AI 101

Read date
2022/01/28
Suggest by
Author
정지훈
Eric Fit (out of 5)

책정보

세모람 정보

작가님

정지훈 작가님

시작하는 말

이런 전문가와 비전문가 사이에 있는 사람들을 타겟으로 한 책들이 가장 어렵다
모든 기술이 역사적 사이클이 굉장히 중요하기에 어떠한 경우에 무엇을 봐야하는지 보는 것이 중요하다 → AI는 테크 사이클은 지나서 모든 사람들한테 보급되는 상황이다
테크놀로지 위에 비즈니스 인사이트, 유저와 마켓으로 이전합니다 즉 0 → 1의 영역을 넘어 1 → N의 영역으로 이동합니다
한국은 이 n의 공급을 빠르게 그리고 많이 달성하는 나라 중 하나고

AI 탄생의 역사

본격적인 시작점은 1956년 다트머스 컨퍼런스
계산 기능과 논리 체계의 한계
20년의 암흑기를 지난 후 1980년대 다차원 논문 발표
1980년 후반이 pc 보급이 될 때 였다
인지적 기능과 관련된 부분은 기술의 도입의 보완을 인간이 혼자 일 때보다 나아야 쓴다
80%만 맞으면 못 쓴다. 인간의 expectation 범위를 넘어가야지 도입이 되는데 2000년대 초반에는 이 레벨까지 못 올라갔다
이 당시 사회에서 받아들여주지 않으니 데이터 사이언스 등의 언어들을

3번째 인공지능 붐의 3가지 이유

1.
병렬 컴퓨팅 - 강력한 GPU : 계산 방법이 비슷하다 (엔비디어)
2.
기계의 자기학습 알고리즘
3.
방대한 학습자료
인식 분야 쪽으로 인간보다 나은게 나오기 시작한다

3번째 인공지능의 겨울이 안올까?

이미 많이 쓰인다
겨울이 오지는 않는다.
다만 과다한 기대에 관한 하이프가 껴있긴 하다
그만큼 만들었으니 제품을 내놔라... 제품과 서비스가 이제 도입되는 시대다
머신러닝보다 AI가 크게 된다

Pure Reinforcement learning (Cherry): 화려하게 보이지만 체리 같은 것이다
Supervised Learning (icing) : 지도학습은 답을 알고 있을때 적합하다
Unsupervised/predictive learning (cake): 답이 없이 데이터만 있어도 그걸로부터 추출을 해서
최근은 self-supervised learning
위키 피디아의 문장 안에 구멍을 뚫고 이 가로안에 들어갈 단어를 무엇일까요의 답은 원래 문장 안에 있다. 문제가 구멍 뚫고 답이 있다 → 원래 데이터안에 답이 있다 (자연어 처리)

상용화의 영역

AI와 인간 사이의 신뢰 구축: 설명 가능성

현재의 AI, 설명 가능 AI

데이터 학습 → 머신러닝 프로세

인공지능은 공정할까?

1.
학습데이터의 수집과 정답부여
2.
모델의 학습
3.
미디어가 걸러지고, 순위가 매겨지고, 합쳐지고 생성
4.
인간이 결과를 볼 때
인간 편견
인공지능의 수요가 높은 분야: 정치, 판사
이렇게 수요가 높은 이유는 AI가 공정하다고 생각하기 때문이다
AI는 인간이 준 데이터를 주기 때문에 데이터 자체에도 편견이 들어간다
똑같은 문제도 자신의 전문성과 배움의 관점에서 의사결정을 하는데 사람이 만든 인공지능도 이런 인간의 편견이 적용될 수 밖에 없으며 그에 따라 선택지가 달라진다

범죄율 재범 가능성을 확인하는 AI 모델의 결과

인간의 편견이 쌓여있는 결과가 나온다

AI 100대 기업

투자 받을 때 그 당시 많이 받은 질문
완벽한 거짓말으 만병통치약은 없다
의학이 그렇게 우스워버리신가요? 한 분야마다 각기 다른 업체가 있습니다
인터넷이 처음 보급되었을 때 처음에는 브라우저 만드는 회사, 이커머스 등 여러가지 분야가 있는데 플랫폼 기업이 인터넷의 전부라고 생각하는 경우가 많다

AI 로 얻을 수 있는 추가 가치

1위는 여행이 부가가치가 제일 많음
2위 유통
3위 리테일
4위 자동화, 조립
기술을 사회에 접목하는게 굉장히 중요하다

질문

Q.인공지능 상용화를 위해 '설명가능성' 논의와 커뮤니케이션 방식도 매우 중요하다는 생각이 듭니다. 상용화 과정에서 인공지능 연구자와 엔지니어 뿐만 아니라 어떤 포지션의 전문가가 기업에서 중요하며 함께 일하고 있는지 궁금합니다.
멀티 디스플러니 팀
생물학+ 뇌과학 하신 분들 등 다양한 분야의 분들이 많다
디자이너가 센시티비티가 높아서 문제점 파악이 빠르다
디자이너와 엔지니어링만 있으면 프로토타입은 나오지만 돈을 못 번다
고객이 무엇을 원하고 시장크기는 얼마나 커가며 경영/기획을 하는 사람이 필요하다
여기에 한 가지 추가되는게 인간 본질 가치 와 윤리, 철학 과거의 인문학 부분에서의 검토 부분들이 1-2명씩 넣으려고 한다
우리 교육이 다양성의 중요함에 대한 것의 중요 (매드사이언티스트)
3번째 인공지능의 봄이 오는데 기술적 부분이 중요한데 교육적인 기초교육 과정을 넣어야한다는 이야기가 나오는 것 같다 - AI 리터러시? 블록체인 기술도 중요하지만 우리 사회가 디지털 패러다임 전환을 하고 있다
사회의 기본 인프라 같은거? 전반적인 의무 교육 과정처럼 모든 교육 과정에 녹아들어가야한다 → 근데 이게 너무 큰 변화여서 못 하고 있는 것이라고 생각한다, 영국과 기술과 아트 빼고 다 빼는 변화를 시도했고 준비했지만 현실적으로 바로 적용하는데 큰 도전이 많다
제도적으로는 윤리 관련해서 이의 제기를 하는 분들이 많이 늘었는데 적절한 규제가 사회악처럼 비추어지는 경우가 많은데 적절한 규제는 있어야한다
큰 변화가 있을 때는 변화를 따라가지 못 하는 사람들이 있어야하는데 그것에 대한 사회 보장 제도가 있어야한다
메타버스
지금 있는 디지털 프랜포메이션의 전방위적 확대
전체 산업이 메타버스와 연결이 된다
전체가 다 가는 산업도 있고
일부만 가는 산업도 있다
메타버스 안에 있는 수많은 것들을 만들어내는 역할을 한다
인간이 일일이 다 맞추기가 힘든데 이 현실세계와 메타버스의 연결고리에 있어서도 ai가 많이 쌓인다
메타버스와 AI 활용분야에 융합관광(스포츠관광/촬영지 관광 등) 좋을까요
스크린 골프
지금은 격차가 심해서 이것따로 저것따로 이루어지고 있지만 인터페이스가 발전하면 점점 더 적용가능한 부분이 늘어난다
스포츠/관광은 시간을 따로 빼서 하러 가는 산업이기 때문에 일상에 영향을 미치지 않기에 그 자체에 더 영향이 많을 것 같다
그런 이유로 메타버스가 비교적 빠르게 올 수 있는
Q. 메타버스도 암흑기가 올까요?
데이터는 원유, ai 는 가치를 부여하는 기술
2022년 esg에 기반으로 공공 클라우드 오픈소스 데이터 ,IP 강화된다고 들어는데, 교수님께서 데이터, AI ,CX 중 문화적 사회의 기본 인프라 같은거? 전반적인 의무 교육 과정처럼 모든 교육 과정에 녹아들어가야한다 → 근데 이게 너무 큰 변화여서 못 하고 있는 것이라고 생각한다가치보다 중요시 여기는 철학이 있을까요~???^^
어떤게 딱 중요하다기 보다는 다 중요하다가 맞는 것 같다
챗봇은 여전히 답답한데..... 그래도 봇한테...자꾸 질문해야 하는걸까요? 그래야 봇을 똑똑하게 만들 수 있다는 거죠? ㅠ.ㅠ
아직 성능이 못 따라오니까 그렇다
규칙 기반으로 하는 경우도 되게 많다
내가 쓰고 있는 챗봇이 학습형으로 나와서 자꾸 이야기하면 챗봇 성능이 좋아지겠지
같은 사안에 관해서 답이 여러 개인 것이 많다
왓쓴헬스 매각
왓슨이 매각이 된건 이미 예정된 일이다
왜 망했나? 과장 광고를 해서 그렇다
그렇게 쉽게 풀릴 정도로 의학이 쉬운게 아니고 많은걸 증명해야하는데 할게 너무 많고 병원 설치 등 오퍼레이션 코스트가 너무 많이들었다. 현실을 자극하고 나니 ibm에서 작업하는 것 더 잘 할 수 있는 곳에서
BCI (brain-computer interface) 뇌-기계 인터페이스: R&D의 영역
상업화 쪽에 있는 기업들 (엘론 머스크) 앞으로 한 5년내에 크게 상용화는 안되더라도 10년 20년은 바라보고 하는 것 같다
과거까지만 해도 전극쪽으로 풀려고 노력을 했다 → 재활, 사지마비
이제 과거보다 뇌와 관련된 것도 많이 알려지고 생각보다 뇌에 이식을 하는 기술도 많이 발전했고 배터리도 넣어야하고 하나 하나씩 진행되고 있다
먼저 사지마비 부터 약간의 뇌수술 리스크를 가지더라도 일상생활이 가능해질 수 있도록 도와줄 수 있는 케이스 부터 도와주지 않을까 싶다
그렇게 점차 하나씩 하나씩
일론 머스크가 이야기하는건 뇌가 인터넷에 연결되서 초고속 통신으로 이야기를 한다
메타러닝
지금은 특정 작업만 잘 할 수 있는데 이제 인지단계를 가지면서 더 빨리 배우면서 성장한다 (learn to run)
일반 인공지능 범용인공지능이 연구자에게 연구테마에서
저는 교육적인 측면에서 인공지능 전공이 아니어도 교양 과목을 통해서 학생들이 모두 필수적으로 듣는 것이 앞으로의 시대에 필요하다는 의견이신지 궁금합니다^^ 요즘 대학에서 그런 추세이기도 한 것 같아서요. 그리고 인공지능 전공 교수님들도 많이 뽑고 있고 그에 따라 전공자들도 많아지고 있어서 디자인 전공처럼 공급이 수요를 초과한다면 우려되는 현실적인 점이 궁금합니다.
전공은 늘릴 필요가 있다고 생각하지는 않다, 교양처럼 저변을 넓히는게 좋지 않을까 싶다
인공지능 저변보다는 웹3, 메타버스 등의 종류들을 하나로 묶어가지고 교양 필수처럼 해야한다고 생각한다.
생각보다 인간의 인지가 용어에 약해서 그렇다
용어만 제대로(용어의 정의만 제대로) 알아도 어렵지 않다
젊은 어린아이들의 한자어 책이 어렵다고 하는데 왜 어른은
지식의 상당부분은
인구 감소, 노동자 감소, 기후 변화 등의 문제들을 인해 AI의 수요가 높아질 것 같은데 이걸 해결하는 기술이 될 수 있을까요?
큰 기업에서 재단을 만들거나 비영리 재단들이 하려고 한다
이런 컨퍼런스가 보면 동양인이 제일 적다
그 이유가 사회에서의 문제의식 + 고민의 수준이라고 생각한다
아프리카 쪽은 이미 당면한 사람들이기 때문이다
아시아쪽 사람들은 지구적 문제에 대한 감수성이 떨어진다고 생각한다
성능이라던지 돈버는거는 굉장히 많은데 사회가 가지고 있는
신산업 3D 프로세싱 프린팅, 스마트 의료기기 분석으로 대학교에서 학과전공이 선택이 아니라 필수인데.. AI 데이터기반으로 바꿔졌는데 AI의 분야가 너무 많아서 실전강의라서 이해도가 너무 부족한데 교수님 의견듣고 싶습니다.

레퍼런스

작가님 소감

기술 등의 문제 볼 때 여러가지 입장을 바꿔서 생각을 해보는게 중요하다
더 많은 사람들이 A, B, C의 입장에서 포지셔닝 생각을 하는 방법을 연습하면 너무 좋겠다

Lesson Learned & 내 소감