d라이브러리

과연 인공지능은 인간에게 유용한 상품으로서 자리잡을 것인가, 아니면 연구 그 자체에 머물러 학문의 영역을 벗어나지 못할 것인가.

인공지능은 금세기의 가장 흥미있는 과학적 사업으로 믿고 있는 사람들이 있는가 하면, 인공지능의 앞날은 어둡고 결국 잘못 쓰이게 되리라고 염려하는 사람들도 있다. 심지어 인공지능은 실패로 끝날 것이라고 냉소하는 사람도 있다. 그러나 한가지 명백한 것은 인공지능은 인간에게 정열을 일으키고 그 정열은 과장된 표현을 자극하여 과학과 공상소설을 구분하기 어렵게 하고 있다.

과학과 공상의 경계영역

인공지능의 정확한 정의는 한 학기 이상의 강의를 필요로 하고 전문가들 사이에서도 그 정의 및 범위기 다양해서 한 두마디로 설명하기가 쉬운 일이 아니다. 공통적으로 이해되고 있는 정의는 '기계를, 즉 컴퓨터를 좀더 똑똑하게 해서 지능을 필요로 하는 일을 수행할 수 있도록 만드는 기술'이라고 할 수 있다.

위의 정의는 간략하면서도 많은 것을 내포하고 있다. 인공지능은 우성 지능이 무엇이고 지능이 어떠한 일을 수행케하는가를 알아야 한다. 이러한 연구는 노벨상을 지향하는 과학적 탐구정신이 필요하게 된다. 한편으로는 기계를 설계하고 제작하여 시험해야 하는데 이는 실용성을 따지는 공학자적인 연구 정신이 필요하게 된다.

또 한가지 위의 정의에서 빠뜨리지 말아야 할 것은 '좀 더'라는 부분이다. 이미 컴퓨터는 많이 똑똑해 있다. 복잡한 프로그래밍 언어를 이해하고 복잡한 탄도공식과 많은 직원의 봉급을 정확히, 매우 빠른 속도로 계산할 수 있다. 인공지능에서 지금 추구하는 능력은 이 보다 더 높은 지능 수준이다. 즉 자연언어를 이해한다든지 그림이나 도표를 보고 이해하며 전문가 수준의 고도의 복잡한 사고과정을 흉내낼 수 있도록 하는 것이다.

비록 현재의 기술수준은 이러한 목표를 달성하기에는 요원한 실정이나, 우리가 30년전에 문자를 해독할 수 있는 기계를 꿈꾸다가, 이제는 OCR이라는 단순한 문자해독기는 인공지능의 영역이 아니라고 하듯이 현재의 기술 수준에서 꿈 같은 그 목표가 더 이상 인공지능의 연구 영역이 아니라고 할 날이 오게 되리라고 믿는다.

인공지능의 선사시대

인공지능의 지나온 발전과정을 미국 MIT 대학의 '윈스턴'(Winston) 교수는 (그림1)에서 보는 것과 같이 여섯단계로 나누었다. 첫째 시대는 선사 시대로서 1842년 '찰스 베베지'가 처음으로 계산하는 기계를 만지작거리기 시작하였을 때로 거슬러 올라 갈 수 있다. 그의 스폰서였던 '아다 러브레이스'부인은 신문기자로부터 베베지의 기계가 인간과 같이 똑똑하게 될 수 있을까 하는 질문을 받고 당황했으나 현명하게도 그렇게 될 수 없을 것이라고 부정했다. 그로부터 1백여년이 지난 후에도 기계는 인간과 같이 영리하게는 되지 않았다.

선사시대는 거의 1960년까지 계속되었다. 그 이유는 컴퓨터를 사용해서 지능을 이해하려해도 컴퓨터 자체가 없었기 때문이었다. 그럼에도 이 시대에 '튜링' '샤논' 그리고 '폰 노이만'과 같은 사람들이 지능형기계에 대하여 많은 사색을 했다.

1960년경에서야 비로소 여명시대가 시작된다. 이때 어떤 사람은 "10년 이내에 기계는 인간과 같은 정도로 똑똑해질 것이다."라고 너무나 감상적(?)인 예언을 하였다. 그것은 다음과 같은 몇가지의 성공사례를 보고 흥분한 나머지 지능의 기능을 과소평가했던 탓이다.

이 시대의 대표적인 작품은 지능 테스트에 사용되는 것과 같은 기하학적 유사성을 분석하는 프로그램과 오늘날 MACSYMA를 낳은 기호처리에 의한 적분프로그램이다. 이 두 시스팀은 나중에 전문가시스팀을 만들어 내는 데 매우 중요한 아이디어를 제공한다.

여명시대에 이어 곧 암흑시대

다음의 시대는 거의 아무것도 일어나지 않았기 때문에 암흑시대라고 부른다. 여명시대의 성공에 의하여 많은 사람들이 지적인 컴퓨터를 만들어 내려는 계획은 매우 간단할 것으로 과대한 기대를 하고 있었다. 이 시대에는 많은 사람이 구현하기만 하면 컴퓨터가 즉시 지적으로 되는 일반적인 방법론을 찾고 있었다. 암흑시대는 지나친 기대에 의하여 불타버린 시대였다.

그 다음의 시대는 르네상스 시대라고 일컫는다. 이 시대에 이르러 인공지능은 비로소 사람들의 주목을 받는 시스팀을 만들어 내기 시작한다. 잘 알려진바 있는, 어떤 마이신을 먹는 것이 효과적임을 진단해내는 '마이신'(Mycin)이란 전문가시스팀 등은 오늘날의 인공지능 붐의 선구자이다.

르네상스 시대에 이어 협력시대에 들어갔다. 이 시대에 인공지능의 연구자들은 타분야, 특히 언어학과 삼리학의 연구자와 협력관계를 맺는 것이 중요하다는 것을 인정하기 시작한다.

현재는 마지막 단계인 기업시대라고 칭하고 있다. 즉 기업에서 인공지능의 연구결과 중에 이용할 만한 것이 있다고, 혹은 있으리라고 믿고 기업에서 인공지능의 기술의 수와 나아가 기술개발을 선도하고 있는 시대이다.

인공지능의 연구는 인간의 모든 지적활동, 즉 인식 추론 계획 연상 학습 창조 등에 걸쳐 있다. 이 지적 메카니즘 그 자체의 구명과 이 기능을 컴퓨터에 옮기는 방법을 연구하는 기초연구와 이 기능을 이용한 응용연구로서 자연 언어 시스팀, 전문가 시스팀, 시각기능을 갖춘 지능형 로롯, 자동프로그래밍, 게임등이 있으나, 기업이 관심을 가질 정도로 연구 개발된 분야는 전문가 시스팀, 자연어 시스팀, 그리고 시각인식 등을 들 수 있다. 인공지능의 상업성 유무를 결론짓기 이전에 상업적으로 성공한 몇가지 인공지능시스팀을 살펴 보기로 하자.

상업적 성공사례는 소수

어느 한 시스팀이 인공지능 시스팀이냐 아니냐를 가름하는 것은 매우 어려운 일이다. 왜냐하면 모든 컴퓨터 프로그램이 어느 정도씩은 지능의 요소를 갖추고 있기 때문이다. 그러나 여기에서 말하는 인공지능시스팀이란 인공지능 분야에서 개발된 방법론을 사용하여 인간의 지적능력을 컴퓨터에 이식하려고 시도한 시스팀을 일컫는다.

인공지능 방법론이란 경험적 지식에 의한 탐색, 기계적 연역, 기초적 처리, 다양한 지식표현 방법, 문제영역의 지식과 프로그래밍 지식의 완벽한 분리 등을 나열할 수 있다. 물론 이러한 방법론을 사용하지 않고도 동일한 기능을 갖는 프로그램을 개발할 수 있다. 그러나 인공지능 방법론의 용으로 얻는 이점인 많기 때문에 이러한 시스팀의 대부분이 인공지능의 방법론을 사용하고 있다. 따라서 인공지능 시스팀이냐, 아니냐의 가름은 그 시스팀이 어느 만큼 지적능력을 모방하고 있느냐, 즉 기능적인 면만 보면 될 것이다.

상업적으로 성공한 시스팀은 소수에 지나지 않는다. 상업적 성공이란 그 시스팀을 개발하기 위한 투자보다 많은 소득을 얻었다는 것을 의미한다. 가장 뚜렷한 성공사례는 DEC사와 '카네기 멜론'대학에서 공동개발한 XCON 시스팀(R1으로 불리워졌다)이다.

다른 공사례로는 '스탠퍼드'대학에서 개발한 질량분석계의 자료분석을 도와 주는 DENDRAL과 폐의 질병의 처치에 도움을 주는 PUFF 등이 있다. 위의 시스팀들은 전문가 시스팀의 범주에 드는 것으로서 위와 같은 시스팀의 성공으로 많은 유사한 시스팀이 개발되었거나 개발되고 있다.

지능형 로봇에 부착할 시각 시스팀의 실용적인 구현으로는 '제네럴모터즈'사의 CONSIGHT 시스팀과 '오토메틱스'사의 '오토비전'(Autovision)Ⅱ를 들수 있는데 이들 시스팀은 비록 한정된 범위지만 로봇에게 조립하는 물체를 보고 식별할 수 있는 능력을 제공한다.

자연언어를 이해할 수 있는 인터페이스시스팀으로서 '아티피셜 인텔리전스'사의 INTELLECT가 있는데 이 시스팀은 관리자로 하여금 일상 영어로 데이타베이스의 자료를 검색할 수 있도록 해준다.

기타 성공사례를 더 들라면 수식을 기호적으로 처리할 수 있는 MACSYMA 라는 시스팀이 과학자나 공학자의 일상 도구로 쓰이고 있으며, 인공지능의 부산물로 개발된 LISP이란 프로그래밍 언어는, 그 언어가 제공하는 융통성과 큰 시스팀을 개발하기 위한 편의성 때문에 일반적인 범용 프로그래밍 언어로서 자리를 굳혀가고 있다. 또 LISP 프로그래밍 환경을 제공해 주는 특수 컴퓨터로서 개발된 LISP머신들도 인공지능연구의 성공적인 부산물이라고 할 수 있다.

인간과 기계의 차이

전문가시스팀이란 인간 전문가가 갖고 있는 지식을 파악하여 정식화하고 기호화하여 이용함으로써 고도의 기능을 나타내는 컴퓨터프로그램이다. 인간 전문가는 비교적 좁은 분야의 문제해결 능력을 갖고 있다. 인간 전문가의 능력은 다음과 같은 특성을 갖고 있다.

●쉬운 문제는 깊은 생각없이 간단히 해결할 수 있다.
●그들은 자기가 한 것을 설명할 수 있다.
●자기 자신이 내린 결론에 대해 신뢰성의 정도를 판정할 수 있다.
●경험으로부터 배울 수 있다.
●문제에 따라 관점을 달리 할 수 있다.
●어떤 분야의 지식을 다른 분야의 문제해결에 활용할 수 있다.

오늘날의 기술 수준은 위의 인간 전문가의 성중에서 일부 기능을 모방하고 있다. 즉 쉬운 문제는 풀고, 가끔 자신이 하고 있는 일은 설명하며 신뢰도에 대하여 말하곤 한다.

이러한 전문가시스팀은 전문기술을 복제하고 세상에 분배하는 것을 가능케 하기 때문에 경제적으로 중요한 영향을 미친다. 따라서 많은 기업에서 관심을 갖고 있다. 실용화를 노린 진지한 전문가시스팀이 현재 몇십개 정도 개발되고 있다. '진지한'이란 형용사를 뗀다면 그 는 수천도 될 수 있을 것이다. 왜냐하면 이제 간단한 예제로서 전문가 시스팀을 만드는 일은 인공지능 수업시간의 연습문제 정도로 되어 있기 때문이다. 이미 전문가시스팀은 대학학부에 있어서의 컴퓨터 기술과정의 일부로서 작성되고 있다.

전문가시스팀의 일반론은 이쯤하고 상업적으로 가장 성공했다고 알려져 있는 미국 DEC회사에서 개발된 XCON이라는 전문가시스팀에 대하여 자세히 알아보자.

XCON은 VAX컴퓨터 시스팀의 구성을 지원하기 위해서 개발한 도구의 하나이다. DEC사에 들어오는 VAX 시스팀의 주문을 보면 이 회사가 고객에게 일일이 각기 다른 폭넓은 제품군을 제공하고 있다는 것을 알 수 있다. 각 고객의 주문은 각기 다르기 때문에 다양한 고객의 요구를 맞추기 위해서는 다양한 조합이 필요하게 되고 이것이 문제를 복잡하게 만든다.

따라서 이러한 주문의 처리를 사람이 하는 한, 가장 적절한 시스팀 구성을 찾기 위하여 필요한 전문지식을 빠짐없이 구사하기는 거의 불가능하다. 주문이 증가하고 제품이 더욱 복잡하여감에 따라 시스팀을 구성하는 전문가들은 정신적인 스트레스속에서 시달리고 있었다. 더구나 이들 전문가는 컴퓨터 산업의 호황으로 자주 직장을 옮겨 다님으로써 문제를 더욱 심각하게 하였다.

그래서 DEC사에서 VAX 컴퓨터의 시스팀 구축을 보다 효과적으로 하기 위한 지원 시스팀인 XCON을 개발하였다. XCON은 각 부품을 적절한 위치에 배치하고, 그것을 올바르게 접속하도록 도와주고 있다. 이를테면 주문에 이상이 없는지 조사하는 것도 XCON의 임무중의 하나이다. XCON은 시방서에 있는 VAX시스팀을 실제로 구축할 수 있는지 없는지를 판단한다. 만약 옳은 시방이 아니라면 어디가 잘못 되었는지를 알려주고, 그 수정 방법을 알려 준다. 그리고 제작담당자와 보수 담당자를 위해서 상세한 정보를 제공한다.

상업성을 획득한 XCON

XCON은 1980년 이래 현장에서 사용되고 있다. 지금까지 수만 건의 주문을 분석했고, 현재 95~98%의 정확성으로 가동하고 있다. 이제 DEC에 있어서 XCON은 효과적이고 없어서는 안될 도구이다. XCON에 의하여 절약되는 경비는 연간 2억달러 정도로 알려져있다. 이 정도면 전문가시스팀, 나아가서 인공지능이 얼마나 기업에 도움을 줄 수 있는가를 DEC 회사에게는 물론 많은 다른 기업에도 잘 알려준 충분한 액수라고 생각된다.

XCON의 개발에 있어서 가장 중요했던 것은 그것으로 말미암아 얻는 이익을 측정하는 것이었다. 모든 것이 새로운 것이기 때문에 '많은 자원을 투자해 얻는 것이 무엇인가' 회의적인 사람들도 있었다. 그러나 사람이 직접 수행할 때와 비교하여 XCON의 사용이 여러면에서 월등하다는 결론을 얻었다. 즉 XCON에 의하여 VAX 시스팀 구성에 부족이 없다는 것과 정확히 가동하는 것을 보증할 수 있었던 것이다.

이것으로 시스팀의 확인 구축 설치를 보다 잘, 보다 빨리 할 수 있을 뿐아니라 다음과 같은 사고도 방지할 수 있게 되었다. 50만달러짜리 VAX 시스팀을 고객에게 납품하고, 10달러짜리 케이블이 없는 것을 알았을 경우에 대개 케이블을 무상으로 주어버린다. 이와 같은 손실은 적은 것이지만 케이블과 같은 하찮은 것을 기다리게 함으로써 잃는 고객의 시간이나 신뢰가 훨씬 더 중요한 손실이다. XCON은 시스팀의 정확성과 안전성을 보증하는 일을 안간 기술자보다 더 철저히 한다.

XCON의 개발과 이용을 추진하고 있는 동안 또 XSEL 이라는 전문가 시스팀을 구상되었다. XCON이 컴퓨터를 구성하고 설치하기 위한 시스팀인데 대해, XSEL은 고객이 자기 시스팀의 구성을 정확히 계획할 수 있도록 지원한다.

XSEL의 목표는 판매담당자가 고객의 사무실에서 단말기를 통해서 DEC 컴퓨터 시스팀의 견적을 낼 수 있게 한다. XCON에 비하면 XSEL은 더욱 대화적 이여야 했다. XSEL은 XCON이 갖고 있는 모든 지식과 그 밖에 더 많은 지식을 필요로 한다. DEC에서는 가까운 장래에 판매되는 모든 하드웨어와 스포트웨어에 대하여 XCON과 XSEL을 사용하게 하는 것을 목표로 하고 있다.

고객에게 컴퓨터가 배달되었을 때 이의 설치장소가 문제가 되기 때문에 XSITE라는 전문가시스팀도 개발되었다. 전원이나 에어콘이 불충분하다든가, 출입문과 엘리베이터가 너무 작아서 장치가 들어가지 않아서 컴퓨터를 가동시킬 수 없다는 이야기를 흔히 듣는다, XSITE는 시스팀 납입처의 설치환경을 고려함으로써 이와 같은 문제를 조금이라도 해결하려는 것이다. XCON은 XSITE로 부터 설치환경에 대한 정보를 받고 케이블의 길이 등의 제약조건을 조사한다.

예를 들면 디스크와 프로세서간의 거리가 3백미터나 돼 구성이 부적합하다면 XCON은 그와 같은 구성을 허용하지 않는다.

지금까지 보아온 XCON XSEL XSITE는 하나의 팀으로서 문제를 다루고 있다. XCON의 가동에 성공한 다음, 그 경험을 이용해서 관련이 있는 분야에도 손을 뻗친 것이다. 이 세 전문가시스팀의 성공으로 DEC회사내의 여러부분으로 인공지능의 기술이 보급되어 여러 분야에서 응용되고 있다.

이익이 있는 곳에 기업의 손길이

지금까지 우리는 실용화된 인공지능 시스팀을 살펴보았다. 물론 실용화된 것으로는 자연어를 이용하는 시스팀과 지능형로봇도 몇가지 있으나 일반 기업에서 가장 관심을 많이 갖고 있고, 다양한 업종에 적용할 수 있는 전문가시스팀을 주로 조사하였다. XCON의 경우에서 전문가시스팀이 이미 경제적인 이익을 주고 있다는 사실도 알았다.

이와 같이 인공지능이 기업가의 관심의 대상이 되자 인공지능의 제품을 생산 판매하는 시장이 형성되었다. 1985년에 2억달러의 시장을 형성한 인공지능 시장은 급속한 발전을 거듭하여 1990년에는 85억달러의 시장이 될것으로 전망되고 있다.

인공지능 시장은 소프트웨어 시장과 하드웨어 시장으로 나눌 수 있으며, 또한 다른 각도에서는 인공지능 응용제품을 생산 판매하는 산업과 인공지능 연구개발을 지원하는 산업으로 나눌수 있다.

인공지능 소프트웨어를 좀 더 세분하면 시스팀구성을 위한 지원소프트웨어와 연구결과가 담긴 응용 소프트웨어로 나눌 수 있다. 지원스프트웨어는 인공지능 프로그래밍 언어, 전문가시스팀 개발 도구, 기타 지원소프트웨어로 나눌 수 있다.

인공지능 분야에서는기호처리 (Symbolic Processing)을 위하여 개발된 LISP이 인공지능 연구가 시작된 초기부터 주로 사용되어 왔다. 실험실을 중심으로 발전되어 왔기 때문에 중요한 실험실마다 각기 특색있는 LISP으로 발전하여 오다가 1980년대에 들어와서 미국 국방부의 지원으로 표준화 작업을 수행하였다. 그 결과로 Common LISP 이라는 표준 LISP 언어를 결정하여 요즘은 이 언어로 통일되어 가고 있다.

LISP 언어는 대학 및 연구소에서 사용되던 미니급 컴퓨터에서 주로 개발되었는데, 요즘은 여러 기종으로 확산하여 대형은 물론 PC급에서도 우수한 성능의 상품을 구할 수 있다.

추리기능을 첨사한 인공지능용 새세대 언어로는 PROLOG가 있다. 이는 특히 일본의 5세대 컴퓨터 계획에서 기본언어로 채택되어서 많은 관심이 집중되고 있다. 그러나 아직 그 세력은 극히 미약하다고 볼 수 있다. 기타 객체지향형의 언어인 '스몰톡'(small talk) 등이 있으나 시장 점유율은 극히 작은 편이다.

가장 활발한 시장은 전문가시스팀

요즘 가장 활발한 소프트웨어 시장은 역시 전문가시스팀. 어느 전문분야에서 전문가시스팀을 만들면 그 시스팀의 골격을 그대로 사용하고 지식 베이스를 새로운 분야의 전문지식으로 바꾸어 넣어 줌으로써 쉽게 빠르게 새로운 전문가시스팀을 개발할 수가 있다. 이렇게 지식베이스의 골격만 갖춘 전문가 시스팀은 '전문가시스팀 개발도구' 혹은 '셀'(Shell)이라고 불리운다.

이러한 전문가시스팀 개발도구들은 하드웨어나 사용한 지식표현기법, 사용자 인터페이스지원, 도큐멘테이션(Documentation)의 유무에 따라서 그 가격이 50달러로부터 6만달러에 이르기까지 매우 다양하다. 이러한 시스팀들은 어느 특정 응용범주를 생각하고 개발하였기 때문에 그 응용범위가 매우 좁다. 따라서 이러한 소프트웨어를 구입하고자 하는 사람은 그 능력과 제한 사항을 충분히 이해하고 선택하여야 한다. 이러한 시스팀은 80년대 초기에는 주로 LISP으로 쓰여졌고 이를 수행하기 위하여 특수한 하드웨어가 필요했으나 요즘은 범용기계에서 C와 같은 프로그램 언어로 보급하고 있다. 그러나 이러한 범용언어로 작성된 시스팀은 융통성이나 확장성 등에서 뒤지고 있다.

PC를 활용한 인공지능

개인용 컴퓨터를 대상으로 한 인공지능용 소프트웨어시장 또한 치열하다. 대부분이 5백달러를 밑도는 수준의 상품이지만 개중에는 1만달러를 넘어가는 고가의 소프트웨어도 있다. 몇몇 고가품을 제외하고는 그 기능이 매우 제한적이라서 이들을 보고 인공지능의 현주소를 이야기해서는 안된다.

인공지능 언어나 전문가시스팀들은 이들의 지원시스팀들과 같이 판매되고 있다. 보통 프로그램 언어는 그 언어의 문법을 이해할 수 있는 편집기(Editor), 에러 발생시 도움을 주는 디버거(Debugger), 트레이서(Tracer) 등의 지원을 받고 있는 전문가시스팀 개발도구는 지식베이스의 내용을 보여주는 브라우저(Browser) 등이 포함되어 있다. 이러한 지원시스팀이 점점 지능적으로 되어가고 있다.

인공지능의 연구결과를 이용하는 소프트웨어로는 물론 전문가시스팀과 비전소프트웨어 그리고 자연어 인터페이스 상품들이 있다. 전문가시스팀은 전문 지식을 패키지화하여 상품화한 것으로서 회사의 재정계획을 상담하는 시스팀, 크레디트 신청을 검토하는 시스팀, 세금에 관하여 상담하는 시스팀 등이 있으나, 매우 좁은 응용분야를 가지고 있기 때문에 범용성있는 상품으로 판매되지는 못하고 있다. 따라서 대부분의 회사들은 전문가시스팀을 주문생산 하거나 자체 개발하고 있다. 그러나 앞으로는 시스팀 자체의 거래가 급격히 늘어날 전망이다.

연구실을 박차고 나온 학자들에 의해서 설립되고 벤처자금의 재졍지원을 받아 자사제품의 소프트웨어 도구 판매와 함께 용역사업에 몰두하고 있는 회사들이 두각을 나타내고 있다. 이중 대표적인 회사가 '테크놀로지'(Teknowlogy) 라는 회사로서 81년에 '스탠퍼드' 대학의 교수들이 설립한 회사인데, 초기의 많은 주문용 전문가시스팀을 개발하였으며 요즘은 GM과 프랑스의 자본을 끌어들여 다국적 기업으로 변신하였다. 최근에는 자체 개발한 전문가시스팀 개발도구인 S.I와 M.I로 특허까지 받아내어 기염을 토하고 있다.

비전(vision) 소프트웨어도 연구용으로 개발된 소프트웨어를 패키지로 판매하는 것이 보통이다. 따라서 비전 시스팀도 대부분 기술용역 회사에 주문생산하거나 실수요자가 자체 개발하고 있다.

성공적인 응용소프트웨어 시장으로서는 자연어처리 분야를 들 수 있다. 현재의 기술수준은 매우 제한된 화제만을 이해할 수 있기 때문에 데이타베이스 및 전문가 시스팀의 인터페이스로서만 성공적으로 실용화되어 있다. 대규모의 자연어 처리 시스팀은 주문에 의하여 기본적인 어휘와 더불어 특정 데이타베이스에서 필요한 어휘를 추가하여 공급한다.

가장 성공적이라고 알려진 '인텔렉트'(Inatelect)라는 소프트웨어는 5백개이상 판매되었다. 개인용 컴퓨터를 목표로 개발된 'Q&A'라는 소프트웨어는 가격에 비하여 매우 우수한 성능을 나타내고 있는데 이미 2만개 이상 판매되었다고 한다. 이러한 인터페이스용 소프트웨어 외에도 제한적인 자연어 처리 능력을 이용한 시스팀들이 있다. 예로서는 제한된 어휘의 기계번역시스팀, 스펠링의 잘못을 고쳐주는 스펠링콜렉터 등을 들 수 있다.

하드웨어의 발달도 병행

80년대 이전에는 모든 인공지능 소프트웨어가 범용컴퓨터에서만 개발되었지만 인공지능의 주 언어인 LISP 언어는 많은 기억용량을 요구하기 때문에 시분할(Time Division)방식의 운영체계를 사용하는 범용컴퓨터에서는 그 수행이 느리고 비효율적이다. 이를 극복하기 위해서 LISP 프로그램의 특성을 감안한 단일사용자용 워크스테이션인 LISP머신의 개발이 70년대 중반부터 MIT대학과 '제록스'(Xerox)사를 중심으로 추진되어 왔다.

80년대에 와서 MIT연구원들을 중심으로 '심볼릭스'(Symbolics)와 LMI라는 회사가 설립되어 LISP 머신을 생산판매 하였고 제록스도 독자모델을 판매하기 시작하였다.

이러한 LISP머신 시장은 이 기계가 매우 고가(보통 10만달러수준)임에도 불구하고 매우 빠른 속도로 성장해서 이방면의 선두주자인 심볼릭스 사는 매년 70%의 성장률을 보이고 있고 약 2천대의 기계를 보급했다. 보통 미국 기업체의 인공지능 연구소의 연구원 1인당 LISP머신 한대씩을 배당하려고 노력하고 있다. 미국의 '텍사스 인스트루먼트'사도 LISP머신의 황금시장에 뛰어 들었는데 특기할만한 것은 미국 국방부의 지원을 받아 LISP 머신의 전 기능을 하나의 칩(Chip)에 넣었다는 것이다. 칩의 개발로 LISP으로 쓰여진 지능형 소프트웨어가 부피 및 무게의 제한을 받지않고 무기체계에 탑재될 수 있는 길을 열어 주었다.

일본은 5세대 컴퓨터 개발계획의 목표로서 병렬체계 PROLOG머신을 개발하고 있다. 중간 제품으로써 단일 프로세서 PROLOG머신을 최근 상품화 하였으나 아직 시장 점유율은 매우 낮은 형편이다.

인공지능 시스팀 개발에 LISP 머신이 매우 강력한 도구이긴 하지만 값이 비싸서 일반기업에서는 구입하기가 쉽지 않다. 이러한 점을 노려서 범용 컴퓨터 업체에서도 LISP 혹은 PROLOG언어를 그들의 제품위에 얹어서 인공지능 프로그램을 위한 환경을 구성하고 있다. 이러한 부류에 속하는 워크스테이션으로서 '선' '아폴로' '텍트로닉스' '휴렛팩커트' 등의 제품이 경쟁하고 있다. 이들 제품은 대부분 UNIX 운영체계를 사용하고 있는 것이 특징이다.

LISP머신 회사에서는 이들 범용 워크스테이션의 도전을 더욱 개발된 소프트웨어와 값싼 기계의 제공으로 대처해 나가고 있다. 즉 LISP머신의 용도를 두가지로 구분해서 판매한다. 다시 말해서 소프트웨어 개발용 기계와 개발된 소프트웨어를 운영하기 위한 보급형 기계를 생산하고 있다. 개발용 기계는 많은 기억용량과 여러 종류의 지원 소프트웨어를 탑재하고 있는 반면 보급형 기계는 최소한의 기능으로 낮은 가격에 공급하고 있다. 제록스에서 개발된 보급형 기계는 1만달러 이하로 공급된다.

비전 시스팀의 하드웨어는 영상을 획득하기 위한 기능, 영상을 처리하기 위한 기능, 그리고 영상을 디스플레이 하기 위한 기능이 필요하다. 연구개발을 위해서는 보통 영상처리 및 분석을 범용 컴퓨터 혹은 LISP머신을 이용하고 단순한 저급처리를 위하여 병렬 프로세스를 사용하고 있다. PC에 장착하여 사용하는 영상처리 하드웨어보드는 1만달러 이하로 거래되고 있다.

교수와 연구원들이 주축

80년대 초반에 형성되기 시작한 인공지능 산업은 대학 및 연구소에서 연구하던 교수 연구원들의 기술과 벤처자금의 결합에 의하여 설립된 작은 회사들에 의하여 시작되었으며 아직도 그들이 시장의 대부분을 장악하고 있다.

그 후 곧 텍사스인스트루먼트 DEC과 같은 진보적인 기업이 참여하였고 최근에 와서 드디어 IBM, 휴렛팩커드와 같은 거대한 컴퓨터 회사들도 움직이기 시작하였다. 전통적으로 차가운 시선을 보내던 IBM도 LISP 언어와 전문가시스팀 개발도구를 판매하기 시작하였고 대학과의 공동연구에 자금을 투자하고 있으며 여러가지 인공지능 제품을 개발중에 있다. 인공지능 그 자체를 상품으로 보기 보다는 새로운 기술개념으로서 모든 생산제품과 생산기술에 주입시켜야 하겠다는 휴렛팩커드 방향 또한 의미있다.

보아온 것과 같이 인공기능 기술이 기업활동을 돕고 있으며 인공지능의 시장은 빠른 속도로 성장하고 있다. 미국이 주도하는 이 시장에 유럽과 일본이 뛰어들 채비를 하고 있다. 국내에서의 인공지능의 연구는 대학교와 연구소를 중심으로 초기 단계에 머물러 있다. 아직 본격적으로 인공지능 시스팀을 개발하는 기업은 없는 것 같다. 국내 기업도 이 새로운 기술을 흡수하여 제품생산이나 판매, 관리에 이용하여야 하고 정보산업 업체에서는 빠른 속도로 성장하는 인공지능의 시장에 침투하여야 한다. 이시장에서 이기지 못하면 도태되고 말 것이다.

인공지능 산업은 단순한 정보처리 산업과 달라서 고도의 기술인력을 필요로 한다. 국내는 물론 선진 외국을 보더라도 훈련된 연구원이나 지식공학자가 매우 부족한 현실이다. 국내 기업에서 해야 할 최우선의 과제는 자체 인력의 확보와 양성에 있다. 인공지능의 저력과 한계를 명확히 파악하여 앞을 내다보고 투자하는 기업만이 앞으로 다가오는 인공지능의 기업화 시대에 주인이 될 것이다.