[AI 역사 3편] 끝없는 추락, 첫 번째 'AI 겨울'이 찾아온 진짜 이유

최신 IT 기사나 주식 시장의 흐름을 지켜보다 보면, 새로운 기술이 등장할 때마다 세상을 당장이라도 바꿀 것처럼 엄청난 기대감이 쏠리는 현상을 자주 목격하게 됩니다. 하지만 그 기대감이 현실의 벽에 부딪히는 순간, 시장은 차갑게 식어버리곤 하죠. 인공지능(AI)의 역사에서도 이와 똑같은 일이 벌어졌습니다.

지난 2편에서 살펴본 1956년 다트머스 회의 이후, AI 연구는 막대한 자금과 천재들의 열정 속에서 장밋빛 미래만을 그리는 듯했습니다. 하지만 1970년대, 인공지능 학계에는 연구 자금이 완전히 끊기고 암흑기가 도래하는 이른바 '첫 번째 AI 겨울(The First AI Winter)'이 찾아옵니다. 과연 무엇이 그토록 뜨거웠던 AI의 열기를 꽁꽁 얼어붙게 만들었을까요? 오늘은 기술의 과도한 기대가 부른 1970년대의 뼈아픈 참사에 대해 알아보겠습니다.

거품의 시작: 정부의 묻지마 투자와 학자들의 호언장담

다트머스 회의 이후 1960년대 내내 AI 분야는 그야말로 황금기를 누렸습니다. 특히 냉전 시대라는 특수한 시대적 배경 덕분에, 미국의 국방고등연구계획국(DARPA)은 군사적 우위를 차지하기 위해 AI 연구에 조건 없는 막대한 자금을 쏟아부었습니다.

당시 학자들은 초기 형태의 챗봇인 '엘리자(ELIZA)'나 제한된 환경에서 블록을 옮기는 프로그램 '슈어들루(SHRDLU)' 등의 성과를 내며 자신감에 차 있었습니다. 마빈 민스키 같은 석학들은 "3~8년 안에 인간과 같은 수준의 지능을 가진 기계가 탄생할 것"이라며 호언장담했습니다. 대중과 투자자, 정부 기관 모두가 곧 기계가 인간의 모든 노동을 대체할 것이라는 환상에 빠져 있었습니다.

현실의 벽: 하드웨어의 한계와 '조합 폭발'

하지만 기대가 크면 실망도 큰 법입니다. 초기의 간단한 퍼즐이나 제한된 규칙 안에서의 체스 게임은 쉽게 풀어냈지만, 현실 세계의 복잡한 문제를 해결하려고 하자 AI는 치명적인 한계에 부딪혔습니다.

가장 큰 문제는 바로 컴퓨터 하드웨어의 한계였습니다. 당시의 최첨단 컴퓨터조차 오늘날 스마트워치의 수만 분의 일도 안 되는 처참한 메모리와 연산 속도를 가지고 있었습니다.

여기에 '조합 폭발(Combinatorial Explosion)'이라는 수학적 문제가 발목을 잡았습니다. 변수가 조금만 늘어나도 컴퓨터가 계산해야 할 경우의 수가 우주에 있는 원자 수보다 많아질 정도로 기하급수적으로 폭발하는 현상입니다. 당시의 빈약한 컴퓨터 성능으로는 일상적인 대화의 문맥을 파악하거나, 고양이와 강아지 사진을 구별하는 간단한 작업조차 수백 년이 걸려도 연산해 낼 수 없었습니다.

두 개의 치명타: ALPAC 보고서와 라이트힐 보고서

기술적 한계가 뚜렷해지자, 돈을 대던 기관들의 인내심도 바닥을 드러내기 시작했습니다. 이 의구심에 쐐기를 박은 두 가지 역사적인 보고서가 등장합니다.

첫 번째는 1966년 미국에서 발표된 ALPAC(자동언어처리자문위원회) 보고서입니다. 당시 미국은 러시아어 문서를 자동으로 영어로 번역하는 기계 번역 프로젝트에 엄청난 돈을 쏟아부었지만, 결과물은 엉망진창이었습니다. ALPAC 보고서는 "기계 번역은 수동 번역보다 비싸고 느리며 정확하지도 않다"라고 결론 내렸고, 이로 인해 언어 처리 AI에 대한 지원이 전면 중단되었습니다.

두 번째는 1973년 영국의 제임스 라이트힐 경이 작성한 라이트힐 보고서(Lighthill Report)입니다. 그는 AI 연구가 초기 단계의 장난감 수준 문제만 풀었을 뿐, 현실의 복잡한 문제는 전혀 해결하지 못하고 있다고 신랄하게 비판했습니다. 이 보고서의 여파로 영국은 물론 전 세계적으로 AI 연구에 대한 자금 지원이 사실상 끊기게 됩니다.

AI 겨울이 남긴 뼈아픈 교훈

연구비가 사라지자 학자들은 뿔뿔이 흩어졌고, 학계에서 '인공지능'이라는 단어는 거짓말쟁이나 몽상가를 뜻하는 금기어처럼 여겨지게 되었습니다. 살아남은 연구자들은 '기계 학습'이나 '패턴 인식' 같은 다른 이름으로 포장하여 근근이 연구를 이어가야만 했습니다.

첫 번째 AI 겨울은 현대의 우리에게도 중요한 교훈을 남깁니다. 아무리 뛰어난 아이디어(소프트웨어)라도 그것을 뒷받침할 인프라(하드웨어)가 부족하면 결코 현실화될 수 없다는 점, 그리고 기술의 발전 속도에 대해 대중에게 과도한 기대를 심어주는 것이 얼마나 위험한 부메랑으로 돌아올 수 있는지 말입니다.

핵심 요약 3줄

• 1960년대 AI 연구는 천재들의 호언장담과 막대한 정부 지원금으로 인해 과도한 기대감(거품)이 형성되었습니다.

• 컴퓨터 하드웨어의 절대적인 성능 부족과 계산량이 기하급수적으로 늘어나는 '조합 폭발'의 한계를 넘지 못했습니다.

• 기계 번역과 AI의 실효성을 비판한 ALPAC, 라이트힐 보고서로 인해 연구 자금이 전면 중단되며 첫 번째 암흑기를 맞이했습니다.

다음 편 예고: 영원할 것 같았던 1970년대의 혹독한 겨울을 지나, AI는 뜻밖의 돌파구를 찾으며 화려하게 부활합니다. 다음 4편에서는 1980년대 AI의 두 번째 전성기를 이끈 '전문가 시스템(Expert System)'에 대해 알아보겠습니다.

💬 생각 나누기: 최근 몇 년간 메타버스, 블록체인, 자율주행 등 수많은 기술이 세상을 바꿀 것처럼 주목받았지만 현재는 주춤하고 있습니다. 여러분이 생각하기에 제2의 'AI 겨울'처럼 거품이 꺼지고 있는 다음 기술은 무엇이라고 생각하시나요? 댓글로 여러분의 통찰력을 공유해 주세요!