인공지능(AI)의 역사 2탄 | 겨울-봄(1980-현재)

 

인공지능(AI) (출처: Pixabay)

"기계도 생각할 수 있는가?" (Can machines think?) 영국의 수학자 앨런 튜링은 1950년 국제 학술지의 첫 문장을 이렇게 썼다고 합니다.
작은 파문에 불과하던 물음은 현대에서 거대한 느낌표로 대두되고 있습니다.
2016년에 이세돌 9단과 구글 '알파고'의 대국에서 알파고가 4승1패를 이뤄내고, 2022년 오픈 AI의 챗GPT가 인간처럼 유려하게 문장을 써 내려갔기 때문입니다.

'기계가 생각할 수 있을까? 의문이 채 100년도 안 돼 AI가 제공하는 서비스들은 '생각하는 듯' 보입니다.
인공지능(AI)이 이렇게 빨리 발전할 수 있었던 근간은 무엇일까요?
1탄에 이어 2탄에서 도보다모와 인공지능(AI)의 역사를 되짚으며 탐구해 보도록 합시다.

---

 

4. AI의 봄날과 겨울 | 전문가 시스템(1980-1987)

 

1970년대 후반, 인공지능(AI)을 통한 실험과 아이디어에 흥미를 느낀 사람들은 1980년 초 '전문가 시스템'이라는 방법이 등장하자 기대감이 폭발했습니다.
전문가 시스템은 특정한 주제나 분야에서 전문가들이 가지고 있는 수준의 지식과 능력을 컴퓨터나 기계가 대체하는 소프트웨어 시스템으로, 당시 산업계 종사자들은 '기계가 사람 일을 대신할 수 있다!'하며 인공지능(AI)의 행보에 많은 관심을 기울였습니다.

문제는 당시의 컴퓨터, 로봇의 성능이 기대에 한 없이 못 미칠만큼 형편없었다는 것입니다.
전문가는커녕 일반인을 대체하기도 어려울 만큼 전문가 시스템의 성능은 부진했습니다.
그 한계를 살펴보자면 아래와 같습니다.

 

[한계 첫 번째]
당시 전문가 시스템은 지금과 같은 방대한 데이터가 아닌 한정적인 지식으로만 프로그래밍했습니다.
그러다 보니 고려되지 않은 수에 대해 굉장히 취약한 성능을 보여줬는데요.
인간처럼 일하는 기계를 상상했던 사람들은 곧 시스템에 실망하며 인공지능을 외면하게 됐습니다.
당연하게도 전문가들 일은커녕 단순 작업이나, 제조업 분야의 업무만 수행할 수 있었습니다.

[한계 두 번째]
전문가 시스템은 IF(조건)-THEN(결과) 규칙으로 구성된 시스템이었습니다.
즉, 입력된 조건에서 입력된 결과만 출력하는 융통성 제로 프로그램이었던 것이죠.
그러다 보니 다른 경우의 수를 추론하거나 논리적으로 이해하는 것에 한계가 있었습니다.

[한계 세 번째]
위의 설명대로 전문가 시스템은 모든 경우의 수나 데이터를 입력해 주어야 했는데 당시엔 업데이트에 비용이 많이 들어 능력을 향상하는 데 어려움이 있었습니다.

이런 이유로 사람들의 기대에 못 미친 전문가 시스템은, 곧 인공지능에 대한 실망으로 이어졌습니다.
"AI 겨울"이라고도 불리는 이 시기에 외면받은 인공지능은 1990년대 중반에 들어서야 다시 한번 활기를 되찾게 됩니다.

 

 

 

---

5. 현대의 AI (1993-현재)

 

1990년대에 들어서면서 컴퓨터의 성능이 좋아지고 인공지능(AI) 분야를 대하는 방식들이 변화하며 인공지능(AI)은 다시 한번 부상하게 됩니다.

 

1) 기계 학습과 역전파(backpropagation) 
기계학습은 새로운 상황이나 데이터에 대해 예측할 수 있도록 패턴을 찾아내 모델을 구축하는 컴퓨터 알고리즘의 분야입니다.
만들어진 모델을 통해서 반복 업무를 더 효율적으로 수행하거나 예측과 다른 이질적인 데이터를 찾아낼 수 있습니다.
기계학습은 본래 1940~1950년대에 통계학자들이 일부 개념을 개발했던 것이 여러 세대를 거쳐 발전하며 1990년대 초반에 역전파(backpropagation) 알고리즘이 소개되며 각광받게 되었습니다.

 

기계학습과 역전파, 쉽게 이해해 볼까요?
예를 들어 우리가 농구를 처음 해본다고 가정해 봅시다.
골대를 바라보며 농구공을 힘껏 던져보지만 골대에서 한 참 앞으로 농구공이 떨어지겠죠?
하지만 몇 번이고 계속 공을 던지다 보면 '아. 이 정도 높이에서 이만큼의 강도로 던지면 골대에 가깝게 던져지는데?'하는 생각이 들게 됩니다.
그렇게 여러 번의 경험을 통해서 점점 공을 골대에 가깝게 던지는 것.
이게 바로 틀리더라도 그 경험으로 오차를 줄여나가는 기계 학습의 학습법입니다.
역전파는 이를 역방향으로 전파해 오차를 더 정밀하게 조정하는 것으로 A(공을 던지는 시점)에서 B(골대)로 보내는 것이 정방향, B(골대)에서 A(공을 던지는 시점)로 보내는 것을 역방향이라 합니다.

 

2) 기계 번역
1990년대에는 통계 기반 기계 번역(SMT-Simultaneous Multithreading)가 등장했습니다.
그 당시에는 번역의 제한이 많아 특정한 연구에만 사용되었고, 현대에 이르러서야 널리 사용되었습니다.

 

3) 딥러닝의 부상
2010년대에는 딥러닝이 부상해 현재까지 무척 각광받고 있습니다.
딥러닝은 기계학습의 중류인 인공신경망(ANN)을 기반으로 한 기법의 하나입니다.
1990년에 역전파 알고리즘이 어려워했던 심층 신경망 훈련을 가능케 하는 더욱 발전된 개념이라 보시면 될 것 같습니다.

4) 생성 인공지능(Generative AI)
생성 인공지능은 기존 데이터들로 새로운 데이터를 만들어내는 인공지능으로 특히 이미지, 음성, 텍스트 생산으로 많이 알려져 있습니다.
우리에게 익숙한 오픈ai 챗GPT, 구글 바드(Bard), 메타 라마(Llama), 마이크로소프트 코파일럿(Microsoft Copilot)와 같은 인기 도구들이 생성 인공지능에 해당합니다만, 사실 오래전부터 연구되던 분야이며 2010년에  GAN(Generative Adversarial Network)과 VAE (Variational Autoencoder)와 같은 딥러닝을 기반으로 한 생성 모델로 소개되기도 했습니다.

 

5) 다양한 분야에서 응용
현재에 이르러서는 사용하지 않는 곳이 없을 만큼, 정말 많은 분야에서 인공지능(AI)이 사용되고 있습니다.
대표적으로는 의료, 금융, 자율 주행 자동차, 언어 번역, 이미지 분석 등이 있으며 딥러닝을 기반으로수많은 인공지능 모델이 새로운 기술들을 선보이고 있습니다.

 

---

 

📧 마무리 인사

이제는 인공지능(AI)이 곁에 없는 하루를 상상하기가 어렵습니다.

개인의 사소한 일상에서부터 업무, 보안, 유희 등 다양한 곳에 인공지능(AI)이 함께하며 편리한 서비스들을 제공합니다.
마이크로소프트의 리서치 AI4사이언스 팀(AI4Science team) 디렉터는 “AI가 과학발견의 혁명을 주도하고 있다”며, “가장 흥미롭고 궁극적으로 가장 중요한 AI의 활용 분야가 될 것”이라고 이야기했습니다.

땔래야 땔 수 없고, 벗어나려해도 벗어날 수 없는 인공지능(AI)의 세상.

고작 100년도 안 된 세월동안 거대하게 자란 이 시장에서 우리가 가져야할 스텐스를 고민해볼 때인 것 같습니다.

 

읽어주셔서 감사합니다.