인공지능의 태동기
인공지능은 사람들에게 그저 철학적 논쟁거리. 그 이상도 이하도 아니었습니다. 실제로 구현이 불가능했으니깐요. 그러다가 컴퓨터가 만들어지기 시작했습니다. 또한 앨련 튜링의 '튜링 기계'라는 수학적 알고리즘 또한 만들어지면서 학자들이 인공지능이 구현 가능하지 않을까? 라고 생각하게 된 것이죠.
아타나소프-베리 컴퓨터(최초의 수학적 컴퓨터)-출처 위키피디아
그러다가 우리 뇌의 뉴런 세포들을 따라하여 프로그래밍하면 인공지능을 만들 수 있지 않을까? 라는 생각이 든 사람들이 인공지능을 수학적으로 만들기 시작했죠. 단 한개의 세포만을 고려해서요.
입력이 있으면 출력이 있도록요. 이를 시그모이드 뉴런이라고 합니다. 이 함수는 S자 형태를 띄고 있어서 천천히 증가하다 갑자기 증가하다 다시 천천히 증가하는 형태입니다.
-시그모이드 함수-출처 https://sungjk.github.io/2017/04/11/Ch2-neural-network.html
이것으로 여러개의 입력을 받아서 출력을 내도록 만들었습니다. 처음에는 다 좋아 보였습니다. 그래서 회사나 정부나 가리지 않고 엄청나게 투자를 했죠. 억단위로요. 그러나 명확한 한계 수학적 증명으로 드러났죠. 바로 애매한 값들, 직선으로 분류 불가능한 범위들을 못 한다는 것이죠. 이로 인해 인공지능의 첫번째 겨울이 찾아왔습니다.
인공지능의 첫번째 겨울
이 수학적 한계때문에 말그대로 인공지능에 관한 논문이 나오면 바로 묻히는 듯이 냉대를 받고 있었습니다. 그래서 이 연구를 계속 한 사람들은 지원 없이, 말그대로 조용히 연구를 하고 있었죠. 그렇게 10년정도가 지나고, 한 논문이 나왔습니다. 여러개의 시그모이드 뉴런을 연결시키면 위의 문제를 해결 할 수 있다는 것이죠.
다시 뛰는 인공지능
그래서 사람들이 연구를 다시금 시작할 수 있었습니다. 계속 연구를 하다 보니 인공지능을 원하는 방향으로 학습하기가 힘들어졌습니다. 그리고 많은 시그모이드 뉴런을 가지고 있으면 더 세심하게 원하는 대로 할 수 있었지만, 학습이 거의 불가능하다는 단점 또한 있었습니다. 그래서 CNN(이것은 나중에 설명해드리죠.)같은 것들만 가지고 반복하다가, 회사에서 사용하다, 포기해버립니다.
다시금 추운 겨울, 한계
학습의 어려움은 다시 투자의 축소, 연구의 축소, 무관심과 냉대를 불러일으켰습니다.
어떻게든 남은 학계에 남은 학자들이 연구를 계속하였습니다.
-연구가 하고 싶어요...-
빠르게 찾아온 전성기
그러다가 인공지능의 영웅, 딥러닝이 등장합니다. 이태까지의 일들이 무색하듯, 사람이 일일이 지도 학습을 할 필요 없이, 스스로 학습하는 모델이 나온 것이죠. 이로 인해 알파고가 만들어지고 지금의 인기가 나오게 된 것입니다.
다음으로는 기계학습의 원리를 적어보도록 하겠습니다!
봐주셔서 감사합니다!