brunch

매거진 인공지능의 역사

라이킷 2 댓글

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by JK의 계단 밑 연구실 Jun 13. 2017

인공지능의 역사 3

첫 번째 암흑기 (1960년대 후반 ~ 1970년대 초반)

1958년, 사이먼(H. A. Simon)과 뉴얼(Allen Newell) : "10년 내에 디지털 컴퓨터가 체스 세계 챔피언을 이길 것이다", 덧붙여 "10년 내에 디지털 컴퓨터는 중요한 새로운 수학적 정리를 발견하고 증명할 것이다"라고 말했다.
1965년, 사이먼 : "20년 내에 기계가 사람이 할 수 있는 모든 일을 할 것이다."
1967년, 마빈 민스키 : "이번 세기에 AI를 만드는 문제는 거의 해결 될 것이다."
1970년, 마빈 민스키 : (Life 잡지를 통해서) "3~8년 안에 우리는 평균 정도의 인간 지능을 가지는 기계를 가지게 될 것입니다.

1960년대 후반 AI에 관한 낙관적 예상과 성취감은 절정에 이른다. 하지만 이내 이러한 낙관적 전망은 터무니없던 것이라는 것을 깨닫고 현실의 벽에 부딪힌다. 낙관의 거품이 걷히자 AI는 비판의 대상이 되었고 인공지능 역사에 첫 번째 암흑기가 찾아오게 된다. 이 시기 인공지능의 암흑기를 상징하는 3가지 사건이 있는데 여기서는 이를 중심으로 이야기를 풀어가 보도록 하겠다.

1966년 - 미국 정부의 지원 중단

1957년 최초 인공위성인 스푸트닉호(Sputnik)를 러시아가 쏘아 올리자 미국은 국립연구회를 중심으로 러시아가 출간한 과학 논문을 자동으로 번역해주는 프로젝트에 막대한 자금을 지원했다. 초창기에는 전자 사전을 이용해 단순히 러시아 단어를 영어로 바꾸면 가능할 것이라 생각했다. 하지만 올바른 단어를 선택하려면 논문 주제를 먼저 이해해야 한다는 사실을 알게 되었다. 이는 너무 어려운 과정이었고, 결국 1966년에 미국 정부의 지원을 받았던 모든 번역 프로젝트는 취소되었다. 1966년에 나온 자문 위원회의 한 보고서를 살펴보면 당시의 실망감을 생생히 살펴볼 수 있다.

“일반적 과학 논문의 기계 번역은 불가능했으며, 조만간 가능하리라는 전망도 없다”.

1969년 - 민스키의 퍼셉트론 한계 증명

로젠블랫과 만날 때마다 퍼셉트론(인공신경망)을 가지고 논쟁을 하던 마빈 민스키는 결국 1969년, 그의 동료 세이무어 페퍼트(Seymour Papert)와 함께 퍼셉트론 이론의 한계점을 수학적으로 증명한다. 즉, 로젠블랫의 퍼셉트론은 'AND' 또는 'OR' 같은 선형 분리가 가능한 문제에서는 적용할 수 있지만 'XOR'과 같은 문제에는 적용할 수 없다는 것이 주요 내용이었다.

이는 사실 단순 퍼셉트론 모델의 한계에 대해서만 증명한 것이지만, 많은 이들에게 '뉴럴 네트워크(인공 신경망)'이론 자체의 한계를 증명한 것으로 받아들여져 신경망 연구에 대한 자금 지원은 거의 말라붙고, 연구자도 다른 분야로 떠나게 되며 학계에서 조차 외면받게 된다.

1971년 - 영국 정부의 지원 중단

1971년 영국 저부도 AI 연구에 대한 지원을 중단했다. 제임스 라이트힐(James Lighthill)경은 대영제국의 과학 연구회의 위임을 받아 '영국 인공지능 연구 현황'에 대한 보고서를 작성하게 된다. 이 보고서에서 그는 현재의 인공지능 기술이 '폭발적 조합의 증가' 문제에 제대로 대처할 수 없다는 점을 들어 AI 연구에서 중요한 결과는커녕, 의미 있는 결과조차 찾지 못해서 'AI'라는 별도의 과학 분야는 필요 없다고 주장하였다.

일반적 접근의 한계와 폭발적 조합 문제

이 시기 인공지능 연구는 그 접근 방법의 근원적 한계 때문에 위기를 맞이 했다고 볼 수 있다. 어떤 특정 영역의 문제를 풀기보다는 광범위한 문제를 해결할 일반적인 방법을 개발하고자 했기 때문에 특정 문제 영역에 관한 지식을 거의 포함하지 못했다. 대표적으로 위의 러시아 논문을 영어로 기계 번역하려던 프로젝트가 실패한 예가 있다.

또 한 문제를 푸는 방법에도 한계가 있었다. 인공지능으로 문제를 해결하기 위해 해를 발견할 때까지 작은 단계들을 여러 조합으로 만들어보는 탐색 전략을 사용했다. 이 방법은 간단한 소위 '토이 프러브름'에서는 잘 동작하였다. 그래서 큰 문제에서도 '큰 문제를 풀 수 있을 정도로 프로그램 규모를 키울 수 있다면 잘 동작할 것'이라는 생각으로 규모의 확장을 만만하게 보았던 것이다. 하지만 규모가 커질수록 문제풀이 속도나 난이도가 단순히 선형으로 증가하는 것이 아니라 지수 함수처럼 커지는 문제가 존재한 다는 것이 밝혀졌고, 이런 문제는 단순히 작은 단계를 조합해서 풀 수 없다는 것을 알게 되었다. 이 문제가 바로 위의 라이트힐 경의 보고서에 나온 '폭발적 조합의 증가'문제이다.

결국 이러한 인공지능 분야에서 발생한 일련의 비관적인 사건들과 당시 접근법이 가지고 있던 근본적인 한계에 의해서 일시적인 인공지능의 침체기가 오게 된다. 이것이 첫 번째 인공지능의 겨울이다.