[AIBT 2급 이론 03] AI의 겨울과 부활, 규칙 기반부터 전문가 시스템·머신러닝까지 (+예상문제)

AIBT 2급 이론 정리 시리즈 3탄!!!

 

1956년 다트머스 회의로 AI가 시작됐지만

그 뒤로 AI는 큰 기대 → 실망 → 다시 부활을 두 번이나 반복했다

 

이 시기를 "AI의 겨울"이라고 부르는데

시험에서는 각 시기의 대표 기술과 실패 원인을 묻는다!

 

과목: 생성형 AI와 인공지능 이론

출제 영역: 인공지능 역사 이해

 

▶ [이론 02] 튜링 테스트와 다트머스 회의 보러가기

 

[ 1. 한눈에 보는 AI 흥망성쇠 ]

시기	흐름	키워드
1956 ~ 1960년대	첫 번째 황금기	기호주의, 규칙 기반, 퍼셉트론, ELIZA
1970년대	1차 AI 겨울	퍼셉트론의 한계(XOR), 라이트힐 보고서, 연구비 삭감
1980년대	부활	전문가 시스템, 역전파 알고리즘
1987 ~ 1990년대 초	2차 AI 겨울	전문가 시스템의 한계, LISP 머신 시장 붕괴
1990 ~ 2000년대	다시 부활	머신러닝, 인터넷 데이터, 딥블루

 

[ 2. 첫 번째 황금기: 규칙 기반 AI ]

 

초기 AI는 사람이 직접 규칙(if-then)을 만들어 넣는 방식이었다

이걸 기호주의(Symbolic AI)라고 부른다

 

대표작이 1966년 MIT에서 만든 챗봇 ELIZA(일라이자)

심리상담사처럼 대화했지만

사실은 키워드에 맞춰 정해진 문장을 돌려주는 수준이었다

 

같은 시기 뇌를 흉내 낸

퍼셉트론(1958, 로젠블랫)도 큰 기대를 받았다

 

[ 3. 1차 AI 겨울 (1970년대) ]

 

"곧 사람처럼 생각하는 기계가 나온다"던 기대와 달리

실제 성과는 장난감 수준의 문제에 머물렀다

원인	내용
퍼셉트론의 한계	1969년 민스키·페퍼트가 단층 퍼셉트론은 XOR 문제를 풀 수 없다고 증명 → 신경망 연구 침체
컴퓨터 성능 부족	계산 능력과 메모리가 턱없이 부족
조합 폭발	경우의 수가 기하급수로 늘어나 현실 문제를 못 풂
과도한 기대	약속한 성과가 나오지 않자 신뢰 하락
연구비 삭감	1973년 영국 라이트힐 보고서 등으로 지원 중단

 

XOR 문제는 꼭 기억!

두 입력이 다를 때만 1이 나오는 문제인데

직선 하나로는 0과 1을 나눌 수 없어서

층이 하나뿐인 퍼셉트론으로는 풀 수 없었다

 

[ 4. 부활: 전문가 시스템 (1980년대) ]

 

AI가 다시 살아난 계기는 전문가 시스템(Expert System)

특정 분야 전문가의 지식을 규칙으로 저장해서

전문가처럼 판단하게 만든 프로그램이다

구성요소	역할
지식 베이스	전문가의 지식을 if-then 규칙으로 저장
추론 엔진	저장된 규칙을 적용해 결론을 이끌어냄
사용자 인터페이스	질문을 받고 결과와 근거를 설명

 

대표적인 전문가 시스템도 같이 외워두자

이름	분야	특징
MYCIN	의료	혈액 감염 진단과 항생제 추천 (스탠퍼드)
DENDRAL	화학	분자 구조 분석
XCON (R1)	산업	DEC 컴퓨터 주문의 부품 구성 자동화

 

또 1986년에는 역전파(Backpropagation) 알고리즘이 널리 알려지면서

여러 층을 쌓은 신경망(다층 퍼셉트론)을 학습시킬 수 있게 됐고

1차 겨울의 원인이던 XOR 문제도 풀리게 된다

 

[ 5. 2차 AI 겨울 (1987 ~ 1990년대 초) ]

 

잘나가던 전문가 시스템도 곧 한계에 부딪혔다

원인	내용
지식 획득의 병목	전문가 지식을 일일이 규칙으로 옮기는 데 시간과 비용이 너무 큼
유지보수 어려움	규칙이 수천 개로 늘면 수정할수록 충돌
예외에 취약	규칙에 없는 상황이 오면 판단 불가
시장 붕괴	1987년 AI 전용 LISP 머신 시장이 무너지고 투자 위축

 

[ 6. 다시 부활: 머신러닝의 시대 (1990 ~ 2000년대) ]

 

사람이 규칙을 넣는 대신

데이터에서 컴퓨터가 스스로 규칙을 찾게 하자!

이게 바로 머신러닝이다

 

인터넷이 퍼지면서 데이터가 폭발적으로 늘었고

컴퓨터 성능도 좋아지면서 AI가 다시 살아났다

 

1997년 IBM 딥블루가 체스 세계 챔피언 카스파로프를 이긴 것도 이 시기!

(딥블루는 머신러닝보다는 엄청난 계산으로 수를 탐색한 방식)

 

[ 7. 규칙 기반 vs 머신러닝 ]

시험에 비교 문제로 잘 나오는 표!

구분	규칙 기반 (전문가 시스템)	머신러닝
규칙은 누가?	사람이 직접 입력	데이터에서 스스로 학습
장점	판단 근거가 명확, 설명하기 쉬움	복잡한 패턴도 찾음, 새 데이터에 적응
단점	규칙 만들기 어렵고 예외에 약함	데이터가 많이 필요, 근거 설명이 어려움
관련 흐름	기호주의	연결주의·통계적 학습

 

그리고 2006년 이후

딥러닝이 등장하면서 AI는 완전히 새로운 시대로 들어간다

그 이야기는 [이론 04] 딥러닝 혁명부터 ChatGPT까지에서!

 

[ 시험 포인트 정리 ]

포인트	이것만은 기억!
1차 AI 겨울	1970년대, 퍼셉트론의 XOR 한계(민스키·페퍼트, 1969), 성능 부족
전문가 시스템	지식 베이스 + 추론 엔진, if-then 규칙, MYCIN
역전파	1986년 대중화, 다층 신경망 학습 가능 → XOR 해결
2차 AI 겨울	1987년~, 전문가 시스템 유지보수·지식 획득 한계
머신러닝	데이터에서 스스로 규칙을 학습, 1990년대 이후 부상
ELIZA	1966년 MIT, 키워드 기반 상담 챗봇

 

[ 예상문제 ]

 

Q1. (단답형) 전문가 시스템에서 전문가의 지식을 if-then 규칙으로 저장하는 부분과

이 규칙을 적용해 결론을 내리는 부분을 각각 무엇이라고 하는가?

 

Q2. 1969년 민스키와 페퍼트가 단층 퍼셉트론으로는 해결할 수 없다고 지적한 문제는?

① AND 문제

② OR 문제

③ XOR 문제

④ NOT 문제

 

Q3. 1차 AI 겨울의 원인으로 옳지 않은 것은?

① 컴퓨터의 계산 능력 부족

② 기대에 못 미친 연구 성과

③ 정부와 기관의 연구비 삭감

④ 빅데이터와 GPU의 등장

 

Q4. 혈액 감염을 진단하고 항생제를 추천했던 대표적인 전문가 시스템은?

① ELIZA

② MYCIN

③ 딥블루

④ 퍼셉트론

 

Q5. 다음 중 머신러닝에 대한 설명으로 옳은 것은?

① 사람이 모든 판단 규칙을 직접 입력한다

② 데이터에서 컴퓨터가 스스로 규칙을 학습한다

③ 규칙에 없는 예외 상황에서는 판단할 수 없다

④ 1980년대 2차 AI 겨울을 일으킨 원인이다

 

 

---

 

[ 정답 & 해설 ]

문제	정답	해설
Q1	지식 베이스, 추론 엔진	전문가 시스템의 핵심 구성요소. 여기에 사용자 인터페이스가 더해진다
Q2	③	XOR은 직선 하나로 나눌 수 없어 단층 퍼셉트론으로는 풀 수 없다. 이후 다층 신경망과 역전파로 해결
Q3	④	빅데이터와 GPU는 2000년대 이후 AI 부활(딥러닝)의 원동력이다
Q4	②	MYCIN은 스탠퍼드의 의료 전문가 시스템. ELIZA는 챗봇, 딥블루는 체스 AI, 퍼셉트론은 초기 신경망
Q5	②	①③은 규칙 기반(전문가 시스템)의 특징, 2차 AI 겨울은 전문가 시스템의 한계가 원인

 

다음 글은 [이론 04] 딥러닝 혁명부터 ChatGPT까지!

알파고, 트랜스포머, 생성형 AI 등장까지 이어서 정리해보겠다

▶ [이론 04] 딥러닝 혁명부터 ChatGPT까지 보러가기

 

▶ AIBT 2급 시험 정보 총정리 보러가기

▶ AIBT 2급 스터디 자료 보러가기 (AI&DATA 자격증 스터디 클럽)

 

AIBT 2급 준비하시는 분들 모두 화이팅입니다~~~~~ ^^