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.

AI 역사의 상징적 장면 중 하나입니다. 1997년 IBM의 딥블루가 체스 세계챔피언 카스파로프를 꺾었습니다.

비록 딥블루는 순수한 계산 위주 방식이었지만, "기계가 인간 최고수를 이길 수 있다"는 것을 대중에게 각인시킨 사건이었습니다.

진짜 전환점은 2012년에 찾아왔습니다. 딥러닝 기반 모델이 이미지 인식 대회에서 기존 방식을 압도하는 성능을 보인 것입니다.

이 딥러닝 혁명은 세 가지 조건이 맞물린 결과였습니다.

이때부터 AI는 이론이 아니라 실제로 작동하는 기술로 자리 잡기 시작했습니다.

2016년, 구글 딥마인드의 알파고가 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 커진 계기이기도 했습니다.

Q. 머신러닝과 딥러닝은 어떻게 다른가요? 딥러닝은 머신러닝의 한 종류로, 인간 뇌의 신경망을 모방한 방식입니다. 더 복잡한 패턴을 학습할 수 있습니다.

Q. 왜 2012년이 중요한가요? 딥러닝이 이미지 인식에서 압도적 성능을 보이며, 현재 AI 붐의 기술적 출발점이 된 해이기 때문입니다.

두 번의 겨울을 견딘 AI는 "데이터에서 배우는" 방식으로 극적으로 부활했습니다. 딥블루, 딥러닝 혁명, 알파고로 이어지는 흐름은 인공지능이 실전 기술로 완성되어 가는 과정이었습니다.

그리고 2017년, 이 모든 것을 다시 뒤흔드는 기술이 등장합니다. 우리가 지금 매일 쓰는 생성형 AI의 기반이 된 기술입니다. 마지막 3탄에서 이어집니다.

👉 다음 편: AI의 역사 ③ 생성형 AI 시대 (2017~2026) 👈 이전 편: AI의 역사 ① 인공지능의 탄생과 두 번의 겨울