AI everyday life

인공지능의 탄생: 1943년 ~ 1956년

• 1940년대 후반과 1950년대 초반에 이르러서 수학, 철학, 공학, 경제 등 다양한 영역의 과학자들에게서 인공적인 두뇌의 가능성이 논의되었고, 1956년에 이르러서 인공지능이 학문 분야로 들어섰다.

• 1943년: 워렌 맥클록과 월터 피츠가 전기 스위치처럼 켜고 끄는 기초 기능의 인공 신경을 그물망 형태로 연결하면 사람 뇌에서 동작하는 아주 간단한 기능을 흉내 낼 수 있음을 증명했다.

• 1950년: 엘론 튜링이 기계가 인간과 얼마나 비슷하게 대화할 수 있는지를 기준으로 기계 지능을 판별하는 튜링 테스트(Turing Test)를 제안했다. 튜링 테스트는 인공지능과 대화를 해서 그 반응을 인간과 구분하기 힘들다면 기계 역시 인간과 마찬가지로 지능적이라는 것을 주장하는 것이다. 튜링 테스트는 인공 지능에 대한 최초의 심도 깊은 철학적 제안이다.

• 1951년: 맨체스터 대학의 페란티 마크 1(Ferranti Mark 1) 기계를 사용하여 크리스토퍼 스트레이(Christopher Strachey)는 체커 프로그램을 작성했고, 디트리히 프린츠(Dietrich Prinz)는 체스 프로그램을 작성했다. 아서 새뮤얼(Arthur Samuel)이 50년대 중반과 60년대 초반에 개발한 체커 프로그램은 결국 존경받는 아마추어에 도전할 수 있는 충분한 기술적 발전을 이룩했다. 게임 인공지능은 역사 속에서 인공 지능의 발전의 척도로 계속 사용될 것이다.

태동기: 1956년 ~ 1974년

• 디지털 컴퓨터에 접할 수 있어진 50년대 중반에 이르러서, 몇몇 과학자들은 직관적으로 기계가 수를 다루듯 기호를 다루고, 사람처럼 기호의 본질적인 부분'까지 다룰 수 있을 것이라고 생각했다. 이것은 생각하는 기계를 만드는 새로운 접근 방법이었다.

• 1956년: 미국 다트머스 대학에 있던 존 매카시 교수가 개최한 다트머스 회의에서 10명의 과학자가 모여 인공지능 개념을 정의했고, 인공지능 용어를 처음으로 사용했다. 즉, 인공지능이라는 용어가 생기기 전부터 인공지능은 연구되고 있었다. 당시의 인공지능 연구 핵심은 추론과 탐색이었다. 1956년 다트머스 컨퍼런스는 AI라는 이름, 목표점, 첫번째 성공과 이를 이룬 사람들, 그리고 넓은 의미의 AI 탄생을 포함하는 순간이었다.
  다트머스 컨퍼런스 이후에, AI라는 새로운 영역은 발전의 땅을 질주하기 시작했다. 이 기간에 만들어진 프로그램은 많은 사람들을 놀랍게 만들었는데, 프로그램은 대수학 문데를 풀었고, 기하학의 정리를 증명했으며 영어를 학습했다. 몇 사람들은 이와 같은 기계의 지능적 행동을 보고 AI로 모든 것이 가능할 것이라 믿었다. 연구가들은 개인의 의견 또는 출판물들을 통해 낙관론을 펼쳤고, 완전한 지능을 갖춘 기계가 20년 안에 탄생할 것이라고 예측했다. 그리고 ARPA(Advanced Research Projects Agency) 같은 정부 기관은 이 새로운 분야에 돈을 쏟아부었다.

• 1958년: 프랑크 로젠블럿이 인간의 뇌신경을 묘사한 인공신경 뉴런 '퍼셉트론(Perceptron)'을 제시했다.

• 1965년: 최초의 전문가 시스템(Expert System)인 '댄드랄(DENDRAL)'이 개발되었다. - 전문가가 하던 일들을 시스템화한 것

• 1969년: 민스키와 페퍼트가 '퍼셉트론즈'라는 책을 출판했다. 그리고 여기서 퍼셉트론의 결정적 문제점이 노출되어 신경망 연구 침체기 가 시작되었고, 연결주의가 추락했다. 여기서의 결정적 문제점은 A라는 개념과 B라는 개념을 정확히 분리해낼 수 있는 선형 분리 방식을 퍼셉트론이 적용하지 못하는 분야를 찾아낸 것이다. 따라서 퍼셉트론은 완벽하지 못한 AI이기 때문에 인공지능으로써의 효용성이 없다는 것을 증명하게 되었다.

첫 번째 암흑기 1974년 ~ 1980년

• 1974년 무렵: 큰 기대를 가져왔지만, 인공지능 연구로 기대했던 결과를 보여주지 못했기 때문에 상당한 어려움에 봉착하게 되었다. 대규모 투자가 중단되었고, 기존 연구 프로젝트들이 줄줄이 취소되었다. 그리고 이때부터 전문가 시스템으로 연구 방향을 전환하게 되었다. (기호 주의의 부상) 전문가 시스템은 전문가의 지식을 논리적인 규칙으로 생성하여 특정 영역에 대해서 사람의 질문에 답할 수 있는 인공지능이다. 단, 전문가 시스템에는 적용할 수 있는 영역이 상당히 제한적이었으며, 사람이 규칙을 일일이 생성하고 이를 조합하여 논리적인 결과를 얻어내야 하는데 그 과정이 너무나 복잡했으며, 새로운 사실들을 추가하거나 문제점을 수정하는 등의 유지보수도 매우 어려웠다.

발전기 1980년 ~ 1987년

• 1980년대: 인공지능계 최대 최대 화두는 신경망의 부활이었다. 사라진 단층 퍼셉트론 모델이 다층 퍼셉트론(신경망이 레이어드된 형태)으로 화려하게 컴백할 수 있었다. 다층 퍼셉트론에 쓰이는 역전파 알고리즘(오차를 줄일 수 있음)을 제안했고, 신경망은 패턴인식을 통해 문자, 인식, 영상 등의 인식에 크게 기여했다.
  하지만, 데이터의 집합이 크고 복잡한 패턴을 처리하기 위해서는 히든 레이어를 여러 개 연결해야 하는데 오류역전파 방법으로는 제대로 학습이 되지 않았다. 그래서 신경망을 적용할 수 있는 범위가 한정될 수밖에 없었다.

두 번째 암흑기 1987년 ~ 1993년

• AI와 비즈니스 커뮤니티의 매력은 상실했고 경제 거품이라는 고전적 형태의 1980년대에 빠졌다. 붕괴는 정부기관과 투자자들의 ‘해당 분야는 계속해서 비판에도 불구하고 진보해왔다.’는 인식에 비롯된 것이었다.

• 1987년대: 다층 신경망의 제한적 성능과 느린 컴퓨터의 속도로 복잡한 계산이 필요한 신경망 연구가 정체되었다. 적층을 해서 신경망을 늘려도 컴퓨터가 느리기 때문에 이를 해결할 수 없게 되었다. 따라서 미국방성 등 인공지능 연구 기금이 대폭 축소되었고 인공지능 연구는 두 번째 암흑기를 맞게 되었다. 이때 미국에서는 300개 이상의 상업용 인공지능 관련 회사가 사라지게 되었다.

안정기 1993년 ~ 2011년

• 1990년대 후반: 검색 엔진을 통해 이전과는 비교도 할 수 없이 방대한 데이터를 수집할 수 있게 되었고, 수많은 빅데이터를 분석하여 인공지능 시스템 자신 스스로 학습하는 머신러닝 형태로 진화하게 되면서 인터넷과 함께 인공지능은 중흥기를 맞이하게 되었다.

• 1997년: IBM의 딥 블루(Deep Blue)가 체스 세계 챔피언이었던 가리 카스파로프를 6번의 대국 끝에 이겼다. 인간은 보통 10수 앞을 내다볼 수 있는데, 슈퍼컴퓨터였던 딥 블루는 12수까지 계산을 할 수 있었다.

• 2004년: 제프리 힌튼 교수가 딥러닝 기반의 학습 알고리즘 제안(RBM) 아주 많은 층을 적층하고 결과물을 향상 시켰다. 불가능이라 여겨졌던 비지도 학습방법이 가능해졌고, 몇 분야에서는 인간의 수준을 뛰어넘은 결과물이 속속 나타나게 되었다. 딥러닝 알고리즘은 주로 음성 인식, 영상 이해, 기계 번역 등에 쓰이고 있다.

• 2011년: IBM의 왓슨이 TV 퀴즈 쇼에서 인간 우승자들에게 승리했다. 사람들의 질문을 이해하고 맥락을 이해해서 답변을 했다.

부흥기 2011년 ~ 현재

• 2012년: 구글이 심층신경망(DNN)을 구현하여 고양이 영상인식을 성공시켰다. (1만 6천 개의 컴퓨터로 무려 10억 개 이상의 신경망을 구성)

• 2014년: 페이스북에서 '딥페이스'라는 얼굴인식 알고리즘을 개발했다. 97%의 성능으로 사람 얼굴을 구분할 수 있다.

• 2016년: 구글 딥마인드의 알파고(AlphaGo)가 이세돌 9단과의 바둑대결에서 승리했다. 알파고는 지도학습과 비지도 학습을 동시에 사용하는데, 비지도 학습의 한 종류인 강화 학습 기술로 혼자 대국을 두며 학습할 수 있었다. 딥블루가 체스에서 우승한 것과 비슷한 사례로 보일 수 있지만, 딥블루는 규칙에 따라 행동하기 때문에 체스 말고는 다른 일을 할 수 없다. 그러나 알파고는 사람처럼 학습을 통해 배울 수 있는 능력이 있기 때문에 딥러닝 알고리즘을 사용하면 바둑뿐만 아니라 다른 분야에서도 그대로 적용이 가능하기 때문에 응용할 수 있는 범위가 무궁무진하다.

인공지능의 부흥기는 현재 진행형이다. 그리고 최근에 들어 관련된 연구가 급증하고 있는데, 이에 관한 이유는 3가지로 정리해볼 수 있다.

• 데이터: 2025년까지 163 제타바이트(1 테라의 10억 배)의 데이터가 생성될 것이라고 IDC에서 발표했다.

• 알고리즘: 딥러닝 등 최신 알고리즘이 개발되고 계속해서 성능이 발전하고 있다.

• 컴퓨팅 파워: 2018년 출시된 GPU(병렬처리가 가능)는 5년 전 출시된 가장 빠른 버전보다 40~80배 빠르다. 비단 알파고 뿐만 아니라 자율 주행 자동차까지, GPU는 인공지능 시스템의 발달에 있어서 가장 선두를 달리고 있다.