01 / 14
SESSION 39 · Part 8 AI 이해와 활용

AI의 발전과
역사

1950 튜링부터 2020 LLM까지 — 70년의 도전과 돌파구

02 / 14
⏳

왜 역사를
알아야 할까?

ChatGPT는 어느 날 갑자기 나타난 것이 아니다.
70년의 시도와 실패가 차곡차곡 쌓여 만든 결과다.

역사를 알면 현재 AI의 한계가 보이고,
앞으로 무엇이 가능할지도 보인다.

03 / 14
🎯

이 세션에서
배우는 것

📅
시간 순서
튜링→룰 기반→ML→DL→Transformer→LLM 흐름을 말할 수 있다
🚧
한계와 돌파구
각 시대의 벽과 그것을 깬 발명을 짝지을 수 있다
🎯
현재 위치
우리가 지금 AI 역사의 어디쯤에 있는지 큰 그림으로 이해한다
04 / 14
🗓️

한눈에 보는
AI 70년 타임라인

1950s
튜링 테스트
→
60~80s
룰 기반
→
90s
머신러닝
→
2010s
딥러닝
→
2017
Transformer
→
2020s
LLM

핵심: 각 시대마다 "이건 안 돼"라는 벽이 있었고, 그것을 깬 발명이 다음 시대를 열었다

05 / 14
🧪

1950s튜링이 던진
근본 질문

1950년, 수학자 앨런 튜링이 물었다 —
"기계가 인간처럼 대화할 수 있는가?"

🧪 튜링 테스트
상황
→
사람이 텍스트로 두 상대(인간/기계)와 대화
판정
→
누가 기계인지 구분 못 하면 — "지능 있다"
의의
→
AI 연구의 출발점이 된 사고 실험
06 / 14
📜

1960~80s룰 기반
전문가 시스템

"사람이 모든 규칙을 직접 가르치자"는 접근.
의료 진단·법률 자문 등 전문가 지식을 IF-THEN 규칙으로 코딩.

✓ 가능했던 것
정해진 규칙 안에서 정답 도출
단순 의료·법률 문제 해결
설명 가능한 결과
✕ 막혔던 벽
규칙 밖 새로운 상황엔 무력
규칙이 너무 많아져 관리 불가
"AI 겨울" 도래 (투자 급감)
07 / 14
📊

1990~2000s머신러닝의
부상

발상의 전환 — "규칙은 데이터에서 찾아내자".
사람이 가르치는 대신, 컴퓨터가 데이터를 보며 스스로 규칙 발견.

A
대표 응용 — 스팸 필터, 신용 평가
메일·고객 데이터에서 패턴 찾아 자동 분류
B
한계 — 특징(feature)을 사람이 설계
"무엇이 중요한 신호인가"는 여전히 사람의 직관. 이미지·음성에선 어려움
08 / 14
🧠

2010s딥러닝
혁명

신경망이 특징까지 자동으로 학습한다.
GPU와 빅데이터가 만나 폭발적 성장.

🖼️
2012 ImageNet
이미지 분류 정확도 급상승. 컴퓨터 비전의 전환점
♟️
2016 AlphaGo
바둑 세계 챔피언 이세돌 격파. 대중에 AI 충격
🎙️
음성 인식 도약
시리·알렉사 등 음성 비서 실용화 단계 진입
09 / 14
⚡

2017Transformer —
결정적 돌파

구글 논문 "Attention is All You Need" —
문장을 단어 하나씩이 아닌 전체를 동시에 처리하는 구조.

기존 (RNN/LSTM)
  • 단어를 순서대로 하나씩 처리
  • 긴 문장에서 앞부분을 잊음
  • 병렬 처리 어려움 — 학습 느림
Transformer
  • 문장 전체를 동시 처리 (Attention)
  • 단어 간 관계를 모두 고려
  • 대규모 병렬 학습 가능 — 속도 폭발
10 / 14
🌟

2020sLLM의 시대 —
우리의 현재

Transformer를 엄청난 규모로 키운 결과 —
거대 언어 모델(LLM)이 인간과 자연스럽게 대화.

💬
ChatGPT
2022 OpenAI
🧠
Claude
Anthropic
✨
Gemini
Google
🦙
Llama
Meta
🎨
이미지 생성
Midjourney·DALL-E
💻
코드 생성
Copilot
🎬
영상 생성
Sora·Veo
🎵
음악 생성
Suno·Udio
11 / 14
✈️

AI 역사는
자전거 → 자동차 → 비행기

탈것의 진화로 AI 역사를 비유하면 직관적이다.

🛞 진화의 비유
자전거
=
룰 기반 — 사람이 모든 페달을 밟아야 함
자동차
=
머신러닝 — 엔진(데이터 학습)이 페달을 대신
비행기
=
딥러닝/LLM — 제트엔진(Transformer)으로 차원이 다른 속도
"이건 안 돼"의 벽
→
새 엔진의 발명 — 매 시대 돌파구가 다음을 열었다
현재
=
비행기 시대 초입 — 더 큰 변화가 다가온다
12 / 14
🚧

시대별 한계와 돌파구

각 시대의 벽을 깬 핵심 아이디어를 짝지어 보자.

1
룰 기반의 벽 → 머신러닝
"규칙을 다 못 적겠다" → 데이터에서 자동으로 찾자
2
머신러닝의 벽 → 딥러닝
"특징 설계가 어렵다" → 신경망이 특징까지 학습하게 하자
3
딥러닝의 벽 → Transformer
"긴 문맥을 못 다룬다" → Attention으로 전체를 한 번에 보자
4
Transformer의 가능성 → LLM
"규모를 키우면?" → 데이터·파라미터를 폭발적으로 늘려 LLM 탄생
13 / 14
📌

핵심 정리

🧪
1950 튜링
튜링 테스트 — AI 연구의
출발 질문
📜
60~80s 룰 기반
사람이 규칙 직접 입력 —
새 상황엔 무력
📊
90s 머신러닝
데이터로 규칙 학습 —
특징은 사람이 설계
🧠
2010s 딥러닝
신경망이 특징까지 학습 —
이미지·음성 도약
⚡
2017 Transformer
Attention 구조 —
문장 전체 동시 처리
🌟
2020s LLM
ChatGPT·Claude —
자연어 대화의 시대
14 / 14
🚀

다음 세션
Session 40 · 머신러닝의 원리

역사를 봤으니 이제 "학습한다"는 것이 무엇인지 들여다볼 차례.
지도·비지도·강화학습은 어떻게 다르고, 과적합은 왜 위험할까?

💡 기억할 것: 매 시대의 벽이 다음 시대의 발명을 낳았다. AI는 점진적 진화의 결과다.

슬라이드 목록