23_12_12 부산 중소기업 빅데이터 분석 세미나

인공지능과 빅데이터 최신 기술을 통해 살펴본 미래에 대하여

강연자: lg u+ 조중혁

빅데이터 활용 예시 및 산업

• 소매업체
  • 빅데이터 분석을 통해 소매업체는 고객 구매 패턴을 파악하고ㅡ 재고 관리 최적화, 개인화된 마케팅 전략 수립
• 의료산업
  • 빅데이터와 인공지능을 결합해 의료 산업에서 질병 예측, 치료 방법의 개선, 환자모니터링, 의약품 개발
  • 알파 폴드
    • 딥마인드가 단백질 구조 예측 학술대회에서 우승
      • 수십만개의 단백질 구조와 아미노산 서열을 학습한 뒤 미지의 단백질이 주어지면 구조를 해독 예측하는 학술대회에서 우승빅데이터 수집 및 분석 프로세스

1. 데이터수집
2. 데이터 정제
   • 가장 많은 리소스가 투입됨
   • 결측치 제거 중복제거 노이즈데이터 제거 등으로 데이터 품질 향상
3. 데이터 분석

빅데이터 미래 전망

1. AI 와 융합
2. 5g네트워크 결합
   • 연합학습

초거대 AI산업에 들어가는 비용은 1조로 시작을 한다. 강의자님 여담으로 코딩해서 한번학습돌리면 전기세가 3억정도 나온다고 합니다.
그렇기때문에 이런 산업에 들어갈 정도의 데이터와 자본력이 있는 기업이 세계에 몇게 존재하지 않는다 우리나라에서는 네이버와 통신사정도 밖에 없다.

AI연구분야

• 컴퓨터 비전
  • 이미지 분류
  • 이미지 분할
  • 이미지 생성
  • 의료 이미지 분할
  • 얼굴 감지 인식
  • 시각 추론
  • 행동 인식
• 자연어 처리
  • 언어 이해
  • 문서 요약
  • 자연언어 추론
  • 정서 분석한스 모라벡의 역설인간에게 쉬운일은 컴퓨터에게 쉬운일은 인간에게 어렵다

데이터 수집,정제 및 학습 기업 증가

• 메커니컬 터크
• 스케일
• 라벨박스
• 크라우드 팩토리
  위 기업의 특징은 구체적인 솔루션을 가지고 있다

도덕과 인문학의 수식화

공인주의에 나오거나 도덕적 상황에 대한 수식화가 필요하다. (자율주행, 드론 자율주행) 이제 곧 자율주행의 시대가 오게 됐을때 이에 대한 수식화가 필요하다. 이제 단순히 철학적인 문제를 넘어서서 비즈니스 포인트로도 자리잡고 있다.
예를 들어 자율주행차 1과 2가 있을때 1은 양보를 많이 하는 자율주행을 하고 2는 양보를 잘 하지 않는 자율주행을 한다면 이또한 셀링포인트가 될것
또한 문화권에 대해서도 각각의 다른 인공지능이 필요해 진다.

AI 활용 사이트

• 문서생성
  • https://gamma.app/
• pdf 요약
  • chatpdf.com
• youtube 영상 정리
  • lilys.ai
• 마인드멥 정리를 해주는 생성형 ai
  • whimsical.com

데이터와 AI가 주도하는 미래사회 전망

강연자: 중앙대 김상연 교수님

 

최근 디지털 특이점 시대에진입 했다고 한다. 생성형 AI의 등장으로 앞으로 바뀌어 나갈 세상에 대한 강연

사례 1

• 자율주행(모빌리티)
  • 자율주행은 현실세계를 가상세계로 변환해 가상세계를 주행하는 방식으로 진행된다. 이는 현실세계의 다향한 정보를 가상세계와 연결하려는 시도와 발전이 있다.
  • 인류는 물리 세계와 가상 세계의 완전한 연결을 향해 가고 있다 (CPS: 사이버 물리 시스템)

물리세계에 데이터가 점점 가상세계로 이전되는 기술들이 계속 해서 발전하고있고 심지어는 자산(비트코인)마져 디지털세계로 이동하고 있다. 이제는 이 가상세계의 데이터가 개인이 소유하는 시대가 오고있다.(web3.0)
하지만 웹3.0은 기업이 원하는 방향이 아니다. 플렛폼장사의 효용이 떨어지기 때문, 이제는 가상세계에서 물리세계로 가는 analogTransformaer도 진행되고있다. 생성형 ai 3d프린팅 등등..
이러한 흐름속에서 가장중요한 것은 데이터가 되어 가고 있다. 플렛폼 기업이 가지고 있는 방대한 데이터의 소유권이 개인이 들고있는것이 아닌 플렛폼이 가지고 있기때문에 이에대한 반발이 일어나고 있다 "데이터 주권 주의 협회", "데이터 3법"
이런 흐름속에서 앞으로는 AI에 대한 법안도 엄청나게 많이 발의 될것으로 예상된다.

gpt의 등장

이렇게 빠른 시점에서 이렇게 좋은 성능의 생성형 AI가 생길줄은 업자들도 몰랐다. 이런 Transformer 모델이 생성됨을 시작으로 LLM의 경쟁이 심화 됐다. 이시점에서 여러가지 문제로 후발주자들은 이를 활용한 다양한 서비스들이 엄청나게 생겨나고 있다. 2030년쯤 되면 시스템을 개발하는 단계에 이를것으로 예상, 하지만 현제 할루시네이션을 잡을수 없다는 한계점에 부딪혀 있는상태. 아직까지는 할루시네이션을 잡기위한 최선은 프롬프트를 얼마나 잘 다루냐에서 온다. (프롬프트 엔지니어링)

이 변화 속에서 어떻게 살아야하나

1. 데이터가 모든 업무의 중심이 되는 시대
   • 오라클에서는 직원의 인사 데이터를 통계적 분석으로 퇴사 징후가 높은 직원을 찾는 작업을 AI로 하고 있다.
2. AI실패사례
   • AI로 인재채용을하는 시도를 한 아마존은 너무 남성향 적인 채용에 문제를 느껴 AI 인제채용을 하기 시작했는데 오히려 Ai가 더욱더 남성편향적이여서 문제를 야기한 사례가 있다. 이는 AI학습데이터가 잘못됐기 때문.

위 사례들을 보면 결국 AI솔루션을 위해 가장 중요하고 선행돼야할 사항은 데이터의 퀄리티와 양이다. 그리고 이 범주는 비정형 데이터까지 번져서 크고 넓어지고 있다. 이는 데이터 정형작업에대한 니즈가 많이 늘어날 것이고 데이터 전문인력에 대한 니즈가 늘어나고 있다. 앞으로는 데이터 사이언티스트 적인 역량이 요구될것이다. 그렇게 되면 전문화된 생성형 AI가 나오게 될것이고 앞으로 많은 업무에 대한 변화가 일어날 것으로 예상된다. 의료, 법, 제조업, 교육, IT, 금융업등등 각분야에 특화된 AI들의 발전에 대한 움직임이 계속되고 있다.

개인적인 생각으로 이제는 이 거대한 흐름을 막거나 외면할 수 없다. 이제는 이를 어떻게 활용할까에 대한 고민과 연구가 계속되어 더 나은 삶의 질 향상을 위해 사용돼야한다고 생각한다.