🔹1943년: McCulloch & Pitts, 최초의 인공 뉴런 모델
→ 인간 뇌의 신경세포 작동 방식에서 영감을 받아 논리 회로로 뉴런을 수학적으로 모델링함.
→ AI의 역사에서 오늘날 딥러닝의 핵심인 신경망 이론의 시초로 평가받습니다.

🔹1950년: Alan Turing, AI 개념의 기반 논문 발표
→ 『Computing Machinery and Intelligence』에서 ‘기계가 생각할 수 있는가?’라는 질문 제시.
→ 튜링 테스트를 통해 기계의 지능 여부를 평가할 수 있는 기준을 제안함.

🔹1960~70년대: SNARC, ELIZA, Perceptron 등 초기 실험 활발
→ Perceptron은 이미지 분류 문제를 다루며 초기 신경망 모델의 가능성을 보여줌.
→ ELIZA는 최초의 자연어 기반 챗봇으로, 사람과의 대화를 흉내내는 방식이 주목받음.

🔹1970년대 말: 기술적 한계와 기대치 미달로 첫 번째 ‘AI 겨울’ 도래
→ Perceptron의 비선형 문제 처리 한계 등이 지적되며 연구 자금과 관심이 급감.
→ 하드웨어 부족과 과대광고로 인한 실망감이 연구 침체기를 불러왔습니다.

🔹 1980년대: MYCIN 등 전문가 시스템 등장
→ MYCIN은 감염 질병 진단을 위한 전문가 시스템으로, 사람의 판단 과정을 규칙 기반으로 모델링함.
→ 이 시스템은 특정 분야에서는 인간 전문가에 필적하는 성능을 보여 AI의 실용 가능성을 입증했습니다.

🔹 딥러닝 부활: Rumelhart & Hinton, 경험 학습 모델 연구
→ Rumelhart는 역전파(Backpropagation) 알고리즘을 통해 신경망 학습의 실현 가능성을 제시했습니다.
→ Hinton은 딥러닝의 개념을 정립하고, 학습 심층구조에 대한 연구를 이끌며 후속 기술 기반을 마련했습니다.

🔹 1997년: IBM Deep Blue, 체스 챔피언 Kasparov 격파
→ Deep Blue는 수백만 가지 수를 계산하는 체스 특화 슈퍼컴퓨터로 Garry Kasparov를 이긴 최초의 AI입니다.
→ 인간의 전략적 영역에서 기계가 인간을 이긴 첫 상징적 사건으로 AI 대중 인식을 바꿨습니다.

🔹 2000년대 초반: 딥러닝 연구 지속되나 상업화 한계 존재
→ 컴퓨팅 자원 부족, 데이터 확보의 어려움으로 인해 딥러닝은 이론 중심 연구에 머물렀습니다.
→ 이전 AI 역사에서는 성능은 있었지만 산업계의 관심은 낮았고, 실제 적용은 제한적이었습니다.

🔹 2007~2018년: 클라우드 컴퓨팅 발전 → AI 접근성 향상
→ GPU와 클라우드 인프라의 확산으로, 중소기업과 연구자들도 대규모 AI 학습 환경에 접근 가능해졌습니다.
→ 이는 AI 연구와 응용 서비스의 폭발적 증가로 이어졌고, 다양한 산업 분야에 확산되었습니다.

🔹 AlexNet (2012): 이미지 분류 혁신
→ AlexNet은 ImageNet 대회에서 기존 정확도를 크게 뛰어넘으며 딥러닝의 실용성을 입증했습니다.
→ CNN 구조의 가능성을 보여줌으로써 컴퓨터 비전, 자율주행, 의료 영상 분야까지 기술이 확대되었습니다.

🔹 AlphaZero (2017): 자가학습 기반 게임 마스터
→ AlphaZero는 기보 없이 스스로 플레이하며 학습하는 강화학습 기반의 AI 시스템입니다.
→ 체스·장기·바둑에서 인간보다 더 창의적이고 효율적인 수를 보여주며 AI 전략 사고의 진화를 증명했습니다.

📌 2016년: AlphaGo, 이세돌 9단 꺾음 → 대중 AI 인식 전환
→ 바둑은 수의 조합이 방대해 AI가 넘기 힘든 영역으로 여겨졌으나, AlphaGo가 이를 넘어서며 충격을 안겼습니다.
→ 이 사건은 AI가 인간 고유 영역을 위협할 수 있다는 인식 전환점이 되었고, 대중적 관심이 폭발했습니다.

📌 2022년 이후: ChatGPT 등 자연어 처리 기반 생성형 AI 대중화
→ GPT-3.5 및 GPT-4 기반 ChatGPT는 자연스러운 대화, 글쓰기, 코드 작성 등 범용적인 언어 능력을 갖췄습니다.
→ 기존 AI 역사 보다 기업, 교육, 콘텐츠, 법률 등 다양한 분야에서 실제 업무에 AI가 통합되는 전환점이 되었습니다.