[AI 개론] 01 - History of AI | 인공지능의 역사

1. 1950년대: AI 개념의 등장

1.1 튜링 테스트 (1950년)

• 앨런 튜링(Alan Turing)은 "생각하는 기계가 가능한가?" 라는 질문을 던졌고, 기계가 인간처럼 지능적인 행동을 보일 수 있는지 평가하는 방법을 제안함.
• 튜링 테스트(Turing Test):
  • 사람이 AI와 인간을 구별하지 못하면 AI가 지능을 가졌다고 간주하는 방식
  • 이후 이 개념은 AI 연구의 철학적 기초가 됨

_

1.2 다트머스 컨퍼런스 (1956년) – AI의 탄생

• "인공지능(Artificial Intelligence)"이라는 용어가 처음 사용됨
• 존 매카시(John McCarthy), 마빈 민스키(Marvin Minsky), 클로드 섀넌(Claude Shannon) 등이 참여
• 목표: 인간처럼 사고하는 기계를 만드는 연구
• 초기 연구에서 퍼셉트론(Perceptron, 뉴런 모방 모델) 등의 개념이 등장했지만, 기술적 한계로 인해 큰 성과를 거두지는 못했다.

==========𝔼𝔼𝟚𝟚==========

 

2. 1960~1970년대: 초기 AI 연구와 첫 번째 AI 겨울

2.1 AI에 대한 초기 낙관론

• 미국 정부와 기업들이 AI에 막대한 자금을 투자함.

1. 기계 번역(Machine Translation) 프로젝트 진행:
   • 미국 국방부는 냉전 시대 소련 문서를 자동 번역하는 AI를 개발하려고 했음.
     • 하지만 AI가 문맥을 이해하지 못하는 오류 발생 (예: "The spirit is willing, but the flesh is weak" → "The vodka is good, but the meat is rotten")
2. 체스와 문제 해결 AI 연구
   • 체스 게임을 할 수 있는 AI 개발
     • 샤키(Shakey, 1969년): 세계 최초의 이동 로봇으로, 간단한 목표를 수행할 수 있었음.

_

2.2 첫 번째 AI 겨울 (1966~1974년)

• 연구 성과가 기대만큼 나오지 않음, 미국에서도 국방부(DARPA)의 AI 연구 지원이 대폭 감소
• 영국 정부의 Lighthill 보고서(1973년)에서 AI의 한계를 지적하며 연구 자금이 삭감됨

==========𝔼𝔼𝟚𝟚==========

 

3. 1980년대: 전문가 시스템과 두 번째 AI 겨울

3.1 전문가 시스템(Expert Systems)

• 1980년대에는 전문가 시스템(Expert System) 이 AI 연구의 중심
• 특정 분야의 전문가 지식을 컴퓨터에 프로그래밍하여 의사결정을 돕는 시스템
  • 예) MYCIN (의료 진단 AI): 감염병 치료를 위한 전문가 시스템
  • 예) XCON (컴퓨터 부품 조립 AI): 디지털 장비 조립을 돕는 시스템
• 기업들이 전문가 시스템을 도입하면서 AI 산업이 다시 활성화

3.2 두 번째 AI 겨울 (1987~1993년)

• 전문가 시스템은 성공적이었지만 고비용과 유지보수 어려움의 문제가 있었다.
• 1987년 일본의 AI 연구 프로젝트(제5세대 컴퓨터 프로젝트, FGCS)가 실패하면서 AI 연구가 다시 침체됨..
• 아직 컴퓨터 성능이 AI 연구를 따라가지 못함

==========𝔼𝔼𝟚𝟚==========

 

4. 1990~2000년대: AI의 부활과 기계 학습(Machine Learning)

4.1 AI의 부활: 체스와 기계 학습

• 1997년 IBM 딥 블루(Deep Blue) 가 체스 세계 챔피언 가리 카스파로프(Garry Kasparov) 를 이김
  • 이는 AI가 인간을 뛰어넘을 수 있음을 보여준 상징적인 사건
• 기계 학습(Machine Learning) 등장:
  • 데이터를 이용해 AI가 스스로 학습하는 방법을 개발함
  • 규칙 기반 AI(rule-based AI)에서 확률 및 통계적 모델 기반 AI로 전환

_

4.2 인터넷과 데이터 혁명

• 인터넷의 발전으로 방대한 양의 데이터 축적 가능
• 음성 인식, 추천 시스템(Amazon, Google 등) 등의 AI 활용 증가

==========𝔼𝔼𝟚𝟚==========

 

5. 2010년대: 딥러닝(Deep Learning)과 AI 혁명

5.1 딥러닝의 등장 (2012년)

• 2012년 알렉스넷(AlexNet) 이 이미지 인식 대회(ILSVRC)에서 혁신적인 성과를 거둠.
• 기존 기계 학습을 넘어서는 성능을 보이며 딥러닝(Deep Learning) 시대 개막.
• 인공 신경망(Neural Network) 기반 모델이 AI 발전의 핵심이 됨.

_

5.2 AI 기반 서비스의 증가

• 음성 비서: Siri(2011), Google Assistant(2016), Amazon Alexa(2014) 등
• 자율 주행: 테슬라, Waymo 등의 AI 기반 자율주행 기술
• 이미지/영상 인식: 딥러닝 기반 얼굴 인식, GAN(Generative Adversarial Network) 등장

==========𝔼𝔼𝟚𝟚==========

 

6. 2020년대: 생성형 AI와 AI의 대중화

6.1 GPT와 대형 언어 모델 (LLMs)

• OpenAI가 GPT-3(2020), GPT-4(2023) 를 공개하며 자연어 처리(NLP) AI가 급격히 발전
• 인간 수준의 텍스트 생성이 가능해짐

_

6.2 생성형 AI (Generative AI)의 등장

• DALL·E: 텍스트 기반 이미지 생성
• Sora(OpenAI, 2024): 텍스트를 기반으로 동영상 생성 가능
• Stable Diffusion, MidJourney 등 다양한 AI 이미지 생성 모델 등장

_

6.3 AI의 윤리적 문제와 규제

• AI의 영향력이 커지면서 AI 윤리(AI Ethics) 가 중요한 이슈가 됨
• AI로 인한 직업 대체, 가짜 뉴스, 개인정보 보호 문제 등이 사회적 논쟁을 일으킴
• 각국 정부와 기업들이 AI 규제를 마련하는 중

==========𝔼𝔼𝟚𝟚==========

 

7. 결론: AI의 미래

• 강한 AI(AGI, Artificial General Intelligence) 개발 가능성: 현재 AI는 특정 작업만 수행하는 약한 AI(Weak AI) 단계에 머물러 있음
• 자율 주행, 의료 AI, 로봇 공학 등 다양한 산업에서 AI가 핵심 기술로 자리 잡을 것
• 윤리적 규제와 기술 발전의 균형이 중요한 과제

==========𝔼𝔼𝟚𝟚==========

 

8. 타임라인 정리

1. 1950년대: 튜링 테스트, 다트머스 컨퍼런스에서 AI 개념 등장
2. 1960~70년대: 초기 낙관론, 하지만 성과 부족으로 AI 겨울 도래
3. 1980년대: 전문가 시스템으로 재부흥, 하지만 한계가 명확
4. 1990~2000년대: 기계 학습과 IBM 딥 블루의 체스 승리로 AI 재부흥
5. 2010년대: 딥러닝 혁명, 이미지·음성 인식, 자연어 처리 발전
6. 2020년대: GPT, 생성형 AI(Sora, DALLE), AI의 대중화와 윤리적 이슈
7. 미래 전망: 강한 AI(AGI) 개발 가능성, AI 규제와 윤리 문제 해결 필요