---
title: "코모도어 64에서 돌려본 전문가 시스템 XPER"
published: 2026-01-02T23:53:21.000Z
canonical: https://jeff.news/article/341
---
# 코모도어 64에서 돌려본 전문가 시스템 XPER

1985년 코모도어 64용 전문가 시스템 XPER를 직접 사용해 날씨 예측기를 만들어본 레트로 컴퓨팅 체험기. 80년대 AI 붐, 일본 5세대 컴퓨터 프로젝트, 최초의 AI 실직 사례 등 역사적 맥락과 함께 전문가 시스템의 한계와 교훈을 다룸.

## 1980년대 AI 붐과 전문가 시스템

- 1984년 게리 킬달이 "5세대 컴퓨팅"과 전문가 시스템을 소개하며 "컴퓨팅의 양자 도약"이라 극찬했는데, 불과 1년 뒤엔 "요즘 AI 갖다 붙이면 뭐든 잘 팔리니까 다들 AI 딱지 붙이는 거"라며 완전 식어버림
- 드레퓌스 박사는 "전문가 시스템"이 아니라 "유능한 시스템"이라 불러야 한다고 지적함. 규칙 기반 접근법은 전문성의 85%까지만 도달 가능하고, 나머지 15%는 인간의 직관 영역이라는 주장
- 일본의 5세대 컴퓨터 프로젝트(1982~1992)는 국가 차원의 대규모 AI 이니셔티브였음. 스푸트니크 쇼크에 비견될 정도로 미국에 충격을 줬고, 전문가 시스템이 당시 "실용적 AI"의 대표 주자였음

## XPER: 코모도어 64 위의 전문가 시스템

- XPER는 자크 레브 박사가 만든 범용 전문가 시스템으로, 원래 버섯 분류학용이었음. 64KB 메모리에서 전문 지식을 담겠다는 야심찬 시도
- 지식을 객체(object), 특성(feature), 속성(attribute) 세 가지로 분해하는 구조임. 제한도 빡빡해서 객체 250개, 특성 50개, 속성 300개(특성당 최대 14개)가 한계
- 퍼지 값도 없고, 가중 확률도 없고, 추론도 없고, 시계열 분석도 없음. 그냥 객체 x 속성의 평면적 2D 프레임이 전부임
- UI도 상당히 불친절해서, "정말 계속하시겠습니까? y/n"이라는 모호한 프롬프트가 사실은 "데이터 전부 날리고 새로 시작할 건데 괜찮냐"는 뜻이었음. 사용자가 알아서 해석해야 하는 구조

## 날씨 예측기를 만들어보자

- 글쓴이가 직접 XPER로 날씨 예측기를 만들어봄. open-meteo.com에서 2020/2022/2024년 11월 데이터를 수집해서 기압, 온도, 강수량, 토양 온도, 구름량, 상대습도 등을 입력
- 시간별 기압 데이터 같은 연속형 데이터를 XPER에 넣으려면 "상승/변화없음/하락" 같은 이산값으로 미리 가공해야 함. 이 과정에서 정보 손실이 엄청남
- 데이터를 입력하면서 패턴이 보이는 것 같은 착각에 빠지기도 함. 바이젠바움의 경고가 떠오르는 대목: "비교적 단순한 컴퓨터 프로그램에 짧게 노출되는 것만으로도 정상인에게 강력한 망상적 사고를 유발할 수 있다"
- 최종 결과: 비 오는 날과 안 오는 날 사이에서 XPER가 찾아낸 유일한 차별점은... 비가 왔다는 사실 그 자체뿐이었음

## AI에게 일자리를 빼앗긴 최초의 인간

- 1985년, 캠벨 수프의 알도 치미노는 43년간의 수프 살균기 문제해결 노하우를 플로피 디스크에 통째로 옮겨야 했음. 별명이 "디스크 위의 알도"
- 알도 본인 왈, 컴퓨터는 "자기가 아는 것의 85%만 안다"고 함. 드레퓌스 박사가 말한 85%와 정확히 일치하는 게 묘함
- 이 시스템도 약 10년 후 퇴역함. 원인은 "취약성(brittleness)" — 변화하는 조건에 적응하지 못하고 엉뚱한 결과를 내뱉는 문제. 아무도 새 규칙을 가르치는 데 시간과 돈을 쓰려 하지 않았음

## 병렬 컴퓨팅의 역설적 유산

- 이 시기에 커넥션 머신, 일본의 PIM 등 병렬 컴퓨팅에 대한 거대한 투자가 있었지만, 빠르고 저렴한 CPU의 등장에 밀려 사라짐
- 그런데 2000년대에 하드웨어 한계에 다시 부딪히면서 멀티코어 CPU와 GPU 병렬 처리가 대세가 됨. 5세대 프로젝트의 꿈이 35년 뒤에야 현실이 된 셈

## 결론: 전문가 시스템의 진짜 교훈

- XPER는 생산성 도구라기보다 장난감에 가까웠음. 버섯이나 고양이과 분류처럼 잘 정의된 분류 체계에는 쓸 만하지만, 날씨 예측 같은 건 무리
- 진짜 작업은 데이터를 선정하고 준비하는 과정이었지, XPER 자체가 아니었음. 시스템은 데이터를 담는 그릇일 뿐, 전문가는 결국 사람의 몫
- 1980년대 AI 붐의 과대광고와 현실의 괴리가 오늘날과 놀라울 정도로 닮아 있음. "AI가 모든 걸 바꿀 것이다"라는 흥분은 그때나 지금이나 똑같음

## 핵심 포인트

- XPER는 객체/특성/속성의 2D 프레임 구조로, 퍼지 값이나 추론 기능 없이 250개 객체와 50개 특성만 지원
- 날씨 예측기 실험 결과 비 오는 날과 안 오는 날의 유일한 차이점은 비가 왔다는 사실뿐
- 캠벨 수프의 알도 치미노가 43년 경험을 플로피에 옮긴 최초의 AI 실직 사례
- 80년대 병렬 컴퓨팅 실패가 오늘날 GPU 병렬 처리로 부활

## 인사이트

1980년대 AI 과대광고와 현실의 괴리가 오늘날 LLM 붐과 놀랍도록 유사하며, 데이터 선정과 준비가 시스템 자체보다 중요하다는 교훈은 시대를 초월함.