AI 황금기, 전문가 시스템의 부상과 몰락: 제2차 AI 겨울의 교훈

핵심 트렌드

1980년대 제2차 AI 황금기를 이끌었던 전문가 시스템은 특정 분야에서 인간을 능가하는 성능을 보였으나, 지식 획득의 어려움, 상식 부족, 범용성 한계, 높은 비용 등의 문제로 인해 제2차 AI 겨울을 맞이하게 되었습니다.

주요 변화 및 영향

• 전문가 시스템의 부상: 1970년대 후반 마이신, R1/XCON 등의 성공으로 지식기반 AI, 특히 전문가 시스템 개발에 대한 기업의 투자가 증가하며 제2차 AI 황금기가 열렸습니다.
• 기술적 한계: 좁은 범위의 전문성, 상식 및 일반 지식 처리의 어려움, 전문가 지식 추출의 복잡성 및 시간 소요, 규칙 충돌 및 관리의 복잡성 등이 전문가 시스템의 태생적 한계로 작용했습니다.
• 인프라 및 비용 문제: 고가의 LISP 머신 의존성, 범용 워크스테이션의 성능 향상 및 가격 하락으로 인한 경쟁력 상실, 데스크탑 컴퓨터 보급으로 인한 높은 비용 및 유지 관리의 비효율성 문제가 부각되었습니다.
• 이론적 난관: 프레임 문제, 모든 상황 대처 불가 문제, 심볼 그라운딩 문제 등이 AI의 근본적인 이해와 지능 발현에 대한 회의론을 증폭시켰습니다.
• 정부 및 시장의 투자 축소: 일본의 '제5 세대 컴퓨터 프로젝트' 실패, DARPA의 투자 방향 전환 등으로 AI 연구 자금 지원이 대폭 축소되며 제2차 AI 겨울이 시작되었습니다.
• 신경망 연구의 전환: 학습이 불가능했던 초기 AI의 한계를 극복하기 위해 신경망 연구가 활발해졌으나, 기울기 소실 및 과적합 문제 등 새로운 도전 과제가 등장했습니다.

트렌드 임팩트

전문가 시스템의 실패는 AI 기술 발전의 과도한 기대와 현실적 제약 사이의 괴리를 보여주며, AI 연구 방향과 투자 전략에 대한 근본적인 성찰의 계기를 마련했습니다. 이는 이후 AI 연구가 더욱 실용적이고 확장 가능한 방향으로 나아가게 하는 밑거름이 되었습니다.

업계 반응 및 전망

1980년대 후반, 전문가 시스템의 한계와 AI에 대한 실망감은 정부 및 기업의 AI 투자 축소로 이어졌습니다. 많은 연구자들이 AI 분야를 떠나거나 연구 방향을 전환하며 1995년까지 AI 연구 침체기, 즉 '제2차 AI 겨울'이 이어졌습니다. 이는 AI 기술의 발전이 단기적 성과뿐만 아니라 장기적인 연구와 기반 기술의 중요성을 시사합니다.