AI는 최근에 만들어진 기술이 아니다
많은 사람들이 AI는 ChatGPT가 등장하면서 처음 생긴 기술이라고 생각합니다.
하지만 AI라는 개념은 훨씬 오래전부터 존재했습니다.
1956년 열린 다트머스 회의(Dartmouth Conference)에서는 처음으로 ‘Artificial Intelligence(AI)’라는 용어가 공식적으로 사용되었고, 연구자들은 인간처럼 학습하고 추론하는 컴퓨터를 만들기 위한 연구를 시작했습니다.
즉, AI의 역사는 약 70년이 넘습니다.
그렇다면 AI는 어떻게 지금처럼 뛰어난 성능을 갖게 되었을까요?
AI는 세 가지 요소가 함께 발전해야 한다
AI가 발전하기 위해서는 크게 세 가지 요소가 필요합니다.
- 데이터(Data) : AI가 학습하는 재료
- 알고리즘(Algorithm) : AI가 학습하는 방법
- 컴퓨팅 자원(Computing Resources) : AI가 계산을 수행하는 능력
이 세 가지는 서로 긴밀하게 연결되어 있습니다.
좋은 알고리즘이 있어도 데이터를 충분히 확보하지 못하면 제대로 학습할 수 없습니다.
반대로 데이터와 알고리즘이 준비되어 있어도 이를 계산할 컴퓨터의 성능이 부족하면 학습 자체가 매우 오래 걸리거나 현실적으로 불가능합니다.
즉, AI는 어느 하나만 발전해서는 크게 성장하기 어렵습니다.
과거에는 컴퓨터 성능이 가장 큰 제약이었다
AI 연구자들은 오래전부터 다양한 아이디어와 알고리즘을 제안해 왔습니다.
하지만 당시에는 컴퓨터 성능이 지금보다 훨씬 낮았고, 학습에 사용할 데이터도 충분하지 않았습니다.
복잡한 알고리즘을 실험하는 데도 오랜 시간이 걸렸으며, 대규모 AI 모델을 학습시키는 것은 사실상 어려운 환경이었습니다.
결국 데이터와 알고리즘이 발전하더라도 이를 뒷받침할 컴퓨팅 자원이 부족했기 때문에 AI 연구는 여러 차례 정체기를 겪었습니다.
AI는 어떻게 지금의 모습이 되었을까?
AI는 하루아침에 발전한 기술이 아닙니다.
1956년 AI라는 개념이 제안된 이후, AI는 두 차례의 AI 겨울(AI Winter)을 겪으며 연구가 정체되기도 했습니다.
하지만 데이터가 꾸준히 축적되고, 컴퓨터 성능이 발전했으며, 새로운 알고리즘이 등장하면서 AI는 다시 성장하기 시작했습니다.
특히 1990년대 이후 개인용 컴퓨터와 인터넷이 보급되면서 디지털 데이터가 빠르게 늘어났고, 2010년대에는 스마트폰과 SNS의 확산으로 그 규모가 폭발적으로 증가했습니다.
또한 GPU를 AI 계산에 활용할 수 있는 기반이 마련되면서 과거에는 수개월이 걸리던 학습을 훨씬 짧은 시간 안에 수행할 수 있게 되었습니다.
이와 함께 딥러닝과 Transformer 같은 새로운 알고리즘이 등장하면서 AI는 이전과 비교할 수 없을 정도로 빠르게 발전하기 시작했습니다.
| 연도 | 데이터 | 알고리즘 | 컴퓨팅 자원 | 결과 |
|---|---|---|---|---|
| 1956년 | – | AI라는 개념 제안 (Artificial Intelligence) | – | AI 연구 시작 |
| 1970년대 | 데이터 부족 | 연구 정체 | 컴퓨터 성능 부족 | 1차 AI 겨울(AI Winter) |
| 1986년 | – | 신경망이 스스로 오류를 고쳐가며 학습하는 방법 등장 (역전파, Backpropagation) | – | 신경망 연구 기반 마련 |
| 1980년대 후반~1990년대 | – | 규칙 기반 AI 방식의 한계가 드러남 (전문가 시스템, Expert System) | 컴퓨터 성능 한계 지속 | 2차 AI 겨울(AI Winter) |
| 1990~2000년대 | 개인용 컴퓨터와 인터넷 보급으로 디지털 데이터 증가 | – | CPU 성능 향상 | AI 연구 환경 개선 |
| 2006년 | – | – | GPU를 AI 계산에 활용할 수 있는 기반 마련 (CUDA) | 대규모 AI 연산 가능 |
| 2009년 | 대규모 학습용 데이터셋 등장 (ImageNet) | – | – | AI 학습 환경 개선 |
| 2010년대 | 스마트폰과 SNS 보급으로 디지털 데이터 폭발적 증가 | 딥러닝 연구 활성화 | GPU 성능 향상 | AI 성능 급성장 |
| 2012년 | 대규모 데이터 활용 | 딥러닝이 이미지 인식에서 획기적인 성능을 입증함 (AlexNet) | GPU 활용 본격화 | AI 연구가 다시 빠르게 성장하기 시작함 |
| 2017년 | – | 문장을 통째로 이해하는 새로운 AI 구조 등장 (Transformer) | GPU 클러스터 활용 확대 | 생성형 AI 기반 마련 |
| 2022년 | 방대한 인터넷 데이터 활용 | – | 초대형 GPU 클러스터 | 생성형 AI 대중화 |
이 표를 보면 AI는 어느 한 가지 기술이 발전해서 지금의 모습이 된 것이 아니라, 데이터·알고리즘·컴퓨팅 자원이 오랜 시간 함께 발전한 결과라는 것을 알 수 있습니다.
앞으로도 AI는 계속 발전할까?
최근 AI 산업에서는 알고리즘뿐 아니라 컴퓨팅 자원의 중요성도 더욱 커지고 있습니다.
더 큰 AI 모델을 학습하고 더 빠르게 실행하기 위해서는 GPU와 AI 전용 반도체 같은 고성능 하드웨어가 반드시 필요하기 때문입니다.
최근에는 AI를 로봇이나 자율주행처럼 현실 세계와 결합하는 피지컬 AI(Physical AI)도 주목받고 있습니다.
앞으로의 AI는 더 뛰어난 답변을 만드는 것을 넘어, 현실 세계의 다양한 기기와 서비스 속으로 자연스럽게 스며들며 우리의 일상과 산업을 변화시키는 방향으로 발전해 나갈 것으로 기대됩니다.
DANA NOTES의 해설
많은 사람들은 AI가 최근 몇 년 사이 갑자기 등장한 기술이라고 생각합니다.
하지만 실제로는 1956년 AI라는 개념이 제안된 이후 약 70년에 걸친 연구와 시행착오가 있었습니다.
초기에는 데이터와 컴퓨터 성능이 부족했고, 연구가 정체되는 AI 겨울도 두 차례나 겪었습니다. 이후 인터넷과 스마트폰의 보급으로 데이터가 폭발적으로 증가하고, GPU를 활용한 컴퓨팅 환경이 발전했으며, 딥러닝과 Transformer 같은 새로운 알고리즘이 등장하면서 오늘날의 AI가 탄생했습니다.
즉, AI는 어느 날 갑자기 똑똑해진 것이 아니라, 데이터·알고리즘·컴퓨팅 자원이 함께 발전한 결과라고 이해하는 것이 가장 정확합니다.
DANA NOTES 한 줄 정리
앞으로의 AI 경쟁은 소프트웨어만의 경쟁이 아니라, 데이터·컴퓨팅 자원·알고리즘이 함께 발전하며 현실 세계에 얼마나 자연스럽게 스며드는지가 중요한 경쟁력이 될 것입니다.
