![인공지능의 학습법과 응용 사례 (머신러닝, 딥러닝, GAN) [안될과학-긴급과학 X 삼성SDS ]](https://i.ytimg.com/vi/Ym3IM9y4U5U/hqdefault.jpg)
콘텐츠
출처 : CharlieAJA / iStockphoto
테이크 아웃 :
AI는 생각보다 가까우며 실제로 업무와 생활 방식에 근본적인 변화를 가져올 수 있습니다.
인공 지능 (AI)은 요즘 기업에서 가장 인기있는 주제이며, 업계 리더들은 스마트 제품에서자가 치유 (self-healing), 심지어 자기 인식 컴퓨팅 컴퓨팅 인프라에 이르기까지 다양한 애플리케이션을보고 있습니다.
그러나이 중 얼마나 많은 것이 사실이며 공상 과학은 얼마입니까? 우리는 인류를 로봇 대 군주에게 팔아 버리기 직전입니까? 아니면 기술이 전혀 의미있는 변화를 일으키지 않습니까?
현재 이용 가능한 것과 개발 동향이 어디로 가고 있는지 판단하면 마지막 두 질문에 대한 답은 "아니오"입니다.
AI 대 자동화
오늘날 AI에 대해 가장 먼저 이해해야 할 것은 기존 자동화의 확장이 아니라는 것입니다. 기계, 장치 및 애플리케이션이 일반적으로 일관된 속도로 일관된 방식으로 반복 가능한 작업을 수행하도록 전통적인 자동화를 사용할 수 있습니다. AI 기반 자동화를 통해 프로그래밍 된 개체는 먼저 광범위한 자극에 적응하고 반응 한 다음 변화하는 환경에 맞게 자체 프로그래밍 및 작동 패턴을 조정할 수 있습니다. 따라서 자동화 된 로봇 팔은 특정 패널을 특정 종류의 자동차 도어에 무한정 같은 방식으로 부착하도록 프로그래밍 할 수 있지만, AI 팔은 다른 종류의 패널을 분석하고 자체 부착 방법을 알아낼 수 있습니다 다른 종류의 문. 자동화에 대한 자세한 내용은 자동화 : 미래의 데이터 과학 및 기계 학습?을 참조하십시오.
자동화 인프라 스트럭처 인 Rage Frameworks의 회장 겸 CEO 인 Venkat Srinivasan은 엔터프라이즈 인프라 측면에서 AI는 서비스 지향 경제에서 번창하는 데 필요한 디지털 혁신을 구현하는 데있어 핵심 요소라고 말합니다. AI는 기존 데이터베이스 알고리즘 대신 데이터 분석에 대한 언어 학적 접근 방식을 사용하여 인프라 운영에 몇 가지 주요 기능을 이미 도입하고 있습니다. 이러한 방식으로, 엔터프라이즈 데이터 시스템은 실제 세계와의 관련성 및 관련성을 이해하는 능력을 얻으므로 엔터프라이즈 아카이브에 저장된 구조화되지 않은 데이터의 양을 이해할 수있게됩니다. 동시에, 더 높은 수준의 추론 및 추적 성을 가능하게하여 인간 운영자 및 기타 지능형 시스템이 분석 및 기타 프로세스로 드릴 다운하여 의사 결정 방법 및 이유를 결정할 수 있습니다.
그러나 이것이 정확히 어떻게 운영 수준에서 이루어 집니까? AI 기반 프로세스에서 어떤 종류의 응용 프로그램을 볼 수 있습니까?
연구 컨설팅 gPress의 관리 파트너 인 Gil Press에 따르면 더 심오한 두 가지는 음성 인식과 자연어 생성입니다. Google 및 Amazon과 같은 회사는 신경망 및 기타 고급 기술을 사용하여 이미 Google Home 및 Alexa를 통해 대화 형 컴퓨팅을 가정으로 추진하고 있습니다. 따라서 이러한 동일한 기술이 데이터 센터에 침투하여 기술이 아닌 사용자도 입력, 클릭 또는 노래 대신 데이터 환경에 필요한 것을 물어볼 수 있습니다. 또한 AI가 제공하는 자체 학습, 자체 수정 기능을 통해 시스템 수명주기 및 업그레이드 패턴이 크게 변경 될 가능성이 있습니다. 시간이 지나도 장비 성능이 저하되지는 않습니다. 인간의 참여가 거의 없거나 전혀없이 더 나아질 것입니다. 또한, 데이터 환경 자체는 운영에있어보다 능동적이되어 명령에만 응답하는 것이 아니라 데이터 성능을 최적화하는 방법에 대한 제안을합니다.
어떤 단점이 있습니까?
기업에 AI가 존재하는 모든 것이 밝고 빛나는 미래라는 비전입니까? 단점은 무엇입니까?
버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
아무도 소프트웨어 품질에 신경 쓰지 않으면 프로그래밍 기술을 향상시킬 수 없습니다.
eWeek의 Chris Preimesberger에 따르면 AI는 다른 기술과 마찬가지로 통제되고 조정 된 방식으로 구현되어야합니다. 실제로 솔루션을 검색하는 기술을 배포하고 자동화 된 프로세스를 비즈니스 요구 사항에 맞게 보장하지 못하는 등의 주요 단점은 기존 데이터 플랫폼과 동일합니다. 그러나 AI는 AI가받는 데이터만큼 좋은 결과 만 제공 할 수 있다는 사실을 인식하는 등 특별한주의가 필요합니다. AI와 관련하여 폭과 깊이 사이에는 균형이 있습니다. 광범위한 기능을 처리하도록 설계된 시스템은 생산성을 높이는 매우 세분화 된 프로세스로 드릴 다운 할 수 없습니다. (AI의 미래에 대한 자세한 내용은 뒤돌아 보지 말고 여기로 오십시오! 인공 지능의 발전을 참조하십시오.)
그리고 무엇보다도 가장 중요한 것은 인공 지능 플랫폼이 어떻게 "똑똑"하게 되었든 그것을 인도하기 위해서는 항상 인간의 두뇌가 필요하다는 것입니다.
진부하게 들릴지 모르지만 사실 AI는 실제로 수십 년 동안 공상 과학 영화에서 보았던 것과 비슷한 데이터 환경을 개척하거나 데이터 환경을 재구성하고 있습니다. Starship Enterprise의 온보드 컴퓨터처럼
이러한 관점에서, 우리 모두는 기업이 더 이상 데이터를 지원하는 장치 및 소프트웨어의 모음 일뿐 아니라 반응이 좋고 효과적인 비즈니스 팀 구성원이라는 생각에 익숙해 져야 할 것 같습니다.