History of Computing and Early AI Development: From Punch Cards to Prompt Engines

Why It Matters

The current AI revolution did not emerge from a vacuum. It rests on eight decades of conceptual breakthroughs, engineering feats, and institutional decisions whose consequences are still unfolding. Understanding this history matters because the assumptions embedded in early computing, from Turing's formalization of computation to the Dartmouth Conference's framing of AI as symbol manipulation, continue to shape how we build and regulate intelligent systems today.

The history of computing also reveals recurring patterns of hype and disillusionment (the "AI winters" of the 1970s and late 1980s) that illuminate current debates about whether large language models represent genuine progress toward general intelligence or another bubble destined to deflate. Historical awareness is the best inoculation against both uncritical techno-optimism and premature pessimism.

Moreover, the social history of computing, who was included and excluded, whose problems were prioritized, how military funding shaped research agendas, provides essential context for understanding the biases and power structures embedded in contemporary AI systems.

The Science

Chatbot Evolution

Stone (2025) produced a comprehensive review spanning from ELIZA (1966) through Siri and Alexa to ChatGPT, tracing how chatbot technology evolved from simple pattern-matching scripts to transformer-based generative models. With 45 citations, the paper has become a widely referenced timeline of conversational AI development, documenting the interplay between academic research, commercial deployment, and shifting user expectations.

AI and Learning Sciences

Al-Amin et al. (2024) examined the shared history of AI and the learning sciences, arguing that from their earliest days both fields have been entangled: AI researchers borrowed theories of human cognition to build machines, while education researchers adopted AI tools to study learning. The paper traces this reciprocal relationship from Skinner's teaching machines through intelligent tutoring systems to GPT-powered educational assistants.

From Antiquity to the Present

Stone (2025) traced AI's conceptual prehistory from ancient automata and philosophical debates about mind-body dualism through Babbage's Analytical Engine, Turing's theoretical work, the Dartmouth Yevstratov (2025), expert systems, neural network winters, and the deep learning revolution. The synthesis emphasizes that AI's development was never linear but followed a punctuated trajectory driven by hardware advances, data availability, and theoretical insights.

The Analogue Computing Blind Spot

Rosen (2024) challenged the dominant digital-centric narrative of computer history by recovering the role of analogue computers in early computer art. The paper argues that historiographic bias toward digital machines has obscured a rich tradition of analogue computing that shaped creative practices and offered alternative computational paradigms.

Key Milestones in Computing and AI History

What To Watch

The history of computing is being rapidly rewritten as archives are digitized and oral histories collected from aging pioneers. Expect growing attention to non-Western computing histories, including Soviet cybernetics, Indian software industry origins, and Japanese fifth-generation computing projects, that challenge the Silicon Valley-centric narrative. The emergence of AI-generated history itself (LLMs producing historical narratives) will raise new historiographic questions about authorship, accuracy, and the feedback loops between AI systems and the histories written about them.

면책 조항: 이 게시물은 정보 제공을 목적으로 한 연구 동향 개요이다. 학술 저작물에 인용하기 전에 구체적인 연구 결과, 통계 및 주장은 원본 논문을 통해 반드시 확인해야 한다.

왜 중요한가

현재의 AI 혁명은 갑자기 등장한 것이 아니다. 이는 80년에 걸친 개념적 돌파구, 공학적 성과, 그리고 아직도 그 결과가 전개되고 있는 제도적 결정들 위에 세워져 있다. 이 역사를 이해하는 것이 중요한 이유는, 초기 컴퓨팅에 내재된 가정들, 즉 Turing의 계산 형식화에서부터 AI를 기호 조작으로 규정한 Dartmouth Conference의 프레이밍에 이르기까지, 이것들이 오늘날 우리가 지능형 시스템을 구축하고 규제하는 방식을 계속해서 형성하고 있기 때문이다.

컴퓨팅의 역사는 또한 과대 선전과 환멸의 반복적인 패턴(1970년대와 1980년대 후반의 "AI 겨울")을 보여주는데, 이는 대형 언어 모델이 범용 인공지능을 향한 진정한 진보를 나타내는지 아니면 결국 꺼질 운명의 또 다른 거품인지에 관한 현재의 논쟁을 조명한다. 역사적 인식은 무비판적 기술 낙관주의와 섣부른 비관주의 모두에 대한 최선의 예방책이다.

더 나아가, 컴퓨팅의 사회사, 즉 누가 포함되고 배제되었는지, 어떤 문제가 우선시되었는지, 군사 자금이 연구 의제를 어떻게 형성했는지는 현대 AI 시스템에 내재된 편향과 권력 구조를 이해하는 데 필수적인 맥락을 제공한다.

과학

챗봇의 진화

Stone (2025)은 ELIZA(1966)에서부터 Siri, Alexa를 거쳐 ChatGPT에 이르는 포괄적인 리뷰를 제시하며, 챗봇 기술이 단순한 패턴 매칭 스크립트에서 트랜스포머 기반 생성 모델로 어떻게 진화했는지를 추적하였다. 45건의 인용을 기록한 이 논문은 학술 연구, 상업적 배포, 그리고 변화하는 사용자 기대 간의 상호작용을 기록한 대화형 AI 발전의 타임라인으로서 널리 참조되고 있다.

AI와 학습 과학

Al-Amin et al. (2024)은 AI와 학습 과학의 공유된 역사를 고찰하며, 두 분야가 초창기부터 서로 얽혀 있었다고 주장하였다. AI 연구자들은 기계를 구축하기 위해 인간 인지 이론을 차용하였고, 교육 연구자들은 학습을 연구하기 위해 AI 도구를 채택하였다. 이 논문은 Skinner의 교육 기계에서 지능형 튜터링 시스템을 거쳐 GPT 기반 교육 보조 도구에 이르는 이 상호적 관계를 추적하였다.

고대에서 현재까지

Stone (2025)은 고대의 자동 장치와 심신 이원론에 관한 철학적 논쟁에서부터 Babbage의 해석 기관, Turing의 이론적 작업, Dartmouth Yevstratov (2025), 전문가 시스템, 신경망의 겨울, 그리고 딥러닝 혁명에 이르는 AI의 개념적 전사(前史)를 추적하였다. 이 종합적 연구는 AI의 발전이 결코 선형적이지 않았으며, 하드웨어 발전, 데이터 가용성, 이론적 통찰에 의해 추동된 단속적(punctuated) 궤적을 따랐음을 강조한다.

아날로그 컴퓨팅의 사각지대

Rosen (2024)은 초기 컴퓨터 예술에서 아날로그 컴퓨터의 역할을 복원함으로써 컴퓨터 역사에서 지배적인 디지털 중심 서사에 도전하였다. 이 논문은 디지털 기계에 대한 역사학적 편향이 창의적 실천을 형성하고 대안적 계산 패러다임을 제시했던 풍부한 아날로그 컴퓨팅 전통을 가려왔다고 주장한다.

컴퓨팅 및 AI 역사의 주요 이정표

주목할 사항

아카이브가 디지털화되고 노령화되는 선구자들로부터 구술 역사가 수집됨에 따라, 컴퓨팅의 역사는 빠르게 다시 쓰여지고 있다. 실리콘 밸리 중심의 서사에 도전하는 소비에트 사이버네틱스, 인도 소프트웨어 산업의 기원, 일본의 제5세대 컴퓨팅 프로젝트를 포함한 비서구권 컴퓨팅 역사에 대한 관심이 높아질 것으로 예상된다. AI가 생성한 역사 그 자체(LLM이 역사적 서사를 생성하는 것)의 등장은 저자성, 정확성, 그리고 AI 시스템과 그에 관해 쓰여진 역사 사이의 피드백 루프에 관한 새로운 사학적 질문을 제기할 것이다.