1. 얼마나 확신합니까
스탠퍼드 연구팀의 책에는 1974년판 프로그램을 터미널에서 시연한 기록이 실려 있다. 시연에서 한 사람이 프로그램에 규칙 하나를 가르친다.
규칙은 이렇다. 환자의 배양 검체를 어느 부위에서 채취했고, 그람 염색이 어떤 결과를 보이고, 현미경에서 보이는 균의 모양이 어떠하며, 이 균에 산소가 필요 없고, 병균이 어느 경로를 따라 몸에 들어왔다면, 이 균이 박테로이데스일 가능성을 강하게 시사한다. 조건 다섯에 결론 하나다.
가르치는 사람은 먼저 조건과 결론을 쳐 넣는다. 결론을 받아 든 프로그램이 한 가지 묻는다. 이 결론을 얼마나 확신합니까. 전문가에게 소수를 직접 쓰게 하지 않았다. 사람이 정한 1부터 10까지의 척도를 내놓았다. 그 사람이 9를 입력했다. 프로그램은 이해한 규칙을 화면에 다시 띄웠다. 조건 하나를 둘로 나누니 모두 다섯이었다. 9는 0.9로 적고 사람에게 확인해 달라고 했다.
그 규칙에는 처음부터 200번이 매겨졌다. 프로그램이 출력한 결론 문장은 이랬다. 이 균이 박테로이데스임을 강하게 시사하는 증거가 있다. 0.9.
이 0.9는 조건 다섯과 결론 하나 사이의 연결에 전문가가 매긴 점수다. 전문가가 그 연결을 얼마나 강하다고 보았는지를 나타낸다. 출발점은 한 사람이 1부터 10까지 그어진 눈금 하나를 가리킨 데 있었다. 이런 점수를 합치는 방식에는 프로그램 자체의 규칙이 있었고, 확률론을 따르지는 않았다. 0.9를 90퍼센트로 읽은 것은 후대의 일이다.
한 사람의 판단이 먼저 눈금 하나가 되고, 다시 소수가 되고, 나중 사람들의 손에서 확률로 읽힌다. 한 단계 바뀔 때마다 그 사람에게서 한 걸음 멀어진다. 이 글은 20년 동안 사람이 자기가 아는 것을 기계에 어떻게 넣었고, 넣은 뒤에는 무슨 일이 일어났는지에 관한 이야기다.
2. 탄소의 원자량
이야기는 10년 전부터 시작한다. 1965년에 스탠퍼드에서 한 프로젝트가 시작됐고, 훗날 덴드럴(DENDRAL)이라는 이름을 얻었다. 1969년 《기계 지능》이라는 논문집 제4권에 정식 논문이 실렸다. 제목은 《휴리스틱 덴드럴: 유기화학에서 설명 가설을 만드는 프로그램》, 저자는 브루스 뷰캐넌, 조지아 서덜랜드, 에드워드 파이겐바움이었다.
풀려던 문제는 구체적이다. 분자 조성과 질량 스펙트럼, 곧 분자를 깨뜨렸을 때 여러 조각이 질량 대 전하 비율에 따라 갈라져 나타나는 신호를 준다. 먼저 스펙트럼에서 어떤 작은 구조가 있어야 하고 어떤 것은 없어야 하는지 알아낸다. 그 실마리와 화학의 규칙을 따라 후보를 만든다. 각 후보에서 어떤 스펙트럼이 나올지 짐작하고 실제 스펙트럼과 맞춰 본 뒤 후보의 순서를 매긴다.
같은 해 5월 21일, 《미국화학회지》 같은 호에 한 연작의 첫 두 논문이 실렸다. 연작의 제목은 ‘화학적 추론에서 인공지능의 응용’이었다. 1969년, 화학 학술지 논문 제목에 ‘인공지능’이 쓰였다. 나중에 첫 번째 겨울이라 불린 10년의 한복판이다.
프로그램은 스탠퍼드 인공지능 실험실의 DEC 기계에서 돌아갔고, 리스트 처리 언어로 썼다. 저자 명단에는 두 무리가 있었다. 프로그램을 짜고 휴리스틱을 생각하는 레더버그, 파이겐바움, 뷰캐넌, 서덜랜드가 한쪽이다. 질량 스펙트럼과 유기화학을 다루는 제라시, 더필드, 로버트슨이 다른 쪽이다. 그들 사이에서 옮겨야 하는 것은 화학자가 알지만 프로그램은 모르는 것이었다.
초기에는 이런 것을 프로그램 안에 바로 썼다. 탄소의 원자량은 프로그램에서 ‘무게’라는 함수 안에 써 두었다. 자연의 상수를 계산 절차 한 토막에 적은 셈이다. 바꾸려면 프로그램을 고쳐야 한다.
지식이 많아지자 이렇게 할 수 없었다. 연구팀은 뒤에 화학적 성질을 프로그램에서 꺼내 고치기 쉬운 자료 구조로 옮겼다. 참여자들은 훗날 이 경험을 한 문장으로 정리했다. 한 분야의 지식을 프로그램에 넣는 일이 병목이 되었다. 여기서 ‘병목’이라는 말이 처음 나온다. 기계의 계산이 느리다는 게 아니라, 지식이 들어오는 일이 느리다는 뜻이다.
덴드럴은 뒤에 다른 기계로 옮겨졌고 원격으로 함께 쓰는 계산 시설을 통해 제공됐다. 1970년대 내내, 그리고 1980년대 초까지 미국의 학계와 산업계 화학자들이 쓸 수 있었다.
세계 최초의 전문가 시스템이었다는 이야기도 있다. 1969년 자신이 붙인 이름은 휴리스틱 덴드럴이었고, 화학 학술지에 올린 간판은 인공지능이었다. ‘과학적 가설을 세우기 위한 최초의 전문가 시스템’을 제목에 쓴 것은 1993년 참여자들이 직접 쓴 회고다.
3. 이름 하나와 이름 셋
1972년 무렵 스탠퍼드 의대 사람 몇 명과 프로그램을 짜는 사람 몇 명이 한 가지 일에 힘을 합쳤다. 처음에 프로젝트에는 이름이 없었다.
1973년 연구비 신청서를 쓰게 되자 이미 돌아가는 프로그램에 이름을 붙여야 했다. 의사 스탠턴 액스라인이 의견을 냈다. 항생제의 영어 이름 여럿에 공통으로 붙는 어미, 스트렙토마이신이나 에리트로마이신의 ‘마이신’을 따자고 했다. 그럴듯한 두문자어를 만들려다 떠오르는 게 없어 그대로 정했다. 마이신(MYCIN).
이름은 그렇게 지었지만 신청서에 돈을 낼 사람들에게 보여 준 이름은 셋으로 따로 있었다. 모두 대문자였다. 자문 프로그램, 대화형 설명 기능, 컴퓨터에 의한 판단 지식의 획득. 자문, 설명, 판단의 획득. 셋 어디에도 ‘의사’라는 말은 없다. 곁에서 의견을 내고, 왜 그런 의견을 냈는지 밝히고, 의견 내는 법을 전문가에게 배우려 했다.
첫 구상은 이와 달랐다. 처음에는 병원이 내주는 항생제 처방을 감시하는 장치를 생각했다. 그러려면 약국, 임상검사실, 세균검사실의 자료가 동시에 필요했다. 세 자료는 서로 다른 컴퓨터 시스템에 있었다. 셋을 이어 붙이지 않으려고 의사와 직접 대화하는 자문 시스템으로 계획을 바꿨다. 프로그램의 모습은 여기서 선을 잇기가 얼마나 어려운지에 따라 정해졌다. 시스템 세 곳과 연결하기가 너무 어려우니 사람 한 명에게 묻기로 했다.
맡은 범위는 처음에 균혈증의 항미생물 치료뿐이었고, 뒤에 감염성 뇌수막염까지 넓어졌다. 뇌수막염은 세균만 일으키는 것이 아니므로 지식 베이스에 일부 바이러스와 진균을 보탰다.
프로그램이 마주하는 사정에는 한 가지 특징이 더 있다. 환자가 입원한 뒤 첫 24~48시간에는 검사 결과가 다 나오지 않은 경우가 많다. 그때 할 일은 처음 받은 몇 가지 결과로 병균 하나를 꼭 집어내기보다, 가능성이 있고 위험한 몇 가지를 치료에서 빠뜨리지 않는 것이다. 빠뜨리지 않는 일과 알아내는 일은 다르다.
1984년에 연구팀이 정리했을 때 완성된 지식 베이스에는 규칙 약 450개, 표에 든 사실 약 1000개가 있었고, 병원체 약 120종을 고려할 수 있었다.
4. 여섯 단계
규칙은 어떻게 하나씩 들어갔나. 마이신에서 처음 이 일을 맡은 사람은 에드워드 쇼틀리프였다. 의사 스탠리 코언과 액스라인에게 감염병에 관한 판단을 얻고, 뷰캐넌 등과 그것을 어떻게 나타낼지 의논했다. 그들은 ‘만약 이러하면 저러하다’ 형식의 규칙을 택했다. 뚜렷한 이유가 있었다. 의사가 읽고, 잘못된 것을 짚고, 고칠 수 있기 때문이다. 사람이 읽을 수 있느냐에 맞춰 규칙의 형식을 골랐다.
1970년대 중반, 이 일에 이름이 생겼다. 지식 공학, 지식 기반 시스템, 전문가 시스템이라는 말이 1975년 무렵 이 분야에 널리 쓰이게 됐다. 연구팀이 1984년에 일을 정리한 책에서는 업계에 이렇게 정의를 내놓았다. 지식 획득은 사람인 전문가와 교과서, 데이터베이스, 경험에서 지식을 꺼내고 옮기고 변형하는 일이다. 보통은 전문가와 프로그램 사이에 사람이 한 명 있고, 그를 지식 엔지니어라고 불렀다.
실제 작업을 팀은 여섯 단계로 썼다. 첫째, 전문가가 무엇을 보태고 무엇을 고칠지 짚는다. 둘째, 지식 엔지니어가 지식 베이스를 바꾼다. 셋째, 기존 사례를 다시 한 번 돌린다. 넷째, 두 사람이 무엇이 문제였는지 함께 본다. 다섯째, 전문가가 새 사례를 가져와 시험한다. 여섯째, 결과를 보고 첫 단계로 돌아간다. 글쓴이들은 이 순환을 한 번 도는 데 시간이 많이 드는 것이 핵심 문제 가운데 하나라고 특별히 밝혔다.
가장 힘든 것은 순환 자체가 아니었다. 가장 힘든 구간은 흔히 맨 처음이라고 썼다. 지식 엔지니어는 전문가의 전문 용어와 분류법을 먼저 배워야 한다. 전문가도 프로그램이 어떤 표현 방식을 허용하는지 차츰 알아야 한다. 이 구간을 지나야 규칙 수가 빠르게 늘어난다. 늘어나고 나면 하나씩 시험하고 하나씩 고친다. 먼저 두 사람이 서로의 말을 배워야 한다.
덴드럴 쪽도 사정이 비슷했다. 뷰캐넌은 질량 스펙트럼 전문가와 여러 번 말을 주고받으며, 전문가가 한 번도 써 두지 않았던 판단을 실행할 수 있는 휴리스틱 규칙으로 정리했다. 전문가와 지식 엔지니어 모두 시간을 많이 쏟아야 했다. 초기의 많은 시간은 프로그램을 고치고, 분류 방식을 다시 생각하고, 사례를 다시 돌리는 데 들었다.
뒤에 팀은 전문가가 지식 베이스를 직접 점검하고 고칠 수 있도록 도구를 만들었다. 하나는 고대 그리스의 눈먼 예언자에게서 이름을 딴 테이레시아스(TEIRESIAS)였다. 회고에는 감염병 분야의 협력자들이 지식 획득과 디버깅 기능의 완전한 형태를 일상적으로 쓰지는 않았다고 적혀 있다. 도구는 생겼지만 가운데 사람은 빼낼 수 없었다.
5. 팔백 번의 채점
1979년 9월 21일, 《미국의학협회지》에 논문 한 편이 실렸다. 제목은 《컴퓨터에 의한 항미생물제 선택: 감염병 전문가의 눈가림 평가》, 제1저자는 빅터 유였다. 제목에 진단도, 누군가를 이겼다는 말도, 인공지능도 없다.
평가는 한 단계씩 설계했다. 평가한 것은 한 가지다. 급성 감염성 뇌수막염에서 병원체가 아직 정해지지 않았을 때 어떤 항미생물제를 써야 하는가.
첫째, 스탠퍼드 부속 카운티 병원 한 곳에서 뇌수막염 사례 열 건을 가져와 요약했다. 같은 요약을 여덟 사람에게 주고 각자 독립적으로 처방하게 했다. 스탠퍼드 감염병 교수 다섯 명, 감염병 고참 박사후 연구원 한 명, 고참 전공의 한 명, 고학년 의대생 한 명이다. 여기에 마이신이 내놓은 처방과 환자가 당시 실제로 받은 치료를 보탰다. 사례마다 처방이 열 가지 생겼다.
둘째, 스탠퍼드 밖의 감염병 전문가 여덟 명을 채점자로 구했다. 모두 뇌수막염 치료에 관한 글을 발표한 적이 있다. 사례별 열 가지 처방을 무작위로 섞고 형식을 통일했다. 채점자는 개별 처방을 누가 썼는지, 그중 하나가 컴퓨터에서 나왔는지 몰랐다. 먼저 자기가 어떻게 치료할지 적고, 익명의 처방마다 세 등급 가운데 하나를 주었다. 자신의 처방과 동등, 받아들일 만한 다른 선택, 받아들일 수 없음. 열 사례에 열 처방, 채점자 여덟 명. 채점은 모두 800번이었다.
결과는 이렇다. 각 처방이 80번의 평가에서 받아들일 만하다고 판정된 횟수를 셌다. 마이신은 52회, 65퍼센트였다. 교수 A는 50회, 교수 B와 박사후 연구원은 각각 48회였다. 교수 C와 환자가 실제 받은 치료는 각각 46회였다. 교수 D는 44회, 전공의는 36회, 교수 E는 34회, 의대생은 24회였다. 교수 다섯의 평균은 55.5퍼센트였고 개인별로는 42.5퍼센트에서 62.5퍼센트까지였다.
다른 방식으로 세어 보자. 채점자의 과반이 받아들인 사례가 몇 건인가. 마이신은 열 건 중 일곱이다. 환자가 실제 받은 치료도 열 건 중 일곱이다. 더 엄격한 방식으로 다시 세어 보자. 치료할 수 있는 병원체를 빠뜨렸는가. 마이신은 0회, 환자가 실제 받은 치료도 0회다. 교수 다섯 중 세 명은 0회, 두 명은 각 1회였다. 박사후 연구원은 1회, 전공의는 1회, 의대생은 3회였다.
뒤에 전해진 이야기는 마이신이 눈가림 시험에서 의사들의 진단을 이겼다는 것이다. 논문이 평가한 것은 약 고르기였지 진단이 아니었다. 뇌수막염 사례 열 건을 놓고 익명 처방을 한 무더기 채점했다. 기계와 의사가 마주 앉아 겨룬 게 아니다.
표에는 열 줄이 있다. 첫 방식으로 세면 마이신이 가장 앞에 있다. 둘째 방식으로 세면 환자가 실제 받은 치료와 나란하다. 셋째로 세면 교수 여럿과 나란하다. 표에 ‘의사’라는 줄은 없다. 65퍼센트 대 50퍼센트 안팎은 맨 앞의 한 줄을 빼내고, 다른 다섯 줄을 평균 내어 숫자 하나로 만든 것이다.
6. 왜 아무도 쓰지 않았나
가장 높은 점수를 받은 처방은 훗날 병상 앞에서는 쓰이지 않은 프로그램에서 나왔다. 바깥 사람이 한 말이 아니다. 1984년에 연구팀이 자기 책에서 이 일에 절 하나를 할애했다. 제목은 ‘마이신은 왜 일상적으로 쓰이지 않았는가’다.
그들이 든 이유는 이렇다. 프로그램을 돌리는 기계가 아직 너무 비쌌다. 감염병 지식의 범위가 충분히 넓지 않았다. 사람이 쓰는 화면과 조작 방식도 충분히 좋지 않았다. 뇌수막염과 균혈증만 다루는 데는 비용을 들일 만큼 쓸모 있는 도구가 되지 못했다.
실행할 환경도 문제였다. 리스트 처리 언어의 한 방언으로 쓰였고, 스탠퍼드와 원격 공유 시설의 특정 운영체제에 의존했다. 병실이나 의사 사무실에는 그런 장비가 없었다. 크고 복잡한 체계를 작은 기계용으로 다시 쓰는 일에 관해 그들은 ‘우리에겐 그 일을 할 동기가 없었다’고 썼다.
사람 쪽의 이유도 있다. 법적 책임은 누가 지는가. 의사라는 직업의 자존심은 어떤가. 프로그램이 자기 이유를 설명할 수 있다는 점이 의사를 납득시킬 수 있나. 연구팀은 반성도 한 줄 남겼다. 처음에는 성능이 좋으면 쓰이리라고 생각했는데, 나중에는 순진한 생각이었다고 보았다.
1979년의 눈가림 평가가 물은 것은 프로그램이 제안한 처방을 전문가들이 받아들일 수 있느냐였다. 잴 수 있는 질문이었고, 실제로 쟀다. 또 한 질문은 의사가 병상 앞에서 이 프로그램을 쓸 것이냐였다. 그때 이 질문은 재 본 적이 없다.
잰 질문의 답이 재지 않은 질문의 답으로 넘어갔다. 이 연재의 다섯 번째 글과 바로 앞 글에서 이미 본 동작이다. 던지기 어려운 질문의 자리를 던지기 쉬운 질문이 차지한다. 이번에 자리를 바꾼 것은 프로그램을 만든 사람들 자신이었다. 5년 뒤 그 일을 책에 밝힌 것도 그들이었다.
800번의 채점에서 가장 높은 점수를 받은 프로그램과 병실에 놓이는 프로그램 사이에서, 연구팀이 직접 열거한 것 가운데 규칙은 거의 없었다. 기계 값이 얼마냐, 방에 장비가 있느냐, 누가 책임지느냐, 의사들이 자신들을 어떻게 보느냐였다.
여기 한 가지가 더 있다. 1977년 무렵부터 의학 쪽 협력자들이 하나둘 다른 일로 옮겼다. 감염병 지식 베이스는 더는 크게 늘지 않았다. 설명, 지식 획득, 이 프로그램에서 파생된 도구의 연구는 이어졌다. 의학 지식을 넣는 일은 의사들이 떠나면서 멈췄다.
그러니 마이신에는 깔끔하게 정해진 종료일 하나가 없다. 조금씩 멈췄다. 먼저 사람이 떠났고, 그다음 지식이 자라지 않았다. 200번 규칙은 아직 지식 베이스에 있다. 0.9도 있다. 의학 쪽에서 그 숫자를 준 사람들이 하나둘 다른 일로 갔다.
7. 규칙 772개
같은 시기에 실제로 쓰인 것이 하나 있다. 1980년 미국인공지능학회 첫 연례 회의 논문집에 존 맥더모트의 글이 실렸다. 제목은 컴퓨터 시스템 분야의 전문가라는 뜻이었다. 논문 속 프로그램 이름은 R1이다. 나중에 회사에서는 엑스콘(XCON)이라고 불렀다.
하는 일은 구체적이다. DEC가 VAX-11/780이라는 새 모델을 팔았다. 고객이 필요한 부품을 적어 주문하면, 프로그램은 주문서를 읽고 부품을 캐비닛 안에 어떻게 배치하고 연결할지 그렸고, 주문에 빠진 부품이 무엇인지 찾아냈다. 기술자는 그 도면을 받아 실제 기계를 조립했다. DEC는 DEC 컴퓨터로 DEC 컴퓨터의 구성을 짰다. DEC 대형 컴퓨터에서 돌아갔고, 생성 규칙 시스템의 언어로 썼다.
1978년 12월 첫 단계가 시작돼 넉 달쯤 걸렸다. 맥더모트는 먼저 DEC 직원에게 닷새나 엿새 연이어 시스템 구성법을 배웠고, 설명서 두 권도 읽었다. 초판에 든 분야 규칙은 200개가 채 안 됐다. 둘째 단계도 넉 달가량이었다. DEC 전문가들이 계속 출력을 보고 어디가 틀렸고 무엇이 빠졌는지를 짚었다. 분야 지식의 양은 논문 표현으로 거의 세 배가 됐다.
1979년 10월부터 11월까지 실제 주문서 50장으로 본격적인 시험을 했다. 구성 전문가 여섯이 검토했고, 주문서 한 장에 한 시간에서 두 시간이 들었다. 검토 끝에 오류 유형 열두 가지를 발견해 모두 고쳤다.
1980년 6월에는 상시 규칙이 772개였다. 그중 480개를 논문은 구성 규칙이라고 불렀다. 프로그램이 알아보는 부품은 약 420종이고, 일반적인 시스템 하나는 약 90개 부품으로 이루어졌다. 1980년 1월부터 이미 500건 넘는 주문을 처리했다. DEC 생산 부서에서 수시로 썼고 영업 주문 절차에도 이어 붙이기 시작했다. 주문서 50장을 놓고 한 시험에서 한 장당 평균 약 1056개의 규칙이 발동했고, 컴퓨터 시간으로 약 2분 30초가 걸렸다.
이 프로그램은 계속 쓰였고 줄곧 자랐다. 1989년, DEC 직원 두 사람인 바커와 오코너는 《미국컴퓨터학회 통신》에 회고를 썼다. 처음에는 두 사람이 규칙 약 250개를 돌보다가, 60명이 넘는 유지보수 팀이 규칙 1만 개 넘게 돌보는 규모가 되었다. 두 사람이 60명 넘게 됐다.
실제로 쓰이는 지식 시스템에는 지식을 한 번 넣었다고 끝나지 않는다. 늘 곁에서 지키는 조직이 필요하고, 그 조직은 갈수록 커진다.
흔히 이 프로그램이 DEC의 돈을 해마다 2500만 달러 아꼈다고 한다. 1989년의 그 회고에 쓰인 숫자는 다르다. 관계자들은 이런 종류의 구성 시스템이 해마다 순액 약 4000만 달러를 절약했다고 추산했다.
8. 0.9
1984년 8월, 미국인공지능학회는 오스틴에서 연례 회의를 열었다. 현장에 있던 기자 조지 존슨은 11월에 긴 기사를 썼다. 그가 기록한 행사장은 이랬다. 터미널에서 나오는 푸르스름한 잿빛 불빛. 전시실에 스피커를 켜 둔 판촉 시연. 곳곳에 사람을 뽑으러 온 회사 관계자들. 참석자는 3000명이 넘고 약 3분의 2는 학계 사람이 아니었다.
전시대에서 한 회사는 전문가 시스템을 만드는 자기 제품을 지식 공학 환경이라고 불렀다. 안내 책자에는 ‘인공지능이 드디어 성년이 됐다’고 적혀 있었다. 다른 제품의 책자에는 ‘우리는 더 좋은 뇌를 만들었다’고 적혀 있었다. 그해 《비즈니스위크》 표지 제목은 ‘인공지능, 이제 왔다’였다. 학회에서 돌린 자동차 범퍼 스티커에는 ‘인공지능, 이건 진짜다’라고 적혀 있었다.
파이겐바움은 이 기자에게 벤처 자본이 늘 다음 뜨는 아이템을 찾는다고 했다. 1980년에서 1981년까지는 생명공학이었고, 이제는 인공지능이다. 그러니 1984년에 인공지능은 내거는 간판이지 피할 말이 아니었다.
이 기자는 또 한 가지 일을 했다. 판촉 문구와 연구자들이 기술 분과 회의에서 말하는 모습을 나란히 썼다. 연구자들은 내내 단서를 달았다. 일곱 번째 글에서는 여러 해 떨어진 글을 나란히 놓고, 저마다 어떤 단서가 붙었으며 훗날 그중 얼마가 남았는지 물었다. 이번에는 같은 행사장, 같은 주간에 현장에 있던 한 사람이 두 말투를 당시에 나란히 적었다.
돈의 숫자도 있다. 1985년 2월 미국 의회 기술평가국이 같은 시기 시장 숫자를 모은 문서를 냈다. 1983년 업계가 인공지능 제품을 사는 데 쓴 돈은 약 6600만에서 7500만 달러였다. 같은 쪽에는 미국의 가장 큰 회사들 가운데 15곳 이상이 전문가 시스템 개발을 확대하고 있다고 적혀 있다. 몇 년 사이 이런 제품을 만들 새 회사가 열 곳 남짓 이상 생겼고, 이 새 회사들에 들어간 벤처 자본은 적어도 1600만 달러였다. 인공지능을 개발하는 사람들에게 전용으로 파는 기계의 시장 규모는 약 5000만 달러로 추산됐다. 문서에는 큰 숫자가 하나 더 있다. 1990년대 초에는 이 시장이 25억에서 85억 달러에 이를 수도 있다고 했다.
국가도 들어왔다. 일본은 1982년 통상산업성이 신세대 컴퓨터 기술 연구소를 세워 5세대 컴퓨터를 개발했다. 사업 총예산을 외부에서 가장 크게 추산한 액수는 이후 8~10년 동안 많게는 10억에서 15억 달러였다. 초기 연간 지출은 1982년 약 200만 달러, 1983년 약 1200만, 1984년 약 2700만이었다. 연구소는 모두 52명이었다.
영국의 앨비 계획은 일본의 5세대 계획에 대한 응답이었다. 인공지능을 맡은 부분의 이름은 지능형 지식 기반 시스템이었다. 정부는 약 3억 1000만 달러를 약속했고 기업에서도 2억 3000만을 더 낼 것으로 예상했다. 지능형 지식 기반 시스템에 첫 5년 동안 약 3900만 달러를 배정했고, 그중 약 3000만은 대학에 돌아갈 몫이었다. 1982년 영국의 이 분야 연구자는 약 150명이었다. 2~3년 안에 절반만큼 늘리고, 5년 안에 두 배로 만들 계획이었다.
미국 국방부의 고등연구계획국, 곧 DARPA가 추진한 전략 컴퓨팅에는 1984 회계연도부터 5년에 걸쳐 약 6억 달러가 배정됐다.
같은 문서는 장 제목에 인공지능과 전문가 시스템을 내걸고, 바로 그 자리에서 밝혔다. 상업적 열광 가운데는 근거 없는 것도 있을 수 있다. 의회에 자문하는 사람들은 현 세대 전문가 시스템이 얼마나 쓸모 있고 얼마나 일반화할 수 있는지에 관한 주장에 경계심을 갖고 있다. 간판과 간판에 대한 주의가 같은 정부 문서의 같은 장에 쓰였다.
이제 이 글의 그 숫자로 돌아가자. 이 20년 동안 사람들이 하려던 일을 아주 간단히 말할 수 있다. 사람이 아는 것을 기계에 넣는다. 화학자가 아는 것, 의사가 아는 것, 구성 엔지니어가 아는 것. 자료에는 넣는 과정이 어떻게 생겼는지가 남았다.
탄소의 원자량은 먼저 프로그램에 박아 넣었다가 고칠 일이 있어 꺼내야 했다. 의사의 판단을 먼저 1부터 10까지 척도의 눈금 하나로 묻고, 다시 소수 하나로 저장했다. 여섯 단계의 순환은 한 번 도는 데 오래 걸렸다. 가장 어려운 것은 두 사람이 서로의 말을 배우는 맨 처음 구간이었다. 구성 프로그램 하나는 두 사람이 돌보다가 60명 넘게 돌보는 규모로 자랐다. 최고점을 받은 자문 프로그램은 의사가 떠나자 지식이 더 자라지 않았다.
이 사실들은 한 가지를 말한다. 지식은 안에 넣으면 그만인 물건이 아니다. 넣은 뒤에도 곁에서 지킬 사람이 있어야 한다. 지킨 사람들이 누군지 자료에 또렷이 적혀 있다. 지식 엔지니어, 유지보수 팀, 오가는 전문가들이다. 기계 안의 규칙이 많아질수록 기계 옆 사람도 많아졌다.
만들어 낸 물건에는 저마다 경계가 있고, 경계 밖에는 늘 무엇이 남는다. 이 연재는 그렇게 남는 부분을 줄곧 ‘남는 몫’이라 불렀다. 이 20년 동안 남는 몫에는 구체적인 얼굴이 있다. 줄곧 기계 옆에 앉아 있어야 하는 바로 그 사람이다.
규칙은 베껴 넣을 수 있고 셀 수도 있다. 772개, 450개, 1만 개 넘게. 그런데 한 규칙을 왜 이렇게 썼는지, 그 0.9가 왜 8이 아니라 9인지, 이 한 가지는 베껴 넣을 수 없다. 9를 준 사람에게 남는다. 사람이 있으면 규칙을 고칠 수 있다. 사람이 떠나도 규칙은 남고 0.9도 남는다. 그것을 설명할 사람은 이미 기계 옆에 없다.
마지막으로 터미널에서 한 그 시연으로 돌아가자. 프로그램이 한 사람에게 물었다. 얼마나 확신합니까. 1에서 10까지의 척도를 주었다. 그는 9를 입력했다. 프로그램은 0.9를 적었다.
훗날의 사람들은 0.9를 90퍼센트로, 800번의 채점을 의사에게 거둔 승리로 읽었다. 의사가 떠나자 자라지 않던 지식 베이스는 병원에서 쓰인 인공지능 의사로, 60명 넘게 곁을 지켜야 하는 프로그램은 회사 돈 2500만 달러를 해마다 아껴 주는 기계로 읽었다. 그렇게 읽을 때마다 9를 말한 사람을 바깥으로 한 걸음 더 옮겼다.
기계는 계속 만들어지고, 경계가 어디인지는 세대마다 다시 말한다.