년 AI 및 로봇 연구 동향

년 AI 및 로봇 연구 동향

1. 서론: 1993년 AI 지형의 재구성

1993년은 인공지능(AI) 및 로보틱스 분야에서 중요한 변곡점으로 기록된다. 1980년대 전문가 시스템의 상업적 성공과 뒤이은 ’AI 겨울’의 냉각기를 거치면서, 학계는 순수 기호주의 AI의 한계를 성찰하고 새로운 돌파구를 모색하고 있었다.1 이 시기는 엄격한 논리 기반 접근법에서 벗어나, 불확실한 실제 세계의 문제들을 해결하기 위해 통계적 방법론, 기계 학습, 그리고 물리적 환경과의 상호작용을 중시하는 새로운 연구 흐름이 본격적으로 부상하던 전환기였다.3 1993년은 이러한 패러다임의 전환이 구체적인 연구 성과와 시스템으로 결실을 맺기 시작한 해였다.

당대의 최첨단 연구들은 세계 유수의 학술대회를 통해 발표되었다. 미국 인공지능 학회(AAAI)가 주관한 AAAI-93 4, 격년으로 개최되는 최고 권위의 국제 인공지능 합동 학술대회(IJCAI)인 IJCAI-93 6, 그리고 로보틱스 분야의 양대 산맥인 ICRA ’93 8과 IROS ’93 9은 당대 지성들이 모여 지식의 경연을 펼치는 핵심적인 장이었다. 특히 AAAI-93은 제2회 이동 로봇 경진대회를 개최하여, 이론적 알고리즘을 실제 하드웨어에 구현하고 경쟁시키는 장을 마련함으로써 이론과 실제의 간극을 좁히려는 시대적 요구를 반영했다.4

연구 내용의 혁신과 더불어, 1993년은 학술적 소통 방식에도 근본적인 변화가 시작된 해였다. 바로 웹 기반의 완전 오픈 액세스 저널인 *인공지능 연구 저널(Journal of Artificial Intelligence Research, JAIR)*의 창간이다.13 JAIR은 동료 심사를 거친 중요 연구 결과를 전 세계 AI 커뮤니티에 신속하게 전파하는 것을 목표로 했으며 15, 이는 전통적인 인쇄 저널의 느린 출판 주기를 극복하고 연구의 확산 속도를 획기적으로 높이는 계기가 되었다. 1993년 8월에 게재된 마이클 웰맨(Michael P. Wellman)의 “시장 지향 프로그래밍 환경과 분산 다품종 흐름 문제에의 응용“은 이러한 새로운 소통 방식의 시작을 알리는 첫 번째 논문이었다.16

이러한 변화는 우연이 아니었다. AI 연구의 패러다임이 대규모 데이터셋과 반복적인 실험을 요구하는 기계 학습 중심으로 이동하면서, 더 빠르고 개방적인 연구 결과 공유의 필요성이 대두되었다. JAIR의 등장은 이러한 시대적 요구에 부응하는 기술적, 문화적 혁신이었으며, 새로운 연구 패러다임과 새로운 소통 방식이 서로를 촉진하며 발전하는 공생 관계의 시작을 알렸다.

학술대회명주최 기관개최지개최 기간주요 주제/특징
AAAI-93미국 인공지능 학회(AAAI)미국 워싱턴 D.C.1993년 7월 11-15일AI 전반의 고품질 연구 발표, 제2회 이동 로봇 경진대회 개최 4
IJCAI-93국제 인공지능 합동 학술대회(IJCAI)프랑스 샹베리1993년 8월 28일-9월 3일자동 추론, 기계 학습, 지식 표현 등 AI의 근본적인 문제 심층 논의 6
ICRA ’93IEEE 로보틱스 및 자동화 학회(RAS)미국 애틀랜타1993년 5월 2-6일이동 로봇, 매니퓰레이터 제어, 경로 계획, 조립 등 로보틱스 핵심 기술 8
IROS ’93IEEE, 일본 로봇 학회(RSJ) 등일본 요코하마1993년 7월 26-30일“유연성을 위한 지능형 로봇“을 주제로 동적 조작, 지능형 제어 등 논의 9
NIPS ’93신경정보처리시스템 재단미국 덴버1993년신경망 아키텍처, 학습 알고리즘, 강화 학습 등 기계 학습의 이론과 응용 19
CVPR ’93IEEE 컴퓨터 학회미국 뉴욕1993년 6월 15-17일3D 재구성, 모델 기반 인식, 능동 비전 등 컴퓨터 비전 및 패턴 인식 기술 21

2. 새로운 계산 패러다임의 서막 - 에이전트 지향 프로그래밍

1993년, 요아브 쇼함(Yoav Shoham)은 저명한 학술지 Artificial Intelligence에 “에이전트 지향 프로그래밍(Agent-Oriented Programming, AOP)“이라는 제목의 논문을 발표했다. 이 논문은 훗날 AIJ 클래식 페이퍼 상(Classic Paper Award)을 수상하며 그 역사적 중요성을 인정받았다.23 AOP는 단순히 새로운 프로그래밍 언어를 제안하는 것을 넘어, ’계산에 대한 사회적 관점(societal view of computation)’을 도입함으로써 복잡한 분산 시스템을 설계하고 이해하는 근본적인 패러다임의 전환을 제시했다.24

2.1 AOP의 핵심 구성 요소

AOP의 가장 혁신적인 아이디어는 에이전트의 상태를 ’정신 상태(Mental State)’라는 개념으로 형식화한 것이다. 이는 기존 객체 지향 프로그래밍(OOP)에서 객체의 상태가 데이터 변수들의 집합으로 정의되는 것과 근본적으로 다르다. AOP에서 에이전트의 상태는 믿음(beliefs), 선택(choices), 능력(capabilities), 약속(commitments)과 같은 인간의 정신 활동을 모델링한 구성요소로 정의된다.26 이러한 접근은 복잡한 시스템의 행동을 이해하고 예측하기 위해 의도를 부여하는 ’의도적 입장(intentional stance)’을 프로그래밍에 직접적으로 도입하려는 시도였다.24

에이전트 간의 상호작용 역시 고차원적으로 정의되었다. 쇼함은 존 설(John Searle) 등의 화행 이론(speech act theory)에서 영감을 받아, 에이전트 간의 통신을 단순한 데이터 교환이 아닌, 명확한 의도를 가진 행위로 모델링했다.24 통신 행위는 정보를 전달하는 ‘Inform’, 행동을 요청하는 ‘Request’, 무언가를 제안하는 ‘Offer’ 등과 같은 유형으로 분류되었다.26 이는 에이전트 시스템의 상호작용을 보다 의미론적이고 예측 가능한 수준에서 설계할 수 있는 길을 열었다.

2.2 AOP 시스템의 구조와 역사적 의의

쇼함은 완전한 AOP 시스템이 세 가지 핵심 요소로 구성될 것이라고 제안했다.24 첫째, 에이전트의 정신 상태를 정의하기 위한 시제 양상 논리(temporal multi-modal logic) 기반의 형식적 논리 시스템. 둘째, 이러한 정신 상태를 조작하고 통신 행위를 수행하는 명령어를 포함하는 프로그래밍 언어(그는 초기 버전으로 AGENT0를 제안했다). 셋째, 이렇게 작성된 에이전트 프로그램을 저수준의 실행 가능한 시스템으로 변환하는 ‘에이전트화(agentification)’ 과정이다.

AOP의 등장은 상징주의 AI 연구의 중요한 전환을 의미했다. 이는 정리 증명이나 논리 퍼즐 해결과 같은 고전적 AI 문제에 사용되던 형식 논리라는 강력한 도구를, 분산 환경에서 상호작용하는 다수의 행위자를 모델링하는 사회적 계산 문제에 적용한 것이었다. 즉, AOP는 상징주의 AI를 폐기한 것이 아니라, 그 방법론을 재창조하여 다중에이전트 시스템(Multi-Agent Systems)이라는 새로운 연구 분야의 이론적 토대를 마련한 것이다. 이로써 AOP는 개별 지능체의 합리성을 넘어, 상호작용하는 지능체들로 구성된 사회의 복잡성을 다루는 현대 AI 연구의 문을 열었다.

3. 기계 학습의 진화 - 결정 트리에서 신경망 아키텍처까지

1993년은 기계 학습 분야에서 이론적 정교함과 실용적 효용성이 결합된 중요한 성과들이 발표된 해였다. 로스 퀸란의 C4.5 알고리즘은 기존 결정 트리 학습의 한계를 극복하며 실용성의 새로운 기준을 제시했고, 얀 르쿤과 요슈아 벤지오 등은 훗날 딥러닝의 핵심이 될 합성곱 신경망의 초기 형태를 선보였다.

3.1 귀납적 학습의 정제: C4.5 알고리즘

로스 퀸란(Ross Quinlan)이 1993년에 발표한 C4.5는 그의 이전 연구인 ID3 알고리즘을 계승하고 발전시킨 결정 트리 생성 알고리즘이다.30 C4.5는 실제 데이터가 가지는 여러 문제점들을 해결하는 강력한 기능들을 탑재하여, “실무에서 가장 널리 사용되는 기계 학습의 일꾼(workhorse)“이라는 평가를 받을 정도로 산업계와 학계에 막대한 영향을 미쳤다.31

C4.5의 핵심적인 개선점은 다음과 같다.

  1. 정보 획득률 (Gain Ratio) 도입: ID3 알고리즘은 분기 기준으로 정보 획득량(Information Gain)을 사용했는데, 이는 값의 종류가 많은(high-cardinality) 속성을 선호하는 경향이 있었다. C4.5는 정보 획득량을 속성 자체의 정보량인 ’분할 정보(Split Information)’로 나누어 정규화한 정보 획득률을 사용함으로써 이러한 편향을 해결했다.31

  2. 연속형 및 결측치 데이터 처리: C4.5는 연속형 속성을 처리하기 위해 데이터를 정렬한 후, 클래스 경계가 바뀌는 지점을 후보 분할점으로 삼아 최적의 임계값(threshold)을 동적으로 결정한다.31 또한, 속성값이 누락된 결측치(missing values)가 있는 데이터에 대해서는, 해당 데이터를 각 분기에 확률적으로 분배하거나 이득 계산에서 제외하는 방식으로 효과적으로 처리했다.31

  3. 가지치기 (Pruning)를 통한 과적합 방지: 훈련 데이터에 과도하게 최적화되는 과적합(overfitting) 문제를 해결하기 위해, C4.5는 결정 트리를 완전히 생성한 후에 통계적 유의성이 낮은 가지를 제거하는 사후 가지치기(post-pruning) 메커니즘을 도입했다. 이는 모델의 일반화 성능을 크게 향상시켰다.31

알고리즘의 핵심이 되는 측정 지표들의 수식은 다음과 같다. 데이터셋 S가 c개의 클래스를 가질 때, 엔트로피 H(S)는 다음과 같이 정의된다.

H(S) = -\sum_{i=1}^{c} p_i \log_2(p_i)
여기서 p_i는 클래스 i에 속하는 샘플의 비율이다. 속성 A를 기준으로 데이터셋 S를 분할할 때의 정보 획득량 Gain(S, A)는 다음과 같다.
Gain(S, A) = H(S) - \sum_{v \in Values(A)} \frac{\vert S_v \vert}{\vert S \vert} H(S_v)
C4.5가 도입한 정보 획득률 GainRatio(S, A)는 정보 획득량을 분할 정보 SplitInfo(S, A)로 나눈 값이다.

GainRatio(S, A) = \frac{Gain(S, A)}{SplitInfo(S, A)} \quad \text{where} \quad SplitInfo(S, A) = -\sum_{v \in Values(A)} \frac{\vert S_v \vert}{\vert S \vert} \log_2\left(\frac{\vert S_v \vert}{\vert S \vert}\right)

구분ID3C4.5
분기 기준정보 획득량(Information Gain)정보 획득률(Gain Ratio)
속성 유형이산형(Discrete)만 지원이산형(Discrete) 및 연속형(Continuous) 지원
결측치 처리지원하지 않음지원함
과적합 방지기본적으로 지원하지 않음 (사전 가지치기 추가 가능)사후 가지치기(Post-pruning) 내장
규칙 생성트리 형태만 생성트리로부터 분류 규칙(Classification Rules) 생성 가능

3.2 딥러닝의 씨앗: 필기체 인식을 위한 합성곱 신경망

1993년 NIPS(Neural Information Processing Systems) 학회는 신경망 연구가 한 단계 도약하는 계기를 마련했다.19 이 학회에서 얀 르쿤, 요슈아 벤지오 등이 발표한 “공간적 표현, 합성곱 신경망, 그리고 은닉 마르코프 모델을 사용한 전역적으로 훈련된 필기체 단어 인식기“는 딥러닝 시대의 서막을 알리는 중요한 연구였다.19

이 연구의 핵심은 복잡한 패턴 인식 문제를 해결하기 위해 서로 다른 강점을 가진 모델들을 결합한 하이브리드 아키텍처를 제안한 데 있다.

  1. 합성곱 신경망 (Convolutional Neural Network, CNN): 2차원 이미지의 평행 이동, 회전, 왜곡과 같은 변형에 강인하도록 특별히 설계된 CNN은 입력된 필기체 이미지로부터 지역적인 특징(local features)을 자동으로 추출하는 역할을 담당했다.36 이는 수작업으로 특징을 설계하던 기존 방식에서 벗어나, 데이터로부터 직접 특징을 학습하는 현대 딥러닝의 철학을 보여주는 중요한 진전이었다.38

  2. 은닉 마르코프 모델 (Hidden Markov Model, HMM): CNN이 개별 문자에 가까운 지역적 특징을 인식한다면, HMM은 이러한 특징들의 순차적(sequential) 관계를 모델링하여 단어 전체의 구조를 파악하고 최종적인 단어 인식을 수행했다.36

이 시스템의 또 다른 혁신은 ‘전역적 훈련(Global Training)’ 방식에 있었다. CNN과 HMM을 각각 독립적으로 훈련하는 대신, 최종 출력인 단어 수준의 오류를 최소화하도록 전체 시스템을 하나의 목표 함수 아래에서 통합적으로 훈련했다.36 이는 오늘날 딥러닝에서 보편화된 ‘엔드-투-엔드(end-to-end)’ 학습의 초기 형태로, 시스템의 각 부분이 최종 목표에 맞게 유기적으로 최적화되도록 하는 강력한 방법론이다.

C4.5와 CNN-HMM 연구는 1993년 기계 학습 연구의 중요한 경향을 보여준다. 그것은 바로 순수한 알고리즘의 우아함을 넘어, 실제 세계의 불완전하고 복잡한 데이터를 다룰 수 있는 강건한(robust) 시스템을 구축하려는 실용주의적 접근이다. C4.5는 ID3의 이론적 한계를 극복하여 실용적인 ’일꾼’이 되었고, CNN-HMM 연구는 전처리부터 모델 결합, 통합 훈련에 이르는 전체 파이프라인을 제시하며 문제 해결에 대한 시스템적 접근의 중요성을 입증했다. 이러한 실용주의 철학은 현대 응용 기계 학습 및 MLOps의 근간을 이루고 있다.

4. 로보틱스의 최전선 - 구현, 동역학, 그리고 상호작용

1993년 로보틱스 분야는 로봇을 둘러싼 물리적 세계와의 상호작용을 더 깊이 이해하고 적극적으로 활용하려는 시도들로 특징지어진다. 동역학을 제어의 도구로 삼는 새로운 조작 패러다임이 제시되었고, 원격 조작의 근본적인 난제가 이론적으로 분석되었으며, 다수의 로봇이 협력하는 집단 지성의 개념이 탐구되었다.

4.1 동역학의 포용: 동적 조작

IROS ’93에서 발표된 매튜 메이슨(Matthew T. Mason)과 케빈 린치(Kevin M. Lynch)의 “동적 조작(Dynamic Manipulation)“은 로봇 조작에 대한 기존의 관점을 뒤흔든 선구적인 연구였다.39 이전까지 로봇 공학에서 동역학(dynamics)은 주로 제어를 불안정하게 만드는, 피하거나 최소화해야 할 대상으로 여겨졌다. 그러나 이 연구는 동역학을 로봇의 능력을 확장하는 적극적인 도구로 활용하는 새로운 패러다임을 제시했다.

메이슨과 린치는 조작을 다음과 같이 분류하며 동적 조작의 개념을 명확히 했다.39

  • 운동학적 조작 (Kinematic manipulation): 오직 운동학만으로 분석 가능한 조작 (예: 꽉 쥔 상태로 물건 옮기기).

  • 정적 조작 (Static manipulation): 운동학과 정역학적 힘으로 분석 가능한 조작.

  • 준정적 조작 (Quasi-static manipulation): 운동학, 정역학, 그리고 마찰력과 같은 준정적 힘으로 분석 가능한 조작 (예: 바닥의 소파 밀기).

  • 동적 조작 (Dynamic manipulation): 가속도에 의한 힘(관성력)을 제어에 필수적으로 사용하는 조작.

동적 조작을 통해 로봇은 자신의 물리적 한계를 뛰어넘는 작업을 수행할 수 있게 된다. 예를 들어, 로봇 팔의 작업 영역(workspace) 밖으로 물체를 던지거나 39, 더 무거운 물체를 다루거나, 물체를 잡지 않고 치거나(batting) 저글링하는 등의 복잡한 작업이 가능해진다. 이는 더 단순하고 가벼운 로봇으로도 더 복잡하고 다양한 작업을 수행할 수 있는 가능성을 열었으며, 특히 질량과 복잡성이 중요한 우주 로보틱스 분야에서 큰 잠재력을 가졌다.39

4.2 거리의 극복: 양방향 원격조작의 안정성

원격 조작(teleoperation) 기술은 인간이 원격지의 로봇을 제어하여 작업을 수행하게 하는 기술로, 우주 탐사, 원격 수술, 재난 현장 대응 등 다양한 분야에서 필수적이다. 1993년, 데일 로렌스(Dale Lawrence)는 IEEE Transactions on Robotics and Automation 저널에 발표한 “양방향 원격조작에서의 안정성과 투명성“이라는 논문을 통해 이 분야의 근본적인 난제를 심도 있게 분석했다.42

양방향 원격조작에서는 조작자가 원격 환경의 힘을 느낄 수 있도록 힘 피드백(force feedback)을 제공하는 것이 중요하다. 이 힘 피드백의 충실도를 ’투명성(transparency)’이라고 한다.45 이상적인 투명성은 조작자가 마치 원격지의 로봇과 한 몸이 된 것처럼 느끼게 하는 것이다. 그러나 조작자와 로봇 간의 통신에는 필연적으로 시간 지연(time delay)이 발생하며, 이 지연된 힘 피드백은 시스템 전체를 불안정하게 만들어 진동을 일으키거나 심하면 폭주하게 할 수 있다.45 즉, 투명성을 높이려 하면 안정성이 저하되고, 안정성을 확보하려 하면 투명성이 희생되는 ’안정성-투명성 딜레마’가 발생한다. 로렌스의 연구는 이 상충 관계를 수학적으로 모델링하고 분석하는 엄밀한 프레임워크를 제공했으며, 이는 이후 수십 년간 원격 조작 제어기 설계의 이론적 토대가 되었다.

4.3 집단 지성과 이동 로봇

ICRA ’93과 같은 학회에서는 자율 이동 로봇의 핵심 기술인 경로 계획(Path Planning)과 장애물 회피에 대한 다양한 알고리즘이 발표되었다.48 특히 3차원 지형에서의 자율 경로 계획 48, 알려지지 않은 움직이는 장애물이 있는 환경에서의 항법 50 등 도전적인 시나리오에 대한 연구가 활발히 진행되었다.

이러한 이론적 연구의 실증 무대는 AAAI-93에서 열린 로봇 경진대회였다.4 이 대회에서 참가팀들은 사무실 환경을 항해하고, 큰 상자를 지정된 패턴으로 옮기는 등의 과제를 수행했다.12 이 과정에서 연구자들은 센서의 노이즈, 예상치 못한 장애물, 불확실한 환경 등 시뮬레이션에서는 마주하기 어려운 실제 세계의 문제들과 직면해야 했다. 이러한 경험은 로보틱스 연구를 이론 중심에서 벗어나 실제적이고 강건한 시스템을 구축하는 방향으로 이끄는 중요한 자극제가 되었다.

한편, C. Ronald Kube와 Hong Zhang의 “집단 로보틱스: 사회적 곤충에서 로봇까지“와 같은 연구는 새로운 패러다임을 제시했다.52 이들은 개미나 벌과 같은 사회적 곤충의 집단 행동에서 영감을 받아, 복잡한 중앙 제어기 없이 단순한 규칙을 따르는 다수의 로봇이 상호작용을 통해 복잡한 작업을 수행하는 ‘군집 로보틱스(Collective Robotics)’ 또는 ’스웜 인텔리전스(Swarm Intelligence)’의 개념을 탐구했다.53 이는 중앙 집중 제어 방식의 한계를 극복하고, 확장 가능하고 강건한 다중 로봇 시스템을 구축하기 위한 분산 제어 패러다임의 부상을 예고하는 것이었다.

1993년의 로보틱스 연구는 이처럼 심오한 이론적 탐구와 치열한 실증적 구현이 공존하며 서로에게 영향을 미치는 건강한 생태계를 보여준다. 원격 조작의 안정성 분석과 같은 연구가 근본 원리를 탐구하는 ’상아탑’의 역할을 했다면, 로봇 경진대회는 실제 문제 해결 능력을 시험하는 ’최전선’의 역할을 했다. 이 두 흐름 사이의 역동적인 긴장 관계가 오늘날 로보틱스 발전의 핵심 동력으로 작용하고 있다.

5. 논리의 핵 - 추론, 표현, 그리고 문맥

기계 학습과 로보틱스 분야에서 실용적인 성과가 쏟아져 나오던 1993년에도, AI의 근본적인 질문에 답하려는 논리학 기반의 연구는 꾸준히 이어졌다. 지식을 어떻게 표현하고, 불완전한 정보 속에서 어떻게 합리적으로 추론하며, 지식이 사용되는 ’문맥’을 어떻게 형식화할 것인가에 대한 탐구는 AI의 지적 깊이를 더했다.

5.1 문맥의 형식화 문제

IJCAI-93에서 AI의 선구자 중 한 명인 존 매카시(John McCarthy)는 “문맥의 형식화에 대한 소고(Notes on formalizing context)“라는 논문을 통해 지식 표현 분야의 오랜 난제를 정면으로 다루었다.6 그는 “사실(fact)은 진공 상태에서 참이 되는 경우가 거의 없다“고 지적하며, 대부분의 지식은 특정 문맥(context) 안에서만 유효하고 의미를 가진다는 점을 강조했다. 예를 들어, ’대통령은 바이든이다’라는 명제는 ’2024년 미국’이라는 문맥에서는 참이지만, 다른 시간이나 장소의 문맥에서는 거짓이다.

매카시는 이러한 문맥 의존성을 다루기 위해, 문맥 자체를 논리 체계 안에서 명시적으로 다룰 수 있는 ’일급 객체(first class objects)’로 취급할 것을 제안했다. 그는 ist(c, p)라는 술어를 도입했는데, 이는 “문맥 c에서 명제 p는 참이다(is true)“를 의미한다. 이 형식주의를 통해 에이전트는 문맥을 넘나들며 추론하고, 한 문맥에서 얻은 지식을 다른 문맥으로 변환하여 적용할 수 있게 된다.

매카시의 연구는 AI가 인간 수준의 상식 추론을 달성하기 위해 반드시 해결해야 할 지식의 ’국소성(locality)’과 ‘이식성(portability)’ 문제를 명확히 정의했다는 점에서 큰 의의를 가진다. 이 문제는 당시에도 매우 중요한 이슈여서 IJCAI-93에서는 “지식을 그 문맥 안에서 사용하기“라는 주제의 워크숍이 별도로 열리기도 했다.54 문맥에 대한 탐구는 오늘날 지식 그래프의 의미론적 연결이나 대규모 언어 모델이 상황에 맞는 답변을 생성하는 능력과 직결되는, 여전히 유효하고 중요한 연구 주제로 남아있다.

5.2 자동 추론 및 제약 만족 문제의 진전

IJCAI-93에서는 AI의 논리적 기반을 강화하는 다양한 연구들이 발표되었다.

  • 자동화된 정리 증명 (Automated Theorem Proving): 수학적 귀납법에 의한 증명을 자동화하는 기법, 정리를 증명하기 위한 모델을 생성하는 방법, 그리고 고전적인 추론 규칙인 분해법(Resolution Method)을 확장하는 연구 등이 발표되었다.7 이는 복잡한 문제를 논리적으로 분석하고 해결하는 AI 시스템의 능력을 향상시키려는 지속적인 노력을 보여준다.

  • 비단조 추론과 논리 프로그래밍: 판 민 Dung(Phan Minh Dung)은 “논증의 수용 가능성과 그것이 비단조 추론 및 논리 프로그래밍에서 가지는 근본적 역할에 대하여“라는 논문을 통해, 상식 추론의 핵심인 비단조 추론(nonmonotonic reasoning)을 ’논증(argumentation)’이라는 통합된 프레임워크로 설명하고자 했다.6 이는 새로운 정보가 추가됨에 따라 기존의 결론이 번복될 수 있는 인간의 추론 방식을 형식화하는 강력한 이론적 틀을 제공했다.

  • 제약 만족 문제 (Constraint Satisfaction Problems, CSPs): CSP는 변수들이 특정 제약 조건을 만족하도록 값을 할당하는 문제로, 스케줄링, 자원 할당 등 다양한 응용 분야를 가진다. 이 분야에서는 알고리즘의 효율성 분석이 중요한 이슈였다. 리처드 월리스(Richard J. Wallace)는 호 일관성(Arc Consistency)을 달성하기 위한 알고리즘인 AC-3와 AC-4를 비교하며, 대부분의 실제 문제에서 AC-3가 이론적으로 더 복잡한 AC-4보다 더 나은 성능을 보인다는 것을 실험적으로 입증했다.7 이는 이론적 복잡도뿐만 아니라 실제 성능에 기반한 알고리즘 평가의 중요성을 시사하는 연구였다.

1993년의 연구 동향은 AI가 두 개의 중요한 축을 따라 발전하고 있었음을 보여준다. 한 축이 기계 학습을 통해 데이터로부터 패턴을 인식하고 예측하는 능력이라면, 다른 한 축은 논리학을 통해 검증 가능한 추론과 깊은 의미적 이해를 추구하는 것이었다. 매카시의 문맥 연구는 순수 데이터 기반 접근법만으로는 포착하기 어려운 의미론적 이해의 핵심을 형식화하려는 시도로, 이 두 축을 연결하려는 선구적인 노력으로 평가할 수 있다. 그가 1993년에 제기한 도전 과제들은 인공 일반 지능(AGI)을 향한 여정에서 여전히 중심적인 위치를 차지하고 있다.

6. 결론: 1993년의 재조명 - 이론과 실제의 융합

1993년은 인공지능과 로보틱스의 역사에서 단순한 한 해가 아니라, 다양한 연구 흐름이 만나 새로운 방향을 설정하고 미래의 청사진을 그린 ’변곡점’이었다. 이 시기는 AI 겨울의 여파 속에서 낡은 패러다임을 넘어서려는 치열한 모색이 구체적인 결실로 나타난 시점이었다.

본 보고서에서 심층 분석한 핵심 성과들은 1993년의 역동성을 명확히 보여준다. 요아브 쇼함의 에이전트 지향 프로그래밍(AOP)은 계산을 사회적 상호작용으로 바라보는 새로운 패러다임을 제시했다.23 로스 퀸란의 C4.5 알고리즘은 실용적인 문제 해결 능력을 갖춘 기계 학습 모델의 전형을 만들었다.30 얀 르쿤과 동료들의 연구는 훗날 딥러닝 혁명을 이끌 합성곱 신경망과 엔드-투-엔드 학습의 가능성을 입증했다.36 로보틱스 분야에서는 매튜 메이슨 등이 동역학을 제어의 도구로 삼는 ’동적 조작’이라는 새로운 지평을 열었고 40, 존 매카시는 ’문맥’의 형식화를 통해 AI가 상식의 세계로 나아가기 위한 근본적인 질문을 던졌다.6

1993년의 가장 두드러진 특징은 심오한 이론적 탐구와 강력하고 실용적인 시스템 개발이 분리되지 않고 나란히, 때로는 서로를 자극하며 진행되었다는 점이다. 한쪽에서는 AOP와 문맥의 형식화를 통해 AI의 ’정신’과 ’논리’를 탐구했고, 다른 한쪽에서는 C4.5와 로봇 경진대회를 통해 AI의 ’눈’과 ’손발’을 만들어냈다. 이러한 이론과 실제의 건강한 공존과 융합이야말로 이 시기를 풍요롭게 만든 핵심 동력이었다.

결론적으로, 1993년의 연구들은 개별적인 성과를 넘어, AI와 로보틱스가 실세계의 복잡한 문제들을 해결하기 위해 어떻게 통합되어야 하는지에 대한 비전을 제시했다. 에이전트 기반의 자율성, 데이터로부터 학습하는 능력, 그리고 물리적 세계와의 역동적인 상호작용 능력은 이후 수십 년간 AI 연구의 핵심 목표가 되었다. 1993년은 그 모든 가능성의 씨앗이 뿌려지고 힘차게 싹을 틔운, 재평가되어야 할 중요한 해이다.

분야논문 제목저자발표 학술지/학회
에이전트 패러다임Agent-Oriented ProgrammingYoav ShohamArtificial Intelligence
기계 학습C4.5: Programs for Machine LearningRoss QuinlanMorgan Kaufmann (Book)
신경망/패턴인식Globally Trained Handwritten Word Recognizer using Spatial Representation, Convolutional Neural Networks, and Hidden Markov ModelsYoshua Bengio, Yann LeCun, et al.NIPS ’93
로보틱스 (조작)Dynamic ManipulationMatthew T. Mason, Kevin M. LynchIROS ’93
로보틱스 (제어)Stability and transparency in bilateral teleoperationDale A. LawrenceIEEE Transactions on Robotics and Automation
지식 표현Notes on formalizing contextJohn McCarthyIJCAI-93
비단조 추론On the Acceptability of Arguments and its Fundamental Role in Nonmonotonic Reasoning and Logic ProgrammingPhan Minh DungIJCAI-93

7. 참고 자료

  1. proceedings / March 1-5, 1993, Orlando, Florida ; sponsored by IEEE Computer Society Technical Committee on Pattern Analysis and Machine Intelligence - Primo, https://primo.sorbonne-universite.fr/discovery/fulldisplay/alma991000958359806616/33BSU_INST:33BSU
  2. Crevier, D. (1993). AI The Tumultuous History of the Search for Artificial Intelligence. Basic Books. - References - Scientific Research Publishing, https://www.scirp.org/reference/referencespapers?referenceid=3166318
  3. Natural language processing: a historical review, https://www.cl.cam.ac.uk/archive/ksj21/histdw4.pdf
  4. AAAI-93: Eleventh National Conference on Artificial Intelligence, https://aaai.org/conference/aaai/aaai93/
  5. AAAI-93 : National Conference on Artificial Intelligence, : 9780262510714 - Blackwell’s, https://blackwells.co.uk/bookshop/product/AAAI-93-by-National-Conference-on-Artificial-Intelligence-American-Association-for-Artificial-Intelligence/9780262510714
  6. Top 259 papers presented at International Joint Conference on Artificial Intelligence in 1993, https://scispace.com/conferences/international-joint-conference-on-artificial-intelligence-f5nu5u2g/1993
  7. Proceedings of the Thirteenth International Joint Conference on Artificial Intelligence (I), https://www.ijcai.org/proceedings/1993-1
  8. Proceedings of 1993 IEEE International Conference on Robotics and Automation, https://www.computer.org/csdl/proceedings/robot/1993/1h0M5IoMgFi
  9. Proceedings of 1993 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS ’93) | Central Library, Indian Institute of Technology Delhi, https://library.iitd.ac.in/node/64354
  10. MARC view: IROS ’93 : proceedings of the 1993 IEEE/RSJ International Conference on Intelligent Robots and Systems, https://catalog.hathitrust.org/Record/009208359.marc
  11. Robot-Building Lab and Contest at the 1993 National AI Conference - Microsoft Research, https://www.microsoft.com/en-us/research/publication/robot-building-lab-and-contest-at-the-1993-national-ai-conference/
  12. (PDF) The Winning Robots from the 1993 Robot Competition. - ResearchGate, https://www.researchgate.net/publication/220604635_The_Winning_Robots_from_the_1993_Robot_Competition
  13. Archives | Journal of Artificial Intelligence Research, https://www.jair.org/index.php/jair/issue/archive
  14. Journal of Artificial Intelligence Research - Wikipedia, https://en.wikipedia.org/wiki/Journal_of_Artificial_Intelligence_Research
  15. Journal of Artificial Intelligence Research JAIR | Scholar9, https://scholar9.com/journal/jair-15827
  16. Our History | Journal of Artificial Intelligence Research, https://jair.org/index.php/jair/history
  17. Past IJCAI Conferences, https://www.ijcai.org/Proceedings/11/Papers/009.pdf
  18. IROS ’93, proceedings of the 1993 IEEE/RSJ International Conference on Intelligent Robots and Systems - UCLA Library Search, https://search.library.ucla.edu/discovery/fulldisplay?docid=alma9916660343606533&context=L&vid=01UCS_LAL:UCLA&lang=en&adaptor=Local%20Search%20Engine&tab=Articles_books_more_slot&query=sub%2Cexact%2CCommande%20intelligente%20–%20Congre%CC%80s%2CAND&mode=advanced&offset=0
  19. Advances in Neural Information Processing Systems 6 (NIPS 1993), https://proceedings.neurips.cc/paper/1993
  20. Neural Information Processing Systems (NIPS) - SIGMOD, http://www.sigmod.org/publications/dblp/db/conf/nips/index.html
  21. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, https://www.computer.org/csdl/proceedings/cvpr/1993/12OmNwp74rq
  22. Computer Vision and Pattern Recognition (CVPR ’93). - Library - University of St Andrews, http://librarysearch.st-andrews.ac.uk/discovery/fulldisplay?docid=alma991017071075108966&context=L&vid=44USTA_INST:44USTA_INST&lang=en&search_scope=MyInst_and_CI&adaptor=Local%20Search%20Engine&tab=Everything&query=any%2Ccontains%2C%5BPlace%20of%20publication%20not%20identified%5D%20IEEE%20Computer%20Society%20Press%201993%2CAND&mode=advanced&offset=0
  23. Artificial Intelligence Journal, https://aij.ijcai.org/
  24. Shoham - agent-oriented programming, http://www.cs.ox.ac.uk/people/michael.wooldridge/pubs/ker95/subsubsectionstar3_4_0_2.html
  25. N93-32136 Agent Oriented Programming - NASA Technical Reports Server, https://ntrs.nasa.gov/api/citations/19930022947/downloads/19930022947.pdf
  26. TR042: Agent-Oriented Programming | Stanford Digital Repository, https://purl.stanford.edu/dj741bx2661
  27. Agent oriented programming: An overview of the framework and summary of recent research - NASA Technical Reports Server (NTRS), https://ntrs.nasa.gov/citations/19930022947
  28. Agent-oriented programming, https://cse-robotics.engr.tamu.edu/dshell/cs631/papers/shoham93agent.pdf
  29. (PDF) Agent-Oriented Programming - ResearchGate, https://www.researchgate.net/publication/222482819_Agent-Oriented_Programming
  30. Quinlan, R. (1993) C4.5 Programs for Machine Learning. Morgan Kaufmann Publishers, San Mateo. - References, https://www.scirp.org/reference/referencespapers?referenceid=2554378
  31. C4.5 algorithm - Wikipedia, https://en.wikipedia.org/wiki/C4.5_algorithm
  32. C4.5 Decision Tree Algorithm | PDF - Scribd, https://www.scribd.com/presentation/859417683/C4-5-Decision-Tree-Algorithm
  33. C4.5 Decision Tree. Explained from bottom up | by Praveen Alex Mathew | Level Up Coding, https://levelup.gitconnected.com/c4-5-decision-tree-explained-from-bottom-up-67468c1619a7
  34. What is the C4.5 algorithm and how does it work? | by Sumit Saha | TDS Archive | Medium, https://medium.com/data-science/what-is-the-c4-5-algorithm-and-how-does-it-work-2b971a9e7db0
  35. Conference on Neural Information Processing Systems - Wikipedia, https://en.wikipedia.org/wiki/Conference_on_Neural_Information_Processing_Systems
  36. Globally Trained Handwritten Word Recognizer using Spatial Representation, Convolutional Neural Networks and Hidden Markov Models, https://proceedings.neurips.cc/paper/1993/file/3b5dca501ee1e6d8cd7b905f4e1bf723-Paper.pdf
  37. Globally Trained Handwritten Word Recognizer using Spatial Representation, Convolutional Neural Networks, and Hidden Markov Models - NIPS, https://proceedings.neurips.cc/paper/1993/hash/3b5dca501ee1e6d8cd7b905f4e1bf723-Abstract.html
  38. Gradient-based learning applied to document recognition - Yann LeCun, http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf
  39. Dynamic Manipulation - Intelligent Robots and Systems ’93, IROS ’93. Proceedings of the 1993 IEIEE/RSJ International Con, https://www.ri.cmu.edu/pub_files/pub2/mason_matthew_1993_1/mason_matthew_1993_1.pdf
  40. Dynamic Manipulation - Robotics Institute Carnegie Mellon University, https://www.ri.cmu.edu/publications/dynamic-manipulation/
  41. Dynamic manipulation - Northwestern Scholars, https://www.scholars.northwestern.edu/en/publications/dynamic-manipulation
  42. IEEE Transactions on Robotics and Automation | OpenAlex, https://explore.openalex.org/sources/S116420536
  43. Publications - JPL Robotics - NASA, https://www-robotics.jpl.nasa.gov/achievements/publications/?&pagenum=18
  44. [PDF] Stability and transparency in bilateral teleoperation - Semantic Scholar, https://www.semanticscholar.org/paper/Stability-and-transparency-in-bilateral-Lawrence/608d32492e344ffa313d4e0f58c2680020b157ae
  45. Stability and Transparency in Mixed Reality Bilateral Human Teleoperation - arXiv, https://arxiv.org/html/2410.09679v1
  46. stability and transparency of bilateral teleoperators and haptic displays a dissertation submitted to the - Stacks, https://stacks.stanford.edu/file/druid:yz239yj1411/ColonneseThesis-augmented.pdf
  47. A Study on the L2 Stability and Transparency of Three Channel Control Architectures in Bilateral Teleoperation under Time Delays - DergiPark, https://dergipark.org.tr/en/pub/jeps/issue/64843/887979
  48. ICRA 1993 - SIGMOD, https://www.sigmod.org/publications/dblp//db/conf/icra/icra1993-3.html
  49. ICRA 1993: Atlanta, Georgia, USA, https://www.sigmod.org/publications/dblp//db/conf/icra/icra1993-1.html
  50. ICRA 1993 - dblp, https://dblp.org/db/conf/icra/icra1993-3.html
  51. The Winning Robots from the 1993 Robot Competition | AI Magazine - AAAI Publications, https://ojs.aaai.org/aimagazine/index.php/aimagazine/article/view/1068
  52. Collective Robotics: From Social Insects to Robots Abstract 1 Introduction - CMU School of Computer Science, https://www.cs.cmu.edu/~motionplanning/papers/sbp_papers/integrated1/kube_collective_robotics.pdf
  53. Beni, G. and Wang, J. (1993) Swarm Intelligence in Cellular Robotic Systems. In Robots and Biological Systems Towards a New Bionics, Springer, Berlin, Heidelberg, 703-712. - References - Scientific Research Publishing, https://www.scirp.org/reference/referencespapers?referenceid=2557159
  54. Using Knowledge in Its Context: Report on the IJCAI-93 Workshop | AI Magazine, https://ojs.aaai.org/aimagazine/index.php/aimagazine/article/view/1127
  55. Proceedings of the Thirteenth International Joint Conference on Artificial Intelligence (II), https://www.ijcai.org/proceedings/1993-2