2. 역사[편집]
17~18세기부터 인공지능이 태동하고 있었지만, 이때는 인공지능 그 자체보다는 뇌와 마음의 관계에 관한 철학적인 논쟁 수준에 머물렀다. 그럴 수밖에 없는 것이 당시에는 인간의 뇌 말고는 정보처리기계가 존재하지 않았기 때문이다.
그러나 시간이 흘러 1943년에 신경과학 연구원이던 워런 매컬러와 월커 피츠가 '매컬러-피츠 모델'을 통해 이진법 기반으로 인간 뉴런의 작동 원리를 제시하며 처음으로 모델 구축에 대한 구체적 아이디어가 등장했다.# 이후 1947년에 트랜지스터가 상용화되고 컴퓨터의 발전으로 혁신의 물줄기가 터지기 시작하면서 컴퓨터로 두뇌를 만들어서 우리가 하는 일을 시킬 수 있지 않을까? 라는 의견이 제시되었고 많은 사람들이 그럴 듯하게 여겨 빠른 속도로 인공지능은 학문의 영역으로 들어서기 시작했다.
인공지능(AI, artificial intelligence)이라는 용어가 처음 등장한 때는 1955년 8월 31일에 미국 다트머스 대학교에서 마빈 민스키, 클로드 섀넌 등 인공지능 및 정보 처리 이론에 지대한 공헌을 한 사람들이 개최한 학회에서 존 매카시가 이 용어를 사용하면서부터이다. 특히 마빈 민스키는 최초로 회로화된 신경망인 SNARC라는 시스템을 구축했다.[1]
그리고 당연하지만 이런 일에 관심을 가진건 서방뿐만이 아니어서, 소련 역시 아나톨리 키토프 박사가 본인의 저서 "붉은 서"에서 "ЕГСВЦ(Единой централизованной автоматизированной системы управления народным хозяйством страны - 국가(계획)경제 네트워크 중심적 통제체계)" 라는 것을 제시하였는데, 이는 컴퓨터 네트워크화를 통한 더 나은 계획 경제 체제와 사회의 추구를 목표로 삼은 이론이었다. 이것을 소련 컴퓨터 과학자 빅토르 글루시코프가 더욱 개량한 것이 바로 OGAS(ОГАС - Общегосударственная автоматизированная система учёта и обработки информации, 전연방자동정보처리체계) 계획이다.
20세기 중반에도 인공지능 연구는 자연어처리나 복잡한 수학 문제를 해결하는 등 정말로 인간만이 할 수 있는 영역에 있던 문제들도 컴퓨터로 착착 해결할 수 있었던 상당히 혁신적인 연구였으며, 많은 관심을 받고 지속적으로 연구가 이루어진 분야이다. 당연히 AI 산업은 이미 1980년도에 10억불 규모의 시장을 형성할 정도로 큰 분야였으므로 과거에 이런저런 이유로 관심이 없었다던가 실용화가 되지 않았다는 것은 어불성설이다. 다만 아무래도 당시의 정보처리 능력의 한계와 정보량의 부족, 그리고 이런저런 이유로 연구자금지원이 중단되는 트러블과 특히 1969년도에 마빈 민스키와 시모어 페퍼트가 "Perceptrons"이라는 책을 출간하면서 지적한 SLP(단층 퍼셉트론)의 한계[2]로 인해 1970년대에 한동안 인기가 시들시들 하기도 했었다. 이를 “1차 AI 겨울”이라고 한다.
1974년, 폴 워보스에 의해 역전파 알고리즘이 제시 되었으며 1980년대에 MLP(다층 퍼셉트론)이 도입된다. 이후 1986년, 제프리 힌튼 교수와 로널드 윌리엄스, 데이빗 럼멜하트가 MLP와 (오차)역전파 알고리즘[3]을 증명하여 XOR 문제는 해소되었지만, 기울기 소실 문제[4] 문제로 인하여 정보처리 능력의 한계와 해소되기까지는 더 시간이 필요했다. 이에 1990년대에 다시 2차 AI 겨울이 찾아온다.
문자인식이나 음성인식등의 가시적인 성과가 있는 분야도 있었지만 대화 인공지능 등의 개발 실패 등, 눈앞의 목표를 달성하지 못하는 경우도 많았기 때문인데, 심지어 이런 부분은 수십년이 지난 현재도 극복하지 못해서 아직까지는 인간과 대화를 한다기보다는 자동 응답기에 가까운 수준이다. 이 때문에 1990년도 이후부터 인공지능의 목표는 인간지능의 구현이라는 막연히 넓은 목표에서 문제해결과 비즈니스 중심으로 더 신중하고 좁은 분야가 되었으며, 그제서야 때맞춰 나타난 하드웨어의 성장을 업고 더 성공적인 분야가 될 수 있었다.
2006년, 제프리 힌튼 교수가 DBN(심층신뢰신경망)을 발표하며 불가능이라 여겨졌던 비지도 학습 방법이 가능해졌고, 이로 인하여 퍼셉트론이 사실상 사장되어 딥러닝이라는 방법론이 상위개념인 인공신경망이라는 명칭을 대체하며 유일하게 여겨지는 방법론으로 칭해진다. 특히 2012년에 힌튼 교수가 이끌고 일리야 수츠케버 등이 참여한 AlexNet 팀이 “ILSVRC”라는 컴퓨터 비전 대회에서 압도적인 퍼포먼스로 우승하자 딥러닝은 기존의 SIFT 방법론을 제치고 압도적인 대세가 된다.
2016년, 구글 딥마인드의 알파고가 딥러닝을 사람들 뇌리에 제대로 꽂으며 딥러닝 방식을 대중화했으며 이제 몇 가지 분야에서는 인간의 수준을 뛰어 넘는 결과물들이 속속 나타나고 있다. 특히 약인공지능 분야에서는 빠른 속도로 사람의 능력을 추월할 수 있다는 의식이 확산되고 있다.
알파고 이후로 마케팅에 AI만 들어가면 사람들의 신뢰가 급상승하는 현상이 있으나, AI가 인간을 뛰어 넘는 일반 지성을 갖출 것이라던지, AI가 인간보다 모든 일을 잘한다던지, AI가 모든 직업을 대신한다는 등 지나친 장미빛 전망은 금물이다. 인공지능의 학습에 드는 데이터는 그 자체가 돈이며, 약 인공지능인 이상 계속하여 데이터가 인공지능에 석유와 같은 연료처럼 공급되어야만 한다(입력이나 환경이 절대적으로 고정된 게 아닌 가변적인 경우). 이러한 연유로 AI 겨울, 즉 AI에 대한 관심이 식는 시기가 다시 온다면 과거보다 훨씬 더 오랜 기간동안 정체될 것이라는 의견 또한 나올 정도로 시대의 흐름과 논란에 민감한 경향을 보였다.
그러나 시간이 흘러 1943년에 신경과학 연구원이던 워런 매컬러와 월커 피츠가 '매컬러-피츠 모델'을 통해 이진법 기반으로 인간 뉴런의 작동 원리를 제시하며 처음으로 모델 구축에 대한 구체적 아이디어가 등장했다.# 이후 1947년에 트랜지스터가 상용화되고 컴퓨터의 발전으로 혁신의 물줄기가 터지기 시작하면서 컴퓨터로 두뇌를 만들어서 우리가 하는 일을 시킬 수 있지 않을까? 라는 의견이 제시되었고 많은 사람들이 그럴 듯하게 여겨 빠른 속도로 인공지능은 학문의 영역으로 들어서기 시작했다.
인공지능(AI, artificial intelligence)이라는 용어가 처음 등장한 때는 1955년 8월 31일에 미국 다트머스 대학교에서 마빈 민스키, 클로드 섀넌 등 인공지능 및 정보 처리 이론에 지대한 공헌을 한 사람들이 개최한 학회에서 존 매카시가 이 용어를 사용하면서부터이다. 특히 마빈 민스키는 최초로 회로화된 신경망인 SNARC라는 시스템을 구축했다.[1]
그리고 당연하지만 이런 일에 관심을 가진건 서방뿐만이 아니어서, 소련 역시 아나톨리 키토프 박사가 본인의 저서 "붉은 서"에서 "ЕГСВЦ(Единой централизованной автоматизированной системы управления народным хозяйством страны - 국가(계획)경제 네트워크 중심적 통제체계)" 라는 것을 제시하였는데, 이는 컴퓨터 네트워크화를 통한 더 나은 계획 경제 체제와 사회의 추구를 목표로 삼은 이론이었다. 이것을 소련 컴퓨터 과학자 빅토르 글루시코프가 더욱 개량한 것이 바로 OGAS(ОГАС - Общегосударственная автоматизированная система учёта и обработки информации, 전연방자동정보처리체계) 계획이다.
20세기 중반에도 인공지능 연구는 자연어처리나 복잡한 수학 문제를 해결하는 등 정말로 인간만이 할 수 있는 영역에 있던 문제들도 컴퓨터로 착착 해결할 수 있었던 상당히 혁신적인 연구였으며, 많은 관심을 받고 지속적으로 연구가 이루어진 분야이다. 당연히 AI 산업은 이미 1980년도에 10억불 규모의 시장을 형성할 정도로 큰 분야였으므로 과거에 이런저런 이유로 관심이 없었다던가 실용화가 되지 않았다는 것은 어불성설이다. 다만 아무래도 당시의 정보처리 능력의 한계와 정보량의 부족, 그리고 이런저런 이유로 연구자금지원이 중단되는 트러블과 특히 1969년도에 마빈 민스키와 시모어 페퍼트가 "Perceptrons"이라는 책을 출간하면서 지적한 SLP(단층 퍼셉트론)의 한계[2]로 인해 1970년대에 한동안 인기가 시들시들 하기도 했었다. 이를 “1차 AI 겨울”이라고 한다.
1974년, 폴 워보스에 의해 역전파 알고리즘이 제시 되었으며 1980년대에 MLP(다층 퍼셉트론)이 도입된다. 이후 1986년, 제프리 힌튼 교수와 로널드 윌리엄스, 데이빗 럼멜하트가 MLP와 (오차)역전파 알고리즘[3]을 증명하여 XOR 문제는 해소되었지만, 기울기 소실 문제[4] 문제로 인하여 정보처리 능력의 한계와 해소되기까지는 더 시간이 필요했다. 이에 1990년대에 다시 2차 AI 겨울이 찾아온다.
문자인식이나 음성인식등의 가시적인 성과가 있는 분야도 있었지만 대화 인공지능 등의 개발 실패 등, 눈앞의 목표를 달성하지 못하는 경우도 많았기 때문인데, 심지어 이런 부분은 수십년이 지난 현재도 극복하지 못해서 아직까지는 인간과 대화를 한다기보다는 자동 응답기에 가까운 수준이다. 이 때문에 1990년도 이후부터 인공지능의 목표는 인간지능의 구현이라는 막연히 넓은 목표에서 문제해결과 비즈니스 중심으로 더 신중하고 좁은 분야가 되었으며, 그제서야 때맞춰 나타난 하드웨어의 성장을 업고 더 성공적인 분야가 될 수 있었다.
2006년, 제프리 힌튼 교수가 DBN(심층신뢰신경망)을 발표하며 불가능이라 여겨졌던 비지도 학습 방법이 가능해졌고, 이로 인하여 퍼셉트론이 사실상 사장되어 딥러닝이라는 방법론이 상위개념인 인공신경망이라는 명칭을 대체하며 유일하게 여겨지는 방법론으로 칭해진다. 특히 2012년에 힌튼 교수가 이끌고 일리야 수츠케버 등이 참여한 AlexNet 팀이 “ILSVRC”라는 컴퓨터 비전 대회에서 압도적인 퍼포먼스로 우승하자 딥러닝은 기존의 SIFT 방법론을 제치고 압도적인 대세가 된다.
2016년, 구글 딥마인드의 알파고가 딥러닝을 사람들 뇌리에 제대로 꽂으며 딥러닝 방식을 대중화했으며 이제 몇 가지 분야에서는 인간의 수준을 뛰어 넘는 결과물들이 속속 나타나고 있다. 특히 약인공지능 분야에서는 빠른 속도로 사람의 능력을 추월할 수 있다는 의식이 확산되고 있다.
알파고 이후로 마케팅에 AI만 들어가면 사람들의 신뢰가 급상승하는 현상이 있으나, AI가 인간을 뛰어 넘는 일반 지성을 갖출 것이라던지, AI가 인간보다 모든 일을 잘한다던지, AI가 모든 직업을 대신한다는 등 지나친 장미빛 전망은 금물이다. 인공지능의 학습에 드는 데이터는 그 자체가 돈이며, 약 인공지능인 이상 계속하여 데이터가 인공지능에 석유와 같은 연료처럼 공급되어야만 한다(입력이나 환경이 절대적으로 고정된 게 아닌 가변적인 경우). 이러한 연유로 AI 겨울, 즉 AI에 대한 관심이 식는 시기가 다시 온다면 과거보다 훨씬 더 오랜 기간동안 정체될 것이라는 의견 또한 나올 정도로 시대의 흐름과 논란에 민감한 경향을 보였다.
| 목차 | 링크 |
| 1. 개요 | [인공지능] 튜링 머신 - 개요, 구성, 보편 튜링 머신 (tistory.com) |
| 2. 구성 | |
| 2.1. 보편 튜링 머신 | |
| 2.2. 다중 테이프 튜링 머신 | |
| 2.3. 튜링 동치(Turing equivalence) | |
| 2.4. 튜링 완전성(Turing completeness) | |
| 3. 컴퓨터와 튜링 머신 | |
| 4. 튜링 완전한 언어 | |
| 4.1. 절차적 언어 | |
| 4.2. 람다 대수(Lambda calculus) | |
| 5. 튜링 머신의 한계 | |
| 6. 처치-튜링 명제 | |
| 7. 관련 문서 |
| 목차 | 링크 |
| 1. 개요 | * [인공지능] 인공지능 논란 - 개요, 기술적 실업, 기술적 특이점 (tistory.com) * [인공지능] 인공지능 논란 - 3. 기술적 특이점 (tistory.com) * [인공지능] 인공지능 논란 - 3. 기술적 특이점 - 이어서 (tistory.com) * [인공지능] 인공지능 논란 - 3. 기술적 특이점 - 이어서 2 (tistory.com) |
| 2. 기술적 실업 - 기술적 실업 - 나무위키 (namu.wiki) | |
| 3. 기술점 특이점 | |
| 3.1. 인공지능도 의식을 가질 수 있는가 | |
| 4. 신뢰의 문제 | |
| 5. 저작권, 초상권, 지적 재산권 문제 | |
| 6. 빅브라더 사회 실현 | [인공지능] 인공지능 논란 - 5. 저작권, 초상권, 지적 재산권 문제 6. 빅브라더 사회 실현 (tistory.com) |
| 7. 인공지능에 대한 가해 성립 여부 | |
| 8. 인공지능이 가져올 변화에 대한 낙관과 비관 | |
| 8.1. 인공지능의 발전에 두려움을 가질 필요가 없다는 의견 | |
| 8.2. 부정적 가능성에 대한 관심과 대처가 필요하다는 의견 | |
| 8.3. 관련 기사 | |
| 9. 관련 문서 |
| 목차 | 링크 |
| 인공지능 | https://somehow-a-programmer.tistory.com/221 |
| 1. 개요 | |
| 2. 역사 | |
| 2.1. 2022년 이후, 생성형 인공지능의 시대 | |
| 3. 인공지능의 미래 | |
| 3.1. 유토피아/디스토피아 | https://somehow-a-programmer.tistory.com/225 |
| 4. 단계 | https://somehow-a-programmer.tistory.com/226 |
| 5. 접근법 및 현황 | |
| 5.1. 접근법 | https://somehow-a-programmer.tistory.com/232 |
| 5.2. 연구 현황 | |
| 5.3. 기술 개발 현황 | https://somehow-a-programmer.tistory.com/235 |
| 5.4. 인프라 | https://somehow-a-programmer.tistory.com/240 |
| 5.5. 장단점 | https://somehow-a-programmer.tistory.com/244 |
| 5.6. 논란 번외)_튜링 머신 - 팔 내용 많음.. 번외의 번외 편으로 공부 ㄱ |
|
| 5.7. 인공지능의 생명과 감정감별 | https://somehow-a-programmer.tistory.com/247 |
| 5.7.1. 인공지능도 의식을 가질 수 있는가 | |
| 6. 평가 | https://somehow-a-programmer.tistory.com/252 |
| 7. 대중매체 | |
| 8. 여담 | |
| 9. 관련 문서 | |
| 9.1. 관련 언어 목록 |
'코딩공부-AI' 카테고리의 다른 글
| 한국 인공지능 회사 조사 (0) | 2024.03.05 |
|---|---|
| 인공 지능 미래에 대한 고찰 (0) | 2024.03.04 |
| [인공지능] 튜링 머신 - 개요, 구성, 보편 튜링 머신 (1) | 2024.02.29 |
| [인공지능] 인공지능 논란 - 5. 저작권, 초상권, 지적 재산권 문제 6. 빅브라더 사회 실현 (0) | 2024.02.28 |
| [인공지능] 인공지능 논란 - 3. 기술적 특이점 - 이어서 2 (1) | 2024.02.27 |
