딥러닝 이전에는 컴퓨터 비전이나 음성 시스템을 잘 작동시키는 것이 연구자가 알맞은 입력 특징을 직접 설계하는 데 달려 있었다 — 이미지용 SIFT와 HOG 같은 에지 검출기, 오디오용 켑스트럼 계수 등, 그 자체로 전문화된 기술이었다. 원시 데이터로부터 스스로 특징을 학습하는 네트워크가 등장하면서 2012년 이후 몇 년 안에 이 설계 작업 대부분이 쓸모없어졌다.
수작업 특징 공학자은(는) 더 이상 존재하지 않는다. 무엇이 이 일을 없앴고, 그 자리를 어느 직업이 가져갔는지 정리했다.
1943~1956년
아이디어와 이름
워런 매컬록과 월터 피츠의 1943년 논문은 뉴런을 단순한 논리 스위치로 모델링하여 후대 연구자들에게 수학적 출발점을 제공했고, 앨런 튜링이 1950년에 제안한 기계 지능에 대한 실용적 테스트는 그 질문에 대중적인 형태를 부여했다. 두 아이디어 모두 1956년 다트머스 워크숍으로 이어졌는데, 이곳에서 존 매카시와 세 명의 동료가 '인공지능'이라는 용어를 만든 여름 모임을 열었다. 이 모임은 조직자들이 바랐던 것보다 훨씬 적은 기술적 진전을 냈지만, 방금 창설한 분야에 영구적인 이름을 붙였다.
같은 시기에 벌어진 일
1950년
튜링, 모방 게임을 제안하다
학술지 마인드에 발표한 '계산 기계와 지능'에서 앨런 튜링은 '기계가 생각할 수 있는가'라는 질문을 우회하고 실용적인 테스트를 대신 제안하며, 50년 안에 약 10억 비트의 저장 용량을 가진 기계가 평균적인 심문자를 최소 30%의 확률로 속일 것이라고 예측했다.
1956년
다트머스 워크숍이 이 분야에 이름을 붙이다
존 매카시, 마빈 민스키, 너새니얼 로체스터, 클로드 섀넌이 진행한 8주간의 다트머스 여름 워크숍이 '인공지능'이라는 용어를 만들고, 이후 이 분야의 초기 연구 의제 대부분을 창설하게 될 약 열 명의 연구자를 한자리에 모았다.
1958년
로젠블랫, 퍼셉트론을 만들다
프랭크 로젠블랫의 퍼셉트론은 처음에는 소프트웨어로, 이후에는 코넬 대학교의 전용 하드웨어로 구현되어 스스로 연결 가중치를 조정함으로써 단순한 이미지를 분류하는 법을 학습했다 — 훈련 가능한 인공 신경망의 첫 작동 시연이었다.
1969~1974년
첫 번째 AI 겨울이 시작되다
마빈 민스키와 시모어 페퍼트의 1969년 저서 '퍼셉트론'은 단층 신경망이 XOR 같은 단순한 문제조차 풀 수 없음을 수학적으로 증명했고, 1973년 영국의 라이트힐 보고서는 AI가 그 약속을 지키지 못했다고 결론지었다. 대서양 양쪽에서 신경망 및 일반 AI 연구에 대한 자금 지원이 붕괴했다.
그 일은 지금 어디에 있나
기계 지능을 뒷받침하는 알고리즘을 설계하고 검증하는 직업으로, 이제는 자기 자신의 연구 과정 상당 부분을 자동화하려는 경쟁이 벌어지는 분야이기도 하다.
🤖 AI 연구원 →