[AI역사]인공지능의 역사 인공지능 첫 번째 겨울과 활성기 4장

이전 포스팅에서 인공지능의 역사 부흥기 시대를 살펴보았는데요, 이어서 인공지능의 첫 번째 겨울과 활성화되는 내용을 알아보겠습니다. 인공지능의 높은 기대감과 기술적인 한계로 인공지능 암흑기가 찾아왔지만 전문가 시스템 부상과 다층 퍼셉트론 성공으로 인공지능 연구가 다시 활성화되었습니다.

 

□첫 번째 인공지능 겨울 (1974~1980)

인공지능 기술은 1970 년대 초반 전문가 시스템 (Expert System) 개발에 많은 연구 투자가 이루어지며 첫 번째 황금기를 맞이했습니다. 하지만 1980년대 중반 이후 기술적 한계와 실용성 부족으로 인해 첫 번째 암흑기를 겪게 됩니다.

 

<인공지능 겨울>

 

1. 인공지능의 첫 번째 겨울 암흑기 이유

자금 부족 1970 년대에는 기술적 한계와 함께 연구 자금이 감소했습니다. 이로 인해 많은 연구 프로젝트가 중단되었고 이는 인공지능 연구의 발전을 지체시켰습니다.

 

초기 기술 한계 당시의 컴퓨터 기술은 현재와는 비교할 수 없을 정도로 제한적이었습니다. 이로 인해 딥러닝과 같이 현재 성공을 거둔 알고리즘들이 발전하지 못했습니다.

 

실험 환경의 한계 인공지능 연구자들은 컴퓨터 성능과 데이터의 부족으로 심각한 제약을 겪었습니다. 이는 현재의 클라우드 컴퓨팅과 대용량 데이터 셋과는 대조적이었습니다.

 

배타적 논리합 (XOR) 문제 단층 퍼셉트론 신경망이 XOR 문제를 해결하지 못하면서 한계가 드러났습니다.

 

전문가 시스템의 한계 : 전문가 시스템은 특정 분야의 전문 지식을 탑재했지만, 일반화와 추론 능력이 부족했습니다.

 

컴퓨팅 파워 부족 : 당시 컴퓨팅 파워와 메모리 용량이 부족해 복잡한 문제를 해결하기 어려웠습니다.

 

 

2. 인공지능의 낙관적인 태도와 기대감

인공지능의 첫 번째 암흑기는 인공지능 연구에 대한 과도한 기대가 부풀어 올랐다가, 실제 기술의 진보가 기대에 미치지 못하면서 연구 자금과 관심이 크게 줄어든 시기입니다.

 

당시의 기대감은 인공지능이 인간의 지능을 모방할 수 있을 것이라는 매우 낙관적인 전망에서 비롯되었으나, 실제로는 언어 이해, 패턴 인식, 학습 능력 등에서 많은 기술적 장벽에 부딪혔습니다.

 

이러한 암흑기는 인공지능 연구가 당면한 실질적인 문제들을 인식하고 보다 견실한 연구 방향을 모색하는 계기가 되었습니다.

 

이후의 연구는 더욱 실용적이고 단계적인 접근 방식을 채택하게 되었고, 이는 결국 인공지능 기술의 발전을 이끌어내는 중요한 전환점이 되었습니다. 따라서 비록 당시에는 큰 실망과 도전이 있었지만 인공지능 연구의 장기적인 발전에 있어 필요한 과정이었다고 볼 수 있습니다.

 

□ 활성기 (1980~1988)

인공지능의 활성화 기간인 1980년부터 1988년까지는 인공지능 연구와 개발에서 여러 중요한 진전이 이루어진 시기입니다. 이 시기는 특히 전문가 시스템의 개발과 논리 프로그래밍 언어의 발전에 주목할 만한 성과가 있었습니다. 

 

1. 전문가 시스템 부상

1980년대 초반 인공지능 분야에서는 전문가 시스템이 크게 주목받기 시작했습니다. 이는 특정 분야의 전문 지식을 모방하여 결정을 내리는 시스템으로, 인간의 지식을 효과적으로 이식해 인간을 대체할 수 있다는 믿음이 생기기 시작했습니다.

 

1982년 전문가 시스템 XCON의 성공으로/span> XCON(또는 R1)은 DEC(디지털 장비 공사)의 컴퓨터 시스템 구성을 자동화하는 전문가 시스템이인공지능의 실용적인 성공 사례로 평가받습니다.

 

이에 따라 존 맥더못(John McDermott)의 연구는 "DEC"(Digital Equiqment Corporation)에 납품할 때 XCON이라는 전문가 시스템을 개발하여 컴퓨터 조립하는데 필요한 부품들을 선별해 주는 프로그램으로 규칙을 토대로 95% 이상의 정확도를 보여주었습니다. 

 

1984년 전문가 시스템의 확산으로 전문가 시스템이 다양한 산업 분야에서 활용되기 시작하면서 인공지능 기술의 상업적 잠재력이 크게 주목받기 시작했습니다.

 

이에 따라 1년에 2,500만 달러를 절감할 수 있었으며, 기업들에 많은 이익을 창출할 수 있도록 하였습니다. 전문가 시스템에 많은 연구와 지원이 늘어나는 활성기가 되었습니다.

 

2. 인공 신경망 연구 활성 다층 퍼셉트론 가능

1986년 신경망의 부활로 다층 퍼셉트론과 역전파 알고리즘에 관한 연구가 다시 활발해지면서 인공 신경망 연구가 부활했습니다. 이는 후에 딥러닝의 발전으로 이어집니다.

 

다비드룸멜하트(David Rumelhatt) 연구진은 다층 퍼셉트론(Mulit-Layered Perceptron, MLP)을 가능하게 했으며, DNN, RNN, CNN 발전하게 되었습니다.

 

1987년 전문가 시스템이 널리 활용되기 시작했지만, 전문가 시스템들의 한계와 문제점도 점차 드러나기 시작했습니다.

 

1988년 카네기 멜론 대학교에서 ALVINN(Autonomous Land Vehicle In a Neural Network)이라는 자율 주행 자동차 프로젝트가 발표되었습니다 이는 신경망을 이용한 자율 주행의 초기 성공 사례 중 하나입니다.

 

3. 결론

인공지능 활성화 시기는 인공지능 연구와 다양한 기술과 애플리케이션의 발전뿐만 아니라 인공지능이 실제 세계 문제를 해결할 수 있는 잠재력을 보여주었습니다.

 

또한 연구와 개발에 대한 투자와 관심이 증가했으며, 다양한 분야로의 확장 가능성을 열었습니다. 이러한 발전은 인공지능 기술이 지속해서 발전하여 오늘날 우리 삶의 다양한 측면에 깊숙이 통합될 수 있는 기반을 마련했습니다.

 

 

 

감사합니다.