[AI기획②] 인공지능 태동과 발전…암흑기와 ‘AI윈터’

인공지능 연구는 심리학적 측면에서 언어 지능(linguistic intelligence)으로 시작해 로보틱스 등 신체를 갖춘 기게의 환경 인식, 의사 결정 등 에 중심을 두고 이뤄졌다.

튜링(Alan Turing)의 기계와 지능의 계산(On Computing Machinery and Intelligence,1950), 리클라이더(J.C.R. Licklider)의 인간과 컴퓨터의 공생(Man-Computer Symbiosis,1960)등이 인공지능 개념에 관한 독창적인 논문들이다.

특히, 튜링은 ‘생각’을 정의하기 어려움에 주목, 튜링테스트를 고안했다. 텔레프린터를 통한 대화에서 기계가 사람인지 기계인지 구별할 수 없을 정도로 대화를 잘 이끌어 간다면, 이것은 기계가 ‘생각’하고 있다고 말할 충분한 근거가 된다는 것이었다. 튜링 테스트는 인공 지능에 대한 최초의 심도 깊은 철학적 제안이었다.

인공지능 태동기 이후 현재까지 대략적인 발달사를 정리했다.

인공지능의 탄생(1952-1956) : 인공두뇌학과 초기 신경 네트워크

1940년대 후반과 1950년대 초반에 이르러서 수학, 철학, 공학, 경제 등 다양한 영역의 과학자들에게서 인공적인 두뇌의 가능성이 논의됐다. 1956년 이후, 인공지능에 대한 학문적 연구가 본격화됐다.

생각하는 기계에 대한 초기 연구는 30년대 후기에서부터 50년대 초기의 유행한 아이디어에 영감을 얻은 것이었다. 당시 신경학의 최신 연구는 실제 뇌가 뉴런으로 이루어진 전기적인 네트워크라고 보았다. 위너((Norbert Wiener)는 인공두뇌학을 전기적 네트워크의 제어와 안정화로 묘사했다. 미국의 수학자·전기공학자로 매사추세츠 공대 교수였던 위너는 사이버네틱스(Cybernetics)의 제창자로 유명하다.

미국의 수학자 겸 전기공학자로 정보 이론의 아버지라고 불리는 섀넌(Claude Elwood Shannon)의 정보 과학을 디지털 신호로 묘사했다. 또 튜링의 계산 이론은 어떤 형태의 계산도 디지털로 나타낼 수 있음을 보였다. 월터 피츠(Walter Pitts)와 워런 매컬러(Warren Sturgis McCulloch)는 인공 신경망에 기인한 네트워크를 분석하고 그들이 어떻게 간단한 논리적 기능을 하는지 보여주었다. 그들은 후에 신경 네트워크라 부르는 기술을 첫번째로 연구했다. 피츠와 매컬러는 24살의 대학원생인 젊은 마빈 민스키(Marvin Lee Minsky)를 만났고, 민스키는 1951년 첫번째 신경 네트워크 기계인 SNARC를 구축했다. MIT교수로 MIT인공지능연구소를 공동 설립한 민스키는 작고한 2016년까지 50여년간 인공지능의 가장 중요한 지도적, 혁신적 인물이었다.

상징 추론과 논리 이론

50년대 중반, 몇몇 과학자들은 직관적으로 기계가 수를 다루듯 기호를 다루고, 사람처럼 기호의 본질적인 부분까지 다룰 수 있을 것이라고 생각했다. 1995년 앨런 뉴얼(Allen Newell)과 허버트 사이먼(Herbert A. Simon)은 ‘논리 이론’을 구현했다. 이 프로그램은 러셀과 화이트헤드의 ‘수학 원리’에 나오는 52개의 정리중 32개를 증명해냈다.

황금기(1956~1974년)

1956년 ‘다트머스 컨퍼런스(Dartmouth Conference)’에서 처음으로 인공지능이라는 말이 사용됐다. 50년대 연구들은 1958년 코넬대 심리학자 프랭크 로센블래트(F. Rosenblatt)의 연구에 영감을 주었고 퍼셉트론(Perceptron: 뇌 신경을 모사한 인공 신경 뉴런)을 계기로 신경망 기반 인공지능 연구가 탄생했다. 인간의 뇌를 모방한 딥러닝(Deep learning: 심층학습) 알고리즘은 1986년 데이비드 러멜하트(D. Rumelhart), 제프리 힌튼(G. Hinton), 로날드 윌리엄스(R. Williams)의 논문이 ‘네이처(Nature)’ 지에 발표되면서 주목받기 시작했다. 이후 정체기를 거쳐 다시 전환점이 되는 연구는 2006년 제프리 힌튼의 심층신뢰망(Deep Belief Network)이다.

이 기간에 만들어진 프로그램은 대수학 문제를 풀었고 기하학의 정리를 증명했으며 자연어처리(NLP)를 통해 언어를 학습했다. 당시 AI로 모든 것이 가능할 것이라 믿었던 연구가들은 낙관론 속에 완전한 지능을 갖춘 기계가 20년 안에 탄생할 것이라고 예측했다. ARPA(Advanced Research Projects Agency)같은 정부 기관이 이 새로운 분야에 투자를 시작했다.

첫번째 암흑기(1974-1980)

1969년 마빈 민스키와 세이무어 페퍼트는 저서를 통해 퍼셉트론은 AND 또는 OR 같은 선형 분리가 가능한 문제는 가능하지만,  선형(linear) 방식으로 데이터를 구분할 수 없는 XOR문제에는 적용할 수 없다는 것을 수학적으로 증명했다. 이에 따라 미국방부 DARPA는 AI 연구자금을 2000만달러를 전격 중단하기에 이르렀습니다.

또한 영국의 라이트힐 경은 영국의회에 “폭발적인 조합증가(Combinational explosion)를 인공지능이 다룰(Intractability)수 없다” 라고 보고함으로써, 사실상 인공지능에 대한 대규모 연구는 중단되어 다시 한번 암흑기에 접어들게 된다.

두 번째 황금기(1980~1987년)

1980년대 초부터 후반까지 진화와 발전이 이뤄졌다. 1980년대에는 전 세계적으로 사용된 ‘전문가 시스템’이라고 일컫는 인공지능 프로그램의 형태였고 인공지능 검색에 초점이 맞춰졌다.

1980년대에 신경망 이론의 복원이라는 또 다른 사건이 있었다. 1982년 , 물리학자 존 홉필드(John Hopfield)는 완벽한 새로운 길에서 정보를 프로세스하고 배울 수 있는 신경망의 형태를 증명해냈다. 2권 분량의 논문 집합은 룸멜하트((David Rumelhart)와 물리학자 제임스 멕클러렌드(James McClelland)에 의해 편집됐다. 신경망은 1990년대에 광학 문자 인식 및 음성 인식과 같은 프로그램의 구동 엔진으로 사용되며 상업적으로 성공했다.

두번째 암흑기(1987-1993) : 인공지능의 겨울(AI winter)

인공지능 전문가 시스템에 대한 실망에 따른 투자 위축 기간동안 살아남은 연구원들은 당시를 ‘AI winter’로 표현했다. 1980년 말에서 1990년대 초반 AI winter 기간의 첫 번째 사건은 1987년에 특성화된 AI 하드웨어 시장이 갑자기 무너진 것이다. 1987년에 애플이나 IBM의 데스크탑 컴퓨터들은 급격히 빨라지고 성능이 좋아졌다. AI 하드웨어 시장의 Symblics, Lisp 기기들보다도 더욱 좋은 성능을 나타냈다. 더 이상 AI 하드웨어 기기들을 살 이유가 사라진 것이다. 전체산업 1억 달러의 절반의 가치가 하룻밤에 사라졌다.  DARPA는 즉각적인 결과를 나타낼 수 있는 것으로 보이는 프로젝트에 직접적인 투자를 하는 방향으로 전환했다.

AI, 신체화된 마음

1980년대 후반 , 몇몇 연구원들이 완전히 새로운 접근법을 제시했다. 그들은 실제 지능을 보여주려면 기계에도 신체가 필요하다고 믿었다. 기계가 인식하고, 이동하는 등 감각 운동 기술은 추론과 같은 더 높은 단계의 기술이 필요하다. 인공 두뇌와 제어 이론에서 얻은 접근법은 1960년대까지 인기가 없었다. 또 다른 선구자 MIT 뇌공학자이자 심리학자 데이비드 마르(David Marr)는 모든 상식적인 접근법(McCarthy’s logic and Minsky’s frames)을 거절했다. AI 시각에 대한 기계장치를 새롭게 접근했다.

1990년 로봇 공학 연구자인 로드니 브룩스(Rodney Brooks)는 ‘코끼리는 체스를 두지 않는다(Elephants Don’t Play Chess)’ 논문을 시작으로 80년대와 90년대에 많은 인지(cognitive) 과학자들 또한 상징 처리 모델을 거절하고 추론에 몸통은 필수적이라고 말했다. 이를 ‘신체화된 마음(embodied mind)’ 이론이라고 한다.

AI, 1993-현재

AI는 지난 60여 년간 오래된 목표 중 몇 가지를 달성했다. 1960년대 상상했던 인간 수준의 지능을 실현하는 것은 여전히 미흡하지만, 이 크고 작은 성공들은 컴퓨터의 성능이 증가와 투자 위축에도 신중하게 과학적 관심과 문제해결의 불씨를 끄지 않은 연구자들이 있었기 때문이다.

지능형 에이전트 시스템

1990년대 동안에는 ‘지능형 에이전트’라고 불리는 새로운 패러다임이 나왔다. 이전 AI 연구는 분할과 결합(divide and conquer) 모듈러를 제안했다. 지능형 에이전트는 미국 컴퓨터.인지과학자.심리학자 앨런 뉴얼(Allen Newell) 등 AI 연구에 결정론과 경제성이라는 개념을 도입, 합리적 에이전트라는 정의와 객체 혹은 모듈러 정의가 합쳐졌을 때 지능형 에이전트 패러다임이 완성됐다.

지능형 에이전트 시스템(the study of intelligent agents)은 환경을 인식하고 성공을 가장 극대화 할 수 있는 행동을 취한다. 예를 들어 회사처럼 특정 문제를 해결하는 간단한 프로그램들을 지능형 에이전트라고 한다. 이는 인간의 지능을 넘어 모든 종류의 지능의 연구를 추구한다.

이러한 패러다임 아래 당시 연구자들이 문제의 해결책을 공유하고, 공통의 언어로 표현했다. 이는 추상적 에이전트를 사용한 경제학이나 제어 이론등과 같은 다른 개념에도 사용됐다. 연구자들은 지능형 에이전트의 상호 작용에서 더 다양하고 지능적인 시스템을 만들고 완전한 에이전트 아키텍처를 원했다.

정교한 아키텍처로 최적화된 AI

AI 연구자들은 과거에 사용했던 것보다 더욱 정교한 수학적 도구를 사용해 시스템을 개발하기 시작했다. 해결하는데 AI가 필요한 수많은 문제들이 존재하고 있다는 인식은 수학, 경제학 또는 오퍼레이션 연구 등의 분야에서 이미 연구자들이 AI를 사용하여 실현하고 있었다. 공유된 수학적 언어는 높은 수준의 협력, 좋은 평판, 여러 분야를 성공적으로 이끌고 측정과 증명이 된 결과들의 성취를 가능하게 했다.

AI는 보다 엄격한 과학적 학문이 되었다. Russell & Norvig(2003)은 “이는 혁명이고 촘촘한 아키텍처의 승리(this as nothing less than a “revolution” and “the victory of the neats)”라고 표현했다.  주데아 펄(Judea Pearl) 1988년 책(‘Probabilistic Reasoning in Intelligent Systems’, Morgan-Kaufmann)에서 AI에 결정론과 확률을 대입시켰다. 사용중인 많은 새로운 도구 중 베이지안 네트워크(Bayesian networks), 히든 마르코프 모델(hidden Markov models), information theory, stochastic(an imperfectly predictable) modeling 그리고 기존의 고전적 방법들이 최적화 됐다. 보다 정밀한 수학적 설명들은 신경망 네트워크와 진화 알고리즘과 같은 연산 지능적 패러다임을 위해 개발됐다.

AI의 확산

AI 알고리즘은 거대한 시스템의 일부로 나타나기 시작했다. AI는 매우 어려운 문제들을 해결했고 데이터 마이닝, 산업 로봇공학, 논리학, 음성 인식, 은행 소프트웨어, 의학적 진단, 구글 검색 엔진 등에서 유용성을 입증했다.

한동안은 AI의 성과에도 불구하고 불신을 받고, AI 혁신들 중 대부분은 다른 기능으로 분류기도 했다. 옥스퍼드대 인류미래 연구소장 닉 보스트롬(Nick Bostrom)은 “최첨단 인공 지능의 많은 부분이 AI라고 불리지 않고 일반 응용 프로그램으로 필터링 됐다. 종종 뭔가 유용하고 충분해지면 더 이상 AI로 분류되지 않기 때문”이라고 말했다.

인간지능 초월?

마빈 민스키는 왜 아직까지 인류가 인간 지능에 가깝거나 이를 초월한 인공지능을 얻지 못했는지 질문 했다. 대부분의 연구자들이 신경망이나 유전자 알고리즘의 상업적 용도의 프로그램을 추구했던 반면, 민스키는 상식 추론 등 범용인공지능을 방치한 데 문제에 있다고 믿었다. 반면에 물리학자 레이 커즈와일(Ray Kurzweil)은 문제는 컴퓨터 성능에 있으며 무어의 법칙을 사용했을 때 인간 수준의 지능을 가진 기계는 약 2029년에 나올 것이라고 예견했다. 뇌과학자 제프 호킨스(Jeff Hawkins)는 신경망 연구자들이 대뇌 피질의 본질적인 성질을 무시하고 간단한 문제들을 성공적으로 해결하는 간단한 모델을 추구했다고 말했다.