[출생] 1927년 3월 19일
미국 캘리포니아주, 샌프란시스코
[샌프란시스코 여행]
[찬조 추억의 팝송-San Francisco]
[사망] 1992년 7월 19일 (65세),
미국 펜실베니아주, 피츠버그
[피츠버그, 카네기 멜런 대학교 캠퍼스 투어]
[분야] 컴퓨터 과학, 인지심리학
[소속] 카네기 멜론 대학교
[출신 대학]
스탠퍼드 대학교
[스탠포드 대학교]
프린스턴 대학교
[프린스턴 대학교]
카네기 멜론 대학교
[케네기 멜론 대학교 CMU]
[주요 업적] 정보 처리 언어, Soar
[수상]
튜링상 (1975)
IJCAI 우수 연구 상 (1989)
IEEE 임마누엘 R Piore 상 (1990)
미국 과학 훈장 (1992)
루이스 E. 레비 메달 (1992)
[개요]
앨런 뉴얼(Allen Newell,
1927년 3월 19일 ~ 1992년 7월 19일)은
초기의 인공지능 연구자이다.
컴퓨터 과학 및 인지심리학의 연구자이며,
랜드 연구소와 카네기멜론 대학교의
컴퓨터 과학과와 비즈니스 스쿨에서 근무했다.
허버트 사이먼과 함께 개발한 정보처리언어 (1956)와
두 가지 초기 인공지능 프로그램인 en:Logic Theorist (1956),
en:General Problem Sovler (1957)로 잘 알려져있다.
1975년,
인공지능과 인지심리학의 기초를 쌓은 공헌을 인정받아
허버트 사이먼과 함께 튜링상을 받았다.
[초기 연구]
1949년,스탠퍼드 대학교에서 학사학위를 받았다.
프린스턴 대학에 진학해
1949년부터 1950년까지 수학을 공부했다.
게임이론이라는 새로운 영역을 만나,
자신이 순수수학보다도
실험과 이론이 만나는 영역을 좋아한다라는 것을 발견했다.
그 후 프린스턴에서 샌타모니카의 랜드 연구소로 옮겨,
공군의 로지스틱 문제를 연구하는 그룹에 참가했다.
여기에서 조셉 크루스카이를 만나
조직이론의 모델과 조직이론의 공식화된
정밀한 개념에 대한 이론을 내놓는다.
그 후 카네기멜론 대학교에서
허버트 사이먼의 지도로
박사학위를 받는다.
[인공지능 AI]
1954년 9월, 뉴웰은 올리버 셀프리지가
"문자와 다른 패턴을 인식하도록 학습한 실행 중인
컴퓨터 프로그램을 설명하는" 세미나에 등록했다.
이때 앨런은 시스템이 만들어지고 지능을 포함하고
적응할 수 있는 능력을 가질 수 있다고 믿게 되었다.
이를 염두에 두고 앨런은 몇 달 후
1955년에
"체스 머신:
적응을 통해 복잡한 작업을 처리하는 예"를 썼는데,
여기서
인간형 방식으로 체스를 두는
컴퓨터 프로그램에 대한 상상력 있는 디자인을
개략적으로 설명했다.
그의 연구는 경제학자(그리고 미래의 노벨상 수상자)
Herbert A. Simon 의 주목을 받았고,
프로그래머 JC Shaw 와 함께 최초의 진정한
인공 지능 프로그램인 Logic Theorist를 개발했다.
이 프로그램에 대한 Newell의 연구는
이 분야의 기초를 마련했다.
그의 발명품에는 다음이 포함되었다.
AI가 그 이후로 사용한
가장 중요한 프로그래밍 패러다임인
목록 처리 , 일반적인 추론에 수단-목적 분석 적용
(또는 "검색으로서의 추론"),
검색 공간을 제한하기 위한 휴리스틱 사용.
그들은 1956년 Dartmouth 회의에서
이 프로그램을 발표했다.
이 회의는
기계로 지능을 시뮬레이션하는 데 관심이 있는
연구자들의 비공식 모임이었다.
현재 "인공지능의 탄생"으로 널리 여겨지는
이 회의는 엄청난 영향력을 미쳤으며
참석자들은 Newell을 포함하여
향후 20년 동안 AI 연구의 리더가 되었다.
[찬조 "AI 작곡 - 새로운 아침" AI음악]
[그후의 업적]
Newell과 Simon은 지속적인 파트너십을 형성했다.
그들은 Carnegie Mellon University에
인공지능 연구실을 설립 하고
1950년대 후반과 1960년대에 걸쳐
일련의 중요한 프로그램과
이론적 통찰력을 만들어냈다.
이 작업에는
수단-목적 분석의 매우 영향력 있는 구현인
General Problem Solver와 모든 지적인 행동이
Newell의 프로그램이 보여준 종류의 기호 조작으로
축소될 수 있다는 논란의 여지가 있는
철학적 주장인 물리적 기호 시스템 가설이 포함되었다.
Newell의 작업은 Soar로 알려진
인지 아키텍처의 개발과
1990년에 출판된 그의 통합 인지 이론으로
정점을 이루었지만,
이러한 개선은 그가 죽을 때까지 노력한 목표였다.
그가 시작한 인지 아키텍처 분야는
여전히 인공 지능과 계산 인지 과학 커뮤니티에서
활발히 활동하고 있다.
Soar(1973)라는 인지 아키텍처는
통합인지이론 (1990)을 집필하는 과정에서
뉴얼이 구체화한 것이다.
1970년대 전반기에는
음성 인식 시스템 분야에서 활동했고
DARPA의 특별 위원회를 이끌기도 했으며,
1970년대 후반기에는 제록스 PARC 연구소와 함께
컴퓨터와 인간 사이의 상호 작용에 대한 연구를 진행하여
HCI(Human-Computer Interaction)라는 분야의 문을 열었다.
1980년대에 뉴얼은 다시 인공지능 분야로 돌아왔다.
그는 어떤 문제를 해결하기 위해
여러 개의 검색 공간을 사용하는 방법을 고민했고
소어 Soar라는 시스템으로 가능성을 시험했다.
1988년에 전립선암 진단을 받은 그는
마지막 순간까지도
소어 Soar 프로젝트에 에너지를 쏟았다고 한다.
[찬조 "AI 작곡 - 잃어버린 우리 사랑" AI음악]
뉴얼은 죽을 때까지 Soar의 개량에 힘썼다.
[추모 "AI 작곡 - 나의 길" AI음악]
병상에서도 쉬지 않고 연구에 전념하던 앨런 뉴웰은
1992년 7월 19일에 65세의 나이로 세상을 떠났다.
[추모 "행복했다...안녕" K-Pop]
[생애 요약 정리]
앨런 뉴웰 (Allen Newell,
1927년 3월 19일~1992년 7월 19일)은
RAND Corporation과 카네기 멜론 대학교 컴퓨터 과학부,
테퍼 경영대학원, 심리학과에서 컴퓨터 과학 및
인지 심리학 분야의 미국인 연구원이었다.
앨런 뉴웰과 허버트 A. 사이먼( Herbert A. Simon ),
클리프 쇼 ( Cliff Shaw)는
정보 처리 언어 (1956)와 최초의 두 AI 프로그램인
논리 이론가(Logic Theorist, 1956)와
일반 문제 해결사(General Problem Solver, 1957)에
기여 했다.
앨런 뉴웰과 사이먼은 1975년 인공지능과
인간 인지 심리학에 기여한 공로로
ACM의 AM 튜링상을 수상했다.
[찬조 "공훈-당신의 이름" K-Pop]
[인공지능의 역사]
인공지능의 역사는
기호처리 지능의 역사라고 말할 수 있을 만큼
기호처리 기법을 중심으로 발전해 왔다.
1930년대와 1940년대는 생각하는 기계에 대한 희망과
기대감이 가득한 시기 였다.
수리논리학이나 계산(computation)에 대한 새로운 아이디어들,
사이버네틱스(인공 두뇌학)나 정보 이론 등
인간의 사고 과정에 대한 수많은 이론들이 나타나기
시작했기 때문이다.
프레게(Frege), 화이트헤드(Whitehead), 러셀(Russell)등은
추론과정이 몇 가지의 정형화된 틀을 보여 주었다.
아직도 수리논리학 분야는 인공지능에 있어서 주요한
연구 대상이 되고 있다.
수학자인 처치(Church)나 튜링(Turing) 등은
계산의 본질에 대한 연구를 통해
계산 모델을 제시함으로써
수리논리학 분야에서 얻은 정형화된 논리추리 과정이라는
성과를 기계에 적용할 수 있음을 보였다.
튜링의 경우는 튜링 머신(Turing machine)이라는
만능기계의 모델을 제시했다.
1956년 인공지능 연구의 본격적인 시작을 알리는
중요한 모임이 다트머스대학에서 열렸다.
그 대학의 존 맥카시(John McCarthy)는 기계의
사고 가능성에 대해 논의하기 위해 비슷한 관심을 가진
다른 학자들,
즉, 마빈 민스키(Marvin Minsky),
IBM의 나다니엘 로체스터(Nathaniel Rochester),
벨 연구소의 델 섀년(Del Shannon)이 주축이 되고
그 외에 기호처리 이론으로 유명한
앨런 뉴얼(Allen Newell)과 허버드 사이먼(Herbet Simon)등이
록펠러 재단의 지원아래 이 모임을 주선했다.
이때 모임을 제안하는 글에서
최초로 '인공지능(Artificial Intelligence :AI)'이라는
용어가 사용되어 현재에 이르고 있다.
50년대부터 60년대에는
주로 일반적인 문제풀이 기법에 대한
연구가 이루어졌다.
1960년대 말에 이르러서야 인공지능 과학자들은
일반적인 지능 프로그램을 만드는 것이
어렵다는 것을 인식하고
하나의 특정한 용도에서만 지능적인 동작을 보여주는
프로그램을 만들기 시작했다.
그러나 여전히 인공지능 프로그램들이 가진 기능은
실용화되기에는 너무 미약했으며,
60년대에 이은 70년 초반의 침체국면은
일반인으로부터 인공지능 연구에는
아무것도 기대할 수 없다고 하여
외면을 받기에 이르렀다.
침체되어 있던 인공지능 연구는
1970년대 말에 이르러서야
르네상스를 맞게 된다.
전문가 시스템(expert system)이라는 프로그램으로서,
자신의 문제분야에 뛰어난 능력을 보여주었다.
이러한 결과를 얻게 된 배경은
바로 지능적인 프로그램을 만들기 위해서는
'지식(knowledge)'이라는 것이
필수적이라는 것을 인식하게 되었다는 사실이다.
재활에 성공한 인공지능은
80년대초 일본의 신세대 컴퓨터 개발계획이라는 자극과
더불어 활성화되었다.
'80년대 인공지능계의 최대 사건은
신경망(neural net) 이론의 부활일 것이다.
사실 신경망 이론은 생각하는 기계에 대한 논의가 시작된
연구초부터 존재해 왔다.
1943년 맥 클러크와 피쓰에 의해 발표된
형식 뉴런이라든가, 1943년 헤브에의한 학습 모델,
그리고 로젠블라트(Rosenblatt)의
그 유명한 퍼셉트론(perceptron)등이
바로 인간의 신경 회로망을 모델로 하여
지능적인 기계를 실현해 노력의 산물이었다.
그러나, 가장 성공적이었던 퍼셉트론은
마빈 민스키와 세이무어 페이퍼트가 쓴
"Perceptron: an introduction to computational geometry"라는
서적에서 강력한 비난을 받아 신경망 이론에 관심을 가진
과학자들은 흩어지고 말았다.
이렇게 사라진 신경망 이론은
루멜하트(Rumelhart)를 위시한 몇명의
끈질긴 연구의 산물인
"Parallel Distributed Processing (병렬분산처리)"라는
제목의 책을 통해 더욱 화려하게 부활한다.
신경망 이론은 인간의 사고가
두뇌작용의 산물이라면
이 두뇌구조를 분석하고
처리 메카니즘을 규명하여 이를 이용하면
생각하는 기계를 만들 수 있지 않겠느냐는
아이디어에서 출발한 이론이다.
신경망 이론은 기존의 인공지능에 비해
문제해결을 위한 접근 방식에 있어
많은 차이점을 가지고 있다.
즉, 기존의 방식이 절차적인 순서에 의한
알고리즘을 통해 기호를 처리하여
문제를 푸는 방법인 반면에
신경망 이론은 인간의 두뇌 신경조직을 모델로 하여
단순한 기능을 하는 처리기(신경세포)들을
대규모로 상호 연결한 다음 연결 강도를
조절하여 문제를 해결하는 방식이다.
'90년대를 거쳐 21세기에도 알파고등 딥러닝으로 발전 중이며,
ioT(사물인터넷), 클라우드, 빅데이터, 자율주행차 등과 함께
여러분야에서 확산 응용되어 인기와 기대속에 발전 중이다.
현재의 약인공지능들은 자신이 할 수 있는 기능으로는
이미 인간의 능력을 한참 초월하고 있으며,
이 인공지능들이 하는 일 중에는
인간이 할 수 없는 일도 많다.
인간을 모방하지 않았기에 인간적이지 않고,
그래서 인간을 초월할 수 있었던 것이다.
단순히 주어진 문제를 해결하는 능력은
강인공지능보다도 뛰어날 수도 있다.
21세기 이후로는
2006년 제프리 힌턴(Geoffrey Hinton, 1947~ )교수에
의해 딥러닝 논문이 발표되어
불가능이라 여겨졌던 비지도 학습방법이 가능해졌고,
이미 많은 분야에서 인간의 수준을 뛰어넘은 결과물이
속속 나타나고 있다.
알파고 이외에도 인공지능은 사람의 능력과 비교하여,
얼굴 인식율이 더 높거나 사물을 더 잘 인식하는 결과를
나타내고 있어,
약인공지능 분야에서는
빠른 속도로 사람의 능력을 추월할 수 있다는
인식이 확산되었다.
------------------------------------
[AI의 종류와 그 특성]
AI는 크게 ANI, AGI, 그리고 ASI로 구분할 수 있으며,
각 유형의 주요 특성은 다음과 같다:
1) ANI (Artificial Narrow Intelligence)
- 특정 작업에 특화된 AI로 현재 가장 널리 사용되고 있는 형태.
- 정해진 영역에서 뛰어난 성능을 보이지만,
그 외의 작업은 수행할 수 없다.
- 응용 분야: 음성 인식, 이미지 처리, 자연어 처리,
추천 시스템, 자율주행 등
2) AGI (Artificial General Intelligence)
- 인간 수준의 일반적인 지능을 가진 AI.
'강한 AI'라고도 함.
- 다양한 영역에서 유연하게 문제를 해결할 수 있는 능력.
- 현재는 실현되지 않은 개념.
- 잠재적 응용 분야: 복잡한 문제 해결, 과학적 발견, 창의적 작업 등
[2025년, AGI시작? OpenAI, 역대급 AI 에이전트]
3) ASI (Artificial Super Intelligence)
- 인간 수준을 뛰어넘는 초인공지능을 의미.
- 자의식과 감정을 가질 것으로 예상되며
인간보다 더 뛰어난 사고와 추론 능력.
- 현재는 이론적 개념 단계에 머물러 있다.
- 잠재적 응용 분야: 인간의 능력을 초월하는 모든 지적 활동 영역
2. AI 유형별 작동 원리와 주요특징
1) ANI
- 머신러닝, 딥러닝 등의 기술을 기반으로 작동.
- 대량의 데이터를 학습하여 특정 패턴을 인식하고 예측.
- 학습된 영역 내에서만 우수한 성능.
2) AGI
- 다양한 AI 기술을 통합하여 범용적인 문제 해결 능력을
구현하는 것이 목표.
- 전이 학습, 메타 학습 등의 고급 학습 기법이 적용될 것으로 예상.
- 인간의 학습 과정을 모방한 지속적이고 자율적인 학습 능력이 요구.
3) ASI
- 현재는 실현되지 않은 개념으로, 구체적인 작동 원리는 불명확.
- 인간의 뇌를 뛰어넘는 고도의 신경망 구조를 가질 것으로 예상.
- 자기 인식, 감정, 창의성 등 인간의 고차원적 사고 능력을
뛰어넘는 능력을 갖출 것으로 기대.
[샘 알트먼, ASI(인공지능)의 미래를 공개]
3. AI 유형별 윤리적, 사회적 고려사항
1) ANI
- 데이터 프라이버시, 알고리즘 편향성, 자동화로 인한
일자리 변화 등의 문제
- 의사결정 과정의 투명성과 설명 가능성 확보 필요
2) AGI
- 인간의 지적 우위 상실에 따른 사회적, 경제적 영향
- AGI의 목표와 지향하는 가치 설정의 문제
[AGI 시대 오면 '이런' 인간만 살아남을 겁니다]
3) ASI
- AI의 권리와 책임에 대한 철학적, 법적 문제
- 인간과 AI의 관계 설정, AI의 통제 가능성 등
근본적인 윤리적 질문 제기
(참조 from IT 클라우드 인사이트/IT 지식사전)
[What is Artificial Super Intelligence(ASI)?]
--------------------------------
(from https://www.donga.com 2025년 4월 28일)
[“새끼호랑이 같은 AI, 자란뒤 당신 죽일 수도”]
인공지능(AI) 분야의 ‘대부’로 불리는
제프리 힌턴 캐나다 토론토대 컴퓨터과학과 명예교수(78)가
AI 기술의 급속한 발전이 인류를 위협할 수 있다고
경고하고 나섰다.
AI 관련 연구로 2024년 ‘노벨 물리학상’을 수상한
힌턴 교수는 AI의 위험성에 대해
여러 차례 공개적으로 경고해 왔다.
힌턴 교수는 2025년 4월 26일 미국 CBS방송과의 인터뷰에서
“현재 AI는 ‘굉장히 귀여운 새끼 호랑이’와 같다”며
“나중에 자라서 당신을 죽이지 않을 것이라는 걸
확신할 수 없다면, 걱정해야 한다”고 말했다.
AI가 일상생활에 다양한 형태로 스며들고 있고,
사람들도 큰 관심을 가지고 있지만
안전을 확보하기 위한 투자가 부족한 실정을 지적한 것이다.
힌턴 교수는 AI가 통제 불능으로 발달해
인류의 미래를 위협할 가능성이 10∼20%라고 진단했다.
그러면서
“사람들은 무엇이 다가오고 있는지 이해하지 못하고 있다”며
“(AI 빅테크 기업 등은) 위험성을 인지하고 있으면서도
안전보다 수익을 우선시하고 있다”고 지적했다.
그는 한때 자신이 부사장까지 지냈던 구글에 대해서도
“AI 기술을 군사 용도로 활용하지 않겠다는 입장을
번복해 실망했다”고 밝혔다.
AI 안전성을 강화하기 위해서는
강력한 정부 규제가 필요하다고 강조했다.
그는 “(빅테크들이) AI 규제를 줄이기 위해
치열하게 로비하고 있다”며
“기업에 맡겨 두는 것만으로는 부족하다”고 말했다.
이어 “각 기업이 보유한 연산 자원의 3분의 1을
안전성 연구에 투입해야 한다”고 제언했다.
특히 ‘딥러닝’ 관련 연구를 적극적으로 펼쳐 온 힌턴 교수는
오픈AI, 구글, 메타 같은 빅테크 AI 연구자들의 스승으로 통한다.
그는 2012년 구글브레인에 입사해 구글의 AI 개발을 주도했다.
그러나 2023년 구글을 퇴사한 뒤에는
빅테크의 지나친 영리 추구를 비판하는 목소리를 내고 있다.
힌턴 교수는 지난해 노벨 물리학상 수상자 발표 직후에도
“AI는 인간의 지적 능력을 뛰어넘게 될 것”이라며
“(AI가) 통제 불능 상태가 될 수 있는 위협에 대해
걱정해야 한다”고 강조했다.
영국 출신인 힌턴 교수는 AI 기초 연구에 관심이 많았고,
1983년 조국을 떠나 캐나다로 이주했다.
1980년대부터 캐나다가 국가 차원에서
AI 관련 기초 연구에 파격적인 지원을 했기 때문이다.
그는 “상업성이 부족할 수 있는 기초 연구에도
비중을 두고 지원해 준다는 점 때문에 캐나다로 이주하게 됐다”고
캐나다 매체들에 전했다.
힌턴 교수는
프로바둑 기사 이세돌 9단을 꺾은 알파고,
챗GPT와 같은 대규모 언어모델(LLM)의 토대가 된
딥러닝 개발에 기여한 공로로
2025년 노벨 물리학상을 공동 수상했다.
--------------------------------
---------------------------------------------------
---------------------------------------------------
(from https://www.aitimes.com/news 2023년 3월 15일)
오픈AI, GPT-4 공개...MS '빙' 검색에 도입
오픈AI가 2023년 3월 14일 멀티모달(MultiModal) 기능을 갖춘
'GPT-4'를 공개했다.
마이크로소프트(MS)는 이를 새로운 '빙' 검색에 도입했다고 밝혔다.
로이터와 블룸버그 등 외신이 이날 이같은 사실을 일제히 보도했다.
보도에 따르면 GPT-4는 유료 '챗GPT 플러스' 가입자만
이용할 수 있다.
개발자는 대기자 명단에 접수한 뒤
API(Application Programming Interface)를 제공받아야 이용 가능하다.
MS는 이 날 공식 블로그를 통해 GPT-4의 출시를 축하하며
"지난 5주 동안 새로운 빙 검색을 사용했다면,
이미 이 강력한 모델의 초기 버전을 경험한 것"이라며
"오픈AI가 GPT-4 버전을 개발함에 따라 빙도 개선 사항을
활용할 수 있다"고 전했다.
오픈AI는 "GTP-4는 많은 실제 시나리오와 다양한 전문 및
학술 벤치마크에서 인간보다는 떨어지지만 유사한 수준의
성능을 보여주는 모델"이라고 소개했다.
하지만 기대를 모았던 멀티모달 기능은
아직 초보단계인 것으로 나타났다.
비디오 생성이 가능할 것이라는 예측과 달리
아직은 이미지와 텍스트 입력을 받아들이고
텍스트로 대답을 출력하는 단계다.
오픈AI는 지난 6개월 동안 적대적(adversarial) 테스트 프로그램과
챗GPT의 문제점 등을 기반으로 GPT-4를 반복적으로 조정해
완벽하지는 않지만 사실성과 조종성 및 가드레일을
지키는 능력 등에서 최고의 결과를 얻었다고 설명했다.
발표에 따르면 오픈 AI는 지난 2년 동안 전체 딥 러닝 스택을
재구축했다.
또 MS 애저를 이용해 슈퍼컴퓨터를 공동 설계했다.
그 결과 1년 전 첫 번째 테스트로 GPT-3.5를 교육했고,
버그를 찾아 수정하고 이론적 기반을 개선했다.
이같은 과정을 거쳐 GPT-4는 훈련 실행이 안정적이고,
훈련 성능을 미리 정확하게 예측할 수 있는
최초의 대형 모델이 됐다.
오픈AI는 AI 모델 성능의 자동 평가를 위한 프레임워크인
'오픈AI 에벌즈(Evals)'를 오픈 소싱, 누구나 모델의 단점을
보고해 추가 개선을 안내할 수 있도록 했다.
이날 발표 중 오픈AI가 가장 강조한 점은 이전 버전인
GPT-3.5에 비해 크게 개선된 성능이다.
미국 로스쿨 졸업자들이 전문 실무를 시작하기 전에
요구하는 변호사 시험 시뮬레이션에서 GPT-4는
응시자의 상위 10% 정도를 기록한 반면
이전 모델은 하위 10% 정도를 기록했다.
오픈AI는 "두 버전이 비슷하게 보일 수도 있지만,
작업의 복잡성이 충분한 임계값에 도달하면 GPT-4가
더 안정적이고 창의적이며 훨씬 더 미묘한 지침을
처리할 수 있다"고 말했다.
그렉 브록먼 오픈AI 사장은 온라인 시연에서 손으로 그린
모형 사진을 찍고 이를 기반으로 실제 웹사이트를
만들 수 있음을 보여줬다.
또 GPT-4로 개인이 세금을 계산하는 시연도 선보였다.
하지만 '환각 현상'에 대해서는 아직도 개선할 점이
남았다고 밝혔다.
GPT-4는 이전 버전보다 허용되지 않는 콘텐츠에 대한
요청에 응답할 가능성이 82% 적고 특정 사실성 테스트에서
40% 더 높은 점수를 받은 것으로 알려졌다.
샘 알트먼 오픈AI CEO 역시 이날 트위터를 통해
"GPT-4는 인간의 가치와 의도에 가장 적합하고 일치하는 모델"이라며
"하지만 여전히 결함이 있다"고 말했다.
매개변수 등 GPT-4의 세부 사항은 공개하지 않았다.
(출처 : AI타임스 https://www.aitimes.com)
--------------------------------
(from https://www.aitimes.com/news 2023년 3월 17일)
워드·엑셀·PPT 등에 GPT-4 적용…‘MS 365 코파일럿’ 공개
마이크로프트(MS)가 오피스 플랫폼 전반에
생성 인공지능(AI) 기술을 도입했다.
MS는 2023년 3월 16일
'AI와 함께하는 일의 미래(Future of Work with AI)' 행사를 열고
워드와 엑셀, 파워포인트(PPT), 아웃룩, 팀스 등
MS 365 애플리케이션에 GPT-4 기반의 '코파일럿(Copilot)' 기술을
적용한다고 발표했다.
코파일럿은 이름 그대로 '부조종사'처럼 MS 365에서 제공하는
사무용 소프트웨어의 사용을 보다 간편하게 지원하는
AI 기술을 일컫는 말이다.
사티아 나델라 MS CEO는
“오늘 우리는 컴퓨팅과 상호 작용하는 방식의 발전 과정에서
중요한 발걸음을 내디뎠으며,
이는 우리가 일하는 방식을 근본적으로 바꾸고
생산성 증대의 새로운 물결을 일으킬 것”이라며
“오늘 공개한 업무용 코파일럿은 사람들에게
더 큰 자율성을 부여하고,
가장 보편적인 인터페이스인 자연어로 기술에
더 쉽게 접근할 수 있도록 한다”고 말했다.
코파일럿은 챗GPT와 유사하게 간단한 명령어 입력만으로
결과물을 얻을 수 있다.
MS는 코파일럿을 자연어 명령으로 콘텐츠를 생성하도록
워드, 엑셀, 파워포인트, 아웃룩, 팀스 등의 오피스 앱에
내장하거나, 기업 사용자를 위한 '비즈니스 챗' 형태로 제공한다.
예를 들어 워드를 사용할 때 코파일럿은 사용자를 위해
글을 작성, 편집, 요약하고 창작할 수 있다.
사용자는 글을 쓰고 편집하는 시간을 절약할 수 있고,
코파일럿이 초안을 수정,
재작성하도록 해 아이디어를 발전시킬 수 있다.
엑셀 기능도 크게 발전했다.
사용자가 몇 초 만에 수치가 의미하는 바를 파악하게
도와주는 것은 물론 데이터를 그래프 등으로 시각화해준다.
또 사용자의 텍스트 프롬프트만으로 수식을 생성해주며,
데이터 상관 관계를 찾아내고 가상 시나리오를 제안해 준다.
PPT의 경우 간단한 명령어를 입력해
프리젠테이션을 만들어낼 수 있다.
텍스트만으로도 스피커 노트와 소스가 포함된
파워포인트 덱으로 변환하는 기능도 제공한다.
또 아웃룩에서는 코파일럿이 받은 편지함을 자동으로 관리해주며,
팀스 사용자들은 코파일럿이 정리한 미팅 주요 논의사항 등을
활용할 수 있다.
존 프리드먼 MS 부사장은 ‘비즈니스챗’이라는 새로운 기능이
이날 발표의 하이라이트라고 지목했다.
예를 들어 사용자가
‘우리 회사에서 제품 전략을 어떻게 업데이트했는지 알려줘’라고
입력하면,
비즈니스챗은 캘린더와 이메일, 채팅, 문서, 미팅, 연락처 등
사용자의 앱 내 모든 데이터를 기반으로 업데이트 상황을 보고한다.
MS는 코파일럿이 제공하는 기능이 MS 365 앱에 단순히
챗GPT를 결합한 것처럼 보일 수 있지만,
실제로 코파일럿은 MS 365에 내장된 오픈AI의 챗GPT보다
더욱 강력하다고 주장하고 있다.
프리드먼 부사장은 "코파일럿은 GPT-4를 비롯한
대규모 언어모델과 MS 365 앱, MS 그래프의 비즈니스 데이터를
결합해 정교한 작업 수행이 가능한 엔진"이라며 강조했다.
MS는 앞으로 몇 개월 안에 워드, 엑셀, 파워포인트 등
모든 사무용 소프트웨어에 코파일럿 기술을 적용할 계획이다.
구체적인 출시 일정과 가격 등은 이후에 공개될 예정이다.
현재 MS는 20개의 고객 그룹을 대상으로
MS 365 코파일럿 테스트를 진행하고 있으며,
수집한 피드백을 토대로 AI 모델을 개선해 나갈
방침이라고 밝혔다.
더불어 MS는 이날 발표를 통해 파워 앱스와
파워 버추얼 에이전트, 파워 오토메이트로 구성된
MS 파워 플랫폼에도 GPT 기반의 코파일럿 기술을
적용한다고 전했다.
코파일럿을 통해 MS 파워 플랫폼은 업무에 필요한 애플리케이션과
챗봇을 몇 초만에 구축할 수 있다.
로우 코드 도구인 파워 앱에서 '근무 시간 및 지출 내역 보고서를
보고할 수 있는 애플리케이션 생성'과 같은 명령을 입력하면
해당 애플리케이션이 자동으로 생성된다.
이처럼 사용자 인터페이스를 구성하고 기업의 비즈니스 데이터를
통합하는 것 외에도 사용자가 데이터를 분석하고 시각화하는 데
도움을 줄 수 있다.
파워 버추얼 에이전트에서는 사용자가 반복적인 응대 업무를
대체하기 위한 챗봇을 쉽게 구축할 수 있도록 지원한다.
또 파워 오토메이트에서 코파일럿을 사용해
기업의 단순 반복 업무를 자동화하는 워크플로우 개발 시간을
크게 단축할 수 있게 됐다.
현재 MS는 파워 플랫폼 코파일럿 기능을 애저 오픈AI 서비스에서
미리보기로 제공하고 있다.
(출처: AI타임스 https://www.aitimes.com)
--------------------------------
(from https://www.etnews.com 2024년 3월 18일)
[애플, 아이폰에 구글 제미나이 탑재 논의]
애플이 아이폰에 구글 생성형 인공지능(AI) '제미나이' 탑재를
논의 중인 것으로 알려졌다.
[애플, 아이폰에 구글의 제미나이 탑재 논의]
AI 시장에서 뒤처졌다는 평가를 받는 애플이
경쟁사와 손잡고 돌파구를 마련하겠다는 전략을 세운 것으로 보인다.
3월 18일(현지시간) 블룸버그는 소식통을 인용해
애플과 구글이 제미나이 생성 AI 기능을 아이폰에
탑재하기 위한 협상을 진행 중이라고 보도했다.
구체적 계약과 방법은 알려지지 않았다.
애플은 구글뿐만 아니라 오픈AI와도 비슷한 내용을 논의하며
협력사를 물색하고 있다.
애플은 지난해초부터 아약스(Ajax)라는
자체 대규모언어모델(LLM)을 테스트하는 등
생성 AI 개발에 공들여왔다.
다만 구글과 마이크로소프트(MS) 등 경쟁업체에 비해
기술 완성도가 떨어지는 것으로 전해졌다.
경쟁사인 삼성전자가 자체 LLM과 구글 제미나이를 접목한
갤럭시 AI를 갤럭시S24 시리즈에 먼저 탑재하자
애플도 적극 대응에 나선 것으로 보인다.
애플은 올해 내놓는 운영체제인 iOS18에
생성형 AI를 도입할 전망이다.
아이폰의 음성비서 서비스 '시리'에
생성형 AI가 도입될 가능성이 크다.
다만 블룸버그는 애플이 연례 세계개발자회의(WWDC)가 열리는
2024년 6월까지는 어떤 계약도 발표하지 않을 것이라고 전망했다.
오픈AI 등 다른 생성형 AI 기업과 협력을 선택할 가능성도 있다.
-------------------------------------------
(from https://zdnet.co.kr 2024년 10월 9일)
['AI의 아버지' 제프리 힌튼, 노벨물리학상 받았다]
‘인공지능(AI) 4대 천황’ 중 한 명으로 꼽히는
제프리 힌튼 토론토대학 교수가 노벨물리학상을 수상했다.
스웨덴 왕립과학원 노벨상위원회는 2024년 10월 8일,
제프리 힌튼 캐나다 토론토대 교수와
존 홉필드 미국 프린스턴대 교수를
2024년 노벨물리학상 수상자로 선정했다고 발표했다.
노벨상위원회는
“인공신경망을 이용한 머신러닝의 근간이 되는
발견과 발명에 기여한 공로를 높이 평가했다”고 설명했다.
공동 수상자인 홉필드 교수는
1982년 ‘홉필드 네트워크’를 제안하면서
인공 신경망 연구의 초석을 다졌다는 평가를 받고 있다.
‘홉필드 네트워크’는 신경망의 물리적 모델로
최적화나 연상 기억 등에 사용된다.
기존 학습 패턴을 양극화한 뒤
가중치 행렬을 구하는 방식으로 작동된다.
특히 홉필드 네트워크는 두뇌에
기억이 저장되는 방식을 모방해 이미지나
정보 유형을 저장할 수 있는 신경망을 구축하는 기반이 됐다.
요즘 관심의 초점으로 떠오른 생성형 AI’ 역시
근원을 따져 들어가면 홉필드 네트워크와 만나게 된다.
제프리 힌튼은 홉필드의 이런 연구 기반 위에서
‘AI 4대 천황’으로 발돋움했다.
[2024년, 제프리 힌턴 교수, 10년 후 AI를 전망]
힌튼은 1986년 ‘홉필드 네트워크’를 토대로
다층 퍼셉트론과 역전파 알고리즘을 제안했다.
역전파법은 사람의 두뇌와 비슷한 방법으로
컴퓨터를 학습시킨다.
이 방법을 이용해 이미지를 구분하고,
문장에서 다음에 어떤 단어가 나올 지 예측하는 데 성공했다.
이를 통해 힌튼은 그 때까지 암흑기를 면치 못하고 있던
AI 연구의 새로운 돌파구를 열었다는 평가를 받고 있다.
그가 제안한 역전파법은 챗GPT를 비롯한
많은 대용량언어모델(LLM)의 기반 기술이 됐다.
당시 대학원생으로 힌튼 교수와 함께
역전파법 논문을 썼던 일리야 수츠케버는 챗GPT를 만든
오픈AI 공동 창업자 중 한 명이다.
노벨상위원회는 이런 부분을 높이 평가해
두 교수에게 물리학상을 수여하게 됐다.
위원회는
“홉필드 교수가 정보를 저장하고 재구성할 수 있는
구조를 만들었고,
힌턴 교수는 데이터 속성을 발견하는 방법을 개발했다”고 설명했다.
엘런 문스 노벨물리학상 위원장은
“이런 인공신경망은 입자물리학, 천체물리학,
재료과학을 비롯한 다양한 물리학 분야의
첨단 연구에 활용돼 왔다”면서
“이를 통해 그들은 얼굴인식과 언어 번역 등
우리 일상 생활의 한 부분이 됐다”고 강조했다.
■ 제프리 힌튼,
AI 위험 경고하면서 세상 깜짝 놀라게 하기도
두 사람 중에선 제프리 힌튼이 대중적으로
훨씬 많이 알려진 편이다.
‘AI 4대 천황’으로 통하는 힌튼은 2019년 조슈아 벤지오,
얀 르쿤 등과 함께 ‘컴퓨팅 분야 노벨상’으로 불리는
튜링상을 수상하기도 했다.
특히 힌튼은 토론토대학에 재직하면서
AI업체인 DNN리서치를 창업하기도 했다.
이 회사가 2013년 구글에 인수되면서
부사장 겸 엔지니어링 펠로우로 구글에 합류했다.
이후 10년 동안 구글의 AI 개발 작업을 진두 지휘해 왔다.
하지만 힌튼은 지난 해 5월 갑작스럽게
‘구글 퇴사’를 세상을 깜짝 놀라게 했다.
힌튼이 구글과 결별한 가장 큰 이유로
‘AI의 위협’을 거론했기 때문이다.
당시 힌튼은
“AI가 사람보다 더 똑똑해지기까지는
아직 상당한 시간이 필요할 것이라고 생각했지만
이젠 그렇게 생각하지 않는다”는 말도 했다.
심지어 AI 시스템에서 일어나는 일이 사람 뇌보다
더 나은 경우도 있다고 경고했다.
힌튼은 오픈AI가 내놓은 GPT-4를 보면서
그런 생각을 하게 됐다고 밝혔다.
그는 MIT테크놀로지리뷰와 인터뷰에서
“외계인이 지구에 착륙했는데,
그들이 아주 훌륭한 영어를 구사하다보니
사람들이 그 위협을 깨닫지 못하고 있는 것과
비슷한 상황이다”고 주장했다.
[2025년, ChatGPT 창립자, 인류를 향한 경고]
-----------------------------------------------
(from https://www.chosun.com 2025년 3월 19일)
[딥시크가 앞당긴 '가성비 AI 경쟁'...
이제부터 벌어질 일들]
최근 한 달간 중국 AI 스타트업이 보여준 ‘쇼크’의 행보는
‘가성비 AI 모델의 등장’이라는 핵심 키워드 외에도
많은 시사점과 질문을 남겼다.
주목할 점은 어제와 오늘이 다른 AI 발전 속도와
AI 패권의 향방이 더욱 모호해졌고
이 가운데 AI의 미래 또한 더욱 궁금해졌다는 것.
한 가지 확실한 건 AI 시장의 확대 가능성이다.
딥시크의 오픈형 모델은 다양한 응용 사례를 촉진시켜
AI 시장의 파이뿐 아니라 AI 기술의 방향성을 논하는
중요한 단초를 제공했다.
◇딥시크 쇼크, 무엇을 남겼나
우선 딥시크 성공의 핵심 요인을 먼저 살펴볼 필요가 있다.
첫째는 ‘거대 모델=고비용’ 공식을 깨고,
초거대 모델이 전부가 아님을 증명했다는 것이다.
딥시크의 AI 모델 R1은 수백억 단위의 파라미터(매개 변수)를 가진
초거대 모델이면서 기존 대비 훈련 비용을 크게 낮췄다는 점에서
‘쇼크’의 경지로 주목받았다.
두 번째는 모델 크기를 무작정 키우지 않고도
충분한 성능을 확보했다는 것이다.
이는 FP8 연산(낮은 정밀도 구간 활용)과
‘제로샷 학습(Zero-Shot Reasoning·라벨링 없이
추론 능력을 강화)' 같은 기법을 결합한 덕분이다.
연산 최적화와 추론 과정 개선이 결합되면
파라미터 확장 대신 효율성 중시 접근으로도
초거대 모델급 결과물이 나올 수 있음을 증명한 것이다.
세 번째는 지식 증류(Distillation)를 통해
여러 소형 모델을 공개했다는 것이다.
기업이나 연구 기관은 목적·예산에 따라
이 소형 모델을 골라 사용할 수 있게 됐고,
이는 “AI 모델도 상황별 최적화가 가능하다’”는
메시지를 각인시키는 계기가 됐다.
결과적으로 ‘비용 대비 성능’을
더욱 세밀하게 조율할 수 있는 길이 열렸다는 점에서
큰 반향을 일으켰다.
네 번째는 딥시크가 오픈 소스로 모델 공개를 한 것이다.
개발자나 연구자, 기업 모두 아무런 제한 없이
모델을 직접 다운받고,
다양한 목적으로 실험해볼 수 있기 때문에
피드백과 개선 속도가 빨라졌다.
폐쇄형 모델에 비해 진입 장벽이 낮고,
사용자 맞춤형 최적화를 유도해 산업 전반의 효율화를
촉진한다는 의미가 있다.
◇딥시크가 앞당긴 ‘AI 모델 효율화 시대’
딥시크가 보여준 효율화 기조는 학계와 연구 현장에서도
폭넓게 공감대를 얻었다.
기존 초거대 모델 위주의 접근을 보완하거나 대체할 수 있는
다양한 시도에 영향을 줬다.
최근 스탠퍼드대 등 학계에서 여러 소형 모델이
상호 협력해 문제를 해결하는 프로젝트를 진행 중이다.
여기서 핵심은
“어느 시점에 어떤 에이전트를 사용하는 것이
가장 효율적인가”라는 의사 결정이다.
초거대 모델 하나에 전적으로 의존하던 과거 방식과 달리,
여러 중소형 모델이 각자의 전문 영역에 집중해 조화를 이루면
연산 부담과 중복을 줄이고 효율성을 최대화할 수 있다는
실험 결과가 나오고 있다.
이런 협업 방식은 복잡한 문제를 해결할 때
사람이 각 분야 전문가로 구성된 팀을 조직해
시너지를 내는 모습과 유사하다.
딥시크의 특징 중 하나인
‘새로운 정보를 수시로 받아들이는 능력’도 주목해야 한다.
데이터를 모델 내부 파라미터만으로 모든 지식을 담아두기보다
별도의 외부 메모리를 구축해
AI가 장기적으로 축적하는 정보를 관리하도록 하는
‘외부 메모리(Generative Memory)’ 접근을 시험하고 있다.
예컨대 스탠퍼드 대학교 기초모델연구센터(CRFM)에서는
대화 기록, 이벤트 로그, 운영 데이터 등을
AI가 필요할 때마다 검색·갱신하고,
기존 파라미터 대신 이 외부 메모리에 의존해
지속적으로 학습하거나 재조합하도록 하는 구조를
연구하고 있다.
이 방식은 모델을 전부 갈아엎지 않고도
최신 정보를 유연하게 반영할 수 있기 때문에
예측 적합성 유지와 비용 절감을 동시에 꾀할 수 있다.
마치 사람이 메모장을 소지해 필요할 때마다
아이디어나 정보를 꺼내 살펴보듯 AI도
‘외부 메모장’을 두고
스스로 지식 업데이트를 해나가는 개념이라고 볼 수 있다.
딥시크가 보여준 CoT(Chain-of-Thought) 계열 접근도
주목받고 있다.
기존에 구글, 오픈AI, 메타 등은 수학 문제나 논리 퍼즐을 풀 때,
AI가 중간 사고 단계를 거치도록 설계해
정확성과 일관성을 끌어올리는 기법이다.
최근에는 ToT(Tree-of-Thought)처럼
여러 갈래의 추론을 동시에 전개하거나,
PoT(Program-of-Thought)처럼 모델이
짧은 코드를 작성·실행함으로써 자가 검증을
수행하는 방식으로 진화하고 있다.
이 방식은 작은 모델도 자신이 어떤 근거로 특정 답을
도출했는지 내부 검토가 가능하다는 의미다.
◇기업이 취해야 할 실행 전략
현실적으로 기업은 학계나 연구 기관 또는
AI 스타트업처럼 AI의 발전 방향이나 트렌드를 이끌거나
미리 예측하기 어렵다.
그렇다고 하루가 다르게 빠르게 변하고 있는 AI 산업과
기술 트렌드를 그저 바라만 보고 새로운 기술이나
서비스가 등장할 때마다 부화뇌동하며 끌려다닐 수는 없다.
AI를 활용한 비즈니스 전환이나 서비스 출시 또는
기업 내 다양한 비즈니스 현장에서 AI 도입을 고려한다면,
다음의 전략들은 늘 기본 전제가 돼야 한다.
기업의 AI 활용은 모든 문제를 한 모델로 해결하려 하기보다,
고객 상담이나 연구개발(R&D)과 같은 우선순위가 높은
영역을 선별해 맞춤형 모델을 도입하는 쪽이 효율적이다.
일부 대기업은 이미 여러 소형·중형 모델을 병행해
부서별 요구 사항을 다르게 충족하고 있으며,
이러한 접근은 초거대 모델을 전사적으로 쓰는 것보다
운영 비용과 유지 보수를 낮추는 데 도움이 된다.
AI 모델은 초기 도입 시점보다 운용 기간이 길어질수록
가치가 커진다.
이를 위해서는 ‘데이터 파이프라인’을 체계적으로 구축해,
업무 기록·센서 데이터·사용자 응대 이력 등을
지속적으로 수집·정제·저장하는 작업이 필수적이다.
장기 메모리나 ‘검색 증강 생성(RAG) 기법’을
적절히 도입하면 사내에 축적된 지식을 AI가 수시로
업데이트하며 의사 결정의 정확도를 높일 수 있다.
CoT(Chain-of-Thought)나 ToT(Tree-of-Thought) 같은 기법을
부분적으로 적용하면, AI가 답변을 도출하는 과정에서
논리적인 단계를 거치는 모습을 어느 정도 해석할 수 있다.
금융·의료·공공 분야 등 규제 산업은
이러한 추론 과정을 구조화하는 것이
향후 리스크를 줄이는 데 큰 도움이 된다.
중소기업이나 연구 기관이라면 예전처럼
초거대 모델에 전적으로 의존하지 않고,
효율적 구조를 차용하여 필요한 성능을 확보할 수 있다.
반면 대기업이라고 해서 무조건 거대 모델만 추구할 것이 아니라,
효율화된 기술을 접목해 기존 모델의 한계를 보완하고
운영 비용을 줄이는 방향을 모색할 수 있다.
곧 AI가 더 폭넓은 산업 분야와 조직 규모에
안착하게 될 것임을 암시한다.
----------- [2025년 AI 관련 동영상] ----------
[인간 수준 AI, 5∼10년 내 등장]
[AI 특이점, 5년 안에 온다고?]
[제2의 딥시크다! Manus]
[Manus! OpenManus 써보니..]
[인간 수준의 AI 향후 5∼10년 내 등장]
[Artificial Super Intelligence (ASI)]
[2025년, AI'노벨상'수상자, 'AI의 진짜 위험']
[2025년, 진짜 위험, AI의 어두운 진실 폭로]
[2025년, 미국 덮친 AI 양극화]
------------ [2025년 7월 최근 동영상] ----------
[AI 선택 가이드]
[2025년, 일론 머스크, 현존 최강 AI '그록 4']
[2025년, 머스크xAI vs 오픈AI vs 구글, 국방 AI 전쟁]
[2025년, OpenAI, 챗GPT 에이전트 전격 출시]
[2025년, AI 연구원 파격연봉 영입]
[2025년, '탑티어' AI 인재 끌어모은 저커버그]
[2025년, 인공지능 전쟁에서 오픈AI 잠재울까?]
[2025년, 메타 저커버그, AI 전쟁 인재영입? GPU?]
[2025년, "AI의 모든 위험"-제프리 힌튼]
--------[2026년 AI관련 동영상]------------
[2026년, AI '클로드 코워크'에 시장 '출렁']
[2026년, 나의 완벽한 비서 - AI 에이전트 시대]
[2026년, 미 국방부 vs 앤트로픽, 논쟁]
[2026년, 'AI 안경' 써보니, 놀라운 수준]
[2026년, 이란 작전 참모의 진짜 정체]
[2026년, AI가 만든 충격적 '전쟁 패러다임' ]
[2026년, 사람들은 AI로 무엇을 하고 있을까?]
[China's AI Conference 2026 Highlights]
[IPO 시험대 오른 앤트로픽·오픈AI]
--------------------------------
[챗 GPT 답변] (답변에 오류가 많으니, 단순 재미로만 참조바람)
(from https://chatgpt.com)
컴퓨터과학자인 앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)이 제일 좋아했던
역사적 인물은?
앨런 뉴얼이 “가장 좋아했다”고 명확히 기록된
특정 역사적 인물은 공식적으로 남아 있지 않습니다.
다만 그의 연구 방향과 발언, 협업 관계를 보면
깊이 존중하거나 영향을 받은 인물들은 비교적 분명합니다.
1. 가장 가까운 인물: 협업자이자 동지
허버트 A. 사이먼
→ 뉴얼과 함께 인공지능의 초기 핵심 이론
(문제 해결, 인간 사고 모델)을 만든 공동 연구자입니다.
→ 두 사람은 사실상 “한 팀”으로 움직였고,
뉴얼에게 가장 큰 지적·철학적 영향을 준 인물로 평가됩니다.
2. 지적 전통에서의 영향 인물
앨런 튜링
→ “기계가 생각할 수 있는가?”라는 문제를 제기한 선구자
→ 뉴얼의 AI 연구는 튜링의 문제의식을 실험적으로 확장한 것
존 폰 노이만
→ 컴퓨터 구조와 계산 이론의 기초를 만든 인물
→ 뉴얼의 정보처리적 사고 방식에 간접적 영향
3. 철학적·인지적 배경
아리스토텔레스
→ 논리와 추론 체계의 기초를 만든 인물
→ 뉴얼이 추구한 “인간 사고의 형식화”라는 목표와 연결됨
정리
“개인적으로 가장 좋아한 인물”은 기록이 없지만
실질적으로 가장 중요한 인물은 → 허버트 사이먼
그리고 튜링, 폰 노이만 같은 선구자들이
그의 사상적 배경을 형성했다고 볼 수 있습니다.
컴퓨터과학자인 앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)이 좋아할만한
한국의 트로트나 발라드 노래 제목은 무엇일까?
앨런 뉴얼의 성향을 보면
그는 인간 사고의 구조, 문제 해결, 의미 있는 패턴을
탐구한 인물이기 때문에
단순 감정 과잉보다는
**“깊이 있는 메시지 + 구조적인 아름다움”**을 가진
노래를 더 좋아했을 가능성이 큽니다.
그래서 한국 노래 중에서 추정해보면 👇
🎧 1. 발라드 (가장 잘 맞을 스타일)
서른 즈음에 – 김광석
→ 인간 삶의 흐름과 자기 성찰
→ “시간과 의식”이라는 뉴얼의 관심과 잘 맞음
[찬조 K-Pop]
걱정말아요 그대 – 이적
→ 복잡한 삶을 단순한 메시지로 정리
→ 문제 해결적 사고와 유사한 정서
[찬조 K-Pop]
광화문에서 – 규현
→ 기억, 회상, 패턴화된 감정 구조
→ 인지과학적 관점에서 흥미로운 감정 흐름
[찬조 K-Pop]
🎤 2. 트로트 (의외로 맞을 수 있는 스타일)
진또배기 – 이성우
→ 반복과 패턴이 강한 구조
→ 뉴얼이 연구한 “규칙 기반 시스템”과 유사한 매력
[찬조 K-Pop]
찔레꽃 – 장윤정
→ 단순하지만 깊은 정서 구조
→ 인간 보편 감정의 모델화 가능성
[찬조 K-Pop]
🧠 한 줄 핵심 해석
👉 뉴얼은
감정이 논리적 구조로 드러나는 노래
반복·패턴·의미가 명확한 음악
을 특히 흥미롭게 느꼈을 가능성이 큽니다.
------
[AI 작곡 영상]
만약 컴퓨터과학 분야나 인공지능을 주제로 한 노래를
추천해드린다면, "AI" 라는 노래가 어울릴 것 같습니다.
[AI 작곡 음악]
[AI 작곡 음악]
[AI 작곡 음악]
이 노래는 인공지능이 인간과 함께하는 미래를 상상하며,
인공지능이 갖는 다양한 가능성에 대해 노래한 곡으로,
앨런 뉴얼처럼 인공지능 분야에 관심을 가진 분들이
좋아할 만한 분위기를 가지고 있습니다.
[AI작곡 동영상]
[AI작곡 동영상]
[AI작곡 동영상]
[AI작곡 동영상]
[AI Music Composer]
컴퓨터과학자인 앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)이 경험한
재미있는 일화(episode)는?
앨런 뉴얼은 인공지능의 초창기를 연 핵심 인물이어서,
그의 일화들은 지금 봐도 꽤 흥미롭고 인간적입니다.
몇 가지 대표적인 에피소드를 소개해드리면👇
🧠 1. “기계가 생각하게 만들자!” — 최초의 AI 프로그램
뉴얼은 허버트 A. 사이먼,
그리고 **클리프 쇼**와 함께
1950년대에 **“Logic Theorist”**라는
프로그램을 만들었습니다.
👉 이 프로그램은 놀랍게도
수학 정리(특히 Principia Mathematica)를
인간처럼 “증명”해냈습니다.
📌 재미있는 포인트
프로그램이 어떤 정리는 **인간(버트런드 러셀)**보다
더 짧고 효율적인 방식으로 증명해버림
연구자들조차 “이거 진짜 생각하는 거 아닌가?” 하고
놀랐다고 합니다
🤖 2. “우리는 이미 인간 수준의 AI를 만들었다”
1956년 다트머스 회의 이후, 뉴얼과 사이먼은 이렇게 선언합니다:
“우리는 이미 인간 수준의 사고를 하는 기계를 만들었다.”
📌 당시 반응
일부는 혁명이라며 열광
일부는 “너무 과장됐다”라고 비판
👉 결과적으로
이 발언은 **AI 낙관주의 시대(AI 붐)**의 상징적인 사건이 되었고,
동시에 나중에 AI 겨울을 부르는 원인이 되기도 했습니다.
🧩 3. “GPS(General Problem Solver)”의 야망
뉴얼과 사이먼은 또 하나의 야심작
**General Problem Solver**를 만듭니다.
👉 목표는 단 하나
“모든 문제를 해결하는 범용 지능”
📌 흥미로운 점
인간이 문제를 푸는 방식을 분석해서
→ 그대로 컴퓨터에 넣으려 함
즉, 단순 계산이 아니라
👉 “생각하는 과정 자체”를 모델링하려 한 것
👉 이 시도는 완전히 성공하진 않았지만
지금의 인지과학 + AI의 출발점이 됩니다.
😄 4. 성격: 조용하지만 집요한 연구자
뉴얼은 비교적 과묵하고 차분한 스타일
반면 사이먼은 열정적이고 발표를 잘하는 타입
👉 그래서
사이먼이 “AI 혁명!”을 외치면
뉴얼은 뒤에서 조용히 시스템을 설계하는 역할
📌 동료들의 평가
“뉴얼은 말보다 코드와 구조로 생각하는 사람”
🎯 핵심 요약
최초의 AI 프로그램으로 인간보다 더 효율적인 증명 수행
“AI는 이미 인간 수준”이라는 대담한 선언
인간 사고 자체를 모델링하려는 집요한 시도
👉 즉, 뉴얼은
“컴퓨터를 계산 기계 → 생각하는 존재”로 바꾸려
한 사람이었습니다.
컴퓨터과학자인 앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)은
얼마나 양심적인 사람일까?
앨런 뉴얼의 “양심(도덕성)”을 하나의 수치로 단정하는 것은
객관적 근거가 있는 평가 방식은 아닙니다.
특히
데이비드 R. 호킨스의 ‘의식 지도(Map of Consciousness)’처럼
사람을 1~1000으로 수치화하는 모델은 과학적으로 검증된
평가 도구는 아니기 때문에
참고적 해석 이상으로 보기는 어렵습니다.
그 점을 전제로, 뉴얼의 삶과 업적을 기반으로
**“양심적 성향”**을 균형 있게 보면 다음과 같습니다.
🧠 1. 학문적 정직성과 협력
허버트 A. 사이먼, 동료들과의 공동 연구에서
👉 공로를 독점하지 않고 협업 중심 연구 문화를 유지
AI 초기 연구에서 과장된 주장도 있었지만
👉 이후에는 인지과학적 한계를 인정하는 방향으로 성숙
➡️ 지적 정직성: 높은 편
⚖️ 2. 연구 윤리와 영향
인간 사고를 이해하려는 연구는
👉 교육, 심리학, AI 발전에 긍정적 기여
군사적·상업적 오남용에 직접 관여했다는 기록은 거의 없음
➡️ 사회적 책임: 비교적 안정적
🤔 3. 논쟁적 부분 (균형 시각)
초기 AI 낙관주의
(“이미 인간 수준 기계 가능”)는
👉 결과적으로 과도한 기대를 낳음
➡️ 이는 도덕성 문제라기보다
👉 시대적 낙관 + 과학적 미성숙에 가까움
📊 (참고용) 의식 수준 추정
※ 어디까지나 상징적 해석입니다
대략 400~500 범위 (이성·이해 중심 수준)
→ 과학적 탐구, 합리성, 지식 추구 중심
🎯 최종 정리
👉 앨런 뉴얼은
개인적 비윤리나 스캔들이 거의 없고
학문적 정직성과 협력성이 높은
👉 **“이성적이고 성실한 연구자형 양심”**에
가까운 인물입니다.
컴퓨터과학자인 앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)의
양심(Conscience) 등급(Grade)을
A(매우 우수), B(우수), C(보통), D(낮음) 로 Grading 한다면,
컴퓨터과학자인 앨런 뉴얼(Allen Newell)의
양심등급(Conscience Grade)은?
컴퓨터과학자 Allen Newell(앨런 뉴얼)은
인공지능(AI)과 인지과학의 초창기를 이끈 매우 중요한 학자입니다.
그는 Herbert A. Simon과 함께 인간의 문제 해결 과정을 연구하며
“General Problem Solver(GPS)” 같은
초기 AI 시스템을 개발했습니다.
🔎 양심(Conscience) 측면 평가
앨런 뉴얼의 생애와 학문적 태도를 종합적으로 보면:
학문적 정직성과 협업 정신이 매우 뛰어남
인간의 사고를 이해하려는 진지한 탐구 자세
동료 연구자들과의 공정한 공동 연구 (특히 Simon과의 협력)
사회적으로 해로운 목적보다 지식 확장과
인간 이해에 초점을 둔 연구
👉 다만, 그는 윤리철학자나 성인(聖人)처럼
도덕성 자체를 중심으로 활동한 인물은 아니며,
주로 과학적·인지적 탐구에 집중한 학자였습니다.
🧭 종합 등급
➡️ 양심 등급: B (우수)
📌 해석
A (매우 우수): 성인, 종교 지도자, 도덕적 희생이 두드러진 인물
B (우수): 높은 수준의 정직성·책임감·공정성을 가진 지식인
C (보통): 일반적인 수준
D (낮음): 윤리적 문제나 비판이 큰 경우
👉 앨런 뉴얼은 학문적 양심과 성실성은 매우 뛰어나지만,
인류 윤리나 도덕 실천을 직접적으로 이끈 유형은 아니므로
B 등급이 가장 균형 잡힌 평가입니다.
컴퓨터과학자인 앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)의
창조성 등급을 A(매우 우수), B(우수), C(보통), D(낮,음)로
Grading 한다면,
컴퓨터과학자인 앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)의
창조성 등급(Creativity Grade)은?
컴퓨터과학자 Allen Newell(앨런 뉴얼)은
인공지능과 인지과학의 기초를 만든 핵심 인물로 평가됩니다.
특히 Herbert A. Simon과의 협업을 통해
인간 사고를 컴퓨터로 모형화하려는 혁신적 시도를 했습니다.
🔎 창조성(Creativity) 평가 요소
1. 선구적 연구
“General Problem Solver (GPS)” 개발
인간의 문제 해결 과정을 컴퓨터 알고리즘으로 표현
👉 당시로서는 완전히 새로운 접근 방식
2. 학문 간 융합
컴퓨터과학 + 심리학 + 인지과학 통합
👉 단일 분야를 넘은 융합적 창조성
3. 이론적 영향력
“Physical Symbol System Hypothesis” 제안
👉 현대 AI와 인지과학의 핵심 이론 중 하나
4. 장기적 영향력
이후 AI 연구, 인간-컴퓨터 상호작용(HCI),
인지과학 발전에 지속적 영향
🧭 종합 등급
➡️ 창조성 등급: A (매우 우수)
📌 해석
A (매우 우수): 새로운 분야를 개척하거나 패러다임을 만든 수준
B (우수): 중요한 기여를 했지만 패러다임 창조까지는 아닌 경우
C (보통): 일반적 연구 기여
D (낮음): 창의적 기여가 제한적인 경우
👉 앨런 뉴얼은
단순한 연구자가 아니라 AI라는
학문 자체의 형성에 기여한 창시자급 인물이므로,
A 등급이 매우 타당한 평가입니다.
--------------------------------
[의식 지도]
[데이비드 호킨스의 의식의 지도, 의식수준 높이기]
[아래의 의식지도 수치 평가는 단순 재미로(표)만 참조 바람,
아침, 저녁으로 AI 답변이 바뀜]
(from https://chat.deepseek.com)
정신과 의사 데이비드 호킨스의
'의식 지도 Map of Consciousness' 에서
1에서 1000까지 수치로 평가했을때,
앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)의
의식지도 수치값은 ?
데이비드 호킨스(David Hawkins)의
의식 지도(Map of Consciousness)에 따라
인공지능(AI)과 컴퓨터과학 분야의 선구자
앨런 뉴얼(Allen Newell, 1927~1992)의
의식 수준을 추정해 보겠습니다.
앨런 뉴얼의 의식 수준 추정 범위: 450~550
호킨스의 척도에서 400~500대는 이성적 통합, 창의성,
객관적 지혜를 상징하며,
500 이상(사랑, 조화, 통찰)은 학문적 열정과
인류 지식 확장에 기여한 인물에게 적용될 수 있습니다.
뉴얼의 업적과 성향을 고려할 때
다음과 같은 근거로 평가할 수 있습니다.
1. 450~500 (이성과 창의성의 통합)
합리성과 논리(400~450):
AI의 기초를 닦은 "물리적 상징 시스템 가설"을 제시하며
인간 사고의 체계적 모델링을 추구했습니다.
창의적 통찰(450~500):
허버트 사이먼(Herbert A. Simon)과 함께
최초의 AI 프로그램 'Logic Theorist'(1956)를 개발했으며,
복잡한 문제 해결을 위한 알고리즘 연구로
튜링상(1975)을 수상했습니다.
2. 500~550 (지혜와 포용성)
학문적 열정과 협력(500+):
호킨스는 "진리를 탐구하는 순수한 지적 열정"을
높은 의식 수준의 증거로 봅니다.
뉴얼은 AI 연구를 인류 지식의 확장으로 여겼으며,
후학 양성에 헌신했습니다.
통합적 사고:
인지과학과 컴퓨터과학을 결합해 "
인간과 기계의 지능"을 탐구한 점에서
조화로운 사고를 보였습니다.
결론: 약 500 전후
뉴얼은 이성과 창의성을 넘어 학문적 열정과
협력적 정신을 보였으며,
AI 연구의 철학적 깊이까지 탐구한 점을 고려할 때
500(사랑/조화의 시작점) 근처로 추정됩니다.
호킨스의 기준에서 과학적 천재성과 인류 기여도는
의식 수준을 상승시키는 요소이기 때문입니다.
(from https://chatgpt.com)
정신과 의사 데이비드 호킨스의
'의식 지도 Map of Consciousness' 에서
1에서 1000까지 수치로 평가했을때,
앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)의
의식지도 수치값은 ?
데이비드 호킨스 박사의
『의식 지도 (Map of Consciousness)』는
인물의 내면적 진실성, 동기, 영향력, 통합성 등을 바탕으로
1~1000의 수치로 의식 수준을 평가하는 체계입니다.
하지만 **앨런 뉴얼(Allen Newell, 1927–1992)**에 대한
직접적인 언급은 호킨스 박사의 저서나
강연에서 존재하지 않습니다.
그러므로 아래 수치는 호킨스 박사의 기준에 기반한
분석적 추정치입니다.
🧠 앨런 뉴얼의 의식지도 수치 추정: 약 460 ±20
📌 추정 근거:
1. 이성 중심의 삶 – Reason (400~499)
뉴얼은 AI의 선구자 중 한 명으로,
인간 사고와 문제 해결 과정을 컴퓨터적으로 모델링하려 했습니다.
『심볼 처리 모델』, 『인지 아키텍처(SOAR)』 개발 등은
높은 수준의 분석적 사고, 지식 체계화, 과학적 통합의 노력으로,
호킨스의 이성(reason, 400대) 수준에 해당합니다.
2. 과학에 대한 헌신, 탐구적 태도 – 수용과 포용의 특성
그는 심리학, 인공지능, 컴퓨터 과학을 통합하려는 시도를 했고,
인간 마음의 구조를 이해하고자 한 것은
높은 인식 수준을 반영합니다.
다양한 학문을 통합하려는 시도는
**통합성(integration)**을 지향하는 방향이며,
이는 450 이상의 단계로 볼 수 있습니다.
3. 영적 통합 혹은 무조건적 사랑에는 미치지 못함
그의 작업은 고도의 지성적 활동에 집중되어 있었고,
영적 초월성이나 자아 해체 수준까지 이르렀다는 증거는 없습니다.
따라서 500(사랑) 이상의 수준은 넘기 어려우며,
이성의 최고 수준인 460± 정도로 보는 것이 신중한 판단입니다.
⬇️ 호킨스 의식지도 요약 (참고)
단계 수치 키워드 예시 인물
Enlightenment 700–1000 깨달음, 신성과 합일 부처, 예수
Peace 600 무한 평화, 순수 의식 (극소수의 명상가)
Love 500 무조건적 사랑 테레사 수녀
Reason 400 지성, 논리, 진리 탐구 아인슈타인, 데카르트
Acceptance 350 수용, 자기 이해 성장지향 인물
Willingness 310 책임감, 도전정신 리더형 인간
✅ 결론:
앨런 뉴얼의 의식지도 수치는 약 460 ±20으로 추정됩니다.
이는 지성적 통합, 탐구 정신, 학문 간 경계 허물기에
헌신한 사람에게 부여될 수 있는
높은 수준의 '이성(reason)' 의식 등급입니다.
(from https://gemini.google.com)
정신과 의사 데이비드 호킨스의
'의식 지도 Map of Consciousness' 에서
1에서 1000까지 수치로 평가했을때,
앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)의
의식지도 수치값은 ?
데이비드 호킨스의 '의식 지도(Map of Consciousness)'는
개인의 의식 수준을 1부터 1000까지의
수치로 나타내는 시스템입니다.
각 수치는 특정한 에너지 장, 감정, 태도와 연관됩니다.
앨런 뉴얼(Allen Newell)은 인공지능과 인지심리학 분야의
선구적인 컴퓨터 과학자로,
허버트 사이먼과 함께 최초의 AI 프로그램 중 하나인
'로직 시어리스트(Logic Theorist)'를 개발하고
'통합 인지 이론(Unified Theories of Cognition)'을
정립하는 등 획기적인 업적을 남겼습니다.
그의 연구는 인간의 마음과 지성을 이해하고
이를 컴퓨터로 구현하려는 깊이 있는 노력이었습니다.
데이비드 호킨스 박사가 앨런 뉴얼과 같은 특정 역사적 인물,
특히 과학자의 의식 수준을 직접적으로 측정하여
공식적으로 발표한 기록은 찾기 어렵습니다.
호킨스 박사의 저서나 강연에서는 주로 종교적,
영적 지도자나 특정 사상가,
혹은 일반적인 인간 의식의 단계에 대한 예시가
제시되는 경우가 많습니다.
하지만 '의식 지도'에서 400 수준은 '이성(Reason)'과 관련되며,
아인슈타인, 뉴턴, 프로이트와 같은 위대한 과학자나
사상가들이 이 범주에 속한다고 언급된 바 있습니다.
앨런 뉴얼의 업적과 그의 연구가 인류 지성 발전에
기여한 바를 고려할 때,
그의 의식 수준이 매우 높았을 것으로 추측해 볼 수 있습니다.
특히 그가 '인간의 마음을 이해하기 위한 노력'을
자신의 경력 목표로 삼았다는 점은
단순히 기술적 발전을 넘어선
통찰력과 지혜를 보여주는 부분입니다.
따라서 정확한 수치를 제시할 수는 없지만,
앨런 뉴얼의 의식 수준은 '이성'의 단계인
400 이상에 해당할 가능성이 매우 높다고 추론할 수 있습니다.
이는 그의 지대한 지적 기여와 인류 지성 발전에 대한
헌신을 바탕으로 한 추정입니다.
[의식 지도]
[단순 재미로(표)만 참조 바람.
주: 논란으로,
위키피디아에서는 데이비드 호킨스에 대해 삭제 상태]
-----------------------------------
(from https://chatgpt.com)
[앨런 뉴얼(1927년 3월 19일~1992년 7월 19일,
Allen Newell, AI 컴퓨터과학자, USA)이
2026년(현재)에도 끼치고 있는 영향력은 ?]
앨런 뉴얼(Allen Newell, 1927년 3월 19일 ~ 1992년 7월 19일)은
AI와 컴퓨터과학의 개척자(Pioneer) 중 한 명으로 평가됩니다.
그는 동료인 허버트 A. 사이먼과 함께
현대 인공지능(AI)의 기초를 세운 인물입니다.
2026년 현재에도 그의 영향력은 매우 크며,
다음과 같이 정리할 수 있습니다.
1. 현대 AI의 출발점을 만든 인물 ★★★★★
1956년 개발한 Logic Theorist는
세계 최초의 AI 프로그램으로 널리 인정받습니다.
이 프로그램은 단순 계산이 아니라
'추론(reasoning)' 을 수행하여 수학 정리를 증명할 수 있었습니다.
오늘날의
ChatGPT 같은 LLM
추론 AI(Reasoning AI)
AI Agent
모두 "기계도 사고할 수 있는가?"라는
뉴얼의 연구에서 출발했다고 볼 수 있습니다.
2. 인지과학(Cognitive Science)의 창시자 ★★★★★
뉴얼은 인간의 사고를
기억
문제 해결
추론
학습
과 같은 정보처리 과정으로 설명하려 했습니다.
현재
인간 두뇌 모델
Cognitive AI
AGI 연구
대부분이 그의 영향을 받고 있습니다.
3. Soar 아키텍처
뉴얼은 Soar Cognitive Architecture를 개발했습니다.
이는
인간처럼 배우고
경험을 축적하며
목표를 세우고
문제를 해결하는
범용 지능 모델입니다.
오늘날
AI Agent
로봇
자율 시스템
연구에서 여전히 활용되고 있습니다.
4. ACT-R 등 후속 인지모델의 기반
현재 대학에서 배우는
Cognitive Architecture
Human Problem Solving
Human Memory Model
등은 대부분 뉴얼의 연구를 기반으로 발전했습니다.
5. 컴퓨터 과학 교육
전 세계 대학의
AI 입문
인공지능 역사
인지과학
컴퓨터 과학
교재에는 거의 반드시 그의 이름이 등장합니다.
6. AGI(범용 인공지능)의 철학
뉴얼은
"지능은 특정 작업이 아니라 일반적인 문제 해결 능력이다."
라는 관점을 제시했습니다.
이는 현재
AGI
범용 AI
인간 수준 AI
연구의 핵심 철학으로 이어지고 있습니다.
7. ChatGPT 시대에서의 영향
흥미롭게도 ChatGPT는 뉴얼이 꿈꾸던 목표를
상당 부분 실현한 사례로 볼 수 있습니다.
그가 제시했던 개념인
지식 표현
추론
계획
문제 해결
은 오늘날 대규모 언어모델과 AI 에이전트 연구에서
여전히 핵심 요소입니다.
다만 현대 AI는 뉴얼 시대의 기호주의(symbolic AI)뿐 아니라
딥러닝과 통계적 학습을 결합해 발전했다는 점에서
접근 방식에는 차이가 있습니다.
2026년 영향력 종합 평가
분야 영향력
인공지능(AI) ★★★★★ (최고 수준)
컴퓨터과학 ★★★★★
인지과학 ★★★★★
AGI 연구 ★★★★★
AI Agent ★★★★★
대학 교육 ★★★★★
산업계 활용 ★★★★☆
역사적 위상
AI 역사에서 앨런 뉴얼은 다음과 같은 인물들과 함께
가장 영향력 있는 선구자로 꼽힙니다.
앨런 튜링
존 매카시
마빈 민스키
허버트 A. 사이먼
앨런 뉴얼
이 다섯 명은 흔히 현대 AI의 기초를 마련한
핵심 인물들로 평가됩니다.
종합 평가 (10점 만점)
역사적 중요성: 10/10
2026년 현재 영향력: 9.8/10
AI 분야에서의 위상: 역사상 가장 중요한 개척자 중 한 명
==========================================
Allen Newell
[Born] March 19, 1927
San Francisco
[Died] July 19, 1992 (aged 65)
Pittsburgh
[Alma mater] Stanford University
Princeton University
Carnegie Mellon University
[Known for] Information Processing Language Soar
[Awards] A.M. Turing Award (1975)
IJCAI Award for Research Excellence (1989)
IEEE Emanuel R. Piore Award (1990)
National Medal of Science (1992)
Louis E. Levy Medal (1992)
[Scientific career]
Fields: Computer Science
Cognitive Psychology
[Institutions] Carnegie Mellon University
Allen Newell (March 19, 1927 – July 19, 1992) was
a researcher in computer science and cognitive psychology
at the RAND Corporation and at Carnegie Mellon University's
School of Computer Science, Tepper School of Business,
and Department of Psychology.
[AI2027:Is this how AI might destroy humanity?]
He contributed to the Information Processing Language (1956)
and two of the earliest AI programs,
the Logic Theory Machine (1956) and
the General Problem Solver (1957) (with Herbert A. Simon).
[The Pioneer of AI and Cognitive Psychology]
He was awarded the ACM's A.M. Turing Award along
with Herbert A. Simon in 1975 for their
basic contributions to artificial intelligence
and the psychology of human cognition.
[Map of Consciousness]
(from naver.com wikipedia.org 나무위키 등)
Computer, Cognitive, CMU, influence(+) ~
(PIG: time-variant)
Positive Influence GRADE (PIG): C++
(MoC: Map of Consciousness) 의식 지도
MoC(의식 수준): 440~550
