초기 AI의 황금빛 착각

실험실 안의 작은 기적

1950~60년대의 AI 연구실에는 이상한 흥분이 떠돌았다. 컴퓨터는 아직 방 하나를 차지할 만큼 컸고, 계산 속도도 오늘날의 휴대전화보다 느렸다. 그런데 그 기계가 수학 정리를 증명하고, 문제를 풀고, 사람과 대화하는 듯한 장면을 보여 주었다.

1956년 앨런 뉴얼, 허버트 사이먼, 클리프 쇼가 만든 Logic Theorist는 그 흥분의 중심에 있었다. 이 프로그램은 러셀과 화이트헤드의 『프린키피아 마테마티카(Principia Mathematica)』에 나오는 정리 일부를 증명했다. 심지어 몇몇 증명은 사람이 쓴 것보다 더 간결해 보였다.¹ 사람들은 묻기 시작했다. "기계가 논리를 다룰 수 있다면, 생각도 할 수 있는 것 아닐까?"

곧이어 뉴얼과 사이먼은 일반 문제 해결기, 곧 GPS를 만들었다. 여기서 GPS는 길 안내 장치가 아니라 General Problem Solver의 약자다. 이름부터 대담했다. 특정 문제만 푸는 기계가 아니라, 여러 문제에 통하는 해결 절차를 찾겠다는 뜻이었다. GPS는 목표와 현재 상태의 차이를 줄이는 방식으로 움직였다. 길을 잃었을 때 목적지와 현재 위치를 비교하며 한 걸음씩 방향을 고르는 것과 비슷하다.

AI 생성 이미지

장난감 문제의 승리

초기 AI가 잘한 일은 주로 장난감 문제였다. 장난감 문제란 실제 세계의 복잡함을 덜어 낸 작은 실험 문제를 뜻한다. 규칙이 분명하고, 필요한 정보가 모두 주어지며, 답이 있는지 없는지도 비교적 뚜렷하다.

수학 정리 증명, 퍼즐, 간단한 게임은 이런 환경에 잘 맞았다. 기계는 가능한 선택지를 빠르게 살피고, 불필요한 길을 잘라 내며 답을 찾았다. 이때 쓰인 방법이 탐색과 휴리스틱이었다. 탐색은 미로의 갈림길을 하나씩 확인하는 일이고, 휴리스틱은 "이쪽 길이 더 그럴듯하다"라고 판단해 시간을 아끼는 요령이다.

문제는 현실이 장난감처럼 단정하지 않다는 데 있었다. 현실의 문장은 애매하고, 사진 속 사물은 빛과 각도에 따라 달라지며, 사람의 상식은 규칙 몇 줄로 끝나지 않는다. 연구실의 성공은 진짜였지만, 그 성공이 곧 일반 지능으로 이어진다는 믿음은 너무 빨랐다.

눈을 배우는 기계, 퍼셉트론

1957년 프랭크 로젠블랫은 퍼셉트론을 고안했다. 퍼셉트론은 초기 신경망의 한 종류다. 신경망은 뇌를 그대로 복사한 장치가 아니라, 여러 입력에 가중치를 붙여 판단하는 계산 방식이다. 사람의 경험이 판단 습관을 조금씩 바꾸듯, 퍼셉트론도 틀릴 때마다 가중치를 조정했다.

이 아이디어는 강력해 보였다. 기계가 사람이 일일이 규칙을 써 주지 않아도, 예시를 보고 구분하는 법을 배울 수 있었기 때문이다. 시각 인식, 즉 글자나 모양을 알아보는 일에 새로운 길이 열리는 듯했다.²

하지만 퍼셉트론도 좁은 길을 걷고 있었다. 단순한 경계로 나눌 수 있는 문제에는 효과가 있었지만, 조금만 복잡해져도 막혔다. 훗날 이 한계는 신경망 연구에 큰 그림자를 드리운다. 그래도 퍼셉트론은 중요한 씨앗이었다. AI가 규칙을 입력받는 기계에서, 데이터로부터 배우는 기계로 바뀔 수 있음을 처음 강하게 보여 주었기 때문이다.

번역과 대화가 만든 오해

1954년 IBM과 조지타운대학은 러시아어 문장을 영어로 번역하는 공개 실험을 했다. IBM 701 컴퓨터는 제한된 단어와 몇 가지 문법 규칙으로 짧은 문장을 번역했다. 실험은 작았지만 반응은 컸다. 몇 년 안에 기계번역이 해결될 것이라는 기대까지 나왔다.³

그러나 언어는 단어를 바꾸는 일이 아니었다. 같은 단어도 문맥에 따라 뜻이 달라지고, 문장 뒤에는 문화와 상식이 숨어 있다. "그가 은행에 갔다"에서 은행이 강둑인지 금융기관인지는 문장 바깥의 세계를 알아야 판단할 수 있다.

1960년대 중반 조지프 와이젠바움의 ELIZA도 비슷한 착각을 낳았다. ELIZA는 사용자의 문장을 받아 일부를 되묻거나 바꾸어 말했다. "어머니가 걱정돼요"라고 하면 "어머니에 대해 더 말해 보세요"라고 답하는 식이었다. 와이젠바움은 인간과 기계의 대화가 얼마나 쉽게 오해될 수 있는지 보려 했지만, 많은 사람은 ELIZA가 자신을 이해한다고 느꼈다.⁴

황금빛은 왜 바랬을까

초기 AI의 성과는 가짜가 아니었다. Logic Theorist는 실제로 정리를 증명했고, 퍼셉트론은 실제로 학습했으며, ELIZA는 실제로 대화처럼 보이는 상호작용을 만들었다. 문제는 그 성과가 어디까지 가능한지에 대한 판단이었다.

연구자들은 규칙이 분명한 작은 세계에서 얻은 성공을 현실 전체로 너무 쉽게 넓혀 보았다. 하지만 현실 세계는 예외투성이다. 필요한 정보가 빠져 있고, 단어는 흔들리며, 장면은 늘 변한다. 초기 AI의 황금빛 착각은 여기서 생겼다. 작은 시험지에서 높은 점수를 받은 기계가, 거대한 현실의 시험지도 곧 풀 것이라고 믿은 것이다.

이 착각은 곧 비용을 요구했다. 기대가 커질수록 실망도 커졌다. 다음 장에서 AI는 처음으로 차가운 계절을 맞는다.

참고

¹Logic Theorist

²The History of Artificial Intelligence | IBM

³The First Public Demonstration of Machine Translation Occurs

⁴ELIZA Reinterpreted: The world's first chatbot was not intended as a chatbot at all