인공지능 역사 by 장문수

1943년 워렌 맥클록, 월터 피츠

cosmos6 — 2022-08-25 06:11:56 UTC

인공신경망을 이론적으로 증명함.

1958년 로젠블랫

cosmos6 — 2022-08-25 06:14:41 UTC

퍼셉트론(Perceptron) 개발 - 학습이 가능한 최초의 인공신경망

1956년 다트머스 회의

cosmos6 — 2022-08-25 06:16:19 UTC

최초로 인공지능(Artificial Intelligence) 단어 사용.
10명의 연구자(메카시, 민스키, 쉐넌, 로체스터, 사무엘, 솔로모노프, 셀프리지, 사이먼, 뉴웰, 모어)

1950년 앨런 튜링

cosmos6 — 2022-08-25 06:20:30 UTC

"기계가 생각할 수 있는가?" - 최초의 인공지능 정의를 묻는 질문
"Computing Machinery and Intelligence" 라는 논문에서 인공지능을 판별하는 튜링 테스트(Turing Test) 제안

1936년 앨런 튜링

cosmos6 — 2022-08-25 06:23:31 UTC

논문 "On Computable Numbers, with an Application to the Entscheidungs-problem"
힐버트의 결정문제를 증명하기 위해 튜링 머신(Turing Machine)을 고안함.
튜링 머신 - 현재 컴퓨터 구조(폰 노이만 구조)의 원형

1957년 소련의 스푸트니크호 발사

cosmos6 — 2022-08-25 06:34:05 UTC

소련의 핵공격에 대한 공포로 미국이 이듬해인 1958년 미항공우주국(NASA)를 창설하게 됨.
소련보다 먼저 우주선을 달로 보내기 위해 막대한 자금을 쏟아부음.
인공위성 기술이 뒤처진 미국이 러시아의 과학논문을 번역하기 위해 인공지능 연구자들에게 자동번역 프로젝트를 맡김. 이것이 인공지능 연구의 밑거름이 됨.

1966년 인공지능의 첫 번째 겨울

cosmos6 — 2022-08-25 06:36:59 UTC

1966년 미국 정부의 기계번역 연구기금 중단
투자한 연구비에 비해 너무나 형편없는 결과를 내놓음.

1969년 퍼셉트론 책 발간(민스키)

cosmos6 — 2022-08-25 06:46:34 UTC

민스키와 페퍼트가 로젠블랫의 퍼셉트론은 XOR과 같은 비선형 문제는 해결할 수 없음을 수학적으로 증명함.
이로 인해 로젠블랫의 위상이 추락하고 결국 1971년 43세로 자신의 생일날 보트 사고로 사망함.(자살이라는 설이 있음)
그러나 나중에 다층 신경망으로 비선형 문제가 해결됨.

1971년 라이트힐 경의 의회보고서

cosmos6 — 2022-08-25 06:48:42 UTC

라이트힐 경이 인공지능 연구에 대해서 조사하고 정리하여 영국 의회에 보고서를 제출함.
인공지능은 현실적으로 의미있는 대규모 문제를 풀기에는 역부족인 기술이라고 함.

1970년대 지식의 시대

cosmos6 — 2022-08-25 07:02:54 UTC

50~60년대 마구잡이식 인공지능 연구에 대한 반성과 성찰이 이루어짐.
문제-해결(problem-solving) 알고리즘(60년대)에서 지식(knowledge)의 시대(70년대)로 발전함.
전문가 시스템이 개발됨.
자연언어처리 연구가 진전됨.
프레임 이론, 유전자 알고리즘이 고안됨.

1975년 존 홀랜드

cosmos6 — 2022-08-25 07:07:38 UTC

유전 알고리즘(Gegetic Algorithm)을 고안함.
문제를 유전자로 치환한 다음, 다윈의 적자생존 이론을 바탕으로 점점 좋은 유전자를 남기는 방식으로 해를 구하는 알고리즘.

1980년대 인공지능의 재도약

cosmos6 — 2022-08-25 07:15:34 UTC

산업계에서 전문가시스템을 개발하여 호평을 받음.
비즈니스 인텔리전스에서 인공지능을 활용함.
인공지능 분야로 대규모 자금이 지원됨.

1982년 일본, 제5세대 컴퓨터 프로젝트 출범

cosmos6 — 2022-08-25 07:19:13 UTC

10년간 4억 달러의 연구자금이 투입됨.
1970년대 일본의 호황기로 벌어둔 자금으로 미국 자본 시장과 부동산 시장으로 침투하여 미국이 긴장함.
미국도 전략 컴퓨팅 계획으로 10억 달러를 투자함.
인공지능 연구가 재도약하는 계기가 됨.

1990년대 인공지능의 두 번째 겨울

cosmos6 — 2022-08-25 07:23:29 UTC

값싼 PC의 보급으로 고가의 전문가 시스템에 대한 불만
일본의 제5세대 컴퓨터 프로젝트가 끝났으나 상업화에 실패함.
미국의 전략 컴퓨팅 계획에서도 가시적인 성과가 없어, 연구기금이 수퍼컴퓨팅 분야로 전환됨.
기술의 한계와 자본의 부재로 인공지능이 다시 침체기로 들어감.

1990년대 후반~2000년대, 새로운 도약을 위한 준비

cosmos6 — 2022-08-25 07:26:47 UTC

과열된 인공지능 연구 붐이 진정되고, 현실적인 과제로 연구를 집중함.
지식정보처리, 온톨로지, 데이터마이닝, 유비쿼터스 컴퓨팅 등 새로운 개념의 연구가 진행됨.

2010년대 이후 화려한 딥러닝 시대

cosmos6 — 2022-08-25 07:33:05 UTC

2006년 제프리 힌튼의 심층신뢰망 논문을 기점으로 딥러닝 연구가 주목받기 시작함.
2016년 알파고가 이세돌 9단을 이김으로써 우리나라에 딥러닝의 광풍이 불어옴.
2020년대 현재에도 딥러닝 연구는 계속 확장중.

2006년 제프리 힌튼

cosmos6 — 2022-08-25 07:42:26 UTC

제프리 힌튼, 사이먼 오신데로, 이-화이 테의 심층신뢰망(DBN: Deep Belief Network)으로 기존 신경망의 난제였던 기울기 소실 문제 등을 해결함으로써 딥러닝 시대 시작을 알림.

2012년 AlexNet, CNN의 활약

cosmos6 — 2022-08-25 07:47:33 UTC

ImageNet 대회(ILSVRC)에서 AlexNet이 다른 알고리즘을 제치고 압도적인 차로 우승함.
AlexNet은 기존의 통계기반 머신러닝 알고리즘과 달리 인공신경망을 이용한 머신러닝, 즉 딥러닝(Deep Learning)으로 개발된 시스템임.
AlexNet은 CNN을 활용한 딥러닝 모델로, 이후 ImageNet은 CNN 모델을 탑재한 딥러닝의 독무대가 되었고, 그 여파는 점차 다른 분야로 전이되어 현재 인공지능은 딥러닝의 시대가 됨.

1974년 폴 워보스의 역전파 이론

cosmos6 — 2022-08-25 07:57:08 UTC

폴 워보스는 인공신경망의 학습 방법으로 역전파(backpropagation) 이론을 박사학위 논문으로 제출함.
민스키는 단일 퍼셉트론의 한계를 지적하고, 비선형 문제는 다층 퍼셉트론으로 해결할 수 있겠지만 학습할 방법이 없다고 주장함.
이후 15년간 아무도 이것을 해결하지 못하고 인공신경망 연구는 역사 속으로 사라지는 듯 했음.
폴 워보스는 역전파 알고리즘을 제안하였지만 아무한테도 주목받지 못하고 그대로 사장됨.
이후 1986년 제프리 힌튼이 참여한 논문으로 역전파가 다시 주목받게 됨.

1985년 얀 르쿤, 역전파의 재발견

cosmos6 — 2022-08-25 08:02:29 UTC

1974년에 발표한 폴 워보스의 역전파 알고리즘이 1985년 얀 르쿤과 데이비드 파커에 의해 재발견되고 얀 르쿤의 박사학위 논문으로 나옴. 1986년에 저널에 공개하였으나 주목을 받지는 못함.

1986년 역전파 연구의 재활성화

cosmos6 — 2022-08-25 08:13:13 UTC

데이비드 러멜하트, 제프리 힌튼, 로널드 윌리엄스의 "Learning repesentation by back-propagation errors" 라는 논문이 네이처에 발표되면서 역전파 연구가 인공신경망 연구에서 주목받게 됨.
이후 제프리 힌튼에 의해 꾸준히 연구 결과가 발표되었으나 괄목할만한 결과를 보여주지 못해 2000년대 중반까지 통계기반 연구에 밀려 주목을 받지 못함.

2012년 구글 브레인 프로젝트

cosmos6 — 2022-08-25 08:23:54 UTC

16000개 서버로 3일동안 1000만개 이미지를 학습하여 고양이 이미지를 구별함.

2013년 앤드류 응

cosmos6 — 2022-08-25 08:30:57 UTC

스탠포드 대학의 교수에서 구글로 옮긴 뒤 구글 브레인을 이끌었던 앤드류 응은 다음 해 중국의 바이두로 옮기고, 구글 브레인과 동일한 성능을 GPU를 사용하여 단 3대의 컴퓨터로 해결함.
딥러닝에서 GPU의 활약이 대두되기 시작함.

2016년 알파고(AlpaGo) - 데미스 허사비스

cosmos6 — 2022-08-25 08:43:58 UTC

알파고는 천재 개발자 데미스 허사비스가 창업한 딥마인드가 구글에 인수되고 내놓은 바둑 프로그램으로 2015년 유럽 챔피언 판 후이를 이기고, 2016년 한국에서 이세돌 9단을 4승1패로 눌러서 전세계적인 딥러닝 열풍의 계기가 됨. 이후 2017년 세계 랭킹 1위인 중국의 커제 9단을 누르고 더 이상 바둑대회에 나가지 않겠다고 선언함.

2014년 이안 굿펠로우, GAN의 탄생

cosmos6 — 2022-08-25 09:13:07 UTC

이안 굿펠로우는 딥러닝의 4대 천황(제프리 힌튼, 얀 르쿤, 요슈아 벤지오, 앤드류 응) 중 한 명인 요슈아 벤지오의 연구실 출신으로 구글 브레인에서 연구 중, 적대적 생성 신경망(GAN: Generative Adversarial Networks)을 창안하여 NIPS에 제안함.
이후 GAN의 변형이 다수 나오면서 수많은 연구결과가 발표되어 딥러닝의 한 축이 됨.
GAN으로 대표되는 생성모델은 구글의 딥드림이나 작곡 등 예술 분야까지 딥러닝이 확장되는 성과와 함께 딥페이크 논란과 같은 어두운 면도 부각되어 현재도 계속 발전하고 있음.

1989년 CNN 모델 발표

cosmos6 — 2022-08-25 09:25:48 UTC

역전파를 연구한 얀 르쿤은 1989년에 이것을 활용한 논문 "Backpropagation applied to handwritten zip code recognition"에서 CNN(Convolutional Neural Networks) 모델을 제시함.
그러나 처음에는 주목받지 못함.

1998년 LeNet 모델

cosmos6 — 2022-08-25 09:29:42 UTC

얀 르쿤이 CNN을 기반으로 한 이미지 분류 모델로 자신의 이름을 딴 LeNet을 1998년에 발표함. 필기체 숫자 이미지 분류에 활용되어 어느 정도 성과가 있었으나 초기 모델은 크게 주목받지 못함.
CNN 모델은 이후 AlexNet의 활약으로 크게 활성화됨.

1965년 자데, 퍼지집합 이론 발표

cosmos6 — 2022-08-25 09:53:59 UTC

자데(Lofti A. Zadeh)가 새롭게 제창한 퍼지집합 이론은 기존의 이치 논리인 부울 논리에서 벗어나, 여러 가지 선택이 가능한 다치 논리 기술을 발전시키는 이론적 토대를 마련함.
인공지능의 발전에서 불확실성을 처리하는 이론적 기반의 하나가 됨.

2017년 트랜트포머(Transformer)의 등장

cosmos6 — 2025-09-07 09:01:26 UTC

"Attention is All You Need"라는 유명한 논문을 구글이 발표하면서 트랜스포머라는 획기적인 딥러닝 모델을 발표함.

현재 chatGPT, Gemini, LLaMA 등 대부분의 LLM를 비롯하여 생성형 AI의 기본 모델로 트래스포머를 사용하고 있음.

2022년 ChatGPT, 생성형AI 시대를 열다

cosmos6 — 2025-09-07 09:27:45 UTC

OpenAI에서 딥러닝을 위한 언어 학습 모델로 대규모언어모델(Large Language Model: LLM)인 GPT를 2018년부터 차례로 발표함.

2022년 11월 GPT의 응용 사례로 챗봇인 chatGPT를 발표함. GPT-3를 약간 보완한 GPT-3.5를 기반으로 chatGPT를 운용하였으며, 처음에는 GPT의 성능 개선을 위해 일반인들의 피드백을 받고자 하는 목적도 있었기 때문에 큰 기대 없이 발표함.

그런데, 역사상 가장 빠른 사용자 수 증가와 함께 생성형 AI의 시대를 여는 결과를 가져옴.

이후, OpenAI는 GPT-4를 기반으로 하는 ChatGPT를 빠르게 내놓음으로써 새로운 AI 붐을 이어감.

2025년 현재 GPT-5 모델이 공개된 상태이며, 전세계 사람들의 일상과 업무 환경을 드라마틱하게 바꾸고 있는 중임.

이로 인한 부작용으로 회사들이 chatGPT로 초급 인력을 대체함으로써 대학 졸업자의 신규 취업이 어려워지면서 사회 문제가 되고 있음.