[너도아는] 인공지능의 역사와 발전

낙관과 좌절, 그리고 재도약의 연대기

by 있잖아

Sep 20. 2025

# 낙관의 시대: 규칙 기반 AI의 탄생

1950~60년대 초창기 AI는 논리·규칙 기반(symbolic AI) 접근을 중심으로 발전했다.
알고리즘에 사람이 만든 지식을 ‘규칙(if-then)’으로 입력해 문제를 풀게 하는 방식이다.

- 1957년: 로젠블랫(Frank Rosenblatt)의 퍼셉트론(Perceptron) -> 최초의 신경망 개념 제안

- 1960년대: 초기 언어 이해 프로그램 ELIZA, 체계적 문제 해결 프로그램 General Problem Solver(GPS)

이들은 당시로선 혁명적이었지만, 데이터와 연산 자원이 부족했고 세계 지식을 포괄할 수 없었다.
AI는 어린아이의 지능조차 흉내 내지 못했고, 기대에 비해 성과가 미미했다.

# AI 겨울: 과도한 기대와 깊은 좌절

1970~1980년대 초반, 투자자와 정부는 “AI가 당장 세상을 바꿀 것”이라는 약속이 과장되었음을 깨달았다.
연산 능력·데이터·알고리즘 모두 한계에 봉착하며 AI 연구 자금이 급감했고, 이를 ‘AI 겨울(AI Winter)’이라 부른다. 이 시기 AI는 기대의 기술에서 실망의 기술로 전락했다.

- 1969년: 퍼셉트론의 한계가 지적되며 신경망 연구가 사실상 중단

- 1973년: 영국 라이트힐 보고서(Lighthill Report) → AI 연구에 대한 정부 지원 대폭 축소

# 재도약: 전문가 시스템과 상징적 부활

1980년대 들어, AI는 좁은 영역에 한정된 지식 기반 시스템(Expert System)으로 부활했다.
의학·회계·엔지니어링 등 한정 도메인에서는 인간 전문가 수준의 성능을 보이며, 기업용 AI의 가능성을 입증했다.

대표 사례: MYCIN (감염 질환 진단), XCON (DEC사의 컴퓨터 구성 지원 시스템)

그러나 유지비용과 지식 입력의 한계로, 범용화에는 실패했다.

이 시기 AI는 여전히 ‘사람이 규칙을 넣어줘야 작동하는 기계’에 머물렀다.

# 기계학습과 데이터의 시대: AI의 본격적 부활

1990년대 중반, AI는 새로운 방향을 찾았다. 지식을 사람이 코딩하는 대신, 데이터에서 스스로 학습하는 머신러닝(Machine Learning)이 주류로 떠올랐다. 통계학·확률모형·최적화 이론이 AI에 결합되며, 학습 기반 AI라는 패러다임 전환이 일어났다.