AI/ML Wiki

Chap 2. 튜링 머신과 사이버네틱스 — 컴퓨터 아키텍처의 원리 및 간략한 역사

69 min read

Chap 2. 튜링 머신과 사이버네틱스 — 컴퓨터 아키텍처의 원리 및 간략한 역사

현대 컴퓨터를 구동하는 하드웨어의 논리 구조를 파악하고, 제어와 피드백의 원리를 이해합니다.

앞 장이 남긴 질문 — 그 계산은 무엇이 수행하는가

앞 장은 하나의 야심에서 출발했다. 세상을 숫자로 환원해 계산으로 다루겠다는 것. 별의 운동도, 동전 던지기도, 사람의 키도 수와 식으로 바꿀 수 있었다. 그런데 거기서 곧바로 한 가지 질문이 솟아오른다. 그 계산을 도대체 무엇이, 어디까지 수행하는가? 종이 위의 식은 누군가 손으로 풀어야 비로소 답이 나온다. 그 ‘푸는 일’을 기계에 맡기려면, 먼저 ‘계산한다’는 행위 자체가 무엇인지부터 엄밀하게 정의해야 한다.

이 장의 문제는 바로 이것이다. 숫자 계산을 무엇으로, 어디까지 할 수 있는가. 답을 향한 길은 한 줄의 사다리로 정리된다. 계산이란 무엇인가를 정의하는 추상 기계(튜링 머신)에서 시작해, 그 추상을 전기 스위치(불 논리·가산기·플립플롭)로 떨어뜨리고, 다시 그것을 프로그램 내장 구조(폰 노이만 아키텍처)로 조직하고, 마침내 반도체라는 물리 위에 얹는다. 이 추상화 사다리 — 물리(전자) 위에 논리, 논리 위에 아키텍처, 그 위에 소프트웨어를 쌓는 일 — 이 이 장 전체의 뼈대다. 그리고 위너의 사이버네틱스가, 이 모든 층을 관통하는 ‘제어와 피드백’이라는 또 하나의 시선을 더한다.

1930–40년대라는 기적의 10년

우리가 매일 쓰는 스마트폰, 노트북, 클라우드 서버는 모두 하나의 공통된 설계 원리를 공유한다. 그 원리의 씨앗이 심어진 것은 놀랍도록 짧은 시간, 1930년대에서 1940년대 사이였다. 제2차 세계대전의 포화가 한창이던 그 시절, 몇몇 천재들이 거의 동시에 현대 컴퓨터 과학의 기둥을 세웠다.

1936년 앨런 튜링(Alan Turing)이 ‘계산 가능성’을 정의하는 추상 기계를 제안했고, 1937–38년 클로드 섀넌(Claude Shannon)은 전기 스위치 회로가 부울 논리(Boolean Logic)의 AND, OR, NOT 연산을 구현할 수 있음을 보였다. 1945년 폰 노이만(John Von Neumann)은 오늘날 모든 컴퓨터의 원형인 프로그램 내장식 아키텍처를 설계했다. 그리고 1948년, 노버트 위너(Norbert Wiener)는 이 모든 흐름을 하나의 원리로 통합하며 사이버네틱스를 선언했다.

이 네 사람의 업적을 이해하는 것이 AI를 이해하는 출발점이다.

수리 논리학의 계보 — 기계 이전의 이야기

그 10년 이전에도 긴 지적 계보가 있었다. 컴퓨터는 어느 날 갑자기 발명된 것이 아니라, 수학자들이 수십 년 동안 씨름한 근본적인 질문들의 결과물이었다.

**칸토어(Cantor)**는 19세기 말 집합 이론(set theory)을 정립했다. 무한에도 크기가 다른 무한이 있다는 그의 발견은 수학의 토대를 흔들었다.

**프레게(Frege)**는 아리스토텔레스 이후 2,000년 동안 이어진 명제 논리학(propositional logic)을 술어 논리학(predicate logic)으로 혁신했다. “소크라테스는 인간이다. 모든 인간은 죽는다. 따라서 소크라테스는 죽는다”처럼, 변수와 양화사(quantifier)를 도입해 더 복잡한 추론을 형식화할 수 있게 됐다.

**러셀(Bertrand Russell)**은 “이 문장은 거짓이다”와 같은 자기지시적 패러독스로 프레게의 집합 이론에 균열을 냈다. 집합 이론의 토대가 흔들리자 수학자들은 위기에 빠졌다.

**힐베르트(Hilbert)**는 이 위기를 정면 돌파하려 했다. “모든 수학적 문제는 형식 논리(formal logic)로 풀릴 수 있다”고 선언하며, 수학의 완전성과 결정 가능성을 증명하는 프로그램을 제안했다.

그러나 **괴델(Gödel)**은 1931년 불완전성 정리(incompleteness theorem)로 힐베르트의 꿈을 무너뜨렸다. 어떤 충분히 강한 형식 체계에도, 의미론적으로는 참이지만 그 체계 안에서 문법적으로 증명할 수 없는 문장이 반드시 존재한다는 것이다. 즉, 수학은 스스로의 완전성을 스스로 증명할 수 없다.

이 충격적인 결론이 24세의 튜링에게 다음 질문을 던졌다: “그렇다면 어떤 문제가 형식적으로 풀릴 수 있고, 어떤 문제는 원리적으로 풀릴 수 없는가?”

이 계보를 연도와 함께 한 줄로 압축하면 다음과 같다. 강의 슬라이드는 이 흐름을 “계산 이론의 간략한 역사(Brief History of Computation)“로 정리한다.

  • (BC.3–6세기) 피타고라스(수와 비율, 음계), 아리스토텔레스(논리학 — 귀납/연역), 유클리드(기하학 원론, 정수론, 최대공약수, 무한)
  • 1854 조지 부울(George Boole), 『사고의 법칙에 관한 연구(An Investigation of the Laws of Thought)』 — 논리와 수학을 결합해 인간의 사고 법칙을 AND/OR/NOT으로 체계화 (boole-1854-an-investigation-of-the-laws)
  • 1879 프레게, 『개념 표기법(Begriffsschrift)』 — “산술과 논리는 완전히 동일하다. 수학은 논리학으로 귀결될 수 있다”
  • 1910 화이트헤드와 러셀, 『수학 원리(Principia Mathematica)』 — 기호 논리(symbolic logic)의 집대성
  • 1928 힐베르트, 자동결정 문제(Entscheidungsproblem) — “모든 수학 문제에 대해 참과 거짓을 판단할 수 있는 기계가 존재하는가?”
  • 1931 괴델, 불완전성 정리 — “기계적인 방식만으론 사실인지 판정할 수 없는 명제가 존재한다.”
  • 1936 튜링, 「계산 가능한 수와 자동결정 문제의 응용에 관하여」 — 튜링 머신으로 괴델의 정리를 입증
  • 1937 섀넌, 「릴레이와 스위치 회로의 기호학적 분석」 — 스위치(AND/OR/NOT)로 가산기(CPU)를 구현
  • 1943 맥컬록과 피츠, 「신경 활동에 내재된 아이디어의 논리적 계산」 — 인공 뉴런 모델 제안 (mcculloch-1943-a-logical-calculus-of-the)
  • 1945 폰 노이만 아키텍처 — 프로그램 내장 방식 구조 설계
  • 1948 섀넌, 『커뮤니케이션의 수학적 이론』 / 위너, 『사이버네틱스』

여기서 핵심 논리는 순서다. 힐베르트가 1928년에 “기계가 모든 명제를 판정할 수 있는가?”라고 물었고, 괴델이 1931년에 “아니다, 판정 불가능한 명제가 존재한다”고 반박했으며, 튜링이 1936년에 이 추상적 부정을 구체적인 기계 장치의 언어로 번역했다. 튜링 머신은 처음부터 컴퓨터를 만들기 위한 청사진이 아니라, 괴델의 불완전성을 증명하기 위한 사고 실험이었다는 점이 중요하다.

튜링 기계 — 계산이란 무엇인가

1936년, 앨런 튜링은 매우 간단한 상상의 기계를 설계했다. 무한한 길이의 테이프가 있고, 테이프 위에는 칸마다 0 또는 1(또는 공백)이 적혀 있다. 헤드(head)는 한 번에 한 칸을 읽고, 현재 상태(state)와 읽은 기호에 따라 정해진 규칙대로 행동한다: 기호를 지우거나 쓰고, 왼쪽이나 오른쪽으로 이동하고, 새로운 상태로 전환한다.

이게 전부다. 그런데 이 단순한 기계로, 연산 가능한 모든 함수를 계산할 수 있다는 것이 튜링의 핵심 주장이었다.

더 중요한 것은 이 기계로 증명한 한계다. 튜링은 ‘정지 문제(Halting Problem)‘가 결정 불가능함을 증명했다. 임의의 프로그램과 입력이 주어졌을 때, 그 프로그램이 결국 멈출지 아니면 영원히 돌아갈지를 미리 판정하는 알고리즘은 존재하지 않는다. 어떤 기계도 이 질문에 항상 올바르게 대답할 수 없다. 이것은 기술의 한계가 아니라, 논리의 한계다. 튜링은 괴델의 불완전성을 기계적 계산의 언어로 번역한 것이다.

5튜플 — 튜링 머신을 적는 법

튜링 머신의 동작 규칙 하나는 5튜플(5-tuple) (qⱼ, Sⱼ, Sₖ/E/N, L/R/N, qₘ)로 적는다. 차례대로 (현재 상태 qⱼ, 읽은 기호 Sⱼ, 쓰는 기호 Sₖ 또는 지우기 E 또는 아무것도 안 함 N, 한 칸 왼쪽 L·오른쪽 R·정지 N, 다음 상태 qₘ)을 뜻한다. 예를 들어 슬라이드의 ‘덧셈을 위한 튜링 머신’은 다음 6개의 규칙으로 정의된다(헤드는 상태 A에서 출발해 왼쪽부터 0이 아닌 첫 기호를 읽는다).

현재 상태읽은 기호쓰는 기호이동다음 상태5튜플
A01RB(A, 0, 1, R, B)
A11RA(A, 1, 1, R, A)
B00LC(B, 0, 0, L, C)
B11RB(B, 1, 1, R, B)
C0NNH(C, 0, N, N, H)
C10NH(C, 1, 0, N, H)

여기서 H는 정지(halt) 상태다. 이 표가 말해 주는 가장 깊은 통찰은 이것이다. 기계적 절차의 본질은 기계를 구성하는 물리적 요소(진공관인지, 트랜지스터인지, 톱니바퀴인지)가 아니라, 기계를 제어하는 추상적 구조(상태 전이표)에 있다. 같은 5튜플 표는 어떤 물질로 구현하든 똑같이 작동한다. 이 ‘물질로부터의 독립성’이 바로 뒤에 나올 위너의 사이버네틱스와 정확히 같은 사상이다.

대각선 논법 — 왜 정지 문제는 풀 수 없나

튜링이 정지 문제의 불가능성을 증명한 무기는 칸토어의 **대각선 논법(diagonal argument)**이었다. 칸토어는 자연수 {1,2,3,…}을 두 값(예: 자두/멜론)으로 보내는 함수가 자연수보다 많다는 것을 이렇게 보였다. 함수를 f₁, f₂, f₃, …로 모두 나열했다고 가정한 뒤, 대각선 값 f₁(1), f₂(2), f₃(3), …을 하나씩 뒤집어(자두↔멜론) 새 함수 g를 만든다. g는 정의상 모든 fᵢ와 i번째 자리에서 다르므로 목록 어디에도 없다. 가정이 모순이다. 자연수는 나열할 수 있지만, 함수(멱집합)는 나열할 수 없다.

튜링은 이 논법을 그대로 정지 문제에 옮겼다. 세상의 모든 프로그램을 p₁, p₂, p₃, …로 나열하고(코드는 유한한 글이므로 가능하다), halt(p, i)가 프로그램 p에 입력 i를 넣었을 때 ‘정지’할지 ‘무한’루프일지 답한다고 가정하자. 그러면 다음 프로그램 q를 만들 수 있다.

프로그램 q (1) 입력 iₓ를 받는다. (2) 만약 halt(pₓ, iₓ) = 무한 이면, q(iₓ) = 777을 출력하고 정지한다. (3) 만약 halt(pₓ, iₓ) = 정지 이면, 단계 (4)로 간다. (4) 단계 (3)으로 간다(즉 무한 루프).

q는 대각선에서 모든 pₓ와 정반대로 행동하도록 설계됐다. 따라서 q는 p₁, p₂, p₃, … 어느 것과도 같을 수 없는데, 이는 “모든 프로그램을 나열했다”는 가정에 모순이다. 결론: 프로그램의 정지 여부를 기계적으로 계산하는 방법은 없다. 모든 프로그램은 나열할 수 있어도, 그것들의 정지 여부는 나열할 수 없다.

비유하자면 “이걸 먹으면 영원히 산다”는 불로장생 식품 목록을 완성하려는 시도와 같다. 영원히 사는 것이 없다면 그런 목록 자체가 존재할 수 없다. 사주팔자로 연애·사업 성공을 100% 예측하는 것도 마찬가지로, 현실적인 비용(O(kⁿ), 지수 시간)으로는 풀 수 없는 문제 범주에 속한다.

섀넌의 부울 논리 — 전구로 덧셈하기

튜링이 계산의 추상적 한계를 정의했다면, 섀넌은 계산을 물리적으로 구현하는 열쇠를 발견했다.

전기 스위치는 두 가지 상태만 가진다: 켜짐(1)과 꺼짐(0). 섀넌은 이 이진 스위치들을 조합하면 19세기 수학자 조지 부울(George Boole)이 고안한 논리 연산(AND, OR, NOT)을 전기 회로로 구현할 수 있음을 보였다. AND 게이트는 두 입력이 모두 1일 때만 1을 출력한다. OR 게이트는 하나라도 1이면 1을 출력한다. NOT 게이트는 0을 1로, 1을 0으로 뒤집는다.

이 세 가지 게이트의 조합만으로, 덧셈과 뺄셈, 곱셈과 나눗셈, 나아가 어떤 수학 계산이든 수행하는 회로를 만들 수 있다. 현재 당신이 쓰는 컴퓨터 안에는 수십억 개의 이런 트랜지스터 스위치가 들어 있다. 섀넌의 1938년 석사 논문 「릴레이와 스위치 회로의 기호학적 분석(A Symbolic Analysis of Relay and Switching Circuits)」은 “역사상 가장 중요한 석사 논문”이라 불리기도 한다. 그 핵심 주장은 슬라이드의 한 문장으로 요약된다: “모든 회로는 일련의 방정식으로 기술되며, 방정식과 명제의 계산법은 일치한다.”

손으로 해 보는 이진 연산 — ALU가 하는 일

CPU 안의 산술 논리 장치(ALU, Arithmetic Logic Unit)는 결국 이진수의 사칙연산을 게이트로 처리할 뿐이다. 연필로 직접 따라가 보자.

곱셈 45 × 35 = 1575. 십진수를 이진수로 바꾸면 45 = 101101, 35 = 100011이다. 학교에서 배운 세로셈을 그대로 이진수로 하면 된다(자리마다 0 또는 1만 곱하므로 곱셈은 사실상 ‘자리 옮겨 더하기’다).

      101101  (45)
   × 100011  (35)
   --------------
      101101
     101101
    000000
   000000
  000000
 101101
   --------------
 11000100111  (1575)

나눗셈 27 ÷ 5 = 5 … 2. 27 = 11011, 5 = 101. 위 자리부터 나누는 수보다 크면 빼고 몫에 1을, 작으면 몫에 0을 적으며 한 칸씩 내려온다.

        101   (몫 = 5)
      ------
 101 )11011
      101     (110 ≥ 101 → 뺄셈, 몫에 1)
      ------
       011    (011 < 101 → 몫에 0)
       000
      ------
        111   (111 ≥ 101 → 뺄셈, 몫에 1)
        101
      ------
         10   (나머지 = 2)

전가산기(Full Adder) — 게이트 세 종류로 한 자리 더하기

한 자리 덧셈을 하려면 세 입력 A, B, 그리고 아래 자리에서 올라온 받아올림 C-in을 받아, 그 자리의 합 SUM과 위 자리로 넘길 받아올림 C-out을 내야 한다. 진리표를 정리하면 다음과 같은 부울식이 나온다.

  • SUM = C-in XOR (A XOR B)
  • C-out = AB + C-in·(A XOR B)

(C-in은 아래 자리에서 올라온 수, C-out은 다음 자리로 올라가는 수, SUM은 그 자리에 남는 수다.)

NAND 하나면 모든 컴퓨터를 만들 수 있다

여기서 놀라운 사실. AND·OR·NOT 세 종류조차 필요 없다. NAND 게이트(universal gate) 하나의 조합만으로 컴퓨터 전체를 만들 수 있다. 드모르간 법칙을 쓰면 모든 기본 게이트가 NAND로 환원되기 때문이다.

  • NOT: A’ = (A·A)’ — 두 입력에 같은 신호를 넣은 NAND
  • AND: A·B = ((A·B)’)’ — NAND의 출력을 다시 NAND로 뒤집기
  • OR: A + B = (A’·B’)’ — 드모르간 법칙

이 보편성이 라즈베리 파이 같은 작은 컴퓨터부터 데이터센터의 거대한 칩까지, 모든 디지털 회로가 사실상 단 한 종류의 부품을 어마어마하게 쌓아 올린 결과물인 이유다.

플립플롭 — 1비트를 ‘기억’하는 회로

게이트만으로는 계산은 해도 기억은 못 한다. 출력을 다시 입력으로 되먹이는 순차 회로(sequential circuit)가 필요한데, 그 가장 기본 단위가 플립플롭(flip-flop), 즉 1비트 기억 소자다. 슬라이드는 네 가지를 비교한다.

  • RS 플립플롭(래치): 가장 기본. S=1·R=0이면 1을 저장(Set), S=0·R=1이면 0을 저장(Reset), S=R=0이면 이전 값을 그대로 유지(기억). 단, S=R=1은 정의되지 않는 불능 상태가 된다.
  • JK 플립플롭: RS의 S=R=1 불능 상태를 해결한 회로. J=K=1이면 출력이 이전 값의 보수로 뒤집힌다(toggle).
  • T 플립플롭: JK의 J·K를 하나의 입력 T로 묶어 토글 전용으로 쓰는 것.
  • D 플립플롭: 데이터(Data)를 한 클럭만큼 지연(Delay)시켜 그대로 전달하는, 메모리에 가장 흔히 쓰이는 형태.

플립플롭은 카운터, 분주기, 시프트 레지스터, 레지스터, 메모리의 재료가 된다. 예컨대 n비트 전가산기 각 단의 합 S를 D 플립플롭에 저장하고 C-out을 다음 단의 C-in으로 넘기면, 값을 누적하는 누산기(Accumulator) 달린 n비트 가산기가 완성된다. 바로 이것이 ALU와 레지스터로 이루어진 CPU의 심장이다.

폰 노이만 아키텍처 — 프로그램을 기억에 담다

튜링의 추상 이론과 섀넌의 회로 논리가 있어도, 실제로 유용한 기계를 만들려면 한 가지가 더 필요했다: 어떻게 하면 프로그램을 쉽게 바꿀 수 있을까?

1930–40년대 초기 컴퓨터들(에니악 등)은 프로그램을 바꾸려면 수백 개의 전선을 물리적으로 재연결해야 했다. 폰 노이만은 1945년 EDVAC 보고서에서 혁신적인 아이디어를 제안했다: 프로그램(명령어)을 데이터와 같은 형태로 메모리에 저장하자. CPU가 메모리에서 명령어를 읽어 실행하고, 결과를 다시 메모리에 쓴다. 입력 장치로 데이터를 받고, 출력 장치로 결과를 내보낸다.

이것이 오늘날 모든 컴퓨터, 스마트폰, 서버가 따르는 폰 노이만 아키텍처다. 구조를 한 줄로 적으면 CPU = ALU(산술 논리 연산 장치) + 플립플롭(레지스터), 여기에 메모리(프로그램·데이터)와 입출력(I/O)이 붙는다. CPU가 명령어를 처리하는 동안 메모리에서 데이터를 기다리는 속도 병목(von Neumann bottleneck)은 여전히 현대 컴퓨터 설계의 핵심 과제로 남아 있다. GPU와 NPU는 이 병목을 우회하기 위해 병렬 처리를 극단적으로 확장한 결과물이다.

명령어 집합(ISA)과 추상화 — 컴퓨터를 이해하는 진짜 열쇠

이론에서 실물로 내려와 보자. 1970년 2월 텍사스 인스트루먼트의 74181은 단일 칩에 완전한 4비트 ALU를 구현한 최초의 사례였다. 그 다음 해인 1971년 11월 15일, 인텔 4004가 최초의 상용 중앙처리장치(CPU)로 60달러에 출시됐다(일본 부시콤의 계산기 141-PF에 처음 탑재됐다). 4비트 ALU 칩에서 출발해 단 1년 만에 ‘하나의 칩 = 하나의 CPU’에 도달한 것이다.

그렇다면 수십억 개의 트랜지스터로 이루어진 현대 컴퓨터를 인간이 어떻게 이해하고 다룰까? 답은 **추상화(Abstraction)**다. NAND 게이트 → 가산기·플립플롭 → ALU·레지스터 → CPU → 명령어 집합 구조(ISA, Instruction Set Architecture) → 운영체제 → 응용 프로그램. 각 층은 아래 층의 복잡함을 감추고 깔끔한 인터페이스만 위로 노출한다. 프로그래머는 트랜지스터를 몰라도 코드를 쓸 수 있고, 앱 사용자는 ISA를 몰라도 앱을 쓸 수 있다. ISA는 하드웨어와 소프트웨어가 만나는 ‘계약서’다.

바로 이 추상화 사다리가 이 장의 핵심 메시지다. 앞에서 본 모든 조각이 사실은 이 한 그림의 칸들이었다. 맨 아래 칸에는 전자가 흐르는 물리(진공관·트랜지스터·MOSFET, 반도체)가 있다. 그 위에 부울 게이트·가산기·플립플롭이라는 논리가 얹히고, 다시 그 위에 폰 노이만 구조와 ISA라는 아키텍처가, 맨 위에 OS와 응용 프로그램이라는 소프트웨어가 쌓인다. 튜링 머신이 보여 준 통찰 — 기계적 절차의 본질은 그것을 구성하는 물질이 아니라 상태 전이라는 추상적 구조에 있다 — 이 바로 이 사다리를 떠받치는 원리다. 각 칸은 아래 칸의 복잡함을 ‘없는 셈 치고’ 자기 일만 한다. 인류가 ‘숫자 계산을 무엇으로, 어디까지’ 할 수 있느냐는 이 장의 문제에 내놓은 답은, 단일한 천재 기계가 아니라 바로 이 층층이 쌓아 올리는 방식이었다.

이 추상화 사다리의 한 칸이 **운영체제(OS)**다. 슬라이드는 OS의 본질을 “자원(resource)의 효율적 관리”라는 한마디로 정리한다. CPU 시간, 메모리, 저장 장치, 입출력 장치라는 한정된 자원을 여러 프로그램이 다투지 않고 나눠 쓰도록 중재하는 것이 OS다. 1960–70년대 유닉스(Unix)의 계보에서 갈라져 나온 리눅스(Linux) 커널이 오늘날 서버와 안드로이드의 토대가 됐다.

컴퓨팅 인프라의 진화 — 진공관에서 양자까지

하드웨어의 역사는 더 작게, 더 빠르게, 더 효율적으로를 향한 끊임없는 여정이었다.

이 진화에는 더 긴 전사(前史)가 있다. 주판(珠板, BC.3000)은 이미 보수(complement)를 이용한 뺄셈이라는, 현대 이진 컴퓨터와 동일한 연산 원리를 담고 있었고, 그 재료인 모래(算)·실리콘은 오늘날 반도체의 재료이기도 하다. 이후 1645년 파스칼 라인, 1673년 라이프니츠의 사칙연산 계산기, 1822년 배비지의 차분기관(다항식·로그·삼각함수 계산)으로 기계식 계산이 발전했고, 1837년 전신기와 모르스 부호, 1865년 맥스웰 방정식(전기와 자기는 같은 현상이다)을 거쳐 전기·전자 문명으로 넘어왔다. 전자공학의 계보는 1879년 에디슨의 백열전구 → 1904년 플레밍의 2극 진공관 → 1906년 리 디 포리스트의 3극 진공관 → 1947년 벨 연구소의 트랜지스터로 이어진다.

**진공관(1904–)**은 첫 번째 전자 스위치였다. 3극 진공관은 그리드 전압으로 전자 흐름을 켜고 끄는 스위치 기능과, 작은 입력 전압 변화를 큰 전류 변화로 바꾸는 증폭 기능을 함께 가졌다(라디오·TV·레이더·전화 교환기의 토대가 됐다). 1945년의 **에니악(ENIAC)**은 약 18,000개의 진공관에 7,200개의 결정 다이오드, 1,500개의 릴레이, 70,000개의 저항, 10,000개의 커패시터, 약 500만 개의 수동 납땜 접점으로 이루어졌다. 무게 27톤에 2.4m × 0.9m × 30m로 방 한 칸을 가득 채웠고, 자주 고장 났으며 엄청난 열을 냈다. 같은 시기 콘라트 추제의 Z3(1941), 튜링의 콜로서스(1943.12, 특수 목적), 맨체스터 Mark I(1948.6, 프로그램 내장) 등이 나란히 등장했다. 참고로 “버그(bug)“라는 말은 1947년 실제 컴퓨터에서 나방이 발견된 사건(“First actual case of bug being found”)에서 비롯됐다.

**트랜지스터(1947.12.22)**는 진공관을 대체했다. 벨 연구소의 쇼클리·브래튼·바딘이 게르마늄 블록 위에 두 금 전극(이미터·콜렉터)을 붙인 점접촉형 트랜지스터로, 3극 진공관의 스위칭·증폭 기능을 작고 단단한 고체 소자로 재현했다. 1949년 쇼클리의 쌍극성 접합 트랜지스터(BJT)로 성능과 생산성이 크게 올랐고, 1954년 벨 연구소의 TRADIC은 최초의 트랜지스터 컴퓨터로 진공관 컴퓨터와 대등한 성능을 내면서 크기는 1/300, 소비 전력은 1/1,500이었다.

**MOSFET(1960)**은 게임 체인저였다. 벨 연구소의 **강대원(Dawon Kahng)**과 마틴 아탈라(Martin Atalla)가 개발한 MOSFET은 반도체(결정 실리콘) 표면에 절연층(열산화한 이산화규소)을 만들고 그 위에 금속 게이트를 얹은 구조다. 저렴한 생산비, 집적의 용이함, 그리고 이전 트랜지스터의 성능을 깎아먹던 표면 전자 트랩을 제거한 덕분에 대규모 집적회로(IC)의 대량 생산이 가능해졌다. 트랜지스터 수백만 개를 손톱 크기 실리콘 웨이퍼에 새겨 넣는 집적회로가 컴퓨터 혁명을 열었고, 1965년 **무어의 법칙(Moore’s Law)**대로 트랜지스터 수는 약 2년마다 두 배씩 늘어났다.

메인프레임에서 PC로. IBM은 1964년 System/360으로 메인프레임 시대를 열었고, 이 컴퓨터들은 항공 예약 시스템(SABRE, 1964), 현금 인출기(ATM, 1965–67), 아폴로 우주선의 데이터 관리(1966) 같은 곳에 쓰였다. 그러다 1975년 3월부터 1986년까지 캘리포니아 멘로파크에서 모인 홈브루 컴퓨터 클럽(Homebrew Computer Club) 같은 취미가 모임이 마이크로컴퓨터 혁명과 실리콘밸리의 부상을 이끌었다. 알테어 8800(1974) → 애플(1976) → IBM 5150(1981)으로 개인용 컴퓨터(PC)가 대중화됐고, 그 흐름의 끝에 오늘날의 엔비디아 DIGITS(2025) 같은 AI 전용 머신이 있다.

네 가지 두뇌 — CPU·GPU·ASIC·QPU

오늘날의 연산은 한 가지 칩이 아니라 역할이 다른 네 종류의 프로세서로 나뉜다. 슬라이드의 비교표를 그대로 옮기면 다음과 같다.

구분CPUGPUASIC(NPU/TPU)QPU
별명다재다능한 두뇌강력한 가속기AI 스페셜리스트차세대 게임 체인저
원리순차 처리병렬 처리전용 설계양자 연산(중첩·간섭·얽힘)
장점높은 범용성, 복잡한 제어대량 데이터 동시 연산초고속·저전력 AI 연산극강의 병렬 처리(난제 해결)
단점연산 집약 작업 시 전력 효율 저하단순 반복에 최적화특정 알고리즘 외 활용 불가상용화·특수 환경 필요

**CPU(중앙처리장치)**는 시스템의 두뇌로서 복잡한 논리 연산을 순차적으로 처리한다. 유연성이 강점이나 연산 밀도 대비 전력 소모가 크다. **GPU(그래픽 처리장치)**는 수천 개의 코어로 그래픽·행렬 같은 단순 반복 연산을 동시에 수행하는 병렬 가속기로, 딥러닝의 행렬 곱셈에 완벽히 맞아떨어지며 AI 혁명의 물리적 기반이 됐다(예: NVIDIA Blackwell B200). ASIC은 특정 용도(AI/신경망)에 회로를 최적화한 전용 프로세서로, NPU(신경망 처리장치)·**TPU(텐서 처리장치, 구글)**가 여기 속한다. 스마트폰과 에지 디바이스에서 전력 효율적으로 AI를 돌리거나(예: 애플 A19 Pro), 응답 속도가 생명일 때(예: SRAM 기반 초저지연 Groq LPU) 쓰인다. 국내에도 리벨리온(사피온), 퓨리오사 같은 설계 기업이 있다.

용도에 따라 선택이 갈린다. 가장 강력한 성능으로 파운데이션 모델을 직접 학습하려면 NVIDIA H100·B200을 수십만–수백만 장 묶은 클러스터(메타, OpenAI Stargate, xAI 콜로서스)가 필요하고, 추론의 가성비·전력 효율이 중요하면 NVIDIA L40S나 구글 TPU v7(Ironwood) 같은 선택지가 있다.

**양자 컴퓨팅(QPU)**은 다른 원리로 작동한다. 고전 비트가 0 또는 1인 것과 달리 양자 비트(qubit)는 중첩(superposition)으로 0과 1이 동시에 존재할 수 있다. 다만 중요한 단서가 있다. 양자 컴퓨터도 튜링 머신과 동일하게 “계산 가능성”의 한계 자체를 넓히지는 못한다. 정지 문제는 양자 컴퓨터로도 풀 수 없다. 다만 특정 문제(암호 해독, 최적화, 분자 시뮬레이션)에 한해 훨씬 빠르게(시간), 훨씬 알뜰하게(메모리) 풀 수 있을 뿐이다. (양자 컴퓨팅은 뒤의 별도 장에서 자세히 다룬다.)

위너의 사이버네틱스 — 무엇으로 만들어졌나보다 어떻게 작동하나

1948년, 노버트 위너는 『사이버네틱스: 동물과 기계에서의 제어와 통신(Cybernetics: or Control and Communication in the Animal and the Machine)』을 출간하며 전혀 다른 시각을 제시했다(wiener-1948-cybernetics-or-control-and). 기계와 생명체를 같은 언어로 이야기할 수 있다는 것이다. 흥미롭게도 같은 1948년 섀넌의 『커뮤니케이션의 수학적 이론』도 나왔다 — 제어(위너)와 통신(섀넌)이라는 두 축이 같은 해에 정립된 셈이다.

인간의 신경계와 선박의 조타 장치. 자동 온도 조절기와 동물의 체온 유지 시스템. 컴퓨터의 정보 처리와 인간의 두뇌 활동. 이것들은 전혀 다른 물질로 만들어졌지만, **피드백 루프(feedback loop)**라는 동일한 원리로 작동한다. 위너의 핵심 주장은: ‘무엇으로 만들어졌는가’(물질적 구성)가 아니라 ‘어떻게 작동하는가’(기능적 조직)가 중요하다는 것이다.

피드백 루프는 세 단계로 이루어진다. 과거의 결과 → 현재의 행동 → 미래의 목표. 이 과정은 비가역적이고 일방통행적이다. 베르그송(Henri Bergson)이 말한 ‘살아있는 시간’ — 기억과 학습이 축적되어 미래가 달라지는 시간 — 위에서 이루어지는 자기 조직화의 원리다.

“나에게는 제어공학의 문제들과 커뮤니케이션 공학의 문제들이 분리될 수 없으며 이 문제들이 전기공학의 기법 주위에 집중되어 있는 것이 아니라 메시지라는 훨씬 더 근본적인 개념 주위에 집중되어 있음이 명백했다.”

— 노버트 위너, 『사이버네틱스』(1948)

메시지를 넘어 커뮤니티로 — 위너의 커뮤니케이션 개념

위너에게 커뮤니케이션은 단순히 메시지를 주고받는 행위가 아니었다. 그것은 생물이 구성하는 특정 공동체(community)를 유지하기 위한 핵심적인 활동이었다.

“새도, 원숭이도, 곤충도 저마다 동료들끼리 통신을 하는 것이고, 이 통신에 있어서는 하나같이, 해당 부호체계를 알고 있는 동료들이 아니면 이해할 수 없는 신호나 심볼이 많든 적든 사용되는 것이다.”

— 위너, 『인간의 인간적 활용』(1950) 4장

이 통찰은 현재의 AI 논의와 직접 연결된다. 신경망과 강화학습은 피드백 루프를 통한 학습 기계다. 멀티 에이전트 시스템은 공동체 안에서 신호를 주고받으며 목표를 달성한다. 위너의 사이버네틱스는 개별 알고리즘의 이론을 넘어, 인간-기계-환경이 이루는 전체 생태계를 이해하는 틀이다.

그리고 이 원리는 회사와 조직에도 그대로 적용된다. 피드백이 없는 조직은 목표를 달성할 수 없다. 과거의 결과를 측정하고, 그것을 현재의 행동에 반영하고, 미래의 목표를 수정해 나가는 사이클이 살아있는 조직의 조건이다.

섀넌의 정보 이론 — 정보는 물질이다

위너가 ‘제어’를 정리했다면, 같은 1948년 섀넌은 『커뮤니케이션의 수학적 이론』에서 ‘통신’을 수학으로 정리했다(shannon-1948-a-mathematical-theory-of-communication). 핵심 아이디어는 직관에 반한다. 자주 일어나지 않는(예측이 어려운) 사건일수록 정보량이 많다(informative). “오늘 해가 떴다”는 정보량이 거의 0이지만 “오늘 일식이 일어났다”는 정보량이 크다.

이 정보량을 수치화한 것이 **엔트로피(entropy)**다.

연필로 직접 계산해 보자.

  • 두 가지 정보(0/1)가 반반으로 출현: H = −(0.5·log₂0.5 + 0.5·log₂0.5) = −(−0.5 − 0.5) = 1비트. 즉 동전 한 번 던지기를 전송하려면 1비트면 된다.
  • n가지가 균등하게(1/n씩) 출현: H = log₂n. 4가지(00/01/10/11)면 2비트, 8가지면 3비트.
  • A–H 8가지가 30·20·10·10·10·10·5·5(%)로 불균등하게 출현: H = −(0.3·log₂0.3 + 0.2·log₂0.2 + 4×0.1·log₂0.1 + 2×0.05·log₂0.05) ≈ 2.746비트. 균등했다면 3비트인데, 편향된 분포라 그보다 적은 평균 비트로 보낼 수 있다 — 이것이 데이터 압축의 원리다.

섀넌의 두 번째 기둥은 채널 용량(channel capacity) 정리다. 채널 용량 C는 잡음·대역폭으로 정해지는, 단위 시간당 보낼 수 있는 최대 정보량이다. 정리에 따르면 H ≤ C이면, 아무리 잡음이 있어도 정보를 온전히 전달할 수 있다. 반대로 H > C이면 오류율을 H−C 아래로 줄일 수 없으며, 여기서 부호화(encoding)·오류 정정(error-correcting)·암호화(cryptography)의 필요가 생긴다.

이 장의 가장 철학적인 대목이 여기 있다. 슬라이드는 정보를 다음과 같이 못 박는다.

“정보는 (인간주의적으로 환원되어) 관념화/낭만화된 기호·지식이나 (탈물질화된) 시장의 상품이 아니다. 정보는 물질과 에너지처럼 구체적인 물리이자 실체이다. … 모든 물질과 운동은 처음부터 인간과 무관하게 스스로 정보를 지니고 있다. 열역학은 정보이론의 특수한 사례(볼츠만의 엔트로피 방정식 S = k log W)에 불과하다. 궁극적으로 정보와 물질, 에너지는 서로 상호 전환이 가능할 것이다.”

섀넌의 정보 엔트로피 식과 볼츠만의 열역학 엔트로피 식(S = k log W)이 똑같은 −Σ P log P 꼴이라는 사실은 우연이 아니다. 이 ‘정보는 물질’이라는 사상이 뒤에 나올 열역학적 컴퓨팅의 출발점이 된다.

무어의 법칙의 한계와 새로운 길

무어의 법칙은 영원하지 않다. 트랜지스터를 무한히 작게 만들 수는 없다 — 물리법칙(양자 터널링, 발열)과 경제성(공정 비용 폭증)의 벽에 부딪힌다. 슬라이드는 이 벽을 넘는 여러 갈래를 제시한다.

  • CPU 아키텍처 개선: x86 → ARM(저전력) → RISC-V. RISC-V는 2010년 UC 버클리가 만든 오픈소스(개방형) 명령어 집합으로, 최하위 비트부터 opcode를 배치해 효율적으로 설계됐다. 누구나 무료로 쓰고 확장할 수 있어 삼성·인텔·엔비디아·구글·퀄컴·미디어텍 등이 ‘RISE’라는 생태계 프로젝트로 모였다.
  • 메모리 기반 아키텍처: 폰 노이만 병목을 정면으로 공격한다. **CXL(Compute eXpress Link)**은 CPU와 메모리·가속기를 빠르게 잇는 표준으로, 메모리 용량과 대역폭을 확장한다. PIM(Processing-in-Memory), **HBM(고대역폭 메모리)**도 같은 흐름이다.
  • 새로운 패러다임: 양자 컴퓨팅, 확률적/열역학적 컴퓨팅, 이종 집적(heterogeneous integration), 탄소 나노튜브·그래핀 같은 새 소재.

저장 장치의 발전도 같은 압력 아래 있다. RAM·SSD·HDD의 가격은 빠르게 떨어졌다. 슬라이드의 GB당 단가 비교가 흐름을 잘 보여 준다.

(GB당 단가)RAMSSDHDD
2019.35,625원200원50원
2024.73,938원101원43.5원

속도는 RAM ≫ SSD ≫ HDD, 단가는 그 반대다. 그래서 빠르지만 비싼 RAM, 중간의 SSD, 느리지만 싼 HDD를 계층으로 쌓아 쓴다. 이 ‘속도-용량-가격의 트레이드오프’가 컴퓨터 저장 구조(메모리 계층)의 본질이다.

반도체 가치 사슬과 첨단 패키징

반도체 산업은 한 회사가 다 만들지 않는다. 역할에 따라 분업한다.

  • IDM(종합반도체기업): 설계부터 생산까지 직접 — 인텔, 삼성전자, SK하이닉스.
  • 칩리스(Chipless): 설계 자산(IP)만 판매 — ARM, 시놉시스.
  • 팹리스(Fabless): 설계만 하고 공장은 없음 — 엔비디아, AMD, 미디어텍.
  • 파운드리(Foundry): 위탁 생산 전문 공장 — TSMC, 글로벌파운드리, 삼성전자.
  • OSAT(후공정 외주): 조립·테스트 — 에이팩트, 엘비세미콘, SFA반도체.

여기서 출발 재료가 **웨이퍼(Wafer)**다. 실리콘(규소) 등을 키운 단결정 기둥(잉곳)을 얇게 썬 원판으로, 직경이 클수록 손실 비율이 줄어든다.

미세화가 한계에 다다르면서, 칩을 옆이 아니라 위로 쌓는 첨단 패키징이 새 전쟁터가 됐다(특히 AI용 HBM). 슬라이드가 소개하는 핵심 기술은 다음과 같다.

  • TSV(Through Silicon Via): 실리콘 칩을 수직으로 관통하는 배선. 층과 층을 잇는 ‘엘리베이터’에 비유된다.
  • TC 본딩: 열압착(다리미). NCF 필름을 사이에 끼우고 열과 압력으로 ‘샌드위치’시킨다. 압착 오차와 휨(warpage)에 취약하다.
  • MR-MUF: MR 오븐으로 칩을 한 번 굽고, 마이크로 범프 사이와 바깥 보호막까지 액상 에폭시로 한 번에 메운다. TC-NCF 대비 생산성과 방열이 좋아 SK하이닉스가 HBM3·3e 시대를 장악한 비결이다.
  • 하이브리드 본딩: 칩을 잇던 구리 기둥과 솔더볼(납땜)을 아예 없애 구리 배선과 유전체를 직접 진공 접합한다. 칩 높이가 줄어 더 얇게 더 많은 D램을 쌓을 수 있고, 칩끼리 더 유기적으로 정보를 주고받는다. 삼성전자가 HBM4·4e로 판을 뒤집기 위해 미는 핵심 기술이다.

HBM처럼 메모리를 쌓는 일은 절반의 문제일 뿐이다. 그 메모리 더미를 GPU 옆에 어떻게 붙이느냐가 나머지 절반이다. 일반 PCB로는 수천 개의 미세 배선을 감당할 수 없어, TSMC의 CoWoS(Chip-on-Wafer-on-Substrate) 패키징이 사실상 표준이 됐다. 진화의 발판은 세 단계다.

  • CoWoS-S: 하나의 큰 실리콘 인터포저 위에 GPU와 HBM을 올린다. H100은 EUV 노광 한계(reticle, 약 858mm²)의 3.3배 크기의 인터포저를 쓴다 — 이 reticle 한계가 곧 칩 면적의 천장이었다.
  • CoWoS-L: 인터포저 전체를 실리콘으로 깔지 않고, 칩 사이만 작은 실리콘 ‘브릿지(LSI)‘로 잇고 나머지는 값싼 유기 기판으로 처리한다. reticle 천장이 사라져 블랙웰 B100/B200/GB200이 더 많은 HBM을 달 수 있게 됐다.
  • CoPoS: 원판 웨이퍼 대신 사각형 패널(약 600×600mm)에 패키징한다. 같은 공정 한 번으로 처리하는 면적이 비약적으로 늘어 루빈 이후 세대를 위한 다음 무대다. 2026년 파일럿, 2028년 이후 양산.

업계 평이 이 흐름을 한 줄로 요약한다: CoWoS 캐파가 곧 AI 컴퓨트의 병목이다. 엔비디아의 모든 신제품 출시 일정은 TSMC가 분기에 마무리할 수 있는 CoWoS-L 슬롯 수에 묶여 있다. HBM 적층과 첨단 패키징의 산업적·시장적 함의는 별도 개요 페이지 AI Chip and Memory에 정리해 두었다.

양자 컴퓨터 — 더 빠른 길, 그러나 다른 한계

양자 컴퓨터의 출발 조건은 슬라이드에 따르면 세 가지다. ① 질량을 줄인다(원자 수준의 작은 입자를 정밀 제어), ② 속도를 줄인다(절대 영도에 가까운 극저온 냉각), ③ 완벽한 결맞음(Coherence)(레이저·초전도체 같은 양자적 물질). 모든 물질은 입자이자 파동인데, 입자가 충분히 작거나 온도가 충분히 낮으면 파동성(중첩·얽힘·간섭)이 드러난다는 양자역학이 토대다.

왜 빠른가? 그루버(Grover) 알고리즘으로 직관을 잡자. 자전거 자물쇠 네 자리 비밀번호는 고전적으로 최악 10⁴ = 10,000번 시도해야 하지만, 양자적으로는 약 √N = 100번이면 된다. 정답 상태에만 위상차를 주는 ‘오라클’과 확률을 키우는 ‘디퓨저’를 반복해, 정답 큐비트의 확률 진폭(측정 확률 = 진폭의 제곱)을 키운 뒤 측정한다. 2큐비트(N=4)면 √N=2번, 4큐비트(N=16)면 오라클·디퓨저를 약 3.14번 반복하는 것이 최적이다.

더 위협적인 것은 쇼어(Shor) 알고리즘이다. 1994년 피터 쇼어는 양자 푸리에 변환(QFT)으로 함수의 주기를 빠르게 찾아 큰 수를 소인수 분해하는 방법을 제시했다. 이는 소인수 분해의 어려움에 기댄 RSA 암호를 무력화할 수 있다는 뜻이다. RSA의 원리를 작은 수로 따라가 보자.

① 소수 p=61, q=53을 고른다. ② n = p·q = 3233, φ(n) = (61−1)(53−1) = 3120. ③ 1 < e < 3120이고 3120과 서로소인 e=17을 고른다. ④ d·e ≡ 1 (mod φ(n))을 만족하는 d=2753을 구한다(2753 × 17 = 46801 ≡ 1 mod 3120). 공개키 = (n=3233, e=17), 비밀키 = d=2753. 평문 P=123 암호화: C = 123¹⁷ mod 3233 = 855. 복호화: 855²⁷⁵³ mod 3233 = 123.

여기서 d를 구하려면 φ(n)을 알아야 하고, φ(n)을 알려면 n=3233을 61×53으로 소인수 분해해야 한다. 작은 수는 쉽지만 RSA-2048(617자리)은 고전 컴퓨터로는 사실상 불가능하다. 그래서 RSA-2048을 깨려면 약 2천만 개의 노이즈 큐비트로 8시간이 걸린다는 추산(2019)이 나왔고, 이것이 포스트 양자 암호(PQC)가 시급한 이유다.

양자 큐비트는 벡터(행렬)로, 게이트는 행렬 연산으로 표현된다. 주요 게이트는 **X(NOT), H(하다마드 — 중첩 생성), Z(위상 변조), CX/CNOT(XOR), CX+H(얽힘 생성)**이다.

물리적 구현 방식은 여러 진영이 경쟁한다.

플랫폼장점단점주요 기업
초전도(Superconducting)반도체 공정과 유사, 빠른 게이트, 높은 성숙도극저온 냉각, 노이즈 민감, 짧은 결맞음IBM(1000+큐비트), 구글 Willow(105큐비트), 리게티, D-Wave
이온트랩(Trapped Ion)긴 결맞음, 높은 게이트 충실도, 전(全) 이온 얽힘복잡한 레이저·진공 장비, 확장성·속도 한계아이온큐(36–64큐비트), Quantinuum(56큐비트)
광자(Photonic)상온 작동, 통신망 결합 용이광자 간 상호작용·집적 난이도 높음Xanadu(216큐비트), PsiQuantum(100만 큐비트 목표)
스핀(Spin)반도체 공정 호환, 작은 크기, 저전력극저온 필수, 디코히어런스Intel(+QuTech)
위상학(Topology)높은 결맞음·오류 억제·확장성마요라나 준입자의 불확실성, 구현 매우 어려움마이크로소프트(마요라나 1)

이정표로는 구글이 2019년 Sycamore(53큐비트)로 양자 우위를 주장했고, 2024년 **Willow(105큐비트)**로 슈퍼컴퓨터가 10.7자(10²⁴)년 걸릴 랜덤 회로 샘플링을 5분에 풀었다. IBM은 초전도 진영을 대표하며 2017년부터 개발 프레임워크 Qiskit 생태계를(엔비디아의 CUDA처럼) 구축해 왔다. 양자 기계학습(QML)도 떠오르는데, 고전 데이터를 양자 상태로 바꾸는 임베딩 회로 → 파라미터화된 양자 회로(PQC, 일종의 양자 신경망) → 측정으로 추론하는 식이다.

더 멀리 — 확률적·열역학적 컴퓨팅, 그리고 데이터로 움직이는 현장

무어의 법칙 이후를 노리는 더 급진적인 발상도 있다.

**확률적 컴퓨팅(Probabilistic Computing)**은 노이즈를 제거하려던 기존 발상을 뒤집어, 환경의 노이즈를 오히려 계산 자원으로 증폭한다. 0과 1을 확률적으로 오가는 **p-비트(p-bit)**가 기본 단위다. p-비트 컴퓨터가 가중치에 따라 샘플(약 100 flips/ns)을 생성하면 CPU가 그래디언트를 계산해 가중치를 갱신하는 하이브리드 방식으로, 슬라이드의 사례에서는 4,264개의 p-비트를 쓰는 희소 심층 볼츠만 머신(Sparse DBM)으로 MNIST 이미지를 생성했다.

**열역학적 컴퓨팅(Thermodynamic Computing)**은 한 발 더 나아가, 장치 소형화에서 비롯되는 열역학적 변동 자체를 활용하는 에너지 효율적 패러다임이다. 자기 조직화 시스템이 환경과 상호작용하며 진화하고, 인간은 그 진화를 제어하는 제약 조건을 ‘프로그래밍’한다. 확률 처리 장치(SPU)가 샘플링과 선형대수 연산으로 확률적 AI를 가속할 것으로 기대된다. 앞서 본 “정보는 물질이며 열역학은 정보이론의 특수 사례”라는 섀넌의 통찰이 여기서 하드웨어로 구체화된다.

마지막으로, 이 모든 것이 추상 이론에 그치지 않음을 보여 주는 현장 사례가 일본의 회전초밥 체인 **스시로(Sushiro)**다. 초밥은 신선도(질, 폐기 손실)와 구색(양, 기회 손실) 사이의 트레이드오프에 시달린다 — 메뉴를 늘리면 고객은 만족하지만 폐기율이 오른다. 스시로는 2002년 회전초밥 종합관리 시스템을 도입해 초밥 접시에 IC칩을 붙여 날짜·기상·시간대·체류 시간·좌석별 선호·연령·성별 데이터를 수집했다. 고객의 식욕을 지수화한 “흡식 파워(喫食パワー)“로 1분/15분 뒤 수요를 예측하고, 350m 이상 돈 초밥은 자동 폐기한다. 그 결과 폐기량을 1/4로 줄였다. 핵심은 이 시스템이 점장을 대체하는 게 아니라 보조한다는 점이다.

“우리가 목표로 하는 것은 최첨단의 테크놀로지가 아니다. 현장의 오퍼레이션과 시스템의 융합이다(我々が目指しているのは、最先端のテクノロジーではない。現場のオペレーションとシステムの融合だ).”

이는 정확히 위너의 사이버네틱스다. 과거의 결과(데이터)를 측정해 현재의 행동(공급 지시)에 반영하고 미래의 목표(수요 예측)를 수정하는 피드백 루프가, 초밥집이라는 ‘살아 있는 조직’을 작동시킨다.

참고 논문

개요 페이지 (Wiki overviews)

  • ai-chip-and-memory — 이 장의 반도체·HBM·패키징 이야기를 산업 시각에서 종합. CoWoS-S/L/CoPoS 진화와 HBM 적층 기술의 시장 함의를 담았다.

논쟁거리

튜링은 본래 ‘계산 불가능한 문제’의 한계를 증명했습니다. AI가 세상 모든 문제를 해결할 수 있다는 AGI 하이프는 기술적으로 타당할까요?

이것은 단순한 기술 낙관론 대 기술 비관론의 문제가 아니다. 튜링이 증명한 정지 문제의 결정 불가능성, 괴델의 불완전성 정리는 수학적으로 엄밀한 한계다. 어떤 계산 시스템도 모든 문제를 풀 수 없다. 이것은 하드웨어가 느려서가 아니라, 논리의 구조 자체가 그렇기 때문이다.

현재의 AGI 논의는 종종 이 근본적인 한계를 무시한다. 스케일링(더 많은 데이터, 더 많은 파라미터, 더 많은 연산)이 계속되면 언젠가 AGI에 도달할 것이라는 주장은, 마치 “말을 더 빨리 달리게 하면 비행기를 만들 수 있다”는 논리와 비슷한 범주 오류일 수 있다. 양적 확장이 새로운 질적 능력을 만들어내는 창발(emergence)이 실제로 일어나는지, 아니면 특정 유형의 패턴 매칭을 더 잘할 뿐인지는 여전히 열린 질문이다.

반면, 실용적인 측면에서 AGI 수준의 범용성이 아니더라도 특정 도메인에서 인간 전문가를 능가하는 좁은 AI(ANI)는 이미 현실이다. 단백질 구조 예측(AlphaFold), 바둑과 체스, 코드 작성, 의료 영상 판독에서 AI는 인간을 뛰어넘었다. 문제는 “AGI가 가능한가”가 아니라, 현재 가능한 것과 불가능한 것의 경계를 정확히 이해하고, 과장된 기대가 만들어내는 거품(hype)에 현혹되지 않는 것이다.

튜링 자신은 계산 불가능성을 증명했지만, 동시에 기계가 생각할 수 있는지를 묻는 튜링 테스트를 제안했다. 그는 한계를 알면서도 가능성을 탐구하는 것을 두려워하지 않았다. 오늘날 우리에게 필요한 것도 마찬가지 태도일 것이다: 한계를 정직하게 인식하고, 그 한계 안에서 최선을 다하는 것.

다음 장으로 — 규칙을 사람이 짜는 일의 한계

이로써 계산하는 기계는 준비됐다. 물리(전자) 위에 논리, 논리 위에 아키텍처, 그 위에 소프트웨어를 쌓는 추상화 사다리가 완성됐고, 우리는 숫자 계산을 거의 어디까지든 자동으로 수행하는 도구를 손에 넣었다. 그러나 새로운 모순이 고개를 든다. 이 기계가 똑똑하게 굴려면, 결국 누군가 규칙을 일일이 손으로 짜 넣어야 한다. 폰 노이만 병목과 무어의 법칙이라는 물리적·경제적 천장도 천장이지만, 더 깊은 벽은 따로 있다. 괴델과 정지 문제가 보여 준 계산의 원리적 한계, 그리고 “고양이를 알아보라” “이 문장의 뜻을 헤아려라” 같은 일을 모두 if-then 규칙으로 적으려는 순간 폭발하는 상식(common sense)의 무한함이다. 세상의 모든 경우를 사람이 미리 규칙으로 적어 두는 것은 불가능하다.

그렇다면 질문을 뒤집어 볼 수는 없을까. 규칙을 사람이 짜 넣는 대신, 기계가 데이터로부터 스스로 규칙을 배우게 할 수는 없을까? 추상화 사다리가 계산을 떠받쳤듯, 다음 장은 그 위에 ‘학습’이라는 새 칸을 올린다 — 스스로 배우는 AI의 이야기로.

Graph View

Backlinks