
AI란 무엇인가 — 인공지능의 역사와 현재

과정 전체에서 고른 장들이에요. 그림을 눌러 해당 장으로 이동할 수 있어요.

인공지능의 정의, 역사, 약AI vs 강AI, 현실의 AI 응용 사례 — AI·머신러닝 기초.

머신러닝의 세 가지 패러다임(지도/비지도/강화학습), 주요 알고리즘, 과적합과 과소적합 — AI·머신러닝 기초.

토큰화, 임베딩, 어텐션 메커니즘, BERT·GPT의 차이, 프롬프트 엔지니어링 — AI·머신러닝 기초.

픽셀에서 의미까지 — 이미지 분류, 객체 탐지, 시맨틱 세그멘테이션, 얼굴인식까지 컴퓨터 비전의 핵심 기술을 해설합니다. AI·머신러닝 기초.

이미지를 생성하고, 텍스트를 쓰고, 음악을 만드는 생성형 AI. GAN부터 확산 모델, GPT-4까지 생성 AI의 핵심 원리를 해설합니다. AI·머신러닝 기초.

AI가 강력해질수록 윤리적 질문도 무거워집니다. 편향, 프라이버시, 설명가능성, AGI의 위험 — AI 시대를 살아가는 데 필요한 윤리 지식. AI·머신러닝…
1. 인공지능(AI)이란?
인공지능(Artificial Intelligence, AI)은 인간의 지능적 행동(학습, 추론, 문제 해결, 언어 이해, 지각)을 컴퓨터 시스템이 수행할 수 있도록 하는 기술 분야입니다.
1956년 존 매카시(John McCarthy)가 다트머스 회의에서 처음 “인공지능”이라는 용어를 사용한 이후, AI는 수십 년에 걸친 기대와 침체(AI 겨울)를 반복하며 발전해왔습니다.
2. AI의 역사: 기대와 좌절의 반복
| 시기 | 사건 | 의의 |
|---|---|---|
| 1950년 | 앨런 튜링, 튜링 테스트 제안 | 기계 지능의 개념적 기반 |
| 1956년 | 다트머스 회의 | AI 분야 공식 탄생 |
| 1960~70년대 | 1차 AI 붐 | 규칙 기반 시스템, 과도한 기대 |
| 1974~80년 | 1차 AI 겨울 | 자금 삭감, 기술적 한계 노출 |
| 1980년대 | 전문가 시스템 부상 | 특정 도메인 문제 해결 |
| 1987~93년 | 2차 AI 겨울 | 하드웨어 한계, 기대 미충족 |
| 1997년 | 딥블루, 체스 세계챔피언 격파 | 좁은 AI의 가능성 증명 |
| 2012년 | AlexNet, 이미지넷 대회 우승 | 딥러닝 르네상스 시작 |
| 2016년 | AlphaGo, 이세돌 격파 | 강화학습의 실용성 증명 |
| 2022년~ | ChatGPT, 생성형 AI 대중화 | AI 역사의 새로운 전환점 |
3. 약인공지능 vs 강인공지능
가. 약인공지능(Narrow AI / Weak AI)
- 특정 작업에만 특화된 AI
- 체스, 바둑, 이미지 인식, 번역, 챗봇 등
- 현재 존재하는 모든 상용 AI가 여기에 해당
나. 강인공지능(AGI, Artificial General Intelligence)
- 인간처럼 어떤 지적 작업도 수행 가능한 AI
- 아직 존재하지 않음; 연구자들은 10~50년 후 실현 가능성을 논의
- 일부 연구자는 실현 불가능하다고 주장
다. 초인공지능(ASI, Artificial Super Intelligence)
- 모든 면에서 인간 지능을 초월하는 AI
- 현재는 이론적 개념; AI 안전성 연구의 핵심 주제
4. AI의 세 가지 주요 분야
인공지능 (AI)
- 머신러닝 (Machine Learning)
- 지도학습 (Supervised Learning)
- 비지도학습 (Unsupervised Learning)
- 강화학습 (Reinforcement Learning)
- 딥러닝 (Deep Learning)
- CNN (이미지)
- RNN/LSTM (시계열)
- Transformer (언어, 멀티모달)
- 딥러닝 (Deep Learning)
- 전문가 시스템, 규칙 기반 시스템 등
5. 현실의 AI 응용 사례
| 분야 | 응용 사례 | 핵심 기술 |
|---|---|---|
| 의료 | 의료 영상 판독, 신약 개발 | 딥러닝, CNN |
| 금융 | 신용 평가, 알고리즘 트레이딩 | 머신러닝, 시계열 분석 |
| 자율주행 | 객체 인식, 경로 계획 | 컴퓨터 비전, 강화학습 |
| 언어 | 번역, 챗봇, 요약 | LLM, Transformer |
| 제조 | 불량 감지, 예측 정비 | 이미지 분류, 이상 탐지 |
| 엔터테인먼트 | 추천 시스템, AI 생성 콘텐츠 | 협업 필터링, 생성 AI |
6. AI와 관련 기술의 관계
빅데이터 → AI의 연료. 대규모 데이터 없이 현대 AI는 작동 불가능.
클라우드 컴퓨팅 → AI의 인프라. GPU 집약적 학습을 클라우드에서 온디맨드 제공.
IoT(사물인터넷) → AI의 감각기관. 실세계 데이터를 실시간으로 수집·전달.
핵심 개념 카드
약AI vs 강AI ★★★★★ : 현재 모든 AI는 약AI(특정 작업 특화). 강AI(범용)는 아직 존재하지 않음. 시험 포인트: “ChatGPT는 강AI다” → 틀림. 강AI는 아직 없음.
딥러닝의 부상 ★★★★★ : 2012년 AlexNet이 딥러닝 르네상스를 시작. 대규모 데이터 + GPU + 알고리즘 혁신의 결합.
AI 겨울 ★★★★☆ : 과도한 기대 후 기술적 한계로 자금과 관심이 급감한 시기. 1차(1974~80년), 2차(1987~93년).
실전 퀴즈
Q1. 현재 존재하는 AI(ChatGPT, 자율주행 등)는 약AI인가 강AI인가? 그 이유는?
모두 약AI다. ChatGPT는 언어 작업에 특화되어 있고, 자율주행차는 주행에 특화되어 있다. 이들은 특정 도메인에서 인간을 능가하지만, 인간처럼 새로운 상황에 범용적으로 적응하고 학습하는 강AI의 능력은 없다.
Q2. AI 겨울이 반복적으로 발생한 이유는?
기술 한계와 기대치의 불일치가 주요 원인이다. 자금과 관심이 몰릴 때마다 과도한 낙관론이 형성되었고, 하드웨어 성능 부족, 데이터 부족, 알고리즘 한계로 인해 기대를 충족하지 못하자 급격한 투자 철회와 관심 감소가 반복되었다.
OIYO 편집부
편집부OIYO 편집부는 경제·법률·생활·자기이해 주제를 1차 자료와 공개 통계로 검증해 정리합니다. 모든 글은 출처 표기와 정기 점검을 거쳐 실용성과 정확성을 함께 유지합니다.