[인공지능] 인공지능의 겨울과 붐, 발전과 도약

인공지능의 겨울

 

제 1차 AI 붐(인공지능의 태동)

1943년에 Warren McCulloch과 Walter Pitts는 뉴런들의 간단한 네트워크를 분석하고 이것이 간단한 논리 기능을 수행할 수 있음을 보여주었고, 그리고 이것을 연구자들이 인공 신경망이라고 부르게 되었음

 

튜링 테스트, 페셉트론, 다트머 학술 대회, "탐색으로 추론하기"시대 등의 사건(?)으로 AI 붐이 일어남. 

 

첫 번째 인공지능(AI) 겨울

컴퓨터로 ‘추론·탐색 을 하는 것으로 특정한 문제를 푸는 연구가 한계에 도달. 결국 1970년대에 첫 번째 겨울을 맞이함.

선형문제만 풀 수 있었고 그 당시2, 3층으로 만들 학습 방법이 없었음.

 

당시의 문제점

1. 1970년대에는 충분한 컴퓨터 파워가 없었다.

실제로 유용한 결과를 내는데 필요한 CPU의 속도나 충분한 메모리가 없었음.

2. 장난감문제

인공 지능 분야에는 지수적시간에만 풀 수 있는 많은 현실적인 문제가 있음.

따라서 이러한 현실적인 문제에 대한 최적의 솔루션을 찾는 데는 상상할 수 없는 양의 계산 시간이 필요함.

3.  컴퓨터 시각이나 자연어 처리와 같은 많은 인공지능 응용 프로그램은 전 세계에 대한 엄청난 양의 정보를 필요로 함.

1970년에는 아무도 이 정도의 데이터베이스를 만들 수 없었고 어떤 프로그램도 이 방대한 정보를 어떻게 힉습해야하는 지를 알지 못함.

 

 제 2차 AI 붐(새로운 희망)

전문가 시스템(Expert System)이라는 프로그램이 등장하며 2차 AI  붐이 일어남.

신경망 연구가 다시 살아나는 계기가 됨.

             1982년 물리학자 John Hopfield는 완전히 새로운 방식으로 정보를 학습하고 처리할 수 있는 한 형태의

신경망(Hopfield Net)을 제안.

 

Geoffrey Hinton과 David Rumelhart는 "역전파(backpropagation)"라고 불리는 유명한 학습 방법을 대중화 함.

(다층 퍼셉트론의 학습을 실질적으로 가능하게 되면서 비선형 문제 해결)

 

두번 째 인공지능(AI) 겨울

데스크탐 컴퓨터들의 하드웨어 성능이 비약적으로 발전하면서 고가의 하드웨어를 사용하는 전문가 시스템 유지 어려움.

전문가 시스템은 유용했지만 몇 가지 특수한 상황에서만 유용함이 밝혀짐.

1980년대 후반, 미국의 전략적 컴퓨팅 구상(Strategic Computing Initiative)은 AI에 대한 기금을 삭감.

 

 제 3차 AI 붐(AI의 부활)

하드웨어 성능이 비약적으로 발전. 이전에 비해 비교가 되지 않는 컴퓨팅 파워를 인공지능 연구에 활용할 수 있게 됨.

딥 러닝(deep learning)의 시대가 열리게 됨.

딥러닝 - 많은 레이어(layer)가 있는 신경 회로망을 사용하여 데이터의 추상화를 모델링하는 기계 학습의 한 분야

 

이후 딥러닝이 무섭게 성장하였고,

정복하려면 100년은 걸릴거라 예상했던 바둑(경우의 수가 많음)을 알파고가 승리하면서 딥러닝에 많은 관심을 갖게됨.

 

 

참고로 많은 사람들이 인공지능 = 딥러닝 이라 생각하지만

딥러닝은 머신 러닝 방법 중 하나임.

인공지능은 더 포괄적인 뜻.

 

인공지능 ⊃ 머신러닝 ⊃ 딥러닝