기본 AI 기술 개념 식별
여기저기에서 AI라는 용어를 많이 들을 수 있습니다. 기계 학습, 딥 러닝, 데이터 과학, 생성 AI 및 책임 있는 AI에 대해 들어보셨을 것입니다. 그러나 이러한 모든 용어의 의미와 용어가 서로 어떻게 다른지 명확하지 않을 수 있습니다. 이 단원에서는 이러한 개념이 비즈니스 문제에 적용되는 방식을 이해할 수 있도록 명확하게 설명합니다.
AI란 무엇인가요?
AI(인공 지능)는 컴퓨터 프로그램 또는 컴퓨터가 인간과 유사한 동작을 모방하는 기능입니다. 예를 들어 시각적 감각, 음성 인식, 의사 결정, 자연어 이해 등을 모방합니다. 그것은 그 자체로 기술이 아니라 기술자가 인간의 지능을 모방하기 위해 설정한 목표입니다.
생성 AI란?
생성 AI는 AI의 하위 집합입니다. AI를 사용하여 결과를 예측하거나, 엔터티를 검색하거나, 문서를 분류할 수 있습니다. 그러나 GenAI라고도 하는 생성 AI는 이미지, 비디오 또는 텍스트와 같은 콘텐츠를 만듭니다. 목표는 이 AI 생성 콘텐츠를 사람이 만든 콘텐츠만큼 유용하게 하는 것입니다. 이 방법은 광범위한 사용 사례에 사용할 수 있는 복잡한 AI 모델인 LLM(대규모 언어 모델) 덕분에 가능합니다.
예를 들어 생성 AI를 사용하여 모임에 대한 후속 질문을 개발하거나, 텍스트로 이미지를 만들거나, 농담이 동영상 안에 있더라도 그 의미를 설명할 수 있습니다.
데이터 과학이란?
데이터 과학은 AI를 달성하는 것을 목표로 하는 학제 간 분야 입니다. 주로 기계 학습 및 통계와 같은 다양한 기술을 사용합니다. 대부분의 경우 데이터 과학자는 AI 문제 해결을 담당하는 전문가입니다.
기계 학습이란 무엇인가요?
기계 학습은 머신이 다양한 데이터 양을 자세히 검토하여 패턴을 찾아내는 기술입니다. 이 기술은 AI 용도로 자주 사용됩니다. 기계 학습은 데이터에 대한 차별화 기능을 기반으로 패턴을 익히는 머신에 학습시키는 알고리즘을 사용합니다. 학습 데이터가 많을수록 예측은 더 정확해집니다. 몇 가지 예제는 다음과 같습니다.
- Email 스팸 검색 - 기계 학습은 전자 메일에 "free" 또는 "guarantee"와 같은 단어가 있거나, 이메일 주소 도메인이 차단된 목록에 있거나, 텍스트에 표시된 링크가 그 뒤에 있는 URL과 일치하지 않는 패턴을 찾을 수 있습니다.
- 신용 카드 사기 탐지 - 기계 학습은 값비싼 품목 구매, 갑작스러운 마구잡이 쇼핑 등 소유자가 일반적으로 방문하지 않는 주소에서의 소비 패턴을 확인할 수 있습니다.
딥 러닝이란?
딥 러닝은 기계 학습의 하위 집합입니다. 딥 러닝은 연결된 인공 신경망으로서 인간의 두뇌가 정보를 처리하는 방식을 모방하는 것입니다. 기계 학습과 달리 딥 러닝은 데이터에 대한 복잡한 패턴 및 차별화 기능을 스스로 찾을 수 있습니다. 일반적으로 이미지, 텍스트, 오디오와 같은 비정형 데이터에서 작동합니다. 따라서 더 나은 분석을 위해 엄청난 양의 데이터가 필요하고 속도 향상을 위해 대규모 컴퓨팅 성능이 필요합니다.
예를 들어 딥 러닝을 사용하여 의료 이미지에서 암세포를 감지할 수 있습니다. 딥 러닝은 이미지의 모든 픽셀을 신경망 노드에 대한 입력으로 검색합니다. 노드는 각 픽셀을 분석하여 암처럼 보이는 기능을 필터링합니다. 노드의 각 계층은 잠재적인 암세포 검색 결과를 노드의 다음 계층으로 푸시하여 프로세스를 반복하고 결국 모든 결과를 집계하여 이미지가 무엇인지를 분류합니다. 예를 들어 이미지는 정상 이미지 또는 암 기능이 있는 이미지로 분류될 수 있습니다.
책임 있는 AI란?
AI는 엄청난 파괴적 잠재력을 가지고 있습니다. 이것이 바로 가장 높은 윤리적 기준을 따라야 하는 이유입니다. 책임 있는 AI는 AI 작업이 책임 있고, 포용적이며, 신뢰할 수 있고, 안전하며, 공정하고 투명하며, 안전하며, 개인 정보를 존중하도록 보장하는 원칙과 모범 사례를 나타냅니다.
예를 들어 AI는 어떤 사람이 실제로 참석하지 않은 행사에서 그 사람을 보여주는 비디오를 만들 수 있습니다. 책임 있는 AI는 개인 정보를 손상시키고 불공정한 결과를 초래할 수 있으므로 이 기술을 기만적인 목적으로 사용하지 않는 것이 포함됩니다.
보통은 사람의 능력으로 간주되는 능력을 머신이 보여 준다는 AI의 기본 개념을 확장하여 패턴 학습, 데이터 해석, 데이터를 사용한 추론의 작동 방식을 확인할 수 있습니다. 이렇게 하려면 머신이 학습할 수 있도록 많은 데이터를 머신에 제공해야 합니다. 또한 기계 학습은 단순 선형 함수부터 인공 신경망같이 매우 복잡한 함수까지 다양한 알고리즘을 만듭니다.
다음으로 비즈니스에 AI를 추가하려는 경우 사용할 수 있는 도구와 프레임워크를 살펴보겠습니다.