전문가 시스템의 부상과 몰락 — 두 번째 AI 겨울까지
한줄 요약
1980년대 전문가 시스템은 연간 수십억 달러 시장을 만들었지만, 유지보수 비용과 지식 획득의 병목이라는 내부 모순으로 스스로 무너졌다.
의료 AI의 첫 번째 역사: MYCIN
1972년, 스탠퍼드 대학교 의과대학의 에드워드 쇼트리프(Edward Shortliffe)는 MYCIN을 개발하기 시작했다. MYCIN은 혈액 감염 질환을 진단하고 항생제를 처방하는 AI였다.
MYCIN의 구조는 단순했지만 강력했다:
- 600개 이상의 If-Then 규칙
- “확신도(certainty factor)“라는 개념으로 불확실성을 처리
- 임상의와 대화하며 추론 과정을 설명
1979년 임상 평가에서 MYCIN은 주목할 만한 결과를 냈다. 실제 임상의 평균 정확도(52%)를 넘는 65%의 정확도를 기록했다. 스탠퍼드 감염내과 전문의들과 비교해도 손색이 없었다.
문제는 따로 있었다. MYCIN은 실제 병원에서 한 번도 사용되지 않았다. 당시 병원 시스템과 통합이 불가능했고, 법적 책임 문제가 해결되지 않았다.
전문가 시스템의 전성기
MYCIN 이후 전문가 시스템은 다양한 분야로 확산됐다.
DENDRAL (1965–1970년대): 분자 구조를 분석하는 화학 AI. 스탠퍼드의 에드워드 파이겐바움(Edward Feigenbaum)과 조슈아 레더버그(Joshua Lederberg, 1958년 노벨상)가 개발. 최초의 성공적 전문가 시스템으로 평가된다.
XCON / R1 (1980): DEC(Digital Equipment Corporation)의 컴퓨터 주문 처리 시스템. VAX 컴퓨터 부품 구성을 자동으로 최적화했다. 연간 4,000만 달러(약 500억 원)의 비용을 절감했고, DEC는 이 시스템의 가치를 수억 달러로 평가했다. 전문가 시스템의 상업적 가능성을 증명한 결정적 사례였다.
1980년대 초반, 전문가 시스템 시장은 폭발적으로 성장했다:
- 1980년: 시장 규모 수천만 달러
- 1985년: 약 10억 달러
- 1988년: 약 15억 달러
- 수백 개 기업이 전문가 시스템 개발에 뛰어들었다
일본은 1982년 “제5세대 컴퓨터” 프로젝트를 발표하며 국가 차원에서 AI에 8억 달러를 투자했다. 미국과 영국도 긴장하며 대응 투자를 늘렸다.
내부 모순: 지식 획득의 병목
전문가 시스템의 구조적 한계는 확장할수록 드러났다.
첫째, 지식 획득 문제(Knowledge Acquisition Bottleneck): 전문가의 암묵적 지식을 규칙으로 명시화하는 작업은 극도로 비효율적이었다. 전문의는 왜 그 진단을 내렸는지 자신도 설명하지 못하는 경우가 많았다. 지식공학자(knowledge engineer)가 전문가를 인터뷰해 규칙을 추출하는 작업은 한 도메인 구축에 수년이 걸렸다.
둘째, 유지보수 비용: 규칙이 수천 개로 늘어나면 상충하는 규칙들이 생겼다. XCON조차 규칙이 10,000개를 넘어서자 유지보수 비용이 절감 효과를 초과하기 시작했다.
셋째, 상식의 부재: 전문가 시스템은 도메인 밖의 “상식”이 없었다. 감기 환자에게 에볼라 진단을 내려도 자신이 틀렸다는 것을 몰랐다.
Lisp Machine 시장의 붕괴
전문가 시스템은 Lisp 언어로 주로 작성됐다. 이를 효율적으로 실행하기 위한 전용 하드웨어인 “Lisp Machine”이 1980년대 초 등장했다. Symbolics, LMI, Texas Instruments 등이 Lisp Machine을 만들었고, 대당 수만 달러에 팔렸다.
그런데 1987년, 데스크탑 PC의 성능이 급격히 향상되며 Lisp Machine의 가격 대비 성능 우위가 사라졌다. 1987년에만 Symbolics의 주가가 70% 폭락했다.
시장은 빠르게 붕괴했다. 전문가 시스템을 납품받은 기업들은 유지보수 불가 시스템을 떠안았다.
2차 AI 겨울 (1987–1993)
1987년 하반기부터 AI 투자가 급감했다. 특히 미국과 영국에서:
- 미국: DARPA의 전략컴퓨팅이니셔티브(SCI) 예산 삭감
- 영국: Alvey 프로그램 종료
- 일본: 제5세대 컴퓨터 프로젝트 사실상 실패 인정
연구자들은 “AI”라는 단어를 피하기 시작했다. 대신 “기계학습”, “통계적 방법”, “데이터마이닝”이라는 이름을 쓰기 시작했다.
역설적으로 이 시기에 조용히 생존한 연구들이 있었다. 제프리 힌턴(Geoffrey Hinton)의 신경망 연구가 그 중 하나였다.
핵심 정리
- MYCIN(1972)은 전문가 시스템의 출발점이자 최초의 의료 AI였으며, 임상 정확도에서 전문의에 필적했지만 실제 도입되지 못했다.
- 1980년대 전문가 시스템은 XCON 등의 상업적 성공으로 수십억 달러 시장을 형성했다.
- 지식 획득의 병목, 유지보수 비용 폭증, Lisp Machine 시장 붕괴가 복합 작용하며 2차 AI 겨울(1987–1993)을 불러왔다.
- 이 경험은 “규칙 기반 AI”의 한계를 증명했고, 데이터 기반 학습으로의 전환을 예고했다.