AI 성장에 공헌한 인물들

현대 AI의 실질적인 뿌리는 1940~1980년대 초기 연구로 거슬러 올라갑니다. Warren McCulloch과 Walter Pitts가 1943년에 최초의 인공 뉴런 모델을 제안한 것을 시작으로, Frank Rosenblatt가 1958년에 학습 가능한 Perceptron을 발명하면서 “기계가 배울 수 있다”는 가능성을 처음으로 보여주었습니다.

1979년 Kunihiko Fukushima의 Neocognitron은 오늘날 CNN의 직접적인 조상이 되었고, 1986년 David Rumelhart, Geoffrey Hinton, Ronald Williams가 Backpropagation 알고리즘을 대중화하면서 다층 신경망 학습의 핵심 기술이 마련되었습니다. 또한 Jürgen Schmidhuber와 Sepp Hochreiter가 1997년에 개발한 LSTM은 이후 시퀀스 데이터(텍스트, 음성) 처리의 핵심 기반이 되었습니다.

1990년대부터 2010년대 초까지는 ‘AI 겨울’을 견디며 딥러닝이 부흥하는 시기였습니다. Geoffrey Hinton은 Backpropagation의 실용화, Boltzmann Machine, Deep Belief Network 등으로 신경망 연구를 이어갔고, 2012년 Alex Krizhevsky, Ilya Sutskever와 함께 발표한 AlexNet으로 ImageNet 대회에서 압승하며 “딥러닝 르네상스”를 촉발했습니다. Yann LeCun은 1990년대 CNN(Convolutional Neural Network)과 LeNet-5를 통해 컴퓨터 비전 분야의 기반을 닦았으며, Yoshua Bengio는 RNN과 Attention 메커니즘 초기 연구, 생성 모델 이론으로 언어·생성 AI의 토대를 마련했습니다.
이 세 사람은 ‘딥러닝의 3대 교부’로 불리며 2018년 Turing Award를 공동 수상했습니다. 또한 Andrew Ng은 Google Brain 프로젝트와 대중 강의를 통해 딥러닝을 산업과 교육으로 확산시키는 데 크게 기여했습니다.

2014년 이후 본격적인 Generative AI 시대가 열렸습니다. Ian Goodfellow가 2014년에 GAN(Generative Adversarial Networks)을 발표하면서 두 네트워크가 경쟁하며 현실적인 데이터를 생성하는 새로운 패러다임이 시작되었습니다. Diederik Kingma와 Max Welling은 VAE(Variational Autoencoders)로 잠재 공간을 활용한 생성 모델을 제시했습니다.

결정적인 전환점은 2017년 Google의 Ashish Vaswani 등 연구팀이 발표한 Transformer 논문(“Attention is All You Need”)입니다. Self-Attention 메커니즘을 통해 RNN의 한계를 극복하고 병렬 처리를 가능하게 하면서, 이후 모든 대형 언어 모델(LLM)의 기반이 되었습니다.

이 Transformer 아키텍처를 바탕으로 OpenAI의 Ilya Sutskever, Alec Radford를 비롯한 팀이 GPT 시리즈(GPT-1 2018 → GPT-3 2020 → ChatGPT)를 개발하며 스케일링 법칙을 실증했습니다.

이미지 생성 분야에서는 2020년 Jonathan Ho 등이 제안한 Diffusion Models가 Stable Diffusion, DALL·E 등 현재 주류 기술로 자리 잡았습니다.

한편 Demis Hassabis가 이끄는 DeepMind의 AlphaGo(2016)는 강화학습과 딥러닝의 실전 적용을 보여주는 상징적 사례였으며, Fei-Fei Li가 구축한 ImageNet 데이터셋은 AlexNet 성공의 필수 토대가 되었습니다.

이처럼 AI의 발전은 수십 년에 걸친 수많은 연구자들의 끈질긴 노력과, 컴퓨팅 파워·데이터·알고리즘의 동시적 진보가 만나 이루어진 결과입니다.
[끝]