[IT ISSUE] 인공지능(AI)

▣ 인공지능

 

1. 1차 인공지능 붐(1950~60년대)

- 컴퓨터초창기 추론 탐색기법 통해서 문제해결

- 인간의 사고과정을 기호로 처리 및 표현

- 추론 탐색으로만은 현실세계의 복잡한 문제는 해결 힘들엇음

 

2. 2차 인공지능 붐(1980년대)

- 지식베이스를 컴퓨터에 제공하고 이를 기반으로 전문가시스템을 구축해 특정분야의 문제를 해결하려 했음

- 그러나 방대하고 복잡한 지식의 수집 및 정리에 비용과 시간이많이 들음,

- 또한 적절한 지식베이스를 구축하는 것이 어려움

 

3. 3차 인공지능붐(2000년대) (머신러닝)

- 인터넷을 기반으로 방대한 데이터 수집이 가능했으며 빅데이터를 통해 머신러닝이 가능해짐

- 이 머신러닝을 검색에 적용하여 성공한 기업이 구글

- 그러나 한계가 있었는데 머신러닝을 위해 컴퓨터가 주목해야하는 특징을 인간이 지정해주어야 했음

- 적절하지 않은 특징을 지정하면 인공지능은 제대로 작동하지 않았음

 

4. 4차 인공지능붐(2010년대) (딥러닝)

- 위와 같은 한계를 극복하기 위해 딥러닝이 등장함

- 딥러닝에서는 컴퓨터 스스로 데이터를 바탕으로 특징을 추출함

- 예를 들어 고양이 사진을 학습시킬때, 머신러닝에서는 고양이의 특징을 인간이 분석하고 분류하여 컴퓨터가 인식할 수 있도록 설계

- 하지만 딥러닝은 컴퓨터가 스스로 고양이의 특징을 찾아냄

- 최근 인공지능이 각광받는 이유는 딥러닝을 통해 새로운 기회를 마련했기 때문

 

▶ 기술수준에 따라 인공지능의 4가지 유형

1. 일반적인 소프트웨어에 불과한 인공지능 : 특정기능을 제공하는 평범한 소프트웨어 탑재

2. 고전적인 인공지능 : 추론탐색 지식베이스등이적용, 초보적인 인공지능

3. 머신러닝 : 빅데이터를 이용해 지식을 학습하는 인공지능

4. 딥러닝기반의 인공지능 : 컴퓨터 스스로 데이터 바탕으로 특징을 추출하고 이를 기반을 ㅗ학습을 강화하는 인공지능

 

▣ 클라우드 컴퓨팅

- 인터넷에 연결된 다른 컴퓨터 자원을 이용하여 작업을 수행

- 범용 인공지능 플랫폼에서는 고도의 클라우드 환경이 필수

 

▶ Ibm Watson

- 기업용 서비스 구축에 이용

- 2011년 헬스케어 산업용으로 왓슨 상업화

- 2012년 본격적으로 플랫폼 비즈니스 개시

- 자연어 처리기술을 통해 인공지능을 향상

- 인간의 복잡한 질문 이해 가능

- 학습한 내용을 기반으로 반응

 

▶ Ibm Watson API 지원- 

- 1500만쪽이 넘는 의료정보 학습하고 진단서비스 제공

- 노스페이스는 왓슨을 활용하여 자사제품 추천서비스

- 호주의 채션디자이너 제이슨그레치는 새로운 패션제품을 만드는데 왓슨을 사용함
  -> 패션트랜드와 sns콘텐츠를 통해 소비자 선호도를 분석하고, 50만장 이상의 패션쇼 런웨이 사진을 분석해 소비자가  좋아할만한 정보 제공하고 이를 기반으로 의류제작

 

▶인공지능 구현 위해서는

1. 고도의 소프트웨어 알고리즘 필요

2. 데이처 처리 위한 하드웨어 성능 > 엔베티아 amd도 인공지능 분야 참가

 

▶구글 TPU 인공지능 연산칩

- 병렬처리 최적화로 gpu로 비슷하나 인공지능 분석에 최적화

- 이로 클라우드 구축하고 외부개발자들이 이용하게 함

 

▶ 아마존 알렉사

- 가상비서서비스이자 인공지능 플랫폼

- 음식 레시비. 주시가격, 은행계좌 잔액 등 확인 가능

- 알렉사 스킬 : 외부개발자들에 의해 그 기능이 무한대로 확장될수 있도록 되어있음

- 다양한 알렉사 스킬은 알렉사스킬스 스토어에서 확인 가능

 

◆ 이미 인공지능은 단품으로서의 기술경쟁이 아니라 플랫폼으로서 전세계 개발자들을 얼마나 끌어모을 수 있는가의 생태계 경쟁임

 

▣ 인공지능과 기업경영

- CAO(인공지능 책임자) 선임 및 인공지능 전담조직 운영

- 데이터규모가 커지고 데이터 생성속도가 빨라지기 때문에 가치있는 정보를 알아내기가 힘들어짐

 

▶ 인공지능 기술을 이용한 데이터분석시스템 다수 출시

- 소위 다크데이터까지 분석 가능

- 다크데이터는 저장만하고 분석에 활용되지 않는 텍스트, 이미지 등의 비정형데이터

- 레티스는 다크데이터을 분석하는 대표적 기업

 

▶ 사이버 보안분야

- 네트워그에 합류되는 기기증가하고 데이터 양이 증가하여 보안위협 증대

- 크라우드스트라이크 : 머신러닝 기반의 맬웨어 탐지기술 탑재, 사이버보안분야에서 인공지능이 가장 중요한 역할 할듯

 

▶ 챗봇

- 고객과 채팅으로 대화를 나누면서 고객의 요구에 응대하는 인공지능 한분야

- 오즐로 : 단순한 예/아니오 답변보다는, 대답하기 어려운 질문을 이해하고 적절한 답변을 제공하는데 특화된 기술 보유

- 인공지능 기술경쟁 심화로 스타트업을 흡수해 자사의 기술로 만드는 경향이 강해짐

 

▶ 인공지능을 이용하는 기업 예시

- SAS는 자사의 플랫폼에 머신러닝, 자연어 처리 등을 제공하는 솔류션 추가, 기업은 리스크 및 사기평가 고객피드백 분석을 통한 문제 조기 탐색 등 비즈니스에서 발생할 수 있는 복잡한 문제점을 보다 빨리 파악해 신속하게 대응

- 스쿼럴 : 인공지능 기술을 이용한 사이버보안 시스템을 제공

- 캐글 : 데이터 과학자들과 머신러닝 엔지니어들을 위한 데이터 분석 플랫폼
    → 데이터과학자들과 머신러닝 엔지니어들의 전문성을 크라우드소싱으로 활용 가능

 

▣ 특이점

- 수학적의미 : 곡점, 함수 등에서 다른것에 비해 특이한 형태를 나타냄

- 일반적의미 : 특정공간이나 차원의 기준점이 되는 무언가

- 기술적 특이점 : 기술의 가속적 발전으로 인해 인류역사에 필연적으로 발생하게될 변곡점

- 최근 기술적 특이점을 인공지능 관점에서 보는것이 대세

- 인공지능의 발전이 가속화 되어 모든 생물체의 지능을 합친 것보다 탁월한 비생물체의 지능 즉 초인공지능이 출연하는 지점

- 딥러닝과 같은 인공지능은 지속적으로 지적능력을 개성함

- 인간이 학습을 통해 발전할 수 있다면 인공지능도 가능

 

▶ 구글 신경만 기계번역(GNMT) : 한국어 포함 수십여개의 언어 번역서비스에 적용, 전체문장의 문백을 파악해 자연스러운 번역 수행

 

▶ 웨이브넷 : 인공지능 기술을 이용해 스스로 인간의 음성을 모방하는 학습과 훈련 수행

 

▶ 일본 NEC가 선보인 인공지능 기반 채용시스템은 머신러닝을 통해 스스로 방대한 자료를 검토하고 학습할 수 있는 능력을 갖추고 기존 응시자들의 합격/불합격 결과까지 분석해 채용여부 판단