인공지능의 역사

인공지능에는 오늘날가지 총 3차례의 붐(Boom)이 있었으며, 딥러닝이 주목받고 있는 지금이 제 3차 붐에 해당된다.

 

우선 인공지능의 역사를 알아보기전에 2021년 기준으로 인공지능의 최신 동향부터 알아보고자한다.

 

우리가 이미 이세돌과 알파고의 바둑대결로 잘 알게되었던 딥러닝이라는 기술은 한계점이 존재한다.

(딥러닝은 여러가지 머신러닝 기술 중 하나이다.)

 

그 한계점이란 바로 학습을 위해서는 수많은 데이터가 필요하며 고도화된 계산방식 때문에 엄청난 하드웨어 용량을 잡아먹는 문제점이 존재한다.

 

그래서 2021년에는 인공신경망 경량화가 본격적으로 진행될 예정이다.

 

#참고자료

대표적인 경량 딥러닝 알고리즘으로는 가중치와 노드의 연결을 끊는 가지치기 기법과 각각의 가중치의 비트 값을 줄이는 양자화 기법 그리고 한 층에서 가지고 있는 가중치 행렬을 분해하여 가중치 파라미터 수를 줄이는 행렬 분해기법 등이 있다.

 

1. 제 1차 붐

AI(인공지능)이라는 표현이 탄생한 것은 1956년이다.

다트머스회의 에서 최초로 사용된 AI라는 표현은 그 때 당시에는 컴퓨터상에서 기호 처리를 통해 퍼즐맞추기와 같은 문제를 고속으로 풀 수 있다는 것을 판명했고 이때 부터 사람들이 컴퓨터의 가능성에 대해서 기대를 부푼 시점이였다.

 

이때부터 인공지능의 제1차 붐이 시작되는데 1차붐의 주류된 사고방식은 '지능이란 곧 기호처리이다.' 라는 생각이었다.

 

- 일라이자(ELIZA) 대화 시스템

 1차붐 당시에는 대화 시스템의 연구도 시작되었는데 그 중 하나가 바로 ELIZA(일라이자)라는 상담 치료사 역할을 하는대화 시스템으로 ELIZA는 자신에 대한 물음을 받으면 "당신에 대해서 더 알려주세요"라고 대답하면서 '인간'이 무언가 이야기를 하면 그 무언가를 좀 더 자세히 알려달라고 대답한다.

 

 즉 자신이 먼저 능동적으로 무언가를 말하지는 않고 유저의 이야기를 수동적으로 받아들일 뿐인 시스템이라고 할 수 있다. 이런 대화를 반복하면서 인간이 '나에 대해서 이해해준다'는 느낌을 주도록 한 것이다.

하지만 일라이자 대화 시스템은 대화를 이끌어나가는 쪽은 환자쪽이고 일라이자는 그저 환자의 말에 긍정적인 반응을 보이며 대화주제를 유도하고 있을 뿐이라는 한계점을 지녔다.

 

 1차 붐에서는 위와 같은 대화시스템이 다양하게 생겨났지만 붐은 금방 식어버렸다.

그 이유는 그 시절의 인공지능은 퍼즐과 같은 문제(ToyProblem) 같은 것은 풀 수 있어도 사회에 실재로 도움이 될 법한 문제에는 도움이 될 수 없었기 때문이다.

 

- 프레임 문제(Frame Problem)

 인공지능이 실제 세계에 도움이 되지 못하는 이유는 프레임문제(사고범위문제)가 존재하기 때문이다.

프레임문제란 인공지능이 문제를 해결할 때 고려해야할 범위(프레임)을 제대로 설정하지 못하는 문제를 말한다.

 

 예를 들면 로봇이 방에서 연필을 가져오라는 명령을 받았다고 한다면 로봇은 연필이라는 목적에만 초점이 맞춰져 있기 때문에 연필을 찾기 위해서 서랍도 열어보고 할텐데 이때 서랍 주위에 어항이 있어서 조심히 열어야 하지만 로봇은 이를 전혀 신경쓰지 않고 서랍을 쾅 열어서 어항이 책상에서 떨어지는 문제가 발생할 수 있다.

 

 이처럼 '연필'이라는 것 이외에도 어떤 목적을 달성하기 위해서는 어디까지 고려해야하는지를 스스로 정할 수 없는 문제를 즉 정리하자면 컴퓨터가 적절한 범위를 제대로 정할수 없는 문제를 프레임 문제라 한다.

 

 

제 2차 붐

1차 붐이 빙하기를 맞은 이후 얼마가지 않아 '전문가 시스템'에 의해서 제 2차 붐이 시작되었다.

 

 제 2차 붐의 주된 생각은 '지능이란 곧 지식이다'라는 사고 방식이었다.

그 전까지의 연구들은 컴퓨터가 스스로 현실 세계에 대해 고려하기는 힘들다는 것이 판명났으니 인간이 가르쳐서 똑똑하게 만들어주자는 생각을 하게 된 것이다.

 

 그러한 생각으로 등장한 것이 전문가 시스템인데,

전문가 시스템(ExpertSystem)이란 이름 그대로 전문가의 지식을 컴퓨터에 집어넣은 뒤, 그 지식에 기초하여 판단을 내리는 프로그램을 말한다.

 

 예를 들면 의사가 환자를 진찰 할 때에는 여러 가지 증상을 관찰하고, 이를 기반으로 어떠한 치료와 투약을 하면 좋을지 판단한다. 이때 의사가 사용하는 지식을 컴퓨터에 입력해둠으로써 컴퓨터로 하여금 마치 의사처럼 판단을 내리게 하는 것이 바로 전문가 시스템이다.

 

 대화 시스템 분야에도 이러한 전문가시스템이 적용되어 회의실을 예약하기 위한 대화 시스템이라고 한다면

회의실에 관계된 정보만을 시스템에 이해시키고 그와 관련없는 사용자의 발언은 무시하여서 예약처리를 도와주는 시스템이다. 이처럼 프레임을 사용한 전문가 시스템은 융통성은 없지만 실제 사회에도 어느 정도 도움이 되는 인공지능이라는 평가를 받는다.

 

 하지만 이 역시 금방 사그라지고 마는데 그 이유는 인간이 가진 전문 지식을 적절히 표현하여 시스템에 입력하는 것 이 어려웠기 때문에 즉 인간이 가르치기는에는 너무나도 어려웠기 때문이다.

 

 말로 설명할 수 있는 지식이라면 괜찮지만 전문가쯤 되면 말로는 설명하기 힘든 지식이 많이 생기기 마련인데

이와 같은 지식을 가르치기 힘든 것을 가리켜 지식 획득 병목(Knowledge acquistion bottleneck)이라고 부른다.

 

 이러한 지식획득 병목현상이 원인이 되어 지식을 얻기 위한 비용이 높아진 탓에 전문가 시스템은 유용했음에도 불구하고 사용되지 않았다.

 

제 3차 붐 

 오늘날은 한창 제 3차 인공지능 붐이 일고 있다. 그것은 바로 딥러닝을 말하는 것이다.

오늘날 인공지능에 대한 주된 사고방식은 '지식이란 곧 학습이다' 라는 사고방식이다.

딥러닝은 머신러닝(Machine Learning) 방법 중의 하나로써 이 머신러닝의 정밀도가 딥러닝 기술을 통해서 비약적으로 진화 하였다.

 

 그 중에서도 이미지 분류와 같은 분야에서 인공지능이 인간을 능가할 정도가 되었다.

딥러닝에는 놀라운 특징은 바로 '인간이 존재하지 않아도 학습 시 주목해야 할 점을 자동으로 찾아낸다는 것'이다.

딥러닝이 등장하기 전에는 인간이 직접 컴퓨터에게 이 부분에서 주목해서 분류해라, 라는 식으로 지도해서 학습시켰다.

이런 것을 지도학습 방법론이라고 한다.

 

오늘날은 이미 많은 기업이 인공지능에 뛰어들어 수많은 서비스를 만들어내고 있다. 

 

인공지능의 역사 정리