AI 겨울

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요
2. 초기 발전 (1950년대 - 1960년대)
- 2.1. 기계 번역 연구와 1966년 ALPAC 보고서
- 2.2. 초기 신경망 연구와 실패 (1969)
3. 1970년대의 좌절
4. 1980년대 후반 - 1990년대 초의 좌절
5. 1990년대 - 2000년대 초의 AI 겨울
6. 현재의 AI 봄 (2022-현재)
참조

1. 개요

AI 겨울은 인공지능(AI) 기술에 대한 과도한 기대와 실제 성과의 불일치로 인해 연구 및 투자가 위축된 시기를 의미한다. 1950년대부터 1960년대까지 기계 번역 연구와 초기 신경망 연구가 진행되었으나, ALPAC 보고서와 퍼셉트론의 한계 지적 등으로 인해 AI 연구는 좌절을 겪었다. 1970년대에는 라이트힐 보고서와 DARPA의 자금 지원 삭감, 음성 이해 연구 프로그램의 실패 등으로 인해 AI 연구는 더욱 위축되었다. 1980년대 후반에는 LISP 머신 시장의 붕괴, 전문가 시스템 배포의 둔화, 5세대 컴퓨터 프로젝트의 종료, 전략 컴퓨팅 이니셔티브의 축소 등으로 AI 겨울이 심화되었다. 1990년대와 2000년대 초에도 AI에 대한 부정적인 인식으로 인해 AI라는 용어 대신 다른 용어가 사용되었으며, AI 기술은 여러 시스템의 구성 요소로 활용되었지만, AI 분야의 성과로 인정받는 경우는 드물었다. 2020년대 초에는 챗GPT의 출시와 함께 AI에 대한 관심과 투자가 다시 증가하며 현재의 "AI 봄" 시대를 맞이하고 있다.

더 읽어볼만한 페이지

특정 출처 - 인공지능 철학
인공지능 철학은 기계 지능의 가능성, 마음, 의식, 감정의 존재 여부 등 인공지능과 관련된 근본적인 질문을 다루며, 튜링 테스트, 뇌 시뮬레이션, 기호 처리 등을 통해 지능과 의식의 본질을 탐구한다.
특정 출처 - 제조업
제조업은 원자재를 가공하여 제품을 생산하는 산업으로, 인류 역사와 함께 발전해 왔으며, 경제 성장과 고용 창출에 기여하고 국가 경쟁력에 중요한 영향을 미친다.
리스프 - 리스프 머신
리스프 머신은 Lisp 언어의 효율적인 실행을 위해 설계된 컴퓨터 시스템으로, 인공지능 연구와 컴퓨터 그래픽스 분야에 영향을 미쳤으나 상업적 성공은 거두지 못했고, 기술적 유산은 현재까지 연구되고 있다.
리스프 - S-표현식
S-표현식은 Lisp 구문에서 소스 코드와 데이터를 표현하는 기본 구조로, 원자와 `(x . y)` 형태의 표현식으로 정의되며, 이진 트리 표현, 다양한 데이터 형식 지원, 그리고 여러 분야에서 활용된다.
거품경제 - 1929년 월스트리트 대폭락
1929년 월스트리트 대폭락은 광란의 20년대 과도한 투기, 신용 거래, 농산물 가격 폭락, 경제 지표 악화 등이 복합적으로 작용하여 발생한 미국 주식 시장의 붕괴로, 세계 대공황의 주요 원인이 되어 미국 경제 침체와 전 세계적인 사회적 불안, 정치적 변화를 야기하고 금융 시스템 개혁 논의를 촉발했다.
거품경제 - 1983년 비디오 게임 위기
1983년 비디오 게임 위기는 과잉 생산, 저품질 게임, 소비자 신뢰 하락, 가정용 컴퓨터의 부상 등으로 인해 미국 비디오 게임 시장이 붕괴된 현상이다.

AI 겨울
지도 정보
개요
정의	인공지능 연구에 대한 자금 지원과 관심이 줄어든 시기
발생 시기
첫 번째 AI 겨울	1974년 ~ 1980년
두 번째 AI 겨울	1987년 ~ 1993년
원인
첫 번째 AI 겨울	1970년대 초 연구비 감소 링구아 프랑카 연구 실패 마빈 민스키의 퍼셉트론 한계 지적
두 번째 AI 겨울	전문가 시스템의 높은 기대치에 비해 실망스러운 결과 일본의 5세대 컴퓨터 프로젝트 실패
영향
연구 분야	기계 학습의 중요성 감소 연결주의 연구 감소 신경망 연구 감소
투자 및 연구비	DARPA 자금 지원 감소 인공지능에 대한 전반적인 자금 지원 감소 인공지능 연구에 대한 기업 및 투자자 관심 감소
결과
연구 방향 변화	틈새 시장에 집중 다른 분야 연구와 결합 시도
새로운 기술 발전	지식 기반 시스템 등장 기계 학습 분야에서 데이터 마이닝 연구 활발 전문가 시스템 개발
극복
극복 요인	데이터 세트 증가 컴퓨터 성능 향상 인공 신경망 연구 발전 딥 러닝 기술 등장
관련 용어
연관 용어	인공지능의 역사 인공지능의 연표 인공지능의 진행상황

2. 초기 발전 (1950년대 - 1960년대)

초기 AI 연구는 여러 분야에서 희망적인 시작을 보였다. 1950년대에는 자연어 처리(NLP)의 일환으로 기계 번역(MT) 연구가 시작되었고, 냉전(Cold War) 시기 미국 정부의 지원을 받았다. 초기 연구자들은 놈 촘스키(Noam Chomsky)의 새로운 문법 연구 등에 힘입어 "임박한 '획기적인 발전'"을 예측하기도 했다.^[9]

1973년 미국 부통령 제럴드 포드(Gerald Ford)에게 접속 문법 기반 기계 번역 모델에 대한 브리핑

인공 신경망 연구 또한 진행되었으나, 1950년대 후반 큰 성과를 내지 못하고 중단되었다.^[11] 논리 이론가 및 일반 문제 해결사와 같은 프로그램의 성공으로, 논리적 추론을 위한 기호 조작 알고리즘이 더 유망해 보였다.^[11]

2. 1. 기계 번역 연구와 1966년 ALPAC 보고서

1950년대 초, 자연어 처리(NLP) 연구의 일환으로 기계 번역(MT) 연구가 시작되었다.^[3] 1954년 조지타운-IBM 실험(Georgetown–IBM experiment)은 대중의 큰 관심을 받았지만, 실제 번역 능력은 49개의 엄선된 러시아어 문장을 영어로 번역하고 250단어의 어휘를 사용하는 것으로 제한적이었다.^[5]

냉전(Cold War) 기간 동안, 미국 정부는 러시아 문서와 과학 보고서의 자동 번역에 대한 필요성 때문에 기계 번역 연구를 적극 지원했다.^[5] 초기 연구자들은 놈 촘스키(Noam Chomsky)의 새로운 문법 연구 등에 힘입어 "임박한 '획기적인 발전'"을 예측하며 낙관적인 전망을 내놓았다.^[9]

그러나 연구자들은 의미역 분석(word-sense disambiguation)의 어려움을 과소평가했다. 예를 들어, "the spirit is willing but the flesh is weak"라는 문장을 러시아어로 번역했다가 다시 영어로 번역하면 "the vodka is good but the meat is rotten"이라는 오역이 발생했다.^[10] 이는 상식 지식(commonsense knowledge) 문제로 불렸다.

1966년, 자동언어처리자문위원회(Automatic Language Processing Advisory Committee)(ALPAC)는 보고서를 통해 기계 번역 연구가 인간 번역보다 비용이 많이 들고, 정확도가 낮으며, 속도가 느리다고 결론 내렸다. 국립연구위원회는 약 2000만달러를 투자한 후 모든 지원을 중단했다.^[9]

2. 2. 초기 신경망 연구와 실패 (1969)

월터 피츠와 워런 매컬럭의 논리 회로를 위한 인공 신경망 연구와 마빈 민스키의 SNARC 시스템을 포함한 초기 네트워크 연구는 1950년대 후반 큰 성과를 내지 못하고 중단되었다.^[11] 논리 이론가 및 일반 문제 해결사와 같은 프로그램의 성공으로, 논리적 추론을 위한 기호 조작 알고리즘이 더 유망해 보였다.^[11]

프랭크 로젠블랫의 퍼셉트론은 그의 적극적인 홍보로 관심을 받았다.^[12] 그는 퍼셉트론이 "궁극적으로 학습하고, 결정을 내리고, 언어를 번역할 수 있을 것"이라고 예측했다.^[13] 그러나 1969년 마빈 민스키와 시모어 페퍼트의 저서 ''퍼셉트론''은 퍼셉트론의 한계를 지적하며 주류 연구 중단에 영향을 주었다.^[14] 다층 퍼셉트론은 이러한 비판 대상이 아니었지만, 1960년대에는 다층 퍼셉트론 훈련 방법이 알려지지 않았다. 역전파는 몇 년 후에나 개발되었다.^[14]

1970년대와 1980년대 초, 신경망 연구는 자금 지원을 받기 어려웠다.^[15] 이러한 상황에도 신경망 연구는 계속되었다. 1980년대 중반 존 홉필드, 데이비드 루멜하트 등의 연구로 신경망 연구는 다시 주목받게 되었다.^[16] 그러나 로젠블랫은 ''퍼셉트론'' 출판 직후 보트 사고로 사망하여 이 상황을 보지 못했다.^[13]

3. 1970년대의 좌절

1970년대 초, 인공지능 연구는 여러 요인으로 인해 크게 좌절되었다.

1973년, 영국 의회의 요청으로 제임스 라이트힐 교수가 작성한 라이트힐 보고서는 인공지능 연구가 "거창한 목표"를 달성하는 데 실패했다고 지적하며, 특히 조합적 폭발 문제를 강조했다.^[17] 이 보고서는 영국 내 인공지능 연구를 중단시키는 결과를 가져왔다.^[17] 에든버러 등 일부 대학에서만 연구가 지속되었고, 1983년 알비 프로젝트를 통해 다시 자금이 투입되기 전까지 대규모 연구는 부활하지 못했다.

1960년대 방위고등연구계획국(DARPA)은 인공지능 연구에 많은 자금을 지원했지만, 1969년 맨스필드 수정안 통과 이후 DARPA는 '임무 지향적인 직접 연구'에만 자금을 지원하게 되면서 순수 연구는 지원받기 어려워졌다.^[20]^[21] 한스 모라벡은 AI 연구자들의 과장된 예측이 이러한 위기를 초래했다고 지적했다.^[22]

1971년 DARPA는 음성 인식 연구(SUR) 프로그램을 시작했지만, 5개년 연구 프로그램의 종료 시점인 1976년에 그 결과는 기대에 미치지 못했다.^[26] 카네기멜론대학교의 HARPY 시스템은 제한된 성공을 거두었지만, DARPA는 이에 실망하여 1974년 계약을 취소했다.^[26]^[27]

3. 1. 라이트힐 보고서 (1973)

1973년, 제임스 라이트힐(Sir James Lighthill) 교수는 영국 의회의 요청으로 영국 내 인공지능 연구 현황을 평가했다. 라이트힐 보고서로 불리는 그의 보고서는 인공지능이 "거창한 목표"를 달성하는 데 완전히 실패했다고 비판했다. 그는 인공지능에서 수행되는 어떤 것도 다른 과학 분야에서 할 수 없는 것이 없다고 결론지었다. 특히 "조합적 폭발" 또는 "난해성(intractability)" 문제를 언급했는데, 이는 인공지능의 가장 성공적인 알고리즘 중 많은 수가 현실 세계의 문제에 직면하면 작동이 중단되고 "장난감" 버전을 푸는 데만 적합하다는 것을 의미했다.^[17]

이 보고서는 1973년 BBC "논쟁(Controversy)" 시리즈에서 방송된 토론에서 논쟁이 되었다. 왕립 연구소에서 열린 "범용 로봇은 신기루다(The general purpose robot is a mirage)"라는 제목의 토론에서 라이트힐은 도널드 미치, 존 매카시, 리처드 그레고리 팀과 논쟁을 벌였다.^[18] 매카시는 나중에 "조합적 폭발 문제는 처음부터 인공지능에서 인식되어 왔다"라고 썼다.^[19]

이 보고서는 영국에서 인공지능 연구가 완전히 해체되는 결과를 초래했다.^[17] 인공지능 연구는 에든버러, 에섹스, 서섹스 등 소수의 대학에서만 계속되었다. 연구는 일본의 제5세대 컴퓨터 프로젝트에 대응하여 영국 정부의 연구 프로젝트인 알비가 3.5억파운드의 자금을 다시 인공지능에 투입하기 시작한 1983년까지 대규모로 부활하지 않았다. 알비는 영국만의 요구 사항이 여러 가지 있었는데, 특히 미국 파트너와의 관계에서 잘 맞지 않았고, 2단계 자금 지원을 잃었다.

3. 2. DARPA의 자금 지원 삭감 (1970년대 초)

1960년대 방위고등연구계획국(DARPA)은 인공지능 연구에 막대한 자금을 지원했다. J. C. R. 리클라이더는 '프로젝트가 아닌 사람에게 자금을 지원'하는 방식을 통해 마빈 민스키, 존 매카시 등 연구자들이 자유롭게 연구를 진행하도록 했다.^[20]

그러나 1969년 맨스필드 수정안이 통과되면서 상황이 바뀌었다. 이 수정안은 DARPA가 '임무 지향적인 직접 연구'에만 자금을 지원하도록 제한했다.^[21] 순수 연구는 더 이상 지원받기 어려워졌고, 연구자들은 군사 기술 개발 가능성을 입증해야 했다. 미국 연구 그룹과 라이트힐 보고서는 AI 연구의 실용성에 의문을 제기했고, DARPA는 자율 주행 탱크, 전투 관리 시스템 등 특정 프로젝트에만 자금을 지원하게 되었다. 1974년까지 AI 프로젝트 자금 확보는 매우 어려워졌다.^[21]

한스 모라벡은 AI 연구자들의 과장된 예측이 이러한 위기를 초래했다고 지적했다. 초기 약속이 지나치게 낙관적이었고, 실제 결과는 이에 미치지 못했기 때문에 DARPA의 신뢰를 잃었다는 것이다.^[22]

결과적으로 DARPA의 자금 지원은 크게 삭감되었지만, 전투 관리 시스템 (동적 분석 및 재계획 도구)은 걸프 전쟁에서 큰 성공을 거두며 DARPA의 투자를 정당화했다.^[24] ^[25]

3. 3. 음성 이해 연구 프로그램 (SUR)의 실패

1971년, 방위고등연구계획국(DARPA)은 음성 이해 연구(SUR)라는 5개년 연구 프로그램을 시작했다. 이들은 제한된 어휘를 가진 음성을 거의 실시간으로 인식하는 것을 목표로 했다.^[26] 1976년 프로젝트 종료 시점에 카네기멜론대학교(CMU), 볼트 베라넥 뉴먼(BBN), 스탠퍼드연구소(SRI)와 시스템 개발 공사(SDC/SRI)가 시스템을 시연했는데, 카네기멜론대학교는 HEARSAY-II와 HARPY 두 가지 시스템을 시연했다.^[26]

당초 목표를 가장 잘 달성한 것은 CMU의 HARPY 시스템이었다. HARPY는 가능한 발화에 대한 정보를 시스템 지식 기반에 '하드와이어링'하여 비교적 높은 성능을 달성했다. HARPY는 몇 가지 흥미로운 기여를 했지만, 광범위한 사전 지식에 의존하여 다른 신호 이해 작업에 적용하기 어려웠다.^[26]

DARPA는 카네기멜론대학교의 SUR 프로그램 연구 결과에 크게 실망했다. DARPA는 조종사의 음성 명령에 응답하는 시스템을 기대했지만, SUR팀은 단어가 특정 순서로 말해져야만 인식 가능한 시스템을 개발했다. DARPA는 속았다고 느꼈고, 1974년에 연간 300만달러의 계약을 취소했다.^[27]

그러나 수년 후, 카네기멜론팀이 개발한 은닉 마르코프 모델 등의 기술을 사용하는 상용 음성 인식 시스템이 등장했고, 2001년까지 음성 인식 시스템 시장은 40억달러에 달했다.^[28]

4. 1980년대 후반 - 1990년대 초의 좌절

1980년대 후반, 전문가 시스템의 도입과 리스프 머신 시장의 성장은 AI 연구에 대한 기대를 높였다. 카네기 멜론 대학교에서 개발한 XCON은 디지털 장비사에 4000만달러를 절약해 주는 등 큰 성공을 거두었다.^[32]^[33] 1985년에는 전 세계 기업들이 AI에 10억달러 이상을 투자하며 테크놀러지, 인텔리코프(KEE) 같은 소프트웨어 회사와 심볼릭스, 리스프 머신스(LISP Machines Inc.) 같은 하드웨어 회사가 성장했다.^[32]^[33]

그러나 1987년, 썬 마이크로시스템즈와 같은 회사의 워크스테이션과 애플, IBM의 데스크톱 컴퓨터가 리스프 머신의 강력한 대안으로 떠오르면서 특수 리스프 기반 AI 하드웨어 시장은 붕괴되었다. 5억달러 규모의 산업이 단 1년 만에 대체되었다.^[36] 1990년대 초, 대부분의 상용 리스프 회사는 실패했고, 텍사스 인스트루먼츠와 제록스 같은 회사들도 이 분야를 포기했다.^[37]

전문가 시스템 역시 유지보수 비용 증가, 업데이트 어려움, "취약성" (자격 문제) 등의 문제로 인해 배포가 둔화되었다.^[38]^[39]

1981년 일본 국제무역산업성은 5세대 컴퓨터 프로젝트에 8.5억달러를 배정했지만, 1991년까지 당초 목표는 달성되지 못했다.^[37]

1983년 미국 국방고등연구계획국(DARPA)는 전략 컴퓨팅 이니셔티브(SCI)를 통해 AI 연구를 지원했으나, 1987년 AI 연구 자금을 대폭 삭감하여 SCI를 사실상 해체했다.^[43]

4. 1. LISP 머신 시장의 붕괴 (1987)

1980년대에는 전문가 시스템 형태의 AI 프로그램이 기업들에 널리 도입되었다. 디지털 장비사를 위해 카네기 멜론 대학교에서 개발한 XCON은 6년 동안 4000만달러를 절약하는 큰 성공을 거두었다. 이에 전 세계 기업들은 전문가 시스템 개발에 뛰어들었고, 1985년에는 AI에 10억달러 이상을 투자했다.^[32]^[33] 테크놀러지, 인텔리코프(KEE) 같은 소프트웨어 회사와 심볼릭스, 리스프 머신스(LISP Machines Inc.) 같은 하드웨어 회사가 성장했다. 이들은 리스프(LISP) 처리에 최적화된 특수 컴퓨터인 리스프 머신을 제작했다.^[32]^[33]

1987년, 민스키와 샹크의 예측 3년 후, 특수 리스프 기반 AI 하드웨어 시장은 붕괴되었다. 썬 마이크로시스템즈 같은 회사의 워크스테이션이 리스프 머신의 강력한 대안으로 떠올랐고, 루시드(Lucid) 같은 회사는 이러한 워크스테이션을 위한 리스프 환경을 제공했다. 일반 워크스테이션의 성능은 리스프 머신에게 어려운 과제가 되었다.^[34] 루시드(Lucid)와 프란츠 리스프(Franz LISP)는 모든 유닉스 시스템에 이식 가능한 강력한 리스프 버전을 제공했다. 워크스테이션이 리스프 머신보다 성능이 우수함을 보여주는 벤치마크도 발표되었다.^[34] 애플과 IBM의 데스크톱 컴퓨터도 리스프 애플리케이션 실행을 위한 더 간단하고 인기 있는 아키텍처를 제공했다. 1987년까지 일부 데스크톱은 더 비싼 리스프 머신만큼 강력해졌고, 클립스 같은 규칙 기반 엔진을 사용할 수 있었다.^[35] 이러한 대안으로 인해 소비자들은 더 이상 고가의 리스프 머신을 구매할 이유가 없어졌다. 5억달러 규모의 산업이 단 1년 만에 대체되었다.^[36]

1990년대 초, 심볼릭스, 리스프 머신스, 루시드 등 대부분의 상용 리스프 회사는 실패했다. 텍사스 인스트루먼츠와 제록스 같은 회사들도 이 분야를 포기했다. 소수의 고객 회사만이 리스프 기반 시스템을 계속 유지 관리했다.^[37]

4. 2. 전문가 시스템 배포의 둔화

1990년대 초, XCON과 같은 초기 성공적인 전문가 시스템들은 유지보수 비용이 너무 많이 드는 것으로 판명되었다. 업데이트가 어렵고, 학습할 수 없었으며, "취약성"(특이한 입력값이 주어지면 엄청난 실수를 할 수 있음)을 가지고 있었고, 수년 전에 비단조 논리 연구에서 확인되었던 문제들(자격 문제)의 영향을 받았다.^[38]^[39] 전문가 시스템은 유용하게 증명되었지만, 몇몇 특수한 상황에서만 그러했다. 또 다른 문제는 일반적인 지식에 대한 진실 유지 노력의 계산 복잡도와 관련이 있었다. KEE는 여러 세계 시나리오를 지원하는 가정 기반 접근 방식을 사용했는데, 이는 이해하고 적용하기 어려웠다.

남아 있던 몇 안 되는 전문가 시스템 셸 회사들은 결국 규모를 축소하고 사례 기반 추론이나 범용 데이터베이스 접근과 같은 새로운 시장과 소프트웨어 패러다임을 찾아야 했다. Common Lisp의 성숙은 ICAD와 같이 지식 기반 엔지니어링에 적용된 많은 시스템을 구했다. Intellicorp의 KEE와 같은 다른 시스템들은 LISP에서 PC의 C++(변형)으로 이동하여 객체 지향 기술을 구축하는 데 기여했다(UML의 개발에 대한 주요 지원 제공 포함).

4. 3. 5세대 컴퓨터 프로젝트의 종료 (1991)

1981년, 일본 국제무역산업성은 5세대 컴퓨터 프로젝트에 8.5억달러를 배정했다. 이 프로젝트의 목표는 대화, 언어 번역, 그림 해석, 인간과 같은 추론이 가능한 프로그램을 작성하고 기계를 만드는 것이었다. 그러나 1991년까지 당초 목표는 달성되지 못했다. HP 뉴퀴스트(HP Newquist)의 "두뇌 제조자들(The Brain Makers)"에 따르면, "1992년 6월 1일, 5세대 프로젝트는 성공적인 외침이 아닌 훌쩍임으로 끝났습니다."^[37] 다른 AI 프로젝트와 마찬가지로 기대치가 실제로 가능한 것보다 훨씬 높았다.^[40]^[41]

4. 4. 전략 컴퓨팅 이니셔티브 (SCI)의 축소

1983년, 일본의 5세대 컴퓨터 프로젝트에 대응하여 미국 국방고등연구계획국(DARPA)는 전략 컴퓨팅 이니셔티브(SCI)를 통해 AI 연구에 다시 자금을 지원하기 시작했다. 이 프로젝트는 초기에는 실현 가능한 목표를 추구했지만, 장기적으로는 인공 일반 지능 개발도 목표로 삼았다.^[42] SCI는 정보 처리 기술 사무소(IPTO)의 지휘 아래 슈퍼컴퓨팅과 마이크로일렉트로닉스 연구도 병행했다. 1985년까지 1억 달러가 투입되었고, 60개 기관에서 92개의 프로젝트가 진행되면서 AI 연구는 충분한 지원을 받았다.^[42]

그러나 1987년, IPTO의 책임자가 된 잭 슈워츠는 전문가 시스템을 "교묘한 프로그래밍"에 불과하다고 평가절하하며 AI 연구 자금을 대폭 삭감하여 SCI를 사실상 해체했다.^[43] 슈워츠는 DARPA가 유망한 기술에만 투자해야 한다고 믿었으며, AI는 "다음 물결"이 아니라고 판단했다. 프로그램 내부 관계자들은 의사소통, 조직, 통합 문제를 지적하기도 했다.^[43] 자금 삭감에도 불구하고 살아남은 프로젝트로는 조종사 지원 시스템, 자율 주행 지상 차량(완성되지 않음), DART 전투 관리 시스템(성공적으로 평가됨) 등이 있었다.^[43]

5. 1990년대 - 2000년대 초의 AI 겨울

2000년대 초 여러 보고서들은 AI의 평판이 여전히 좋지 않음을 보여준다. '인공 지능'이라는 용어는 과장된 약속과 실패의 이미지와 연관되어 투자자들과 기업들이 사용을 꺼리는 경향이 있었다.^[44]^[45]^[46]

알렉스 카스트로는 2007년 6월 7일자 이코노미스트에서 "[투자자들은 '음성 인식'이라는 용어에 꺼렸는데, 이는 '인공 지능'과 마찬가지로 종종 약속을 지키지 못하는 시스템과 관련이 있기 때문입니다.]"라고 언급했다.^[44]
패티 타스카렐라는 2006년 피츠버그 비즈니스 타임스에서 "일부 사람들은 '로봇 공학'이라는 단어 자체가 기업의 자금 조달 가능성을 해치는 오명을 안고 있다고 믿습니다."라고 말했다.^[45]
존 마코프는 2005년 뉴욕 타임스에서 "인공 지능이라는 용어를 사용하면 몽상가로 여겨질까 봐 일부 컴퓨터 과학자와 소프트웨어 엔지니어들은 이 용어를 피했습니다."라고 말했다.^[46]

2000년대 중반 많은 AI 연구자들은 정보학, 기계 학습, 분석, 지식 기반 시스템, 비즈니스 규칙 관리, 인지 시스템, 지능형 시스템, 지능형 에이전트 또는 계산 지능 등 다른 용어를 사용하여 연구 자금을 확보하고 부정적인 인식을 피하려 했다.^[46]^[47]

1990년대 후반과 2000년대 초, AI 기술은 다양한 시스템의 구성 요소로 널리 사용되었지만,^[48] AI 분야의 성과로 인정받지 못하는 경우가 많았다. 2006년 닉 보스트롬은 "많은 최첨단 AI가 일반적인 응용 프로그램에 스며들었지만, 종종 AI라고 불리지 않습니다. 왜냐하면 어떤 것이 충분히 유용하고 보편화되면 더 이상 AI라고 분류되지 않기 때문입니다."라고 설명했다.^[49] 로드니 브룩스는 비슷한 시기에 "AI가 실패했다는 어리석은 신화가 있지만, AI는 매일 여러분 곁에 있습니다."라고 말했다.

6. 현재의 AI 봄 (2022-현재)

2020년대 초, 인공지능은 논문, 특허 출원, 총 투자액 (500억달러), 일자리 창출 (2022년 미국 내 80만 개) 등 모든 측면에서 역사상 최고 수준의 관심과 투자를 받았다.^[50] 현재의 "AI 봄" 또는 "AI 붐"은 구글 번역과 같은 기계 번역, 이미지넷 훈련 데이터베이스를 기반으로 상용화된 구글 이미지 검색과 같은 이미지 인식, 알파제로 (체스 챔피언), 알파고 (바둑 챔피언), 왓슨 (제퍼디! 챔피언)과 같은 게임 플레이 시스템에서의 발전으로 이어졌다. 2012년 알렉스넷 (심층 학습 네트워크)이 이미지넷 대규모 시각 인식 챌린지에서 2위보다 절반 수준의 오류율로 우승한 것이 전환점으로 평가된다.

2022년 오픈AI의 AI 챗봇 챗GPT가 출시되어 2023년 1월 기준 1억 명이 넘는 사용자를 보유하고 있다.^[51] 이는 인공지능과 그 영향에 대한 논의를 다시 활성화시켰다.^[52]^[53]

참조

_[1] 웹아카이브 AI Expert Newsletter: W is for Winter http://www.ainewslet[...] 2013-11-09
_[2] 논문 AI winter 논의
_[3] 웹사이트 The Era of Mechanical Translation and How It Crashed (History of LLMs #1) https://www.turingpo[...] 2023-06-16
_[4] 서적 Machine translation of languages: fourteen essays https://repositorio.[...] Technology Press of the Massachusetts Institute of Technology; John Wiley & Sons
_[5] 웹사이트 The Story of AI Winters and What it Teaches Us Today (History of LLMs. Bonus) https://www.turingpo[...] 2023-06-30
_[6] 간행물 Electronic brain translates Russian https://aclanthology[...] Chemical and Engineering News
_[7] 간행물 Polyglot brainchild https://aclanthology[...] aclanthology.org
_[8] 학술지 How Large a Vocabulary is Needed For Reading and Listening? https://figshare.com[...]
_[9] 웹아카이브 The history of machine translation in a nutshell. http://www.hutchinsw[...] 2019-07-13
_[10] 웹아카이브 "The whisky was invisible", or Persistent myths of MT http://www.hutchinsw[...] 2020-04-04
_[11] 논문 McCorduck (2004, pp. 52–107)
_[12] 논문 McCorduck (2004, p. 105)
_[13] 논문 Crevier (1993, pp. 102–5)
_[14] 서적 The deep learning revolution The MIT Press 2018
_[15] 논문 Crevier (1993, pp. 102–105), McCorduck (2004, pp. 104–107), Russell & Norvig (2003, p. 22)
_[16] 논문 Crevier (1993, pp. 214–6) and Russell & Norvig (2003, p. 25)
_[17] 논문 Crevier (1993, p. 117), Russell & Norvig (2003, p. 22), Howe (1994) and see also Lighthill (1973)
_[18] 웹사이트 BBC Controversy Lighthill debate 1973 http://media.aiai.ed[...] ARTIFICIAL_INTELLIGENCE-APPLICATIONS¯INSTITUTE
_[19] 웹사이트 Review of the Lighthill Report http://www-formal.st[...]
_[20] 논문 Crevier (1993, p. 65)
_[21] 논문 NRC (1999, loc=under "Shift to Applied Research Increases Investment")
_[22] 논문 Crevier (1993, p. 115)
_[23] 논문 Crevier (1993, p. 117)
_[24] 논문 Russell & Norvig (2003, p. 25)
_[25] 논문 NRC (1999)
_[26] 서적 Blackboard Systems Addison-Wesley 1988
_[27] 논문 Crevier (1993, pp. 115–116), McCorduck (2004, pp. 306–313), NRC (1999) under "Success in Speech Recognition"
_[28] 논문 NRC (1999) under "Success in Speech Recognition"
_[29] 서적 Blackboard Systems Addison-Wesley 1988
_[30] 학술지 Speech recognition by machine: a review https://ieeexplore.i[...] 1976-04
_[31] 웹사이트 There Was No 'First AI Winter' https://cacm.acm.org[...] 2023-12-14
_[32] 논문 Newquist (1994, pp. 189–201)
_[33] 논문 Crevier (1993, pp. 161–2, 197–203)
_[34] 웹사이트 Design of an Optimizing, Dynamically Retargetable Compiler for Common LISP http://www.dreamsong[...] Lucid, Inc.
_[35] 간행물 Avoiding another AI Winter https://www.computer[...] IEEE Intelligent Systems 2008-03-04 # 추정 날짜 (March/April 2008)
_[36] harvnb
_[37] 서적 The Brain Makers: Genius, Ego, And Greed In The Quest For Machines That Think Macmillan/SAMS
_[38] harvnb
_[39] harvnb
_[40] harvnb
_[41] harvnb
_[42] harvnb
_[43] harvnb
_[44] 웹사이트 Are you talking to me? http://www.economist[...] 2007-06-07
_[45] 뉴스 Robotics firms find fundraising struggle, with venture capital shy http://www.bizjourna[...] Pittsburgh Business Times 2006-08-11
_[46] 뉴스 Behind Artificial Intelligence, a Squadron of Bright Real People https://www.nytimes.[...] The New York Times 2007-07-30
_[47] harvnb
_[48] harvnb
_[49] 웹사이트 AI set to exceed human brain power http://www.cnn.com/2[...] 2006-07-26
_[50] 웹사이트 Intellectual Property and Frontier Technologies https://www.wipo.int[...] 2022-03-30
_[51] 뉴스 ChatGPT reaches 100 million users two months after launch https://www.theguard[...] The Guardian 2023-10-30
_[52] 웹사이트 What is ChatGPT and why does it matter? Here's what you need to know https://www.zdnet.co[...]
_[53] 웹사이트 OpenAI CEO Sam Altman says AI will reshape society, acknowledges risks: 'A little bit scared of this' https://abcnews.go.c[...]