기술/연구

“ChatGPT의 할아버지 등장?” 70년 묵은 AI 알고리즘, 지금도 쓰인다니

댓글 0 · 저장 0 · 편집: 이도윤 기자 발행: 2025.06.28 16:27

기사 3줄 요약

1 최신 AI 기술, 알고 보니 70년 전 통계 이론에 뿌리
2 '끼리끼리' 분류하고 스팸메일 거르는 단순한 아이디어
3 기초 알고리즘, 딥마인드 게임 AI의 초석이 되다

최근 인공지능(AI) 기술은 놀라운 속도로 발전하고 있습니다. 하지만 이 화려한 기술의 뿌리가 수십 년 전 통계학에서 시작됐다는 사실을 아는 사람은 많지 않습니다. ChatGPT 같은 최신 AI의 핵심 아이디어는 사실 1950년대부터 연구된 ‘클래식’한 알고리즘에 기반을 두고 있습니다. 이 기사에서는 오늘날 AI를 만든 위대한 조상들에 대해 알아봅니다.

그래서 AI는 어떻게 똑똑해지는 건데?

컴퓨터가 스스로 학습하는 머신러닝은 크게 세 가지 방식으로 작동합니다. 바로 분류, 회귀, 그리고 군집화입니다. ‘분류’는 데이터를 정해진 그룹으로 나누는 것입니다. 마치 사진첩에서 인물 사진과 풍경 사진을 구분하는 것과 같습니다. ‘회귀’는 데이터의 연속적인 흐름을 파악해 미래를 예측하는 방식입니다. 어제의 주가를 보고 오늘의 주가를 예상하는 것과 비슷합니다. ‘군집화’는 기준 없이 흩어진 데이터에서 비슷한 것끼리 묶어 새로운 그룹을 만드는 것을 의미합니다. 이 방법들을 활용해 AI는 세상을 이해하고 미래를 예측합니다.

'유유상종'부터 스팸메일 차단까지?

가장 원초적인 분류 알고리즘은 ‘k-최근접 이웃(k-NN)’입니다. 새로운 데이터가 나타나면, 주변에 가장 가까운 데이터들을 보고 ‘유유상종’ 원리로 소속을 정해주는 간단한 방식입니다. ‘나이브 베이즈’는 확률을 기반으로 작동하는 알고리즘입니다. 이 기술 덕분에 우리는 지긋지긋한 스팸메일을 95% 이상 걸러낼 수 있게 됐습니다. 1990년대부터 이메일 필터링에 널리 쓰이며 그 효과를 입증했습니다.

알고리즘	종류	주요 특징 및 응용
k-NN	분류	'유유상종' 방식으로 주변 데이터와 비교해 분류. (이미지 인식)
나이브 베이즈	분류	확률을 이용해 텍스트를 분류. (스팸 메일 필터)
k-평균	군집화	비슷한 데이터끼리 그룹으로 묶음. (고객 성향 분석)
선형 회귀	회귀	데이터의 경향을 파악해 미래 값을 예측. (주가 예측)
Q-러닝	강화학습	보상과 벌을 주며 최적의 행동을 학습. (게임 AI)

낡은 기술이 아니라고?

과거의 데이터로 미래 추세를 예측하는 ‘선형 회귀’는 통계학의 가장 오래된 도구 중 하나입니다. 경제 예측부터 판매량 예측까지 다양한 분야에서 활용됩니다. 강화학습의 기초가 된 ‘Q-러닝’도 빼놓을 수 없습니다. 이 알고리즘은 보상과 벌을 주는 방식으로 AI를 훈련시켜, 훗날 딥마인드가 아타리 게임을 정복하는 ‘DQN’의 탄생 배경이 됐습니다. 이처럼 오래된 알고리즘들은 단순히 과거의 유물이 아닙니다. 이들은 현대 AI 기술의 뼈대를 이루는 핵심적인 존재이며, 이들의 원리를 이해하는 것이 곧 AI의 미래를 이해하는 첫걸음입니다.

편집자: 이도윤 기자

제보·문의: aipick@aipick.kr