인공지능과 전통적 기법의 차이 이해
최근 인공지능의 인기와 이 분야가 새롭고 매력적이라는 점 때문에, 많은 조직이 실제로는 대부분 표준 조건부 논리, 확률 및 통계만을 사용함에도 불구하고 자신들의 프로젝트가 AI 분야의 최신 발전을 활용한다고 주장합니다. 이로 인해 조직들은 AI가 제공할 수 있는 이점을 실현하지 못합니다.
일반 대중의 인공지능에 대한 전반적인 이해는 정확한 합의를 보장하고 기술이 안전하고 책임감 있게 개발되도록 하는 데 필수적입니다. 그러한 주장이 부정확할 때 AI의 사용을 주장해야 하는 많은 이유와 내부적 압력이 존재하지만, 결과적으로 조직은 실제 발전의 혜택을 받지 못합니다. 조건부 논리, 확률적 및 통계적 기법은 오늘날 대부분의 조직의 근간을 이루며, 그 자체로 복잡하고 정교하며 상당한 이점을 제공하지만, 오늘날 일반적으로 인공지능이라고 불리는 것과는 다릅니다.
대부분의 최신 비즈니스 애플리케이션은 조건부 논리에 의존합니다. 현대 프로그래밍 언어와 수식 엔진의 맥락에서 오늘날의 비즈니스 논리는 일반적으로 불리언 논리, If-Then-Else 문 및 Case 문으로 표현됩니다. 조직의 비즈니스 논리는 조건부 추론을 통해 포착되고 표현될 수 있습니다. 이는 매우 가치 있는 것으로 입증되었지만, 오늘날 일반적으로 Artificial Intelligence라고 불리는 것과는 다릅니다. 예측 및 전망에 종종 많이 사용되는 확률적 및 통계적 기법은 신뢰할 수 있고 타당하지만, 사실상 Artificial Intelligence가 아닙니다. 이러한 수학적 구조는 변경되거나 달라지는 상수가 거의 없는 상태로 미리 합리적으로 정의되는 반면, Artificial Intelligence는 역학에 의존합니다.
대신, 간략히 설명한 대로 인공지능은 일반적으로 데이터에서 학습하고 데이터 자체에서 논리를 결정하는 모델에 의존합니다. 신경망이 어떤 함수든 근사할 수 있음을 보여준 만능 근사 정리의 증명이 1999년에 제시된 이후, 다른 패러다임 대신 인공지능을 통해 프로그램을 해결하는 데 더 많은 노력이 집중되고 있습니다. 이론적으로는 어떤 함수든 근사할 수 있지만, 이를 달성하기 위한 컴퓨팅 파워와 기술은 실제로 제한 요인이었습니다. 그러나 최근의 발전으로 이론과 실제 간의 격차를 좁히는 데 큰 진전을 이루었습니다.
현대의 인공 지능은 딥 강화 학습, 자연어 처리, LSTM 및 생성적 적대 모델을 포함한 기술을 사용하며, 구현에는 TensorFlow 및 PyTorch와 같은 프레임워크가 사용됩니다. 귀하의 프로젝트가 인공 지능을 사용하는지 여부를 테스트하는 좋은 방법은 프로젝트 내에서 적극적으로 활용되는 툴킷을 살펴보는 것입니다. 행렬 곱셈과 같은 일상적인 AI 작업을 수행하는 맞춤형 툴킷에 의존한다는 명백한 예외를 제외하고, 해당 분야의 도구를 사용하지 않는다면 AI 기반 프로젝트가 아닐 가능성이 높습니다.
인공 지능 기반 애플리케이션과 인공 지능 기반이 아닌 애플리케이션
다음은 실제 세계에서 사용되는 인공지능의 몇 가지 실제 사례입니다:
- 레이블이 지정된 데이터에서 객체를 감지하고 추적하도록 학습하는 컴퓨터 비전 시스템;
- 언어 처리 시스템은 챗봇과 같이 질문에 답하는 방법을 학습하고 시간이 지남에 따라 개선됩니다;
- 픽셀 입력만으로 Space Invaders, Pacman 및 Tetris와 같은 게임을 플레이하는 방법을 학습할 수 있는 게임 플레이 에이전트.
반대로, 인공 지능의 사례로 흔히 주장되지만 실제로는 그렇지 않으며 그렇게 주장되어서도 안 되는 몇 가지 예시가 있습니다:
- 확률과 통계에 의존하는 예측 모델;
- 데이터베이스에서 데이터를 검색하고 일종의 집계 또는 정렬을 수행하는 SQL 쿼리;
- Tableau 또는 Microsoft Power BI에서 생성된 규칙 기반 분석 대시보드;
- 간단한 수식을 사용하는 Excel 스프레드시트;
- 일부 VBA 코드가 포함된 Excel 매크로 기반 통합 문서;
- 센서 시스템은 인간 전문가가 해석하는 제어 센터로 신호를 다시 보냅니다.
인공 지능 도입을 고려하는 조직을 위한 향후 방향
대부분의 경우 인공지능은 복잡한 문제를 해결할 수 있지만, 표준 조건부 논리, 확률 및 통계가 우월한 한계가 있습니다. 한 가지 예는 100%의 신뢰성이 필요한 면제이며, 이 경우 AI 시스템은 때때로 일관성 없는 결과를 생성할 수 있습니다. 전통적인 기법의 경우, 지식의 흐름을 개선할 수 있으므로 인공지능 기반이라고 명시하기보다는 어떻게 구현되었는지 명시하는 것이 유익할 것입니다.
인공지능은 끊임없이 진화하며 개선이 빠르게 이루어지고 있고, 기존 기술 플랫폼과 인프라 위에 배포되어 일상생활에 서서히 스며들고 있다. AI가 더욱 보편화됨에 따라 정확성이 그 어느 때보다 중요해지며, AI를 어떻게 적용하고 설명할 것인지 고려하는 것이 중요하다. 이 분야가 불가피하게 더 많은 규제를 받게 됨에 따라, AI 사용을 잘못 주장하는 데서 비롯된 특정 자유화는 시간이 지남에 따라 해결될 것이다. 그러나 조직은 현재부터 정확한 AI 정의를 수용함으로써 우위를 점할 수 있다.
진정한 인공지능의 이점은 방대하며, Telemus AI는 귀하의 조직과 협력하여 전통적인 기술을 훨씬 뛰어넘는 실질적인 성과를 이끌어낼 수 있습니다.
Telemus AI™를 귀하의 조직에 통합하는 방법에 대한 무료 상담을 위해 오늘 문의하십시오.
