.