인문 : 인공지능의 발전, 단순 프로그램에서 LLM으로

< 단순 프로그램 → 알고리즘 → 데이터 기반 AI → 딥러닝 → 초기 GPT → LLM >

인공지능은 단순한 계산 프로그램에서 시작해, 인간과 대화를 나누는 대규모 언어 모델(LLM)에 이르렀다.

인공지능의 발전은 문제 해결을 위한 알고리즘이 발전해, 머신러닝과 딥러닝을 거쳐서, GPT(생성형 사전학습 변환기) 단계에 접어들었다.

최근에는 언어에 있어 고도화 단계로 나아가고 있는 것으로 보이며, 전반적인 인공지능의 기초를 다져가고 있는 것으로 보인다.

인공지능의 발전 과정은 여전히 텍스트 단계에 머물러 있으며, 최종 단계인 물리적인 학습 단계로 가기에는 갈길이 멀다.

인간은 과학적 철학적 질문을 이어 나가면서, 인문과 저항을 손에 쥐고, 창의성을 블록화해야만 할 것이다.


< 단순 프로그램 (규칙 기반) : 1950~1980년대 초반 >

방식 : 사람이 직접 모든 규칙과 조건을 작성
예시 : 초기 체스 프로그램, 대화 흉내 프로그램 ELIZA
특징 : 창의성이나 학습 능력은 없고, 오직 사람이 정의한 규칙만 수행


< 알고리즘 기반 AI : 1980~1990년대 >

방식 : 문제 해결을 위한 수학적·논리적 알고리즘 적용
예시 : 퍼셉트론, 검색 알고리즘, 음성 인식 초기 모델
특징 : 규칙보다 더 일반화된 접근, 하지만 학습 능력은 제한적


< 데이터 기반 AI (머신러닝) : 1990년대 후반~2010년대 초반 >

방식 : 데이터를 통해 패턴을 학습
예시 : 스팸 메일 필터, 얼굴 인식, 추천 시스템
특징 : 사람 규칙 의존도를 줄이고, 데이터로부터 스스로 규칙 발견


< 딥러닝 (Deep-Learning) : 2012년 이후 >

방식 : 다층 신경망(Deep Neural Network)으로 복잡한 패턴 인식
예시 : 이미지 분류, 음성 인식, 알파고
특징 : 학습 데이터가 많을수록 성능 향상, 인간 수준의 패턴 인식 가능


< 초기 GPT (Generative Pre-trained Transformer) : 2018년 >

방식 : GPT (생성형 사전학습 변환기) 텍스트 학습, 문장 단위 언어 생성
예시 : GPT-1, GPT-2
특징 : 자연어 생성 가능하지만 일관성과 사실성 제한


< 대규모 언어 모델 (Large Language Model, LLM) : 2020년 이후>

방식 : 수십억~수천억 파라미터로 언어 이해와 생성 모두 가능
예시 : GPT-3, GPT-4, GPT-5, Claude, Gemini, LLaMA
특징 : 대화, 글쓰기, 번역, 코드 작성 등 인간 수준의 언어 능력 구현