AI란 무엇인가
요즘 ‘AI’와 'LLM'은 기업 회의에서 가장 자주 등장하는 단어입니다. 하지만 막상 “AI가 정확히 뭐죠?”라는 질문을 받으면, 잘 설명하기 어렵습니다. 이번 글에서는 인공지능의 큰 그림을 정리하고, 그 안에서 자주 혼동되는 개념들의 관계를 간단히 정리해 보겠습니다.
1장. AI의 계보 — 포괄적인 개념부터 세부 기술까지
AI는 하나의 단어처럼 보이지만, 그 안에는 여러 세대와 층위의 기술이 포개져 있습니다. 가장 넓은 개념부터 좁은 개념 순서로 보면, 인공지능(AI) 안에 머신러닝(ML)이 포함되고, 머신러닝 안에 딥러닝(DL)이 있으며, 딥러닝의 응용 중 하나가 거대 언어 모델(LLM)입니다.
1) 인공지능 (AI: Artificial Intelligence)
1956년, 다트머스 회의에서 존 매카시(John McCarthy)가 처음 제안한 개념입니다. AI는 컴퓨터가 인간의 지능이 필요한 작업을 수행하도록 만드는 기술과 학문의 총칭입니다. 문제 해결, 학습, 추론, 언어 이해 등 인간의 사고 과정을 흉내 내는 시도이죠.
2) 머신러닝 (ML: Machine Learning)
1959년, IBM의 아서 사무엘(Arthur Samuel)은 데이터를 통해 스스로 배우는 체커(Checker) 게임 프로그램을 만들며 ‘Machine Learning’이라는 개념을 제안했습니다. 이는 AI의 하위 분야로, 명시적인 프로그래밍 없이 데이터로부터 규칙을 스스로 학습하는 기술입니다.
3) 딥러닝 (DL: Deep Learning)
제프리 힌튼(Geoffrey Hinton) 교수가 제안한 ‘역전파(backpropagation) 알고리즘'과 '알렉스넷(AlexNet)은 딥러닝의 부흥을 이끌었습니다. 딥러닝은 인공 신경망(Neural Network)을 여러 층으로 쌓아 이미지, 음성, 텍스트 등 복잡한 패턴을 학습하는 기술입니다. 2012년, 이미지 인식 대회 ImageNet에서 AlexNet이 압도적인 성능으로 우승하면서 딥러닝은 본격적으로 주류에 올랐습니다.
4) 거대 언어 모델 (LLM: Large Language Model)
2018년 이후, 구글의 BERT와 OpenAI의 GPT 시리즈 같은 ‘트랜스포머(Transformer)’ 기반의 언어 모델이 등장했습니다. 이 모델들은 방대한 텍스트 데이터를 학습해 사람의 언어를 이해하고 생성합니다. GPT-3(2020), ChatGPT(2022)의 등장은 AI가 기술 단계를 넘어 “일상의 파트너”로 자리 잡게 된 순간이었습니다.
2장. AI의 겨울 — 지나간 냉각기에서 배우는 교훈
AI는 항상 뜨거운 관심을 받았던 건 아닙니다. 그 역사에는 ‘AI 겨울(AI Winter)’이라 불리는 두 차례의 긴 침체기가 존재합니다. 기대가 큰 만큼 좌절도 깊었던 법이죠.
1) 첫 번째 AI 겨울 (1974~1980년)
1950~60년대, 초기 AI 연구자들은 머지않아 인간 수준의 지능을 구현할 수 있을 것이라 믿었습니다. 하지만 기술은 기대를 따라가지 못했습니다. 당시의 연구주제였던 단층 퍼셉트론(Perceptron)의 구조적 한계가 드러났고, 복잡한 문제 해결이 불가능했습니다.
결국 약속한 성과가 나오지 않게 되자, 미국과 영국 정부가 AI 연구 자금을 끊었습니다.
2) 두 번째 AI 겨울 (1987~1993년)
1980년대 초, 전문가 시스템(Expert System)이 상업적으로 성공하며 AI의 부활이 시작되는 듯했지만 오래가지 못했습니다. 실제로는 지식 기반을 지속적으로 관리하는 비용이 매우 높아서 이 유지비를 감당하기 어려웠습니다. 또, AI 기술을 지탱하는 HW 기술이 일반 컴퓨터의 성능 향상으로 시장에서 도태되어 버렸습니다. 결국 특정 영역에서는 잘 작동했지만, 복합적 문제에는 여전히 한계가 있었습니다.
오늘날의 AI는 이 ‘겨울’을 지나면서 단단해졌습니다. 데이터, 컴퓨팅 파워, 알고리즘의 세 요소가 균형을 이루며 이제는 너무 강력한 흐름이 되었습니다. 지금이 일본의 부동산 버블, 20년대 초의 IT 버블, 그리고 최근의 서브프라임 모기지 사태와 같은 버블일지, 1차와 2차 산업혁명을 이을 3차 IT 산업혁명이 될지는 지켜봐야 할 것 같습니다.
참고
1) Dartmouth workshop. https://en.wikipedia.org/wiki/Dartmouth_workshop
2) Arthur Samuel. https://en.wikipedia.org/wiki/Arthur_Samuel_(computer_scientist)
3) Geoffrey Hinton. https://en.wikipedia.org/wiki/Geoffrey_Hinton
4) Attention Is All You Need. https://arxiv.org/abs/1706.03762
5) AI winter. https://en.wikipedia.org/wiki/AI_winter
6) Lighthill report. https://en.wikipedia.org/wiki/Lighthill_report
7) Expert system. https://en.wikipedia.org/wiki/Expert_system
8) 빅테크, 상반기 AI에 144조원 투자…"과소투자, 과잉보다 위험". https://www.yna.co.kr/view/AKR20240803033900009
9) 저커버그 "메타는 AI 투자 주저하는 것이 위험...오픈AI 등과 달라". https://www.aitimes.com/news/articleView.html?idxno=202591