by
May 17. 2020
역사적 관점에서 본 인공지능 분류
[야만인] 인공지능 탄생의 뒷이야기
1969년 7월 20일
미국의 아폴로 11호 우주비행사 닐 암스트롱 Neil Alden Armstrong은 달에 첫 발을 내딛으면서 이렇게 말합니다.
나 개인에게는 작은 한 걸음이지만 인류에게는 커다란 진보이다.
2016년 3월 15일 서울 광화문 포시즌스 호텔
구글의 알파고와 인류대표 이세돌 9단의 바둑경기에 앞서
에릭 슈미트 Eric Emerson Schmidt는 이렇게 말합니다.
누가 이기든 인류의 위대한 승리가 될 것입니다.
이세돌 9단과의 대국에서 한 번만 내준 알파고는 이후 커제 Ke Jie 9단에게 모두 이김으로써
2016년 3월 31일 이세돌 9단의 승리는
인류가 알파고 인공지능을 마지막으로 이긴 날로 역사에 남습니다.
불과 10년전인 2010년 무렵 교과서에는
바둑의 경우의 수가 250**150으로 우주의 원자수인 10**80보다 많아서 사실상 계산이 불가능하므로
인공지능이 바둑에서 인간을 능가한다는 것은 불가능한 것으로 간주되었습니다.
2010년 데미스 하사비스 Demis Hassabis에 의해 창업되었고,
2014년 구글에 인수된 딥마인드 DeepMind는 알파고 AlphaGo를 개발하면서
프로기사들의 기보 16만개를 5주만에 학습하도록 하여 세계최강 이세돌 9단에게 승리했습니다.
젊은 시절 유명한 IT 엔지니어였던 에릭 슈미트는
자신이 다시 젊어진다면 머신러닝 Machine Learning을 배우겠다고 말했습니다.
이제는 개발자가 직접 프로그래밍 안해요.
엄청난 데이터를 바탕으로 스스로 배우면서 커나가요.
머신러닝이라는 단어를 처음 사용한 분은 아서 사뮤엘 Arthur Samuel입니다.
그는 머신러닝을 컴퓨터에게 배울 수 있는 능력.
즉, 코드로 정의하지 않은 동작을 실행하는 능력에 대한 연구분야로 정의했습니다.
그러나 초기 인공지능은 이러한 머신러닝 기법보다는
1956년 다트머스 회의를 주도한 존 매카시 John McCarthy, 마빈 민스키 Marvin Lee Minsky, 허버트 사이먼 Herbert Alexander Simon, 앨런 뉴얼 Allen Newell 등이 주장한
논리와 기호에 의해 경우의 수를 탐색하거나 사고과정을 추론하는 기호주의 Symbolic AI가 주도했고,
이후 지식의 표현과 추론으로 이루어진 전문가 시스템 Expert System, 시맨틱 네트워크 Semantic network,
미조구치 리이치로 Riichiro Mizohuchi의 온톨로지 Ontology,
더글라스 레나트 Douglas Lenat의 사이크 프로젝트 Cyc Project로 이어집니다.
특히 1984년 더글라스 레나트의 사이크 프로젝트는
세상의 모든 지식을 집적한다는 원대한 꿈으로 시작되었지만 아직까지 큰 성과를 보여주지 못해
인간의 지식을 기호로 표현한다는 것이 얼마나 어려운지 역설적으로 보여줍니다.
한 편 1965년 버클리 대학의 로트피 자데 Lotfi Asker Zadeh 교수는
자신의 아내가 얼마나 아름다운지 표현하기 위해 퍼지 이론 Fuzzy Logic을 만들었고,
1975년에는 존 홀랜드 John Henry Holland에 의해 유전자 알고리즘 Genetic Algorithm이 개발되었는데
이는 생태계의 적자생존 원리를 적용한 것으로
그동안 풀 수 없던 NP-HARD 문제에 접근할 실마리를 제공하기도 합니다.
1997년 카네기 멜론 대학의 톰 미첼 Tom Mitchell 교수가 < 머신러닝 Machine Learning >이라는 책에서
머신러닝 개념을 새로 정립합니다.
경험 데이터에 의해 과업을 수행하는 성능이 향상된다면
기계가 학습하여 지능을 가진 것으로 볼 수 있다.
이런 분류에 따라 머신러닝 알고리즘의 종류에 신경망, SVM, 회귀, 나이브 베이지언, k-nn, k-means, 의사결정나무 등이 속하게 됩니다.
이렇게 머신러닝의 한 분야로서 신경망 artificial neural network이 분류되고 있었는데
2006년 제프리 힌튼 Geoffrey Everest Hinton이 딥빌리프넷 Deep Belief Net을 발표하고,
2012년 이미지넷 대회 ImageNet Large Scale Visual Recognition Challenge에서 우승하면서
딥러닝 Deep Learning의 브랜드가 알려졌고, 점차 독립적으로 불리게 되었습니다.
