규칙 기반에서 자가 학습 에이전트로의 AI 아키텍처 진화

Context

초기 AI는 전문가가 수동으로 정의한 규칙에 의존하는 Symbolic AI 구조를 가졌으나, 현실 세계의 복잡성을 처리하기에는 확장성 한계가 명확함. 데이터 레이블링 의존도가 높은 통계적 ML 단계를 거치며 모델 스스로 특징을 추출하는 구조적 전환이 필요했음.

Technical Solution

• Symbolic AI: IF-THEN 구문의 명시적 Rule-based 시스템을 통한 도메인 지식 인코딩
• Statistical ML: 수동 Feature Engineering을 통해 데이터 패턴을 학습하는 커브 피팅 구조 적용
• Deep Learning: GPU 컴퓨팅 파워와 다층 신경망을 결합하여 모델이 자체적으로 Representation을 학습하는 아키텍처 구현
• Transformer: Attention 메커니즘 도입을 통한 데이터 간 관계성 파악 및 범용적 언어 처리 능력 확보
• Agentic Systems: 단순 출력에서 벗어나 Planning, Tool use, Self-correction 루프를 갖춘 상호작용 구조로 진화

Key Takeaway

지능의 구현 주체가 '인간(Rule/Feature)'에서 '데이터(Representation)'로, 다시 '시스템(Loop/Agent)'으로 전이되며 엔지니어링의 핵심이 정적 설계에서 동적 최적화로 변화함.