두 번째 AI 겨울을 유발한 전문가 시스템의 한계 상황 설명

출처 : ChatGPT

인공지능 기술의 역사에서
두 번째 AI 겨울(1980년대 후반 ~ 1990년대 중반)은 매우 중요한 좌절의 시기로, 기술에 대한 과도한 기대가 무너지면서 투자가 줄고, 연구개발이 침체기에 들어간 시기이다.
이 시기의 핵심 원인 중 하나는 **전문가 시스템(expert systems)**의 한계였으며, 이로 인해 시장과 학계 모두에서 실망감이 확산됐다.
이러한 상황에 대한 자세한 내용을 살펴보고자 한다.

 

🔹 배경: 전문가 시스템의 부상

• 1980년대 초반 AI 연구는 전문가 시스템으로 불리는 소프트웨어 시스템을 통해 큰 주목을 받았음.
• 이는 인간 전문가의 지식을 컴퓨터에 입력하여 특정 문제를 자동으로 해결하려는 시도였으며, 초기에는 실제 산업 현장에서 유용한 결과를 내기도 했음.
• 대표적인 예:
  • MYCIN: 감염병 진단 및 항생제 처방 (의학 분야)
  • XCON (DEC사): 컴퓨터 부품 구성 추천 시스템 (산업 분야)

 

🔹 전문가 시스템의 핵심 원리

전문가 시스템은 다음과 같은 요소로 구성됨.

• 지식 베이스(Knowledge Base): 전문가의 규칙("IF...THEN" 형태)들을 저장한 데이터베이스
• 추론 엔진(Inference Engine): 입력된 사실들과 규칙을 기반으로 새로운 결론을 도출하는 시스템
• 설명 모듈: 왜 특정 결론에 도달했는지를 사용자에게 설명하는 기능

 

🔹 전문가 시스템의 한계

1. 지식 습득의 어려움 (Knowledge Acquisition Bottleneck)

• 전문가 시스템을 만들기 위해서는 수많은 전문가의 암묵적 지식을 명시적으로 정리해 규칙으로 입력해야 했음.
• 하지만 전문가들은 직관이나 경험에 의존하기 때문에, 이를 정확히 문장화하거나 공식화하기 어려움.
• 이 과정은 시간도 오래 걸리고, 고비용이 들며, 오류도 발생하기 쉬웠음.

2. 유연성 부족 (Lack of Flexibility)

• 전문가 시스템은 미리 입력된 규칙에만 의존하기 때문에 새로운 상황이나 예외적인 경우에 대처하지 못함.
• 변화하는 환경에 적응하거나 새로운 패턴을 학습하는 능력이 없음 (기계 학습 부재).

3. 확장성 문제 (Scalability Issues)

• 시스템이 커지면 규칙 간의 충돌이나 모순이 생기기 쉬우며, 유지보수가 점점 어려워짐.
• 수천 개의 규칙이 복잡하게 얽히면 전체 시스템의 일관성을 유지하는 것이 사실상 불가능에 가까움.

4. 도메인 제한성

• 특정 분야(예: 의료, 법률)에서는 잘 작동하더라도, 범용적 문제 해결 능력은 전무.
• 사람이 여러 상황에서 유연하게 사고하는 것과 달리, 전문가 시스템은 "좁고 깊은" 문제에만 대응 가능.

 

🔹 결과: 시장 붕괴와 투자 감소

• 기업과 정부는 초기의 기대만큼의 효용을 얻지 못하자 AI 기술에 대한 투자를 대폭 축소.
• "AI는 약속은 많았지만 실질적인 기여는 적다"는 인식이 퍼졌고, 관련 연구도 줄어들었음.
• 이로 인해 AI 연구 인력 이탈, 학회 관심 저하, 학문적 위축 등이 이어졌고, 이를 두 번째 AI 겨울이라고 부르게 됨.

 

🔹 이후 회복

• 이 침체기는 1990년대 후반~2000년대 초반 기계학습(machine learning)과 통계적 접근이 부상하면서 점차 극복됨.
• 특히 인터넷의 확산과 컴퓨터 성능의 향상, 데이터의 폭발적 증가 덕분에 AI는 새로운 부흥기(Deep Learning 중심)를 맞이하게 됨.

 

 

[주요 이슈에 대한 세부 설명]

🔹 유연성 부족 (Lack of Flexibility)

• 전문가 시스템은 인간처럼 새로운 상황에 적응하거나 직관적으로 대응하는 능력이 없었음.
• 시스템은 오직 미리 정의된 규칙에 따라 작동하기 때문에 예외적 상황이나 불완전한 입력이 들어오면 제대로 작동하지 않았음.
• 대표 사례: MYCIN (1970s–1980s)

🔹 확장성 문제 (Scalability Issues)

• 전문가 시스템은 규칙 기반(rule-based)으로 설계되었기 때문에, 시스템이 커질수록 규칙 간 충돌과 복잡성 증가로 유지보수가 어려워짐.
• 수천 개의 규칙이 얽히면 전체 시스템을 이해하고 조정하기가 매우 복잡해짐.
• 대표 사례: XCON (DEC사, 1980년대 중반)

 

🔹 도메인 제한성 (Domain Specificity)

• 전문가 시스템은 특정 분야에서는 매우 뛰어난 성능을 보였지만, 한 도메인을 넘어 범용 문제 해결 능력은 전무했음.
• 즉, 한 시스템이 다른 분야에 재사용되기 매우 어려웠음.
• 대표 사례: 의료 시스템의 도메인 제한성

• 또 다른 예: 법률 도메인의 전문가 시스템 실패