인공지능이라는 거대한 지적 혁명의 파도 속에서, 우리는 어디에 서 있는가?
이곳은 그대의 여정을 위한 등대이자, 지식의 깊이를 더하는 항해일지가 될 것이다.
| 단계 | 핵심 특징 | 대표 사례 |
|---|---|---|
| 1️⃣ 규칙 기반 시스템 | 인간이 명시적으로 프로그래밍한 논리적 규칙에 따라 동작. 정해진 상황에서는 강력하나, 새로운 상황에 대한 유연성과 학습 능력이 부재. | 초기 체스 프로그램, 전문가 시스템 |
| 2️⃣ 좁은 AI (Narrow AI) | 현재 우리가 경험하는 대부분의 AI. 음성 인식, 이미지 분류, 번역 등 특정 작업에서 인간을 능가하는 성능을 보임. | Siri, AlphaGo, 자율주행 기술 |
| 3️⃣ 생성형 AI | 기존 데이터를 학습하여 새로운 텍스트, 이미지, 코드 등 창의적인 결과물을 '생성'. 분석과 예측을 넘어 창작의 영역으로 확장. | GPT-4, DALL·E 3, Gemini, Midjourney |
| 4️⃣ 범용 인공지능 (AGI) | 인간과 같이 다양한 영역에서 스스로 사고하고, 학습하며 문제를 해결하는 가설적 AI. AI 연구의 궁극적 목표 중 하나. | (아직 존재하지 않음) |
| 5️⃣ 초지능 (Superintelligence) | 모든 면에서 인간의 지능을 아득히 뛰어넘는 가설적 AI. 인류의 미래에 대한 심오한 윤리적, 철학적, 그리고 통제의 과제를 제기함. | (아직 존재하지 않음) |
| No. | 연도 | 주요 사건 |
|---|
| No. | 연도 | 주요 사건 |
|---|
'인공지능' 용어 탄생. 학문 분야로서의 위대한 여정 시작.
기술적 한계와 자금난으로 연구 침체. AI의 가능성과 현실 사이의 괴리 최초 인식.
다층 신경망 학습의 길을 열어, 딥러닝 부활의 핵심적 이론적 토대를 마련.
IBM '딥 블루'가 체스 챔피언 카스파로프에게 승리. 전략적 사고에서 기계가 인간을 능가할 수 있음을 증명.
딥러닝 기반 'AlexNet'이 이미지넷 대회에서 압도적 우승. 딥러닝 시대의 본격적인 개막을 알림.
딥마인드 'AlphaGo'가 강화학습으로 바둑 챔피언 이세돌 9단에게 승리. 창의성과 직관의 영역까지 넘보다.
"Attention Is All You Need" 논문, 이후 모든 거대 언어 모델(LLM)의 근간이 됨.
GPT, Gemini 등 고성능 거대 모델들이 대거 등장하며, AI는 분석과 예측을 넘어 '창작'의 영역으로 확장.
#튜링머신 #튜링테스트 #계산이론의_아버지 #AI의_선구자
#폰노이만구조 #게임이론 #자기복제오토마타 #컴퓨터과학
#정보이론의_아버지 #비트(Bit) #디지털회로 #정보량측정
#AI용어창시 #다트머스회의 #LISP언어개발 #기호주의AI
#AI의_아버지 #MIT_AI랩_공동설립자 #퍼셉트론 #마음의사회
#노벨경제학상 #제한된합리성 #기호주의AI #문제해결
#튜링상수상 #로직시어리스트 #GPS #Soar아키텍처
#퍼셉트론_개발 #최초의신경망 #패턴인식 #연결주의
#딥러닝의_아버지 #역전파알고리즘 #볼츠만머신 #신경망연구
#딥러닝의_아버지 #CNN창시자 #LeNet #이미지인식
#딥러닝의_아버지 #신경망언어모델 #Attention #생성모델
#베이즈네트워크 #확률적추론 #인과관계추론 #튜링상수상
#ImageNet #컴퓨터비전 #AI4ALL #AI민주화
#Coursera공동창업자 #구글브레인 #온라인교육 #머신러닝대중화
#딥마인드_창업자 #AlphaGo #AlphaFold #강화학습
#GAN_창시자 #생성적적대신경망 #애플AI #생성AI
#구글AI수석 #TensorFlow #MapReduce #대규모시스템
#Udacity창업자 #구글자율주행차 #로보틱스 #온라인교육
#LSTM_공동개발 #RNN #메타러닝 #딥러닝선구자
#iRobot공동창업자 #룸바 #포섭구조 #행동기반로봇
#AlexNet_개발 #딥러닝혁명 #이미지넷대회우승 #컴퓨터비전
#OpenAI_공동설립자 #AlexNet #시퀀스투시퀀스 #LLM
#비트코인_창시자 #블록체인 #분산합의 #암호학
#테슬라AI디렉터 #OpenAI #컴퓨터비전 #자율주행
#Anthropic_CEO #AI안전성 #Claude #책임감있는AI
#OpenAI_CEO #YCombinator #ChatGPT #AI대중화
#NVIDIA_CEO #GPU #하드웨어혁신 #AI반도체
#전문가시스템_개척자 #지식공학 #DENDRAL #튜링상수상
#강화학습의_아버지 #TD학습 #에이전트 #의사결정
#AlphaGo_리드개발자 #강화학습 #AlphaZero #딥마인드
OpenAI가 개발. 텍스트 설명으로부터 이미지를 생성하는 모델의 등장을 알리며, 생성형 AI의 시각적 창작 가능성을 대중에게 각인시켰다.
OpenAI 개발. 인간의 피드백을 직접 학습(RLHF)하여 AI가 더 안전하고 인간의 의도에 부합하는 응답을 생성하도록 하는 '정렬' 기술의 초석을 마련.
NeurIPS 수상. 로봇 제어, 게임 등 순차적 의사결정 문제에서 전문가의 데이터를 모방하여 효율적으로 학습하는 '모방 학습'의 새로운 지평을 열었다.
LMU/Runway 개발. 고해상도 이미지 생성 모델을 오픈소스로 공개하여, 전 세계 개발자 커뮤니티와 스타트업의 폭발적인 성장을 이끌었다.
LAION 개발. 58.5억 개의 이미지-텍스트 쌍으로 구성된 초거대 데이터셋. Stable Diffusion과 같은 강력한 모델들의 탄생에 결정적인 기여를 했다.
Meta AI 개발. 복잡한 전략 게임 'Diplomacy'에서 인간과 동맹, 설득, 협력하는 능력을 보여줌. AI의 사회적 상호작용 이해 가능성을 열었다.
DeepMind 개발. 강화학습으로 수십 년간 사용된 핵심 정렬 알고리즘보다 빠른 코드를 발견. AI가 인간의 지식 체계를 개선할 수 있음을 실증.
Meta AI 개발. 고성능 거대 언어 모델을 오픈소스로 공개하여, AI 연구와 상업적 활용의 민주화에 크게 기여했다.
NeurIPS 수상. GPT 모델의 신뢰성을 종합적으로 평가하는 프레임워크. 편향, 개인정보, 기계 윤리 등 8가지 관점을 제시하며 AI 안전성 연구의 기준을 마련.
Google DeepMind 개발. 단백질을 넘어 DNA, RNA 등 생명의 모든 분자 상호작용을 예측. 신약 개발과 생명과학 연구 속도를 근본적으로 바꾸는 혁신.
ICLR 수상. 비전 트랜스포머 모델에 '레지스터' 개념을 도입, 특징 추출 과정의 노이즈를 줄여 성능을 획기적으로 개선.
Meta AI 개발. 이전 모델보다 훨씬 큰 데이터셋과 개선된 아키텍처로 학습되어, 오픈소스 LLM의 성능을 최고 수준으로 끌어올렸다.
Google DeepMind 개발. AI가 스스로 코딩 알고리즘을 개선하고 진화시키는 기술. 인간이 만든 알고리즘을 뛰어넘는 해법을 탐색한다.
문맥 강화 학습(Context-Enhanced Learning)을 통해 더 적은 데이터로도 높은 성능을 내는 LLM. 개인화 및 프라이버시 보호에 유리한 방향 제시.
Figure AI, Tesla 등에서 개발 중인 범용 휴머노이드 로봇. LLM과 로보틱스의 결합으로, 물리적 세계와 상호작용하는 AI의 새로운 시대 예고.
AI가 인간의 의도와 가치에 부합하도록 제어하는 '정렬(Alignment)' 연구가 AI 발전의 핵심 과제로 부상.
텍스트, 이미지, 음성 등 여러 종류의 데이터를 동시에 이해하고 생성하는 '다중모달' AI가 표준이 되어가고 있음 (예: Gemini, GPT-4o).
신약, 신소재 발견 등 인류의 난제를 해결하기 위해 과학 연구의 가설-실험-검증 과정을 자동화하는 AI.
거대 모델을 여러 '전문가' 하위 모델로 나누어, 계산 효율성을 극대화하는 아키텍처 (예: Mixtral, GPT-4).
이미지 생성 분야의 주류 기술. 노이즈를 점진적으로 제거하는 방식으로 고품질 이미지를 생성하며, DALL-E 2, Stable Diffusion 등에 적용됨.
Meta의 Llama, Stability AI의 Stable Diffusion 등 강력한 모델이 오픈소스로 공개되며 AI 기술의 접근성과 발전 속도를 가속화.
정답 없는 데이터에서 스스로 레이블을 만들어 학습하는 방식. 대규모 데이터셋을 효율적으로 활용하여 사전 학습 모델의 성능을 극대화.
소셜 네트워크, 분자 구조 등 관계성을 가진 데이터를 효과적으로 처리. 신약 후보물질 탐색, 추천 시스템 등에서 활용.
Transformer 모델의 막대한 계산량을 줄이기 위한 연구. FlashAttention 등 새로운 어텐션 메커니즘으로 학습 및 추론 속도를 개선.
AI의 편향성, 투명성, 공정성 문제가 대두됨에 따라, 모델의 결정 과정을 인간이 이해할 수 있도록 설명하는 기술의 중요성이 증가.
NVIDIA, Google(TPU) 등 AI 연산에 특화된 하드웨어의 발전이 AI 모델의 규모와 성능을 폭발적으로 증가시키는 원동력이 됨.
보상을 통해 시행착오를 거치며 학습. AlphaGo를 시작으로 로보틱스, 자율주행, 자원 최적화 등 복잡한 제어 문제 해결에 핵심적인 역할.
AI가 세상이 어떻게 작동하는지에 대한 내부적인 모델을 구축하도록 학습. 더 나은 계획 수립과 추론 능력을 갖춘 에이전트 개발의 핵심.
LLM에게 문제 해결 과정을 단계별로 생각하도록 유도하여, 복잡한 추론 문제의 정확도를 크게 향상시킨 프롬프팅 기법.
LLM이 외부 지식 베이스를 실시간으로 참조하여, 더 정확하고 최신 정보를 반영한 답변을 생성하도록 하는 기술. 환각 현상을 줄이는 데 효과적.
조셉 마리 자카드가 발명. 천공 카드를 사용해 복잡한 패턴을 자동으로 직조, 프로그래밍 가능한 기계의 시초가 됨.
찰스 배비지가 설계한 최초의 기계식 범용 컴퓨터 개념. 현대 컴퓨터의 핵심 구성요소(메모리, 프로세서)를 포함.
에이다 러브레이스가 해석 기관을 위한 베르누이 수 계산 절차를 작성. 세계 최초의 컴퓨터 프로그래머로 인정받음.
조지 불이 창안. 논리 연산을 대수학으로 표현하여 모든 디지털 컴퓨팅의 근간이 되는 이진 논리의 토대를 마련.
고틀로프 프레게가 형식 논리학의 혁명인 술어 논리를 도입하여, 현대 컴퓨터 과학의 논리적 기반을 제공.
허먼 홀러리스가 발명. 인구 조사를 자동화하여 데이터 처리의 효율성을 획기적으로 높였고, IBM의 전신이 됨.
수학 전체를 논리학의 공리로부터 유도하려는 시도로, 형식 시스템과 기호 논리학의 발전에 큰 영향을 줌.
카렐 차페크의 희곡 'R.U.R.'에서 '강제 노동'을 의미하는 체코어 'robota'로부터 '로봇'이라는 단어가 처음 사용됨.
존 폰 노이만이 미니맥스 정리를 증명하여, AI의 전략적 의사결정 및 강화학습 분야의 기초를 세움.
쿠르트 괴델이 모든 강력한 형식 체계에는 증명 불가능한 참인 명제가 존재함을 증명, 계산의 한계를 제시.
앨런 튜링이 모든 계산 가능한 문제를 모델링할 수 있는 추상적 기계 '튜링 머신'을 고안, 계산 이론의 탄생.
알론조 처치가 튜링 머신과 동등한 계산 모델인 람다 계산법을 발표하며 계산 가능성의 개념을 정립.
클로드 섀넌이 불 대수를 전기 회로 설계에 적용, 정보의 정량화 및 통신 이론의 기초를 마련.
콘라트 추제가 제작한 세계 최초의 프로그램 가능한 완전 자동 디지털 컴퓨터.
워런 매컬러와 월터 피츠가 뇌의 뉴런을 간단한 논리 회로로 모델링하여 인공 신경망 연구의 문을 열음.
존 폰 노이만이 프로그램 내장 방식 컴퓨터 구조를 제안, 현재까지 대부분의 컴퓨터가 이 구조를 따름.
노버트 위너가 동물과 기계의 제어와 통신을 연구하는 '사이버네틱스'를 제창, 피드백 시스템의 중요성을 강조.
도널드 헤브가 "함께 활성화되는 뉴런은 서로 연결된다"는 학습 규칙을 제안, 신경망 학습의 기본 원리가 됨.
최초의 실용적인 프로그램 내장 방식 컴퓨터 EDSAC에서 사용된 저급 프로그래밍 언어.
앨런 튜링이 기계가 인간과 유사한 지능을 가졌는지 판별하는 '모방 게임'을 제안, AI 철학의 핵심 질문을 던짐.
아이작 아시모프가 소설에서 제시한 로봇 윤리 원칙은 AI 안전성 논의에 지속적인 영감을 줌.
마빈 민스키와 딘 에드먼즈가 제작한 최초의 인공신경망 학습 기계.
아서 사무엘이 개발한 스스로 학습하여 실력을 향상시키는 체커 프로그램, 머신러닝의 초기 성공 사례.
앨런 뉴웰과 허버트 사이먼이 개발, 인간의 문제 해결 과정을 모방하여 수학 정리를 증명한 최초의 AI 프로그램.
존 매카시 주도로 '인공지능'이라는 용어가 탄생하고, 공식적인 학문 분야로 출범함.
프랭크 로젠블랫이 개발한 초창기 신경망 모델. 패턴 인식을 위한 학습 알고리즘을 제시.
존 매카시가 개발. AI 연구에 가장 큰 영향을 미친 프로그래밍 언어로, 기호 처리와 재귀에 강점을 가짐.
뉴웰과 사이먼이 개발. 목표와 현재 상태의 차이를 줄여나가는 방식으로 다양한 문제를 해결하려는 시도.
조지 데볼이 발명. 제너럴 모터스 공장에 설치되어 자동화 시대의 시작을 알림.
과학 및 상업용 계산을 모두 지원하는 최초의 컴퓨터 제품군으로, 컴퓨터의 대중화에 기여.
에드워드 파이겐바움 등이 개발. 화학 분자 구조를 추론하는 최초의 전문가 시스템으로, 지식 기반 AI의 가능성을 보임.
조셉 와이젠바움이 개발. 간단한 패턴 매칭으로 인간과 대화하는 것처럼 보이는 최초의 챗봇.
스탠퍼드 연구소가 개발. 주변 환경을 인식하고, 계획을 세워 작업을 수행하는 최초의 이동 로봇.
마빈 민스키와 시모어 페퍼트가 단층 퍼셉트론이 XOR 같은 비선형 문제를 풀 수 없음을 증명, 첫 번째 AI 겨울의 원인이 됨.
알랭 콜메로에가 개발. 논리형 프로그래밍의 대표 언어로, 유럽의 AI 연구를 주도.
혈액 감염병을 진단하고 항생제를 추천하는 전문가 시스템으로, 불확실성을 다루는 능력을 보여줌.
영국 정부의 보고서로, AI 연구의 성과가 과장되었다고 비판하며 연구 자금 삭감을 초래, AI 겨울을 심화시킴.
장애물을 스스로 피하며 이동하는 최초의 자율주행 차량 중 하나.
후쿠시마 쿠니히코가 제안한 심층 신경망. 현대의 CNN(합성곱 신경망)에 직접적인 영감을 줌.
DEC 사의 컴퓨터 주문을 자동으로 구성하는 전문가 시스템 XCON이 상업적 성공을 거두며 AI 붐을 이끎.
대규모 병렬 처리와 논리 프로그래밍에 기반한 차세대 컴퓨터를 개발하려던 국가적 프로젝트.
존 홉필드가 제안한 순환 신경망. 연상 메모리와 최적화 문제 해결에 사용됨.
테리 세즈노스키와 찰스 로젠버그가 개발. 텍스트를 음성으로 변환하는 방법을 학습하는 신경망.
러멜하트, 힌튼, 윌리엄스가 역전파 알고리즘을 널리 알리면서 다층 신경망 학습의 길을 다시 열음.
유지보수의 어려움과 한계로 인해 전문가 시스템 시장이 붕괴하며 두 번째 AI 겨울이 시작됨.
주디아 펄이 확률적 추론을 위한 베이즈 네트워크를 정립, 불확실성 모델링에 혁신을 가져옴.
얀 르쿤이 개발. 역전파를 이용해 손글씨 숫자를 인식하는 CNN 모델로, 딥러닝의 상업적 가능성을 증명.
제럴드 테사우로가 개발. 강화 학습(TD-Learning)을 통해 세계적인 수준의 백개먼 플레이어가 된 프로그램.
코르테스와 버프닉이 제안. 뛰어난 분류 성능으로 2000년대 머신러닝을 주도한 알고리즘.
IBM의 슈퍼컴퓨터 딥 블루가 당시 세계 체스 챔피언 가리 카스파로프를 꺾으며 AI의 이정표를 세움.
제프 슈미트후버와 제프 호크라이터가 개발. 순환 신경망(RNN)의 장기 의존성 문제를 해결.
손글씨 숫자 이미지 데이터셋으로, 수많은 이미지 인식 알고리즘의 표준 벤치마크가 됨.
소니가 출시한 강아지 로봇. 사용자와 상호작용하며 감성적 유대를 형성하는 엔터테인먼트 로봇의 시작.
세계 최초의 GPU(그래픽 처리 장치)로 불리며, 이후 딥러닝의 폭발적인 성장을 가능하게 한 하드웨어의 기반이 됨.
방대한 양의 구조화된, 다국어 텍스트 데이터를 제공하여 자연어 처리(NLP) 연구의 발전에 기여.
iRobot이 출시. AI 기반의 자율 항법 기술을 가정에 도입한 상업적 성공 사례.
미 국방부 주최 자율주행차 경진대회. 자율주행 기술 연구에 불을 지핌.
제프리 힌튼이 제안한 심층 신경망 사전학습 방법. '딥러닝'이라는 용어를 부활시키고 딥러닝 혁명의 서막을 염.
페이페이 리가 주도한 대규모 이미지 데이터셋 프로젝트. 딥러닝 모델의 성능을 비약적으로 발전시키는 계기가 됨.
사토시 나카모토가 개발. 분산 합의 알고리즘은 탈중앙화 자율 조직(DAO) 등 AI와 결합될 새로운 가능성을 제시.
IBM의 질의응답 시스템 왓슨이 인간 챔피언들을 꺾으며 자연어 이해 능력의 발전을 과시.
아이폰에 탑재된 음성 인식 비서. 대중들이 일상에서 AI와 상호작용하는 시대를 염.
제프리 힌튼 팀이 개발한 CNN 모델 AlexNet이 이미지넷 대회에서 압도적인 성능으로 우승, 딥러닝 시대의 개막을 알림.
토마스 미콜로프(구글)가 개발. 단어를 벡터로 표현하여 단어 간의 의미적 관계를 포착하는 NLP의 핵심 기술.
이안 굿펠로우가 제안. 두 개의 신경망이 서로 경쟁하며 진짜 같은 데이터를 생성하는 모델로, 생성 AI의 혁명을 이끎.
신경망 학습을 더 빠르고 안정적으로 만드는 적응형 최적화 알고리즘으로, 현재 가장 널리 사용됨.
페이스북이 개발. 인간 수준의 정확도로 얼굴을 인식하는 딥러닝 시스템.
마이크로소프트 연구팀이 개발. '스킵 커넥션'으로 매우 깊은 신경망의 학습을 가능하게 함.
인류에게 이익을 주는 것을 목표로 하는 비영리(초기) AI 연구소 설립. 이후 AI 분야를 선도.
구글 딥마인드가 개발한 AlphaGo가 세계 최정상급 바둑 기사를 꺾으며, AI가 창의적 영역까지 넘볼 수 있음을 증명.
구글의 자율주행 프로젝트가 독립 회사로 출범하며, 완전 자율주행 기술의 상용화를 이끎.
구글 연구팀이 "Attention Is All You Need" 논문에서 발표. 이후 모든 거대 언어 모델(LLM)의 기반이 됨.
규칙만 알려주면 스스로 학습하여 체스, 쇼기, 바둑을 모두 정복한 범용 게임 AI.
양방향 트랜스포머 인코더 표현. 문맥을 양방향으로 이해하여 NLP 성능을 획기적으로 끌어올린 모델.
생성형 사전학습 트랜스포머의 첫 버전으로, 거대 언어 모델의 시대를 예고.
매우 자연스러운 텍스트를 생성하여 그 성능 때문에 초기에는 완전 공개를 보류하기도 함.
GAN을 이용해 특정 인물의 얼굴을 영상에 합성하는 기술. AI 윤리와 가짜뉴스 문제를 수면 위로 끌어올림.
1750억 개의 파라미터를 가진 거대 언어 모델. 적은 예시만으로 다양한 작업을 수행하는 능력(Few-shot Learning)을 보여줌.
구글 딥마인드가 개발. 단백질 구조 예측 문제를 해결하며 생명 과학 분야에 엄청난 영향을 미침.
다양한 게임, 로봇 제어, 이미지 캡셔닝 등 600개 이상의 작업을 수행할 수 있는 범용 에이전트.
텍스트 설명으로부터 이미지를 생성하는 모델로, 다중모달(Multi-modal) 생성 AI의 가능성을 대중에게 알림.
InstructGPT에 적용된 기술. AI가 인간의 의도에 더 잘 부합하도록 만드는 정렬(Alignment) 연구의 핵심.
개발자의 코드를 자동 완성해주는 AI 페어 프로그래머. AI의 생산성 향상 도구로서의 가치를 입증.
고품질 이미지 생성 모델을 오픈소스로 공개하여, 생성 AI 기술의 대중화와 생태계 확장을 이끎.
OpenAI가 출시한 대화형 AI. 전 세계적인 반향을 일으키며 생성 AI 시대를 본격적으로 염.
구글의 대화형 언어 모델. 더 자연스럽고 개방적인 대화를 위해 개발됨.
이미지를 이해하는 다중모달 기능을 갖추고, 추론 능력이 크게 향상된 차세대 거대 언어 모델.
메타가 고성능 거대 언어 모델을 연구용으로 공개. 이후 오픈소스 LLM 생태계의 발전에 크게 기여.
LLM을 활용해 스스로 목표를 설정하고 작업을 수행하는 자율 에이전트의 초기 형태 등장.
극사실적인 고품질 이미지를 생성하며, 이미지 생성 AI의 예술적, 상업적 잠재력을 보여줌.
구글이 ChatGPT에 대항하여 출시한 대화형 AI 서비스. 이후 Gemini 모델로 통합됨.
텍스트 프롬프트만으로 매우 사실적인 동영상을 생성하는 모델을 발표하여 다시 한번 세계에 충격을 줌.
OpenAI의 GPT와 결합하여 인간과 자연스럽게 대화하며 주변 환경을 인식하고 작업을 수행하는 휴머노이드 로봇.
안전성과 긴 문맥 처리 능력에 강점을 가진 모델로, GPT-4와 경쟁하는 강력한 성능을 보여줌.
오픈소스 LLM의 성능을 최고 수준으로 끌어올리며, 기술 민주화와 연구 발전을 가속화.
다양한 지적 작업을 인간처럼 혹은 그 이상으로 수행할 수 있는 AGI 개발이 주요 AI 연구소들의 최종 목표가 됨.
EU AI Act를 시작으로 전 세계적으로 AI의 안전성, 편향성, 투명성을 확보하기 위한 법적, 제도적 장치 마련이 가속화됨.