역사적으로 새로운 기술들은 항상 부침이 있었다. 대표적으로 1840년대 영국 철도버블과 1990년대 미국 닷컴버블을 들 수 있다. 철도버블은 1846년 영국의회에서 영국전역에 철도망을 건설하기 위한 법안이 통과되자 당시 철도사업의 가능성을 과대평가한 자본가들의 투자 과열로 인하여 철도주식이 단기간 급격히 올랐으나, 이후 얼마 되지 않아 주식의 폭락으로 철도산업 전반에 심한 후유증을 가져 왔던 사건이다. 

또 다른 사례는 닷컴버블이다. 1990년대 후반에서 2000년 초반까지 인터넷 중심의 미국 기술회사에 대한 과도한 기대로 인하여 NASDAQ 지수가 거의 400% 이상 급등하였으나 2002년을 정점으로 3년만에 1/3토막이 난 사건이다. 

AI도 역사적으로 이와 유사한 과정을 거쳤다. 이른바 ‘AI winter’ 이다. 지금까지 AI는 ‘AI winter’를 2번 거쳤다. 첫 번째는 1974년에 있었다. AI는 본격적으로는 1960년대부터 활발히 연구되었다. 그 당시는 냉전체제였으므로 서방세계는 AI를 주로 많은 양의 러시아어를 번역해서 정보를 캐내기 위한 용도로 활용하려 하였다. 

미국 National Research Council 주도로 1960년대부터 활발히 연구를 진행했지만 성능은 쉽게 개선되지 않았다. 1966년이 되어서 미국 NRS는 관련 연구를 종료했다. 당시는 번역이 단순히 단어의 패턴을 찾아내는 작업이라고 생각하여 패턴을 찾기 위한 알고리즘을 통하여 해결될 것이라 생각했다. 하지만 언어는 그리 간단한 문제가 아니었고 결국 막대한 투자에도 불구하고 실패하게 된 것이다. 번역분야의 실패에도 불구하고 이후 AI는 여러 목적으로 활발히 연구되었다. 그러다가 1973년 영국의 James Lighthill 교수가 AI는 한정된 용도 외 발전가능성이 보이지 않는다는 내용의 보고서를 영국의회에 제출한 것을 계기로 거의 대부분의 정부투자가 중단된다.

두 번째 겨울은 1980년대 후반에서 1990년대 초반에 있었다. 1980년대 AI는 이른바 전문가 시스템 'expert system'이라고 인식되었다. 이 전문가 시스템은 주로 기업의 업무프로세스를 최적화해서 생산성을 높여주는 목적으로 사용되었다. 당시 카네기멜론 대학과 DEC라는 회사는 합작으로 전문가 시스템 만들었는데, 이 전문가시스템을 통하여 최소 6년동안 4천만 달러 이상의 예산절감 효과가 있을 것이라고 예측하였다. 당시 전문가시스템은 LISP라는 프로그램언어로 만들어 졌고 LISP란 단어를 회사이름에 넣은 스타트업들이 줄줄이 탄생하였다. 당시 LISP를 운영할 수 있는 하드웨어 및 소프트웨어는 상당히 고가에 팔려나갔다. 그러다가 IBM, Sun microsystem과 같은 회사에서 범용적인 컴퓨터에서 LISP를 운영할 수 있는 방법을 고안해내자 스타트업들은 거의 폐업하였고 AI연구는 다시 맥이 끊어졌다.

이후 2000년 중반까지도 AI연구는 어느 정도 지속되었지만 연구결과에 대한 평가는 그리 좋지 않았다. 그 당시 AI의 주요 관심사인 음성인식이나 로봇운용 등에서 신통치 않은 평가가 계속되었다. 그러다가 2000년 후반부터 딥뉴럴을 학습시킬 수 있는 방법이 본격화되고 인터넷을 통하여 학습시킬 수 있는 대량의 데이터가 공급되었고 하드웨어 성능이 비약적으로 좋아지면서 2010년에 접어들어 다시 AI의 봄을 맞게 되었다. 2010년부터 현재까지 50조원 이상이 AI 스타트업에 투자되었으며 미국을 위시한 이스라엘, 일본등에서 AI연구가 가속화되고 있다. NASDAQ IPO 기업의 1/3이 AI관련 기업이다. 중국도 뒤늦게 이 흐름에 동참하여 2020년 현재 전체계 AI 투자의 36%가 중국에서 일어나고 있다. 미국과 중국의 신냉전체제가 가속화되면서 양국의 AI를 둘러싼 기술경쟁도 이러한 촉진을 가속화 하는데 일조하고 있다.

현재 일각에서는 다시 3차 AI winter를 걱정하는 목소리가 높아지고 있다. 이유는 현재의 AI가 과거의 여러 문제를 해결하기는 했지만 아직 제한된 기능만을 수행하는 이른바 'Narrow-AI'이기 때문이다. 즉, 현재의 AI는 물체를 식별한다거나, 번역을 한다거나, 그림을 그린다거나 하는 일들을 할 수 있지만 주로 단일한 기능만을 수행할 수 있다. 복잡한 신경망구조와 많은 양의 학습데이터, 그리고 엄청난 컴퓨터 자원과 에너지소모가 필요하다. 인간의 뇌와 같이 범용적이고 유연하지 못하다. 따라서 시장에서 진정으로 원하는 어느 정도 영화에서나 나올법한 수준의 AI는 현재의 기술로는 어렵다. 이런 'Narrow-AI'를 극복하기 위하여 유수의 기업들과 연구소들은 이른바 'Generalized intelligence'를 가진 AI를 연구하고 있으며 뇌과학자, 심리학자들도 이러한 움직임에 합류하고 있는 추세다.

버블은 시장의 과도한 기대와 이를 부풀리는 투자세력들 그리고 정부의 수수방관에서 비롯되었다. 그럼에도 불구하고 어느 정도 부침은 있었지만 기술은 지속적으로 발전하였다. AI가 다시 정체기를 거치게 될지 아니면 새로운 경지로 나아갈지는 아직 잘 모른다. 하지만 분명한 것은 현재 AI 연구자들은 현재의 한계를 명확히 이해하고 있으며 앞으로 발전방향에 대해서도 동의하고 있다는 것이다. 인류는 항상 그러했듯이 방법을 찾아 낼 것이고 인간의 지능과 닮은 AI는 과거의 어떤 기술과도 비교할 수 없는 엄청난 것임에는 틀림이 없다. 

최원훈 공학박사

전) LG, Motorola, IBM 근무

현) 주식회사 퍼포머스 인공지능 부문 대표, 연구소장