AI를 공동 창립한 결정 이론가: 허버트 사이먼의 크리스마스 사고 기계가 모든 것을 어떻게 바꾸었는가

1956년 1월. 카네기 공과대학교. 39세의 교수 — 정치학을 전공했으며, 아무도 최적화를 하지 않는다고 주장하여 경제학자들 사이에서 이미 유명한 — 그의 수학적 모델링 수업을 다음과 같은 사실이 되어서는 안 되는 문장으로 시작한다: 크리스마스 동안, 알 뉴웰과 나는 사고 기계를 발명했다.

기계는 기계로서 거의 존재하지 않았다. 휴가 동안 사이먼, 앨런 뉴웰, 프로그래머 클리프 쇼는 논리 이론가(Logic Theorist)를 개발했으며, 컴퓨터에서 실행되기 전에 그들은 수동 시뮬레이션을 했다: 프로그램의 서브루틴은 3×5 인덱스 카드에 작성되어 사이먼의 가족과 학생들에게 나누어졌고, 각 인간은 하나의 구성 요소 규칙을 실행했다. 사람들 위에서 처음 실행된 사고 기계. 그 여름에는 하드웨어에서 실행되었고 다트머스 워크숍에서 발표되었다 — 인공지능에 이름을 붙인 회의.

이 이야기는 보통 컴퓨팅 역사에 분류됩니다. 이는 의사 결정 과학에도 해당됩니다. 왜냐하면 논리 이론가는 더 빠른 계산기가 아니었기 때문입니다. 그것은 코드로 구현된 사이먼의 제한된 합리성 이론이었습니다: 만약 인간의 지능이 철저한 계산이 아니라 지름길과 선택적 탐색을 통해 작동한다면, 지름길과 선택적 탐색을 사용하는 기계도 지능적일 수 있습니다. 사이먼이 AI에서 구축한 모든 것은 그 한 가지 움직임에서 비롯됩니다.

존재하지 말아야 할 이력서

허버트 알렉산더 사이먼(1916–2001)은 정치학 박사 학위를 취득했으며(시카고, 1943), 조직이 실제로 어떻게 결정하는지를 다룬 행정 행동(1947)을 저술하고, 카네기 멜론에서 경제학, 심리학, 컴퓨터 과학 및 과학 철학 분야에서 50년을 보냈습니다. 수상 경력은 그의 범위를 보여줍니다: 인공지능 및 인간 인지 심리에 대한 기본 기여로 앨런 뉴웰과 함께 수여된 1975 ACM 튜링상; 경제 조직의 의사 결정에 대한 선구적인 연구로 수여된 1978 노벨 경제학 기념상; 1986 미국 국가 과학 메달. 그는 튜링상과 노벨상을 모두 수상한 유일한 인물 중 한 명으로 남아 있으며, 이는 그가 단일 연구 프로그램이라고 주장한 것입니다.

그 프로그램: 실제로 작동하는 지능을 이해하기 — 사람들, 조직, 기계에서 — 정보, 계산 및 시간의 실제 한계 하에서. 이론의 반쪽은 완벽하게 합리적인 경제인을 은퇴시켰습니다. 공학의 반쪽은 다음의 명백한 질문을 던졌습니다: 지능이 제한된 탐색이라면, 우리는 그것을 구축할 수 있을까요?

논리 이론가: 지름길에 의한 증명

로직 이론가는 화이트헤드와 러셀의 프린키피아 마테마티카의 정리들을 공격하고 2장에서는 첫 52개 중 38개를 증명했다. 방법이 메시지였다: 모든 유도 과정을 힘들게 거치기보다는 (당시 하드웨어가 감당할 수 없었던 힘의 방식) 유망한 경로를 선택하기 위해 휴리스틱을 사용하고, 목표에서 뒤로 작업하며, 최선의 증명이 아닌 하나의 유효한 증명을 얻었을 때 멈췄다. 휴리스틱 검색과 만족화 — 사이먼의 의사결정 과학, 기계 속도로 실행된다.

정리 2.85에 대해 원래보다 더 우아한 증명을 발견했다. 당시 80대였던 버트런드 러셀은 사이먼이 이에 대해 편지를 보냈을 때 기쁘게 반응했다. 기호 논리 저널은 매력을 느끼지 못했다: 초등 정리에 대한 새로운 증명이 출판할 가치가 없다고 판단하며 결과를 게재하지 않기로 했다 — 한 저자가 컴퓨터 프로그램이라는 세부 사항을 인식하지 못한 채로.

일반 문제 해결사: 주제 없는 전략

후속 프로그램은 행정 행동의 저자에게서 기대할 수 있는 방향으로 더욱 야심 찬 것이었습니다. 일반 문제 해결기 — 1957년에 첫 번째 버전이 실행되었고, 1959년에 뉴웰, 쇼, 사이먼이 보고서를 발표했습니다 — 는 수단-목적 분석을 도입했습니다: 현재 상태와 목표 상태 간의 차이를 측정하고, 그 차이를 줄이는 연산자를 찾아 적용한 후, 반복합니다. 간극을 메우는 방식으로 탐색합니다.

GPS의 진정한 혁신은 구조적이었습니다: 문제 해결 전략을 문제의 내용과 분리했습니다. 동일한 엔진은 상태와 연산자의 설명이 주어지면 퍼즐, 증명 또는 계획을 해결할 수 있었습니다. 이러한 분리는 일반적인 방법과 플러그 가능한 도메인으로, AI의 기본 설계 원칙이 되었으며, 수단-목적 분석은 여전히 현대 계획 시스템 내에서 인식할 수 있습니다.

큰 주장: 기호와 검색

1976년 튜링 상 강연에서, '경험적 탐구로서의 컴퓨터 과학'이라는 제목으로, 뉴웰과 사이먼은 20년간의 연구를 이 분야에서 가장 유명한 가설로 정리했습니다: 물리적 기호 시스템은 일반적인 지능적 행동을 위한 필요하고 충분한 수단을 가지고 있다. 마음은 기호를 조작하고, 컴퓨터도 기호를 조작합니다. 따라서 적절히 프로그래밍된 컴퓨터는 지능적으로 행동할 수 있으며, 기호 조작 외에 필요한 것은 없습니다. 이것은 현재 상징적 AI 또는 GOFAI라고 불리는 것의 헌장이 되었습니다.

그들은 또한 날짜가 포함된 예측을 했고, 그 날짜는 잘못되었다. 1958년 Operations Research 논문에서 사이먼과 뉴웰은 10년 이내에 디지털 컴퓨터가 세계 체스 챔피언이 될 것이라고 예측했으며, 규칙이 경쟁을 금지하지 않는 한 그렇다고 했다. 세계 챔피언은 1997년에 컴퓨터에게 넘어갔는데 — 예측한 지 39년 후, 10년이 아니라. 어떤 종류의 잘못인지 주목할 가치가 있다: 메커니즘(어떤 기계도 소진할 수 없는 공간에 대한 휴리스틱 검색)은 정확히 맞았고; 타임라인은 한 세대만큼 틀렸다. 두 사실 모두 기록에 남아야 한다.

딥러닝이 사이먼을 틀렸다고 증명하지 않았나요?

여기 2026년 독자가 가지고 있는 반론이 있습니다: 현대 AI는 상징적이지 않습니다. 신경망은 데이터에서 패턴을 학습합니다; 아무도 휴리스틱을 손으로 작성하지 않습니다; 그리고 리차드 서튼의 영향력 있는 2019년 에세이 "쓴 교훈"은 사이먼의 전체 접근 방식에 대한 판결처럼 읽힙니다 — 계산과 함께 확장되는 일반적인 방법이 인간이 만든 도메인 지식에 기반한 시스템을 이긴다는 70년의 AI 역사를 보여줍니다.

이 반대 의견은 부분적으로 성립한다. 강력한 상징적 주장은 살아남지 못했다: 충분한 상징이 없었고, 1970년대와 80년대의 수작업 지식 프로그램은 서튼이 설명하는 대로 정확히 정체되었다. 사이먼의 솔직한 설명이 그렇게 분명히 말한다. 그러나 The Bitter Lesson의 결론을 읽어보라: 확장 가능한 두 가지 방법 계열은 search and learning이다. 휴리스틱 검색은 사이먼과 뉴웰의 분야에 대한 기여로, 오늘날 게임 트리 검색에서 현재 AI 시스템의 의도적인 추론 루프에 이르기까지 살아 있다. 그리고 딥 네트워크가 하는 일 — 방대한 경험에서 축적된 패턴을 인식하는 것 — 은 사이먼의 전문성 정의와 놀라울 정도로 가깝다. 강화 학습은 그 창립자인 앤드류 바르토와 리차드 서튼이 2024년 튜링 상을 수상한 연구 프로그램으로 (2025년 3월 발표), 계산적 한계 내에서 선택적 시행착오 검색이다 — 사이먼이 친족으로 인식했을 연구 프로그램이다.

그래서 점수판이 나뉘어 있고, 그 나뉘는 교훈적이다: 그가 베팅한 아키텍처는 실패했고; 그 아래의 지능 이론은 성공했다. 기계는 철저한 계산을 통해 지능을 얻지 않았다. 그들은 제한된, 휴리스틱한, 인식 기반의 탐색을 통해 지능을 얻었다 — 이는 사이먼이 자신의 경력을 걸었던 주장이다. 최근 연구는 반대편에서 고리를 닫는다: 2025년 연구는 대형 언어 모델이 스스로 제한된 합리성을 보이며, 인간과 유사한 방식으로 게임 이론적 최적성에서 벗어나고, 만족화가 모델 정렬에 대한 열망 수준 제약으로 설계되었음을 발견했다.

사이먼의 현대 AI에 대한 지문

타임라인: 만물박사의 삶

AI 시대에 시몬에게서 배울 점

제한된 기계와 함께 작업하거나 그에 따라 결정하는 모든 사람을 위한 네 가지 작업 원칙:

Argumentree가 적합한 곳

사이먼은 인간과 기계 지능을 하나의 주제로 다루었습니다: 제약 조건 하에서 탐색하는 제한된 에이전트. 아규먼트리도 같은 전제에 기반하여 구축되었습니다. 인간의 주장과 AI가 추출한 주장은 하나의 검사 가능한 구조인 트리에 모이며, 여기서 추론이 가시화되고, 평가가 가장 강력한 포인트에 희소한 주의를 집중시키며, 기록은 조직 기억으로 지속됩니다.

감사 가능해야 하는 AI 사용을 가진 팀을 위해, 자매 제품 AIAgentree는 기계 추론 자체에 동일한 아이디어를 확장합니다 — AI 시스템이 결론에 도달한 과정을 시몬이 보고 싶어 했던 구조로 추적합니다.

롱 베트

사이먼의 체스 시계는 네 번이나 돌아갔고, 상징적인 구조는 무너졌으며, 그가 공동 설립한 분야는 이제 그가 구축하지 않은 방법으로 운영되고 있다. 예언으로 판단하면 혼합된 기록이다. 과학으로 판단하면 더 드문 것: 지능이 발생하는 곳마다 인식에 의해 안내되는 제한된 탐색이라는 핵심 주장은 이를 테스트하는 데 사용된 모든 구조, 그의 구조를 포함하여, 더 오래 살아남았다.

그렇기 때문에 교실의 문장은 70년이 지난 지금도 여전히 유효하다. 그는 기계를 발표하는 것이 아니었다. 그는 사고가 공학의 주제가 되었다는 것을 발표하고 있었다 — 인간의 사고, 조직을 위한 사고, 그리고 이제는 기계를 위한 사고.