콘텐츠
출처 : 찰스 테일러 / iStockphoto
테이크 아웃 :
인공 지능에 대한 과대 광고가 있습니다. 얼마나 지능적입니까?
인공 지능은 엔터프라이즈 부문에서 많은 주목을 받아 왔으며 점점 더 복잡한 데이터 생태계에 대한 모든 답변을 제공 할 것이라고 생각하는 많은 IT 리더가 면제 될 수 있습니다. 그러나 기존 기술을 의미있게 개선 할 수있는 잠재력이 있지만, 그 효과를 둘러싼 일부 기대치가 과장되었다고 말하는 것도 공정합니다.
실제로 AI가 무엇인지, 실제로 어떻게 작동하며 실제로 무엇을 할 수 있는지에 대한 이해는 비교적 적습니다. 그리고 이는 기업에서의 역할을 둘러싼 광범위한 오해와 기존 인프라 및 인프라를 운영하는 인간과 관련되는 방식으로 이어지고 있습니다.
과대 광고의 AI
Gartner의 최신 Hype Cycle에 따르면 딥 러닝, 머신 러닝 및 코 그너 티브 컴퓨팅과 같은 주요 AI 하위 세트는 피크 팽창 기대 곡선의 맨 위에 있습니다. 이것은 지난 30 년 동안 거의 모든 파괴적인 기술을위한 과정과 동등한 수준이지만, 제어 된 실험실 테스트에서 주로 도출 된 기업에서 AI의 예상되는 영향이 현실에 직결 될 것이라는 사실을 지적합니다. 생산 환경의. (Ada Lovelace에서 Deep Learning까지 컴퓨팅 혁신의 역사를 확인하십시오.)
그럼에도 불구하고 가트너 연구원 인 마이크 워커 (Mike Walker)는 인공 지능이 컴퓨팅 네트워크의 발전과 신경망과 같은 구조의 개발을 이끌고 기업 데이터로드가 엄청나게 커졌다는 사실을 통해 AI가 향후 10 년간 유비쿼터스 화 될 것으로 예상 작업자가 더 이상 스스로 대처할 수 없을 정도로 복잡합니다.
기업이 AI에 대해 알아야 할 첫 번째 사항 중 하나는 "지능"이라는 용어로 빠르고 느슨하게 재생된다는 것입니다. 스위스 신경 과학자 인 Pascal Kaufmann이 최근 ZDnet에 설명했듯이 컴퓨터 알고리즘과 인간 두뇌의 방식에는 큰 차이가 있습니다. 결론에 도달하기 위해 프로세스 정보. 충분한 처리 능력이 주어지면, 컴퓨터 알고리즘은 고양이의 이미지가 실제로 고양이의 이미지인지 여부와 같은 간단한 결정을하기 위해 수백만, 수십억 개의 데이터 세트를 비교할 수 있습니다. 그러나 데이터가 거의없는 작은 어린이조차도 본능적으로 고양이임을 알 수 있으며 고양이가 무엇이고 어떻게 보이는지 영원히 알게됩니다.
이 표준에 따르면 Google DeepMind의 AlphaGo의 전략 게임 Go의 대가 인 AI의 주요 AI 사례조차도 인공 지능이 아니라 규칙 기반 접근 방식을 합리화 할 수있는 빅 데이터, 분석 및 자동화의 단면이었습니다. 이기기 위해. 흥미롭게도, 카우프만은 인공 지능의 진정한 예는 AlphaGo가 승리를 위해 속이는 방법을 알아 낸 경우 일 것이라고 덧붙였습니다. 그러나이를 위해 과학은 먼저 정보를 처리하고 지식을 검색하며 기억을 저장하는 능력을 강화하는 "두뇌 코드"를 해독해야합니다. (자동화 : 데이터 과학 및 기계 학습의 미래와 자동화에 대해 자세히 알아보십시오.)
지금까지는 좋지 않다
실제로 AI가 모든 사람의 직무를 맡게 될 것이라는 두려움에도 불구하고 지금까지의 결과는 거의 코믹합니다. 조지 R.R. 마틴의“왕좌의 게임”팬들은이 시리즈의 다음 설치에 참을성이 없어서 많은 사람들이 재귀 신경망이라는 인공 지능의 형태로 작성된 거의 순수한 자갈길의 장으로 몰려 들었습니다. 한편, IBM은 왓슨이 진단과 치료의 새로운 시대를 열어 줄 것이라고 들었지만 종양의 기본 형태를 구별하는 데 여전히 어려움을 겪고 있다는 종양학 연구자들의 입장을 밝히고 있습니다. 이 기록을 감안할 때 AI가 일반 기업에 처음 도입 될 때 발생할 수있는 모든 실수를 추적하고 모니터링하기 위해 운영자의 입장에서 더 많은 노력이 필요할 수 있습니다.
버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
아무도 소프트웨어 품질에 신경 쓰지 않으면 프로그래밍 기술을 향상시킬 수 없습니다.
AI는 다시 프로그래밍 할 필요없이 시간이 지남에 따라 더 나아질 것입니다. 코넬 기술 연구원 인 다니엘 휴튼 로커 (Daniel Huttenlocker)는 최근 테크 크런치 (Tech Crunch)에 따르면 AI는 기존의 소프트웨어와 모든 성가신 패치, 업데이트 및 수정 프로그램을 인간 운영자보다 대체 할 가능성이 높습니다. 그렇다고 AI를 프로그래밍 할 필요는 없지만 접근 방식이 크게 단순화되었습니다. 오늘날의 소프트웨어를 통해 프로그래머는 해결해야 할 작업뿐만 아니라 해결해야 할 정확한 단계를 정의해야합니다. AI를 사용하면 필요한 모든 것이 목표이며 작업하기에 적합한 데이터가 있다면 소프트웨어가 나머지를 처리 할 수 있어야합니다.
그것은 모든 데이터에 힌지
마지막 시점은 AI가 단순히 알고리즘이며 알고리즘이 제공하는 데이터만큼만 우수하기 때문에 중요합니다. 즉, 적절한 AI 운영 프레임 워크를 구축하는 것 외에도 기업은 정확한 정보를 바탕으로 분석 결과를 얻을 수 있도록 상당히 강력한 데이터 컨디셔닝 환경을 구축해야합니다. ActiveCampaign CEO Jason VandeBoom은 최근 포브스에 "가비지 쓰레기 수거"에 관한 규칙은 여전히 적용되므로 조직이 AI 투자의 진정한 혜택을보기까지는 다소 시간이 걸릴 수 있습니다.
이 모든 것을 감안할 때 기업은 AI가 빅 데이터 및 IoT의 새로운 도전에 신속하게 해결책을 제공 할 것으로 기 대해서는 안됩니다. 인간과 기계 모두에 대한 학습 곡선은 상당히 길고 결과는 불확실합니다.
그러나 모든 것이 계획대로 작동한다면, 기업과 지식 인력 모두 장기적으로 상당한 혜택을 보게 될 것입니다. 지금 당장 프로세스 속도를 늦추고있는 가장 평범하고 지루하며 시간이 많이 걸리는 작업을 생각하고 다시는하지 않아도된다고 상상해보십시오.