인공지능(AI)의 연대기
## 1950년대: 인공지능 탄생의 시초
- **1950년**: 앨런 튜링(Alan Turing)이 '튜링 테스트'를 제안하며, 기계가 사람과 구별할 수 없는 수준의 지능을 가질 때까지 발전시킬 것을 제안합니다.
- **1956년**: 다트머스 컨퍼런스(Dartmouth Conference)에서, 존 매카시(John McCarthy) 등이 "인공지능(Artificial Intelligence)"라는 용어를 처음으로 사용하며, 이론적인 기반을 마련합니다.
## 1960년대: 초기 개발과 심볼릭 AI
- **1961년**: 로저 스키너(B.F. Skinner)가 개발한 '학습 기계'로서의 컴퓨터가 등장합니다.
- **1963년**: 존 매카시가 LISP 프로그래밍 언어를 개발하여 심볼릭 AI(Symbolic AI) 분야에 큰 영향을 줍니다.
## 1970년대: 전문화와 지식 기반 시스템
- **1972년**: 마빈 민스키(Marvin Minsky)와 세이무어 파파트(Seymour Papert)가 'Perceptrons'라는 책에서 단층 퍼셉트론의 한계를 지적하며, 인공지능 연구에 대한 암울한 시기가 시작됩니다.
- **1974년**: MYCIN이라는 전문적인 질병 진단 시스템이 개발되었습니다. 이러한 지식 기반 시스템(Knowledge-based systems)은 의료 분야에서 활용되었습니다.
## 1980년대: 전문화된 AI 붐과 심층학습
- **1980년**: 엑스파트 시스템(Expert Systems)이 화제가 되면서 전문화된 AI 붐이 일어납니다.
- **1986년**: 제프리 힌턴(Geoffrey Hinton), 요슈아 벤지오(Yoshua Bengio), 얀 르쿤(Yann LeCun) 등에 의해 다층 신경망(Multi-layer Neural Network)과 역전파 알고리즘이 발전되었습니다.
## 1990년대: 인터넷과 실용화
- **1997년**: IBM의 딥 블루(Deep Blue) 체스 프로그램이 세계 체스 챔피언인 가르리 카스파로브(Garry Kasparov)를 이기면서 주목을 받습니다.
- **1998년**: 구글(Google) 검색 엔진이 출시되었습니다. 웹 상에서 정보를 추출하는 기술은 인공지능 연구와 발전에 큰 동력을 부여하였습니다.
## 2000년대: 대규모 데이터와 딥러닝
- **2006~2012** : 대규모 데이터셋과 그래픽 처리 장치(GPU; Graphics Processing Unit)의 확산으로 딥러닝(Deep Learning; 심층 학습 방법론 중 하나) 연구가 급속도로 집중되었습니다.
- *2009*: ImageNet Challenge에서 CNN(Convolutional Neural Network; 합성곱 신경망 모델 구조 중 하나)-기반 모델들이 좋은 성능을 보여주며 주목 받습니다.
- *2012*: 제프리 힌턴 등에 의해 AlexNet 모델로 이미지넷(ImageNet dataset)-분류 문제에서 압도적인 성능 개선 결과 동원하여 딥러닝 연구에 크게 기여합니다.
## 2010~2020년 현재까지: GPT와 강화학습
* 강화학습 (Reinforcement Learning): 에이전트(Agent)-환경(Environment)-보상(Reward; 점수, 목적 달성 여부 등 학습 목적 관련 정보 값)
사이클로 정의되는 학습 방법론입니다.
* GPT (Generative Pre-trained Transformer): OpenAI 에서 공개한 자연어 처리(Natural Language Processing; NLP)-모델 중 하나로 사전학습(pre-training)
된 양상형인 Transformer 아미크타입 모델입니다.
인공지능(AI)의 암흑기 (AI의 겨울)
인공지능의 암흑기는 AI 연구가 예상치 못한 어려움에 부딪혀 크게 후퇴하거나, 기대치와 실제 성과 사이의 격차로 인해 투자와 관심이 크게 줄어든 시기를 가리킵니다. 이런 암흑기는 크게 두 번 있었습니다.
1. **1차 암흑기 (1974~1980년)**
이 시기는 "AI의 겨울"이라고도 불립니다. 1960년대에 AI 연구가 막 시작되었을 때, 많은 사람들은 지능적인 기계를 만드는 것이 그리 어렵지 않을 것이라고 생각했습니다. 하지만 실제로는 문제 해결에 필요한 '상식'을 기계에 학습시키는 것이 예상보다 훨씬 어려웠습니다.
또한, 당시 사용되던 기존의 규칙 기반 접근법(rule-based approach)으로 복잡하고 추상적인 문제를 해결하는데 한계가 있었습니다. 이런 한계점들은 인공지능 연구에 대한 환멸감을 증대시켰고, 결국 대부분의 AI 프로젝트에서 투자가 중단되었습니다.
2. **2차 암흑기 (1987~1993년)**
1980년대 초반에 엑스파트 시스템(Expert Systems) 붐으로 인해 AI 연구가 다시 활성화되었으나, 이러한 시스템들도 결국 한계에 부딪혔습니다. 엑스파트 시스템은 특정 주제나 영역에서 전문가 수준의 판단력을 가진 컴퓨터 프로그램입니다.
그러나 이러한 시스템들은 유지 보수 비용이 매우 비싸고, 범용성이 없으며, 고정된 규칙 집합 외부에서 작동하지 않았습니다. 덧붙여서 경제적인 부진과 함께 일본의 5세대 컴퓨터 프로젝트 실패 등이 겹치면서 AI에 대한 투자와 관심이 다시금 줄어들었습니다.
하지만 이러한 암흑기를 거치면서도, 학계에서는 지속적으로 AI 연구가 이어졌고, 그 과정에서 새로운 아이디어와 접근법들이 탄생하였습니다. 이러한 노력들은 결국 1990년대 후반부터 2000년대에 들어서면서 '머신 러닝'과 '딥 러닝' 등의 혁신적인 방법론을 낳게 되었습니다.