[AI역사]인공지능의 역사 인공지능 두 번째 겨울과 융성기 5장

인공지능의 역사 인공지능의 두 번째 겨울 원인과 인공지능 융성기시대를 알아보겠습니다. 활성기 시대에서 많은 관심을 받은 전문가 시스템 실패와 투자 감소 등으로 인공지능의 두 번째 겨울이 오게 됩니다. 하지만 컴퓨팅 파워의 폭발적인 기술력과 인터넷으로 지금의 융성기 시대를 맞이합니다.

 

<인공지능의 겨울2>

 

□ 두 번째 인공지능 겨울(1987~1993)

1987~1993년 새로운 생성속도와 데이터 업데이트컴퓨팅 파워 부족으로 다층 퍼셉트론과 오차역전파 알고리즘의 방대한 계산량을 해결하지 못하고 많은 비용소모로 두번째의 인공지능 겨울이 되었습니다.

 

1. 두 번째 인공지능 겨울 암흑기가 오게 된 이유

전문가 시스템의 실패 1980년대 초반 전문가 시스템에 대한 과도한 기대와 투자가 있었지만 이러한 전문가 시스템들은 실제 현실 문제를 해결하는 데 한계가 있었고, 기대에 미치지 못했습니다. 이에 따라 전문가 시스템에 대한 실망감이 커졌고, 인공지능 기술에 대한 대중의 신뢰가 크게 떨어졌습니다.

 

하드웨어 기술의 한계 1980 년대 말 전문가 시스템용 하드웨어 시장이 갑자기 붕괴되면서 IBM, Apple 등의 데스크톱 컴퓨터가 등장하면서 전문가 시스템용 하드웨어의 필요성이 줄어들었습니다. 이에 따라 인공지능 연구에 필요한 하드웨어 투자가 크게 감소했습니다.

 

또한 학습에 필요한 충분한 데이터가 확보되지 않았으며, 문제 해결을 위한 효과적인 알고리즘이 부족했습니다. 당시 컴퓨터 성능의 한계로 인해 복잡한 문제를 해결하는 데 어려움이 있었습니다.

 

정부 및 기업의 투자 감소 : 전문가 시스템의 실패와 하드웨어 기술의 한계로 인해 정부와 기업들은 인공지능 연구 투자를 크게 줄였습니다. 이에 따라 인공지능 연구 자금이 부족해지면서 연구 활동이 크게 위축되었습니다.

 

2. 새로운 접근법과 혁신의 필요성

기존의 전문가 시스템 중심 접근법의 한계가 드러나면서 새로운 접근법이 필요하다는 인식이 커졌으며, "체화된 지능(Embodied Intelligence)"과 같은 새로운 개념들이 등장하기 시작했습니다.

 

인공지능 연구는 기술적 한계를 극복하고 지속적으로 혁신해 나가야 합니다. 하드웨어, 알고리즘, 데이터 등 다양한 요소가 균형 있게 발전해야 하며, 단기적인 성과에 집착하지 않고 장기적인 관점에서 연구를 지속해야 합니다.

 

또한 사회적 기대와 실제 기술 수준 간의 격차를 줄이기 위해 노력해야 합니다. 이를 통해 인공지능 연구가 지속적으로 발전할 수 있을 것입니다.

 

인공지능 연구는 1980년대 후반 두 번째 겨울을 맞이했습니다. 이는 컴퓨터로 추론, 탐색을 하는 것만으로는 특정한 문제를 해결하는 데 한계가 있었기 때문입니다. 하지만 1990년대 들어 하드웨어 성능이 크게 향상되고, 새로운 알고리즘이 개발되면서 인공지능 연구가 다시 활기를 띠게 되었습니다.

 

□ 융성기 (1989 ~ 현재)

융성기 기술은 정보 탐색 시스템에서 지능형 모바일 시스템이 활성화되었고, 4차 산업혁명의 개념이 처음 등장했습니다. 4차 산업혁명은 인공지능, 사물인터넷, 빅데이터등 첨단 정보통신기술이 경제 사회 전반에 융합되어 혁신적인 변화가 일어나는 차세대 산업혁명을 의미합니다.

 

1. 컴퓨팅 파워의 기술 발전

1990년대 인터넷과 컴퓨팅 파워의 폭발적인 기술 발전으로 GPU 및 빅데이터시대가 되면서 본격적인 인공지능이 발달하기 시작했습니다.

 

인터넷과 함께 인공지능 연구가 또 한 번 중흥기를 맞이했습니다. 검색 엔진, 자연어 처리 등 다양한 분야에서 인공지능 기술이 발전했습니다. 

 

신경망, 의사결정 트리 등 다양한 기계학습 알고리즘이 개발되었습니다. 이를 통해 컴퓨터 스스로 학습하고 문제를 해결할 수 있게 되었습니다. 

 

2000년대 머신러닝. 딥러닝 등 인공지능 기술이 급속도로 발전했습니다. 음성 인식, 이미지 인식, 자연어 처리 등 다양한 분야에서 인공지능 기술이 활용되기 시작했습니다,

 

스마트폰과 사물인터넷 (IoT) 기술이 발전하면서 빅데이터의 개념이 등장하기 시작했습니다.

 

힌튼 교수의 딥 신뢰 신경망(Deep Belief Network) 기술이 등장하면서 심층 신경망(딥러닝) 기술의 실용화 가능성이 보이기 시작했습니다.

 

2010년대 알파고의 등장으로 인공지능에 대한 관심이 크게 높아졌습니다.

 

딥러닝 기술의 발전으로 인공지능이 비약적으로 발전하게 되었습니다. 특히 2016년 알파고가 이세돌 9단을 이기면서 인공지능에 대한 관심이 크게 높아졌습니다.

 

인공지능 기술이 실생활에 본격적으로 적용되기 시작했습니다. 스마트홈, 자율주행차(2~3 수준), 의료 분야 등 다양한 분야에서 인공지능 기술이 활용되기 시작했습니다.

 

2020년대 코로나19 팬데믹 이후 비대면 서비스 수요 증가로 인해 인공지능 기술이 더욱 발전하면서 자율주행차(4~5 수준), 스마트홈, 의료, 챗봇, 자동화 등 다양한 분야에서 인공지능 기술이 활용됩니다.

 

2000년대 이후 인공지능 기술의 발전과 함께 인공지능 윤리적 이슈도 부각되고 있습니다. 인공지능 기술이 발전하면서 개인정보 보호, 일자리 감소, 편향성 등의 문제가 대두되고 있어 이에 대한 사회적 논의와 대책 마련이 필요한 상황입니다. 앞으로 인공지능 기술의 발전과 함께 윤리적 측면에 대한 고려도 중요해질 것으로 보입니다.

 

2. 융성기 시대의 핵심 기술

자연어 처리 기술, 컴퓨터 비전 기술, 음성 인식 기술, 로보틱스 기술, 양자 컴퓨팅 기술 등이 있습니다

 

1997년 IBM이 개발한 인공지능 프로그램 딥블루(Deep Blue)가 체스 대회에서 세계 챔피언을 이기고 인공지능 가능성을 보여 주었습니다.

 

2010년 딥러닝 기술로 자율주행차, 스마트 폰, 스마트 홈, 의료 분야 등  인공지능 기술이 실생활에 본격적으로 적용되기 시작했습니다. 

 

2011년 IBM의 인공지능 왓슨이 TV 퀴즈쇼 '제퍼디'에서 우승하였습니다. 자연어 처리로 질문 답변 능력이 뛰어났으며, 인공지능 기술을 시연하고자 출연했습니다. 

 

2012년 구글 DNN(심층신경망) 이미지 인식 경연대회 ImageNet에서 우승하며 딥러닝 실현 가능성을 입증했습니다. 

 

2016년 구글 딥마인드의 인공지능 '알파고'가 세계 최강 바둑 기사 이세돌을 4:1로 누르고 알파고가 승리하면서 인공지능의 실력을 입증했습니다.

 

2018년 구글 가상 비서 '듀플레스'는 사람과 거의 구분할 수 없을 정도로 자연스러운 대화를 할 수 있으며 예약처리도 가능하였습니다. 이를 통해 인간의 시간과 노력을 절감할 수 있었으며 인공지능의 봄이 옵니다. 

 

2019년 KAIST연구팀이 개발한 인공지능이 이미지 인식 대회에서 우승하며 인공지능의 이미지 인식 능력을 입증했습니다.

 

2021년 인공지능 기반 이미지 인식 기술 대회에서 우승한 개발자가 등장하며, 인공지능의 이미지 인식 능력이 계속 발전하고 있음을 보여주었습니다.

 

융성기 기술의 4차 산업혁명은 단순히 기기와 시스템을 연결하고 스마트화하는 것을 넘어, 유전자 분석, 나노기술 등 더 광범위한 영역까지 아우르고 있으며, 핵심 기술들은 정보를 자동으로 데이터화하고 분석하여 현실과 가상의 세계를 연결하는 O2O(Online-To-Offline) 체계를 구축합니다.

 

모바일 산업의 발전과 4차 산업혁명은 서로 밀접하게 연관되어 있습니다. 모바일 기기의 보편화와 스마트화는 4차 산업혁명의 핵심 기반이 되고 있으며, 4차 산업혁명 기술의 발전은 다시 모바일 기기의 기능과 활용도를 높이고 있습니다. 이러한 상호작용을 통해 우리 사회와 산업 전반에 혁신적인 변화가 일어나고 있습니다.

 

3. 제프리 힌튼(Geoffrey Hinton)

2006년 제프리 힌튼(Geoffrey Hinton)은 심층신뢰 신경망(Deep Belief Network) 기술을 발표하면서 딥러닝 기술의 실용화 가능성을 보여주었습니다. 이러한 기술적 기여로 인해 제프리 힌튼은 인공지능 분야의 대부로 불리고 있습니다.

 

다층 퍼셉트론이 축적된 데이터를 가지고 사전 학습을 통해 발전이 가능하다고 발표하였습니다. 빅데이터 기반의 딥러닝이 가능하게 되었으며 인공지능 기술이 급속도록 발전하게 되어 다양한 분야에 활용되고 있습니다.

제프리 힌튼은 딥러닝 기술의 선구자로서 인공지능 발전에 큰 기여를 해왔습니다.

 

2023년 5월 구글을 그만두겠다고 발표하였으며, 인공지능 기술의 윤리적 문제에 대한 우려를 표명하며 새로운 행보를 보이고 있습니다.

 

 4. 인공신경망(artificial neural net)과 유전자 알고리즘(genetic algorithm) 기법

레이 커즈와일(Ray Kurzweil)은 앞으로 사람의 뇌를 스캔하여 기계에 업로드하는 세상으로 생물학적 진화, 특별히 인간의 뇌 신경망에 관한 연구가 인공지능 과학 기술의 진화에 많은 영향을 줄 수 있다고 하였습니다.

 

2030년에는 인간의 뇌를 인공지능(AI)과 연결하는 인터페이스 기술이 나올 것이며, 이를 통해 인간의 뇌가 AI 와 만나 더욱 뛰어난 지능을 갖추게 될 것이라고 예측했습니다.

 

인공지능 기술은 방대한 유전자 데이터를 분석하고 해석하는 데 활용되고 있습니다. 이를 통해 질병 진단, 신약 개발 등에 기여할 수 있습니다.

 

인공지능과 유전공학의 융합은 개인의 유전적 특성을 고려한 맞춤형 치료법 개발에 기여할 것입니다

 

이처럼 인공지능과 유전공학은 서로 시너지 효과를 내며 발전하고 있으며, 이를 통해 인류의 건강과 삶의 질 향상에 기여할 것으로 기대됩니다.

 

5. 결론

인공지능 융성기는 기술적 발전과 더불어 윤리적 이슈도 함께 대두되고 있는 시기라고 할 수 있습니다.인공지능 기술이 지속적으로 발전하고 우리 삶에 깊이 침투할수록, 이러한 윤리적 문제에 관한 사회적 논의와 대응이 더욱 중요해질 것으로 보입니다.

 

감사합니다.