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
•
