블루밍

  AI의 역사 ③ 생성형 AI 시대의 개막 (2017~2026) 머신러닝과 딥러닝으로 부활한 인공지능은 2017년 이후 완전히 새로운 국면에 접어듭니다. 이제 AI는 무언가를 '인식'하는 것을 넘어, 직접 '만들어내는' 단계로 진입했습니다. 시리즈 마지막 3탄에서는 생성형 AI 시대와 최신 동향을 다룹니다. 2017년, 모든 것을 바꾼 트랜스포머 생성형 AI 의 기반은 2017년 등장한 트랜스포머(Transformer) 기술입니다. 문장 속 단어들의 관계와 맥락을 효율적으로 이해하는 이 구조는, 오늘날 대규모 언어모델(LLM)의 핵심 엔진이 됐습니다. 트랜스포머 덕분에 AI는 더 길고 복잡한 문맥을 다룰 수 있게 됐고, 이는 곧 자연스러운 문장 생성으로 이어졌습니다. 2022년, ChatGPT가 연 대중화 시대 2022년 말 출시된 ChatGPT 는 생성형 AI를 전 세계 대중에게 각인시킨 결정적 사건이었습니다. 누구나 대화하듯 질문하면 AI가 문장을 만들어 답하는 경험은 큰 반향을 일으켰습니다. 이후 텍스트뿐 아니라 이미지, 음성, 영상까지 만들어내는 생성형 AI가 폭발적으로 확산됐습니다. 마케팅 카피, 코드 작성, 고객 응대, 디자인 등 실무 곳곳에 빠르게 스며들었습니다. 2025~2026년, 기술을 넘어 '인프라'로 가장 최근의 흐름은 AI가 단순한 도구를 넘어 사회 기반 인프라로 자리 잡았다는 점입니다. 스탠퍼드 HAI가 2026년 4월 발표한 'AI 인덱스 2026' 보고서는 인공지능이 기술을 넘어 국가 시스템의 지배적 인프라로 전환되고 있다고 분석했습니다. 특히 생성형 AI는 출시 3년 만에 잠재 사용자 절반에 도달하며 역사상 가장 빠른 기술 확산 속도를 기록했습니다. 2025년은 생성형 AI 중심의 대전환이 본격화된 해로, 기업들이 개념검증(PoC) 단계를 넘어 전사적 확장을 논의하기 시작한 시기로 평가됩니다. 나아가 2026년은 여러 AI...

  AI의 역사 ① 인공지능의 탄생과 두 번의 겨울 (1943~1993) 인공지능은 최근에 갑자기 나타난 기술이 아닙니다. AI의 역사 는 80년 전, 컴퓨터가 대중화되기도 전에 시작됐습니다. 이 시리즈 1탄에서는 인공지능의 태동기부터 두 차례의 침체기인 'AI 겨울'까지를 다룹니다. 시리즈 안내 · ① 탄생과 두 번의 겨울(현재 글) → ② 딥러닝 혁명과 AI의 부활 → ③ 생성형 AI 시대 인공지능의 씨앗: 인공 뉴런과 튜링 테스트 AI의 역사는 두 개의 아이디어에서 출발합니다. 1943년, 인간 뇌의 신경세포를 수학적으로 모델링한 인공 뉴런 개념이 처음 제안됐습니다. 오늘날 딥러닝의 먼 조상 격입니다. 1950년에는 영국 수학자 앨런 튜링 이 "기계가 생각할 수 있는가?"라는 질문과 함께 튜링 테스트 를 제안했습니다. 사람이 대화 상대가 기계인지 사람인지 구별하지 못하면 그 기계는 지능이 있다고 보자는 기준으로, 지금도 자주 인용됩니다. 1956년, "인공지능"이라는 이름이 태어나다 AI 역사 의 공식 출발점은 1956년 미국 다트머스 대학에서 열린 다트머스 회의 입니다. 이 자리에서 존 매카시가 처음으로 **"인공지능(Artificial Intelligence)"**이라는 용어를 사용했습니다. 이 회의를 계기로 인공지능은 하나의 독립된 학문 분야로 인정받기 시작했습니다. 첫 번째 황금기: 부풀어 오른 기대 다트머스 회의 이후 연구자들은 크게 낙관했습니다. "20년 안에 인간 수준의 기계가 나온다"는 예측까지 나왔습니다. 초기 대화 프로그램과 간단한 문제 해결 프로그램이 등장하며 기대가 커졌습니다. 제1차 AI 겨울: 지켜지지 않은 약속 (1974~1980) 문제는 현실이었습니다. 당시 컴퓨터의 성능과 데이터로는 복잡한 실제 문제를 풀 수 없었습니다. 과장된 약속이 지켜지지 않자 정부와 기업의 투자가 끊겼고, 197...

  AI의 역사 ② 딥러닝 혁명과 인공지능의 부활 (1990s~2016) 두 번의 겨울을 지나며 인공지능 연구는 큰 교훈을 얻었습니다. "사람이 규칙을 정하는 방식"으로는 한계가 명확했던 것입니다. 이 시리즈 2탄에서는 AI가 접근 방식을 바꾸며 부활하는 과정을 다룹니다. 발상의 전환: 규칙 대신 데이터 가장 큰 변화는 철학의 전환이었습니다. 사람이 일일이 규칙을 입력하는 대신, **데이터에서 스스로 규칙을 학습하는 머신러닝(기계학습)**으로 무게 중심이 옮겨갔습니다. 이 전환이 없었다면 오늘날의 AI도 없었습니다. 머신러닝은 데이터가 많아질수록 똑똑해지는 방식이라, 인터넷 시대와 완벽하게 맞아떨어졌습니다. 1997년, 딥블루가 세계챔피언을 꺾다 AI 역사 의 상징적 장면 중 하나입니다. 1997년 IBM의 딥블루 가 체스 세계챔피언 카스파로프를 꺾었습니다. 비록 딥블루는 순수한 계산 위주 방식이었지만, "기계가 인간 최고수를 이길 수 있다"는 것을 대중에게 각인시킨 사건이었습니다. 2012년, 딥러닝 혁명의 신호탄 진짜 전환점은 2012년에 찾아왔습니다. 딥러닝 기반 모델이 이미지 인식 대회에서 기존 방식을 압도하는 성능을 보인 것입니다. 이 딥러닝 혁명 은 세 가지 조건이 맞물린 결과였습니다. 빅데이터 : 인터넷에 쌓인 방대한 학습용 데이터 GPU 연산력 : 대량 연산을 빠르게 처리하는 하드웨어 신경망 기술의 성숙 : 인간 뇌를 모방한 심층 신경망 이때부터 AI는 이론이 아니라 실제로 작동하는 기술로 자리 잡기 시작했습니다. 2016년, 알파고 충격 2016년, 구글 딥마인드의 알파고 가 이세돌 9단을 4대 1로 꺾었습니다. 경우의 수가 방대해 컴퓨터가 정복하기 어렵다던 바둑에서 거둔 승리였기에 충격은 더 컸습니다. 이 사건은 전문가뿐 아니라 일반 대중에게도 "AI 시대가 왔다"는 인식을 심었습니다. 한국에서 인공지능에 대한 관심이 폭발적으로...