AI의 겨울 1차 2차 기대와 좌절

핵심 포인트

• AI 연구는 기대가 높아지면 투자가 몰리고, 결과가 기대에 못 미치면 투자와 관심이 급격히 줄어드는 '하이프 사이클'을 반복해왔다. 이 침체기를 'AI 겨울'이라고 부른다.
• 1차 AI 겨울(1974~1980)의 핵심 계기는 퍼셉트론의 한계 증명이다. 민스키와 패퍼트는 당시 AI의 기본 단위인 단층 퍼셉트론이 'XOR 문제(두 입력이 다를 때만 참)'처럼 간단한 논리조차 풀지 못함을 수학적으로 보여, 신경망 연구 전체에 대한 기대를 꺾었다.
• 2차 AI 겨울(1987~1993)은 '전문가 시스템'의 상업적 실패에서 비롯됐다. 전문가 시스템은 특정 분야의 규칙을 수천 개 입력해 작동하는 AI였지만, 새로운 상황에 적응 못하고 유지보수 비용이 폭증해 기업들이 잇따라 포기했다.
• 두 번의 겨울 모두 '과도한 약속(overpromise)'이 공통 원인이었다. 연구자들이 현실보다 훨씬 빠른 AI 완성 시점을 예측하고 정부·기업의 기대를 높인 뒤, 실제 성과가 따라가지 못하자 지원이 끊겼다.
• AI 겨울은 연구의 '죽음'이 아니라 다음 도약의 밑거름이었다. 2차 겨울 속에서도 백프로파게이션(역전파) 알고리즘 연구가 이어졌고, 이것이 훗날 딥러닝 혁명의 씨앗이 됐다.

관련 개념

교사 팁

수업 도입에 '신문 헤드라인 비교' 활동을 활용해보자. 1958년 "퍼셉트론, 스스로 걷고 말하고 쓰는 기계 탄생 임박"이라는 실제 뉴욕타임스 보도와 현재 ChatGPT 관련 과장 헤드라인을 나란히 띄운 뒤 "무엇이 똑같아 보이냐"고 질문한다. 학생들이 패턴을 스스로 발견하면 겨울이 왜 반복됐는지를 강의 없이 귀납적으로 이해하게 된다. 이후 '전문가 시스템이 요리 레시피를 배운다면 어떤 상황에서 실패할까?' 짧은 모둠 토론으로 기술 한계를 체험적으로 정리하면 효과적이다.

참고 자료

• AI 겨울 - 위키백과ko / wiki

  AI 겨울의 정의, 1차(1974~1980)·2차(1987~1993) 원인과 경과를 한국어로 정리한 백과사전 항목. 퍼셉트론 비판, 전문가 시스템 몰락, 연구비 삭감 배경을 교사가 빠르게 파악하기에 적합하다.

• 인공지능/역사 - 나무위키ko / wiki

  다트머스 회의부터 딥러닝 부흥까지 AI 역사 전체 흐름을 서술형으로 정리. 1·2차 겨울의 기술적 한계를 구체적 사례(퍼셉트론 XOR 문제, LISP 머신 가격 붕괴)와 함께 한국어로 설명해 수업 도입부 스토리텔링에 활용하기 좋다.

• 왜 인공지능 겨울이 왔나요? — WikiDocs(AI 시대 누가 미래를 이끄는가)ko / article

  전문가 시스템의 과도한 기대와 실패 원인을 단계별로 쉽게 서술한 한국어 온라인 교재. '상식 추론 불가', '지식 획득 병목', '유지보수 비용 폭증' 세 가지 원인을 명확히 구분해 중학생 설명 자료로 바로 활용 가능하다.

• AI Winter: Understanding the Cycles of AI Development — DataCampen / article

  1·2차 AI 겨울의 원인과 패턴을 타임라인 형식으로 정리한 영어 입문 아티클. '하이프 → 실망 → 투자 동결' 사이클 도식이 포함되어 있어 교사가 수업용 판서 또는 슬라이드 구조 잡기에 유용하다.

• We've been here before: AI promised humanlike machines — in 1958 — The Conversationen / article

  1958년 퍼셉트론 발표 당시 언론의 과장 보도와 이후 좌절을 현재 AI 붐과 비교 분석한 영어 시사 칼럼. '역사는 반복된다'는 비판적 사고를 유도하는 토론 수업 도입 자료로 적합하다.