Offcanvas

���������

최형광 칼럼 | 인공지능과 튜링테스트의 본질?

1737년 보캉송은 인간의 연주와 같은 방식으로 직접공기를 불어넣고 손가락으로 연주하는 ‘플루트 연주자’ 자동인형을 제작했다. 2011년 제퍼디(Jeopardy!) 퀴즈게임에서 IBM 왓슨(Watson)은 역대 최대 상금 수상자인 브래드 러터(Brad Rutter)와 최장기 우승자인 켄 제닝스(Ken Jennings)와 대결하여 상금 100만 달러 획득했다. 2016년 구글 딥마인드의 알파고는 서울 포시즌 호텔에서 이세돌 9단과의 대국에서 4승 1패를 기록하고 은퇴했다. 인간을 닮은 로봇 안드로이드(인간을 닮은 로봇, andro-인간 eidos-형상의 합성어)에 대한 도전의 역사는 길다. 자크 드 보캉송이 1737년에 만든 ‘플루트 연주자’는 생체역학 기반의 자동화 구현으로 12곡을 연주할 수 있었다. 플루트 연주자는 1738년 프랑스 아카데미에서 시연됐다. 연주는 15개의 레버에 사슬과 끈을 사용하여 공기를 불어넣어 출력을 만들고, 입술의 움직임, 혀, 손가락의 움직임을 제어하여 구동됐다. 보캉송은 1745년에 세계 최초의 자동 직기를 만들기도 했다. 제퍼디에서 왓슨은 질문에 답변을 해서 이기는 게 아니라 문제의 답에 확신이 있을 때 먼저 버튼을 누르고 정확한 답변을 해야 한다. 틀릴 경우에는 감점이 발생하기에 모르면 응답하면 안 된다. 또한 상금을 베팅하면서 이겨야 한다. 경쟁자는 제퍼디에서 74번 우승한 켄 제닝스, 최고 상금을 수상한 브래드 러터였고 질문은 문맥을 이해할 수 있어야 답변이 가능했다. [그림1]은 플루트 연주자 설계도와 왓슨 DeepQA 아키텍처를 보여주고 있다. [그림1] 플루트 연주자 설계도와 왓슨 DeepQA 아키텍처. 플루트 연주자는 하드웨어 구현이며 왓슨은 고급 자연어 처리, 의미 분석, 정보 검색, 자동 추론 및 기계 학습을 사용하는 소프트웨어 구현이다. 왓슨은 질문에 대한 복잡한 연결시스템, 융복합된 상호 작용을 위해 AdaptWatson 방법론으로 정보 검색(IR), 자연어 처리(NLP) 및 추론(KRR)등의 접목을...

최형광 보캉송 튜링 존설 플루트연주자 왓슨 알파고 인공지능 제퍼디 이세돌 튜링테스트 튜링머신 중국어방 중국인방 챗봇 RPA 기계지능 나는 생각한다 나는 생각하지 않는다

2021.07.15

1737년 보캉송은 인간의 연주와 같은 방식으로 직접공기를 불어넣고 손가락으로 연주하는 ‘플루트 연주자’ 자동인형을 제작했다. 2011년 제퍼디(Jeopardy!) 퀴즈게임에서 IBM 왓슨(Watson)은 역대 최대 상금 수상자인 브래드 러터(Brad Rutter)와 최장기 우승자인 켄 제닝스(Ken Jennings)와 대결하여 상금 100만 달러 획득했다. 2016년 구글 딥마인드의 알파고는 서울 포시즌 호텔에서 이세돌 9단과의 대국에서 4승 1패를 기록하고 은퇴했다. 인간을 닮은 로봇 안드로이드(인간을 닮은 로봇, andro-인간 eidos-형상의 합성어)에 대한 도전의 역사는 길다. 자크 드 보캉송이 1737년에 만든 ‘플루트 연주자’는 생체역학 기반의 자동화 구현으로 12곡을 연주할 수 있었다. 플루트 연주자는 1738년 프랑스 아카데미에서 시연됐다. 연주는 15개의 레버에 사슬과 끈을 사용하여 공기를 불어넣어 출력을 만들고, 입술의 움직임, 혀, 손가락의 움직임을 제어하여 구동됐다. 보캉송은 1745년에 세계 최초의 자동 직기를 만들기도 했다. 제퍼디에서 왓슨은 질문에 답변을 해서 이기는 게 아니라 문제의 답에 확신이 있을 때 먼저 버튼을 누르고 정확한 답변을 해야 한다. 틀릴 경우에는 감점이 발생하기에 모르면 응답하면 안 된다. 또한 상금을 베팅하면서 이겨야 한다. 경쟁자는 제퍼디에서 74번 우승한 켄 제닝스, 최고 상금을 수상한 브래드 러터였고 질문은 문맥을 이해할 수 있어야 답변이 가능했다. [그림1]은 플루트 연주자 설계도와 왓슨 DeepQA 아키텍처를 보여주고 있다. [그림1] 플루트 연주자 설계도와 왓슨 DeepQA 아키텍처. 플루트 연주자는 하드웨어 구현이며 왓슨은 고급 자연어 처리, 의미 분석, 정보 검색, 자동 추론 및 기계 학습을 사용하는 소프트웨어 구현이다. 왓슨은 질문에 대한 복잡한 연결시스템, 융복합된 상호 작용을 위해 AdaptWatson 방법론으로 정보 검색(IR), 자연어 처리(NLP) 및 추론(KRR)등의 접목을...

2021.07.15

구글 딥마인드 '알파폴드', 단백질 구조 예측 AI 대회서 1위

알파고 개발사인 구글 딥마인드에서 지난 2018년에 단백질 구조 예측용으로 개발한 ‘알파폴드’(Alphafold)가 최근 한 대회에 참가해 높은 성적을 거둬 눈길을 끈다.   30일(현지시간) 딥마인드 블로그에 따르면, 알파폴드는 인공지능의 단백질 구조 예측력을 평가하는 대회인 CASP에 참가해 단백질 구조를 예측하는 과제에서 146개 인공지능 중 1위를 했다. 딥마인드에 따르면 단백질 구조 예측의 정확성을 측정하는 테스트인 GDT(Global Distance Test)에서 알파폴드는 100점 만점에 92.4점을 받았다. 이 점수는 과학자들이 앞서 밝혀낸 단백질 구조를 인공지능이 정확하게 맞힐수록 높아진다. 알파폴드는 구조를 예측하기 가장 어려운 단백질의 경우에도 87점을 받았다.  딥마인드 측은 알파폴드의 예측 정확성을 높이기 위해 단백질 데이터 은행에 공개된 단백질 구조 데이터를 이용하여 학습시켰다고 전했다.   -> '바둑은 시작일 뿐' 의료·에너지에서 활약하는 구글 딥마인드 -> 딥마인드, 오진율 줄인 '유방암 진단' AI 모델 개발 -> 구글 딥마인드에 대해 알아둘 만한 12가지 지식 단백질의 구조를 검토하고 예측하는 일은 지난 수십년간 과학계의 주요 관심사였다. 단백질의 3차원 구조를 정밀하게 파악할수록 신약 개발과 난치병 치료에 탄력이 붙기 때문이다.  그러나 단백질은 크기가 매우 작은 탓에 그 구조를 정밀하게 파악하기가 어렵다. 엑스선결정법, 핵자기공명(NMR), 저온전자현미경 등의 방법이나 실험 기기를 사용해 몇 년에 걸쳐 광범위하게 실험해야 한다. 단백질에 따라서는 구조를 예측하는 데 수년이 소요되기도 한다.  딥마인드는 “컴퓨터와 머신러닝 기반으로 과학 연구를 수행하는 이들에게 알파폴드 같은 시스템은 기초적인 과학적 발견을 뒷받침해주는 인공지능의 잠재력을 입증해준다”라고 전했다. ciokr@idg.co.kr

딥마인드 알파폴드 알파고 단백질 접힘(protein folding)

2020.12.01

알파고 개발사인 구글 딥마인드에서 지난 2018년에 단백질 구조 예측용으로 개발한 ‘알파폴드’(Alphafold)가 최근 한 대회에 참가해 높은 성적을 거둬 눈길을 끈다.   30일(현지시간) 딥마인드 블로그에 따르면, 알파폴드는 인공지능의 단백질 구조 예측력을 평가하는 대회인 CASP에 참가해 단백질 구조를 예측하는 과제에서 146개 인공지능 중 1위를 했다. 딥마인드에 따르면 단백질 구조 예측의 정확성을 측정하는 테스트인 GDT(Global Distance Test)에서 알파폴드는 100점 만점에 92.4점을 받았다. 이 점수는 과학자들이 앞서 밝혀낸 단백질 구조를 인공지능이 정확하게 맞힐수록 높아진다. 알파폴드는 구조를 예측하기 가장 어려운 단백질의 경우에도 87점을 받았다.  딥마인드 측은 알파폴드의 예측 정확성을 높이기 위해 단백질 데이터 은행에 공개된 단백질 구조 데이터를 이용하여 학습시켰다고 전했다.   -> '바둑은 시작일 뿐' 의료·에너지에서 활약하는 구글 딥마인드 -> 딥마인드, 오진율 줄인 '유방암 진단' AI 모델 개발 -> 구글 딥마인드에 대해 알아둘 만한 12가지 지식 단백질의 구조를 검토하고 예측하는 일은 지난 수십년간 과학계의 주요 관심사였다. 단백질의 3차원 구조를 정밀하게 파악할수록 신약 개발과 난치병 치료에 탄력이 붙기 때문이다.  그러나 단백질은 크기가 매우 작은 탓에 그 구조를 정밀하게 파악하기가 어렵다. 엑스선결정법, 핵자기공명(NMR), 저온전자현미경 등의 방법이나 실험 기기를 사용해 몇 년에 걸쳐 광범위하게 실험해야 한다. 단백질에 따라서는 구조를 예측하는 데 수년이 소요되기도 한다.  딥마인드는 “컴퓨터와 머신러닝 기반으로 과학 연구를 수행하는 이들에게 알파폴드 같은 시스템은 기초적인 과학적 발견을 뒷받침해주는 인공지능의 잠재력을 입증해준다”라고 전했다. ciokr@idg.co.kr

2020.12.01

김진철의 How-to-Big Data | 빅데이터의 미래 (12)

빅데이터 비즈니스 트렌드의 미래로서 사이버 물리 시스템 기반의 지능형 서비스 비즈니스를 꽤 오랜 지면을 할애해서 지난 1년간 살펴보고 있다. 이번 글은 인공지능 기술과 사이버 물리 시스템 사이의 관계, 미래를 살펴보는 마지막 글로, 지난 6월 13일 자 “이코노미스트(The Economist)”지에 실린 “계간 기술(Technology Quarterly)” 특집 기사의 내용을 같이 살펴보면서 앞으로 인공지능 기술이 어떤 양상으로 발전하게 될지 같이 엿보려고 한다. 지난 6월 13일 자 “이코노미스트(The Economist)”지의 “계간 기술(Technology Quarterly)”은 아직도 그 열기가 가시지 않고 있는 인공지능 기술에 대한 특집 기사로 채워졌다. 권위 있는 경제 매체인 “이코노미스트(The Economist)”지는 매 분기별로 글로벌 경제에 영향을 미치는 기술 이슈들을 주제별로 선정해 심도 있게 조사, 분석하여 소개하는 “계간 기술(Technology Quarterly)” 특집 기사를 정기적으로 싣고 있다.   “이코노미스트(The Economist)”지는 “네이처(Nature)”나 “사이언스(Science)”와 같은 전문 과학기술 학술 저널, “MIT 기술 리뷰(MIT Technology Review)”나 “와이어드(Wired)”와 같은 전문 기술 매체가 아닌 경제 전문 매체임에도 불구하고, 정확하고 균형 있는 조사와 분석을 통해 최근 기술의 발전 동향이 경제에 미치는 영향과 효과를 현실적이고 정확하게 소개해왔다. 이번 6월 13일 자의 “계간 기술(Technology Quarterly)” 특집 기사는 지난 5년간 전 지구를 뜨겁게 달구어 왔던 인공지능 기술을 주제로 하였다. 이번 6월 13일 자 “계간 기술(Technology Quarterly)” 특집 기사의 핵심 주제는 “인공지능 기술의 가을이 오고 있다(AI’s autumn is coming)”라는 한 문장으로 요약될 수 있다. 지금까지 주목받고 많은 이슈를 몰고 온 ...

빅데이터 사이버 물리 시스템 인공지능 AI 머신러닝 딥러닝 이코노미스트 가트너 알파고 엔비디아 마이크로소프트 구글 페이스북 챗봇 가상 비서 지능형 서비스 GM 하둡 스파크 텐서플로우 파이토치 디지털 전환 디지털 트랜스포메이션 4차 산업혁명 데이터 댐 아마존 해석가능한 인공지능 XAI

2020.10.30

빅데이터 비즈니스 트렌드의 미래로서 사이버 물리 시스템 기반의 지능형 서비스 비즈니스를 꽤 오랜 지면을 할애해서 지난 1년간 살펴보고 있다. 이번 글은 인공지능 기술과 사이버 물리 시스템 사이의 관계, 미래를 살펴보는 마지막 글로, 지난 6월 13일 자 “이코노미스트(The Economist)”지에 실린 “계간 기술(Technology Quarterly)” 특집 기사의 내용을 같이 살펴보면서 앞으로 인공지능 기술이 어떤 양상으로 발전하게 될지 같이 엿보려고 한다. 지난 6월 13일 자 “이코노미스트(The Economist)”지의 “계간 기술(Technology Quarterly)”은 아직도 그 열기가 가시지 않고 있는 인공지능 기술에 대한 특집 기사로 채워졌다. 권위 있는 경제 매체인 “이코노미스트(The Economist)”지는 매 분기별로 글로벌 경제에 영향을 미치는 기술 이슈들을 주제별로 선정해 심도 있게 조사, 분석하여 소개하는 “계간 기술(Technology Quarterly)” 특집 기사를 정기적으로 싣고 있다.   “이코노미스트(The Economist)”지는 “네이처(Nature)”나 “사이언스(Science)”와 같은 전문 과학기술 학술 저널, “MIT 기술 리뷰(MIT Technology Review)”나 “와이어드(Wired)”와 같은 전문 기술 매체가 아닌 경제 전문 매체임에도 불구하고, 정확하고 균형 있는 조사와 분석을 통해 최근 기술의 발전 동향이 경제에 미치는 영향과 효과를 현실적이고 정확하게 소개해왔다. 이번 6월 13일 자의 “계간 기술(Technology Quarterly)” 특집 기사는 지난 5년간 전 지구를 뜨겁게 달구어 왔던 인공지능 기술을 주제로 하였다. 이번 6월 13일 자 “계간 기술(Technology Quarterly)” 특집 기사의 핵심 주제는 “인공지능 기술의 가을이 오고 있다(AI’s autumn is coming)”라는 한 문장으로 요약될 수 있다. 지금까지 주목받고 많은 이슈를 몰고 온 ...

2020.10.30

김진철의 How-to-Big Data | 빅데이터의 미래 (9)

지난 서른다섯 번째 글부터는 빅데이터 비즈니스와 기술의 미래를 현재 기술들의 동향과 전망을 가지고 같이 엿보고 있다. 빅데이터 비즈니스와 기술의 미래로서, 사이버 물리 시스템(CPS)으로 발전해가는 미래 정보통신 기술과 지능형 서비스의 미래를 소개하였고, 앞으로의 빅데이터 비즈니스와 기술의 발전은 이 사이버 물리 시스템(CPS)으로 구현되는 다양한 지능형 서비스들을 중심으로 이루어질 것이라고 설명하였다. 이와 함께, 이 사이버 물리 시스템(CPS)의 기반이 되는 다양한 기술들의 현재와 미래, 이들의 사이버 물리 시스템과의 관련성에 대해서 살펴보고 있다. 지금까지 클라우드 컴퓨팅 기술, 5G 이동통신과 모바일 에지 컴퓨팅으로 대표되는 미래 통신 기술, 사물인터넷(IoT)과 에지 컴퓨팅 기술들이 어떻게 사이버 물리 시스템(CPS) 기반의 지능형 서비스와 관련이 있는지 같이 살펴보았다.   인공지능 기술에 대한 우리들의 오해 (1) – 지나친 낙관론과 과대평가 이번 글부터 두, 세 편의 글에서는 사이버 물리 시스템(CPS) 기반 지능형 서비스의 가장 핵심이 될 것으로 보이는 인공지능 기술의 현재와 미래, 전망에 대해서 같이 살펴보고자 한다. 우리나라 대기업들이 앞다투어 인공지능 기술에 대한 대규모 투자 계획을 발표하고 있고, 우리나라 정부를 포함한 세계 각국 정부들도 인공지능 기술 경쟁에서 앞서 나가기 위해 다양한 계획들을 발표하고 있는 현 상황에서 과연 이런 인공지능 기술에 대한 열기가 기대하는 만큼의 물질적인 번영과 부를 가져다줄 수 있을지, 그렇다면 어느 정도로 광범위하고 다양하게 우리 사회에 영향을 끼칠지 같이 생각해보는 시간을 가지려고 한다. 2016년 1월 “알파고(AlphaGo)”가 이세돌 9단을 이긴 사건을 계기로 최근 5년간은 IT 기술 매체의 많은 지면과 영역을 인공지능 관련 기술들에 관한 내용이 채워왔다. “알파고”를 만든 구글의 “딥마인드(DeepMind)”는 여전히 수익을 내지 못하고 2019년 8월 기준으로 1조 5천억 원이 ...

김진철 빅데이터 빅데이터 비즈니스 인공지능 사이버 물리 시스템 지능형 서비스 텐서플로우 파이토치 딥러닝 머신러닝 기계학습 알파고 딥마인드 이세돌 우버 튜링테스트 시냅스 신경망 에어플로우 쿠브플로우 폰 노이만 반도체 4차 산업혁명

2020.07.27

지난 서른다섯 번째 글부터는 빅데이터 비즈니스와 기술의 미래를 현재 기술들의 동향과 전망을 가지고 같이 엿보고 있다. 빅데이터 비즈니스와 기술의 미래로서, 사이버 물리 시스템(CPS)으로 발전해가는 미래 정보통신 기술과 지능형 서비스의 미래를 소개하였고, 앞으로의 빅데이터 비즈니스와 기술의 발전은 이 사이버 물리 시스템(CPS)으로 구현되는 다양한 지능형 서비스들을 중심으로 이루어질 것이라고 설명하였다. 이와 함께, 이 사이버 물리 시스템(CPS)의 기반이 되는 다양한 기술들의 현재와 미래, 이들의 사이버 물리 시스템과의 관련성에 대해서 살펴보고 있다. 지금까지 클라우드 컴퓨팅 기술, 5G 이동통신과 모바일 에지 컴퓨팅으로 대표되는 미래 통신 기술, 사물인터넷(IoT)과 에지 컴퓨팅 기술들이 어떻게 사이버 물리 시스템(CPS) 기반의 지능형 서비스와 관련이 있는지 같이 살펴보았다.   인공지능 기술에 대한 우리들의 오해 (1) – 지나친 낙관론과 과대평가 이번 글부터 두, 세 편의 글에서는 사이버 물리 시스템(CPS) 기반 지능형 서비스의 가장 핵심이 될 것으로 보이는 인공지능 기술의 현재와 미래, 전망에 대해서 같이 살펴보고자 한다. 우리나라 대기업들이 앞다투어 인공지능 기술에 대한 대규모 투자 계획을 발표하고 있고, 우리나라 정부를 포함한 세계 각국 정부들도 인공지능 기술 경쟁에서 앞서 나가기 위해 다양한 계획들을 발표하고 있는 현 상황에서 과연 이런 인공지능 기술에 대한 열기가 기대하는 만큼의 물질적인 번영과 부를 가져다줄 수 있을지, 그렇다면 어느 정도로 광범위하고 다양하게 우리 사회에 영향을 끼칠지 같이 생각해보는 시간을 가지려고 한다. 2016년 1월 “알파고(AlphaGo)”가 이세돌 9단을 이긴 사건을 계기로 최근 5년간은 IT 기술 매체의 많은 지면과 영역을 인공지능 관련 기술들에 관한 내용이 채워왔다. “알파고”를 만든 구글의 “딥마인드(DeepMind)”는 여전히 수익을 내지 못하고 2019년 8월 기준으로 1조 5천억 원이 ...

2020.07.27

'바둑, M&A, 환자 정보 논란…' 알파고의 아버지 딥마인드 연대기

2010년 범용 인공지능(artificial general intelligence)을 구현하고자 출범한 딥마인드는 설립 이래 줄곧 비평과 잡음이 끊이지 않았다. 그러다 2014년 구글은 딥마인드를 4억 파운드에 지불하고 인수했지만 막대한 손실을 입었다. 딥마인드는 과학 발전에서 호평을 받았지만 데이터 프라이버시 및 보안 관행에 대해 ‘자유방임주의 접근 방식’으로 비난을 받았다. 딥마인드의 역사를 시간순으로 정리했다.  2010년 9월-딥마인드 설립 딥마인드는 머신러닝 연구원인 셰인 레그, 레그의 어린 시절 친구인 데미스 하사비스, 전 컨설턴트인 무스타파 슐레이만이 런던에서 설립한 회사다. 공동 창립자 모두 유니버시티 칼리지 런던에서 만났다. 이곳에서 레그는 연구원으로, 하시비스는 인지 신경 과학 박사 학위를 공부하고 있었다.  이들 셋은 새로운 창업 회사에 대한 열망을 다음과 같이 밝혔다. "인텔리전스의 비밀을 밝혀 다른 모든 것을 해결하기 위해 인텔리전스를 사용하는 것이다." 처음에 이들은 비디오 게임을 통해 회사의 높은 목표를 추구했다. 하사비스는 열여섯살 때 히트 시뮬레이션 게임인 심파크(Theme Park)를 공동 개발했으며 스물두살 때에는 자신의 게임 스튜디오를 운영하고 있었다. 그는 이 경험을 신경과학 박사 학위와 결합해 비디오 게임을 마스터할 수 있는 AI 프로그램을 만들었다. 이 시스템 중 하나는 화면에서 점수와 픽셀을 보는 것만으로 퐁(Pong)과 스페이스 인베이더(Space Invaders)를 포함하여 49가지 아타리(Atari) 게임을 하는 방법을 스스로 학습했다. 2013년 12월-딥마인드, 심층 강화 학습 공개 이러한 비디오 게임 실험을 통해 딥마인드는 심층 강화 학습이라는 인공지능 기술에 주력하게 됐다. 이는 심화 학습(Deep Learning)의 패턴 인식과 강화 학습(reinforcement learning)을 통해 달성한 작업을 완료하기 위한 보상 신호가 결합된 것이다. 딥마인드는 아타리 시험에 관해 ...

구글 AI 윤리위원회 범용 인공지능 심층 강화 학습 Artificial General Intelligence NHS 환자 데이터 바둑 알파고 ICO 딥마인드 인공지능 게임 개인정보 M&A 인수 재향군인회

2019.10.22

2010년 범용 인공지능(artificial general intelligence)을 구현하고자 출범한 딥마인드는 설립 이래 줄곧 비평과 잡음이 끊이지 않았다. 그러다 2014년 구글은 딥마인드를 4억 파운드에 지불하고 인수했지만 막대한 손실을 입었다. 딥마인드는 과학 발전에서 호평을 받았지만 데이터 프라이버시 및 보안 관행에 대해 ‘자유방임주의 접근 방식’으로 비난을 받았다. 딥마인드의 역사를 시간순으로 정리했다.  2010년 9월-딥마인드 설립 딥마인드는 머신러닝 연구원인 셰인 레그, 레그의 어린 시절 친구인 데미스 하사비스, 전 컨설턴트인 무스타파 슐레이만이 런던에서 설립한 회사다. 공동 창립자 모두 유니버시티 칼리지 런던에서 만났다. 이곳에서 레그는 연구원으로, 하시비스는 인지 신경 과학 박사 학위를 공부하고 있었다.  이들 셋은 새로운 창업 회사에 대한 열망을 다음과 같이 밝혔다. "인텔리전스의 비밀을 밝혀 다른 모든 것을 해결하기 위해 인텔리전스를 사용하는 것이다." 처음에 이들은 비디오 게임을 통해 회사의 높은 목표를 추구했다. 하사비스는 열여섯살 때 히트 시뮬레이션 게임인 심파크(Theme Park)를 공동 개발했으며 스물두살 때에는 자신의 게임 스튜디오를 운영하고 있었다. 그는 이 경험을 신경과학 박사 학위와 결합해 비디오 게임을 마스터할 수 있는 AI 프로그램을 만들었다. 이 시스템 중 하나는 화면에서 점수와 픽셀을 보는 것만으로 퐁(Pong)과 스페이스 인베이더(Space Invaders)를 포함하여 49가지 아타리(Atari) 게임을 하는 방법을 스스로 학습했다. 2013년 12월-딥마인드, 심층 강화 학습 공개 이러한 비디오 게임 실험을 통해 딥마인드는 심층 강화 학습이라는 인공지능 기술에 주력하게 됐다. 이는 심화 학습(Deep Learning)의 패턴 인식과 강화 학습(reinforcement learning)을 통해 달성한 작업을 완료하기 위한 보상 신호가 결합된 것이다. 딥마인드는 아타리 시험에 관해 ...

2019.10.22

딥마인드 공동 창업자 무스타파 슐레이만, 구글 퇴사

딥마인드의 공동 창업자이자 응용 인공지능 책임자인 무스타파 슐레이만이 갑자기 회사를 떠났다. 22일 블룸버그의 보도에 따르면, 이 결정은 회사와 상호 간 합의된 것으로 알려졌다. 딥마인드 대변인은 “무스타파가 10년 동안 바쁘게 지내다 지금 막 시간을 갖게 됐다”라고 밝혔다. 회사는 슐레이만의 퇴사 이유를 언급하지 않았지만 그의 성과와 관련이 있다는 어떤 표현도 하지 않았다. 그리고 슐레이만이 결국에는 복귀할 것으로 예상된다.    슐레이만은 2010년 뉴질랜드의 머신러닝 연구원인 셰인 레그와 어린 시절 친구이자 알파고의 아버지 데니스 하사비스와 함께 AI 연구소를 설립했다. 2014년 구글은 4억 파운드에 이 AI 연구소를 인수했으며, 결국 실제 문제를 해결하는 데 딥러닝 기술을 적용할 목적으로 슐레이만에게 딥마인드의 응용 AI 사업부 운영을 맡였다.  2016년 딥마인드는 영국 국민건강서비스(NHS)와 손잡으면서 난관에 부딪히게 됐다. 딥마인드는 스트림(Streams)이라는 신장 모니터링 앱을 개발하기 위해 NHS와 데이터를 공유했는데 이 때 데이터 공유 통제가 부적절하다는 지적이 있었다. 이후 구글 내 헬스부서로 흡수돼 딥 마인드의 미래 의료 프로젝트는 의심을 사게 됐다.  또한 딥마인드는 지난해 재무 손실까지 커졌다. FT는 이 회사의 손실이 작년에 55% 증가한 4억 7,400만 파운드를 기록했다고 밝혔다. 딥마인드는 향후 12개월 안에 10억 달러 이상의 부채를 보유하게 되며 장기 전략에 대한 회의론도 커졌다. 로버스트.AI(Robust.AI) 설립자 겸 NYU의 심리학과 신경과학 교수인 개리 마커스는 <와이어드(Wired)>에 쓴 기고문에서 심층 강화 학습을 위한 상용 애플리케이션에 대한 의문을 제기하며 "매년 손실이 약 2배로 계속된다면, 알파벳조차도 결국 철수해야 한다는 느낌을 받을 수 있다"라고 밝혔다.    -------------------------------...

인수 심층 강화학습 무스타파 슐레이만 NHS 바둑 알파고 데이터 공유 알파벳 딥마인드 퇴사 인공지능 손실 실적 M&A 영국 국가건강서비스

2019.08.23

딥마인드의 공동 창업자이자 응용 인공지능 책임자인 무스타파 슐레이만이 갑자기 회사를 떠났다. 22일 블룸버그의 보도에 따르면, 이 결정은 회사와 상호 간 합의된 것으로 알려졌다. 딥마인드 대변인은 “무스타파가 10년 동안 바쁘게 지내다 지금 막 시간을 갖게 됐다”라고 밝혔다. 회사는 슐레이만의 퇴사 이유를 언급하지 않았지만 그의 성과와 관련이 있다는 어떤 표현도 하지 않았다. 그리고 슐레이만이 결국에는 복귀할 것으로 예상된다.    슐레이만은 2010년 뉴질랜드의 머신러닝 연구원인 셰인 레그와 어린 시절 친구이자 알파고의 아버지 데니스 하사비스와 함께 AI 연구소를 설립했다. 2014년 구글은 4억 파운드에 이 AI 연구소를 인수했으며, 결국 실제 문제를 해결하는 데 딥러닝 기술을 적용할 목적으로 슐레이만에게 딥마인드의 응용 AI 사업부 운영을 맡였다.  2016년 딥마인드는 영국 국민건강서비스(NHS)와 손잡으면서 난관에 부딪히게 됐다. 딥마인드는 스트림(Streams)이라는 신장 모니터링 앱을 개발하기 위해 NHS와 데이터를 공유했는데 이 때 데이터 공유 통제가 부적절하다는 지적이 있었다. 이후 구글 내 헬스부서로 흡수돼 딥 마인드의 미래 의료 프로젝트는 의심을 사게 됐다.  또한 딥마인드는 지난해 재무 손실까지 커졌다. FT는 이 회사의 손실이 작년에 55% 증가한 4억 7,400만 파운드를 기록했다고 밝혔다. 딥마인드는 향후 12개월 안에 10억 달러 이상의 부채를 보유하게 되며 장기 전략에 대한 회의론도 커졌다. 로버스트.AI(Robust.AI) 설립자 겸 NYU의 심리학과 신경과학 교수인 개리 마커스는 <와이어드(Wired)>에 쓴 기고문에서 심층 강화 학습을 위한 상용 애플리케이션에 대한 의문을 제기하며 "매년 손실이 약 2배로 계속된다면, 알파벳조차도 결국 철수해야 한다는 느낌을 받을 수 있다"라고 밝혔다.    -------------------------------...

2019.08.23

김진철의 How-to-Big Data | 빅데이터 조직과 시스템 (10)

데이터 과학팀 리더의 리더십 (5) – 머리와 가슴을 조화시켜라 (집중할 수 있는 환경 만들기) 지난 스물아홉번째, 서른번째 글에서 데이터 과학팀을 이끄는 리더가 자주 범하는 실수인 리더 자신이 걸림돌이 되는 리더십의 문제점, 팀의 문제 해결 역량과 시너지를 높이기 위한 팀 내 투명한 소통, 팀원 간 케미 및 관계, 팀의 집중력을 유지하는 문제를 다루었다. 이번 글에서는 데이터 과학자 및 데이터 과학팀 구성원 개개인의 역량을 최대로 끌어내기 위해 필요한 리 더십 요소들을 같이 생각해보자.   데이터 과학자들은 과학자의 호기심을 보통 사람들보다 강하게 가지고 있는 사람들이어서, 데이터 과학자가 자신의 흥미와 아이디어를 좇다가 팀의 미션과 목표에서 벗어나지 않고 팀이 팀 전체의 집중력을 잃지 않게끔, 팀 리더가 각 데이터 과학자의 업무 집중력을 세심하게 점검하고 부드럽게 조율해줄 필요가 있다고 얘기하였다. 호기심이 원동력이 되는 데이터 과학자들의 자율성과 자발적 헌신을 해치지 않으면서 각 데이터 과학자가 팀의 미션과 업무에 집중하게끔 하여 팀 수준의 집중력을 높이는 것도 중요하지만, 이들 각각이 업무에 집중할 수 있는 환경을 만드는 것도 매우 중요하다. 데이터 과학팀 구성원들이 업무에 집중할 수 있는 환경이란 단순히 조용하고 방해받지 않는 업무 공간을 만드는 것만을 의미하지 않는다. 데이터 과학팀 구성원들이 업무에 집중할 수 있는 환경이란 정서적, 감정적으로 안전하게 느끼고 팀의 미션을 위해 집중해서 풀어야 하는 문제 이외에 스트레스를 주는 다른 문제에 마음을 빼앗겨 온전히 집중하지 못하는 일이 없도록 팀 분위기를 유지하는 일을 포함한다.  많은 리더는 데이터 과학자와 같은 과학자를 마치 데이터와 자료만 주면 뭔가 대단한 것을 기계적으로 만들어 내는 기계처럼 생각하는 것 같다. 데이터 과학자들도 보통 사람들과 같은 감정과 정서를 지닌 사람이라는 것을 종종 간과하는 것이다. 데이터 과학자들이 보통 사람들보다 더 이성적이고 논리적인 사고에 ...

CIO 알파고 웨이모 김진철 빅테이블 데이터 과학팀 따돌림 아인슈타인의 보스 – 천재들을 지휘하는 10가지 법칙 쿠버네티스 텐서플로 구글 빅데이터 이직 컨테이너 맵리듀스 KPI 데이터 과학 딥마인드 직장내 괴롭힘

2019.07.23

데이터 과학팀 리더의 리더십 (5) – 머리와 가슴을 조화시켜라 (집중할 수 있는 환경 만들기) 지난 스물아홉번째, 서른번째 글에서 데이터 과학팀을 이끄는 리더가 자주 범하는 실수인 리더 자신이 걸림돌이 되는 리더십의 문제점, 팀의 문제 해결 역량과 시너지를 높이기 위한 팀 내 투명한 소통, 팀원 간 케미 및 관계, 팀의 집중력을 유지하는 문제를 다루었다. 이번 글에서는 데이터 과학자 및 데이터 과학팀 구성원 개개인의 역량을 최대로 끌어내기 위해 필요한 리 더십 요소들을 같이 생각해보자.   데이터 과학자들은 과학자의 호기심을 보통 사람들보다 강하게 가지고 있는 사람들이어서, 데이터 과학자가 자신의 흥미와 아이디어를 좇다가 팀의 미션과 목표에서 벗어나지 않고 팀이 팀 전체의 집중력을 잃지 않게끔, 팀 리더가 각 데이터 과학자의 업무 집중력을 세심하게 점검하고 부드럽게 조율해줄 필요가 있다고 얘기하였다. 호기심이 원동력이 되는 데이터 과학자들의 자율성과 자발적 헌신을 해치지 않으면서 각 데이터 과학자가 팀의 미션과 업무에 집중하게끔 하여 팀 수준의 집중력을 높이는 것도 중요하지만, 이들 각각이 업무에 집중할 수 있는 환경을 만드는 것도 매우 중요하다. 데이터 과학팀 구성원들이 업무에 집중할 수 있는 환경이란 단순히 조용하고 방해받지 않는 업무 공간을 만드는 것만을 의미하지 않는다. 데이터 과학팀 구성원들이 업무에 집중할 수 있는 환경이란 정서적, 감정적으로 안전하게 느끼고 팀의 미션을 위해 집중해서 풀어야 하는 문제 이외에 스트레스를 주는 다른 문제에 마음을 빼앗겨 온전히 집중하지 못하는 일이 없도록 팀 분위기를 유지하는 일을 포함한다.  많은 리더는 데이터 과학자와 같은 과학자를 마치 데이터와 자료만 주면 뭔가 대단한 것을 기계적으로 만들어 내는 기계처럼 생각하는 것 같다. 데이터 과학자들도 보통 사람들과 같은 감정과 정서를 지닌 사람이라는 것을 종종 간과하는 것이다. 데이터 과학자들이 보통 사람들보다 더 이성적이고 논리적인 사고에 ...

2019.07.23

'알파고를 만든' 강화 학습 이해하기

구글 딥마인드(DeepMind)의 알파고(AlphaGo)는 사람들에게 친숙한 이름이다. 알파고는 2015년 프로 2단 바둑 기사와의 시합에서 승리하면서 유명세를 탄 이후, 개선된 알파고 버전은 세계적인 프로 바둑 기사인 이세돌 9단과의 시합에서도 승리하고 2017년 5월에는 세계 랭킹 1위인 커제 바둑 기사와의 상대로도 이겼다. 2017년 후반 새로운 세대의 소프트웨어로 나온 알파제로(AlphaZero)는 기존 알파고보다 더욱 강력했으며 바둑뿐만 아니라 체스와 쇼기(일본식 장기)도 학습했다. 알파고와 알파제로는 모두 강화 학습(reinforcement learning)을 통해 학습한다. 또한 강화 학습 네트워크의 일부로 심층신경망을 사용해 결과 가능성을 예측한다. 이번 기사에서는 강화 학습이 어떻게 사용되고 어떻게 작동하는지를 전체적인 관점에서 설명하고, 이후 알파고와 알파제로를 다시 살펴보자(계산이나 마르코프 결정 프로세스(Markov Decision Process), 알고리즘의 복잡다단한 세부 사항까지 다루지는 않는다).    강화 학습이란  머신러닝에는 비지도 학습(unsupervised learning), 지도 학습(supervised learning), 강화 학습(reinforcement learning)의 세 가지 종류가 있다. 각 학습은 서로 다른 종류의 문제 해결에 유용하다. 비지도 학습은 레이블이 없는 완전한 데이터 집합에서 작동하며 데이터의 구조를 밝혀내는 데 유리하다. 클러스터링, 차원 축소, 특성 학습, 밀도 추정 등에 사용된다. 지도 학습은 레이블이 있는 완전한 데이터 집합에서 작동하며 개별 데이터에 대한 분류 모델과 연속 데이터에 대한 회귀 모델을 만드는 데 유리하다. 지도 학습으로 생산되는 머신러닝 또는 신경망 모델은 일반적으로 예측에 사용된다. 예를 들어 "이 대출자가 대출금을 갚지 않을 가능성은 얼마나 되는가" 또는 "다음 달 얼만큼의 재고를 보유해야 하는가&qu...

머신러닝 알파고 강화학습 reinforcement learning 알파제로

2019.06.12

구글 딥마인드(DeepMind)의 알파고(AlphaGo)는 사람들에게 친숙한 이름이다. 알파고는 2015년 프로 2단 바둑 기사와의 시합에서 승리하면서 유명세를 탄 이후, 개선된 알파고 버전은 세계적인 프로 바둑 기사인 이세돌 9단과의 시합에서도 승리하고 2017년 5월에는 세계 랭킹 1위인 커제 바둑 기사와의 상대로도 이겼다. 2017년 후반 새로운 세대의 소프트웨어로 나온 알파제로(AlphaZero)는 기존 알파고보다 더욱 강력했으며 바둑뿐만 아니라 체스와 쇼기(일본식 장기)도 학습했다. 알파고와 알파제로는 모두 강화 학습(reinforcement learning)을 통해 학습한다. 또한 강화 학습 네트워크의 일부로 심층신경망을 사용해 결과 가능성을 예측한다. 이번 기사에서는 강화 학습이 어떻게 사용되고 어떻게 작동하는지를 전체적인 관점에서 설명하고, 이후 알파고와 알파제로를 다시 살펴보자(계산이나 마르코프 결정 프로세스(Markov Decision Process), 알고리즘의 복잡다단한 세부 사항까지 다루지는 않는다).    강화 학습이란  머신러닝에는 비지도 학습(unsupervised learning), 지도 학습(supervised learning), 강화 학습(reinforcement learning)의 세 가지 종류가 있다. 각 학습은 서로 다른 종류의 문제 해결에 유용하다. 비지도 학습은 레이블이 없는 완전한 데이터 집합에서 작동하며 데이터의 구조를 밝혀내는 데 유리하다. 클러스터링, 차원 축소, 특성 학습, 밀도 추정 등에 사용된다. 지도 학습은 레이블이 있는 완전한 데이터 집합에서 작동하며 개별 데이터에 대한 분류 모델과 연속 데이터에 대한 회귀 모델을 만드는 데 유리하다. 지도 학습으로 생산되는 머신러닝 또는 신경망 모델은 일반적으로 예측에 사용된다. 예를 들어 "이 대출자가 대출금을 갚지 않을 가능성은 얼마나 되는가" 또는 "다음 달 얼만큼의 재고를 보유해야 하는가&qu...

2019.06.12

과격한 혁명이 다가온다··· 소프트웨어 개발에 불어오는 AI 바람

뉴럴 네트워크(신경망)가 코드를 작성한다. 사람들은 주로 작업을 정의하고 데이터를 수집하며 사용자 인터페이스를 구현한다. 이미 이런 일을 벌어지는 시대다. 테슬라의 안드레이 카파시는 이를 ‘소프트웨어 2.0’의 시대로 부른다. 그러나 최소한 아직은 뉴럴 네트워크가 모든 작업을 처리할 수 있는 것은 아니다. 전통적인 소프트웨어 개발이 맡아야 할 역할이 여전히 남아 있기는 하다. 하지만 인공지능(AI), 머신러닝(ML), 고급 분석(Advanced analytics)이 소프트웨어 디자인, 작성, 테스트, 배포 방법을 바꾸고 있는 중이다.   테스팅 브라질 기업인 TOTVS는 약 10만에 달하는 엔터프라이즈 고객들에게 ‘미션 크리티컬’산업용 소프트웨어를 공급하고 있다. 금융 서비스 솔루션 같은 경우, 매일 수 조 달러의 거래가 처리된다. 이런 애플리케이션에는 적절한 테스팅이 필요하다. 테스트 케이스를 만드는 사람은 아주 세심히 테스트 시나리오를 디자인할 방법을 숙고해야 한다. 각각을 만드는 데 몇 시간이 걸린다. TOTVS 랩스의 비센테 고텐 이규제큐티브 디렉터에 따르면, 계속 이렇게 작업하기란 아주 큰 도전 과제이다. 각 테스트 케이스를 사용자 인터페이스에 맞도록 맞춤화해야 한다. 애플리케이션은 끊임없이 다시 디자인되고, 인테페이스는 계속 변한다. 새 버전의 자바스크립트로 업데이트가 이뤄지면서 플랫폼 자체가 바뀐다면, 모든 디자인 요소가 한 번에 변한다. 고텐은 이와 관련, “수 만에 달하는 유즈 케이스를 다시 쓰는 것을 상상해보라!”라고 말했다. TOTVS는 이 과제를 해결하기 위해 인공지능(AI)을 찾았다. TOTVS가 테스트에 사용하는 플랫폼인 펑셔널라이즈(Functionalize)는 이제 지능형 테스트 케이스 생성을 지원한다. 이 기술은 기반이 되는 코드에 의지하는 대신, 사람처럼 화면을 조사해 입력 필드와 버튼 등의 위치를 찾을 수 있다. 또 애플리케이션 스트레스 테...

소프트웨어 개발 코딩 딥러닝 기트허브 알파고 로우 코드 노 코드 인텔리코드

2019.05.09

뉴럴 네트워크(신경망)가 코드를 작성한다. 사람들은 주로 작업을 정의하고 데이터를 수집하며 사용자 인터페이스를 구현한다. 이미 이런 일을 벌어지는 시대다. 테슬라의 안드레이 카파시는 이를 ‘소프트웨어 2.0’의 시대로 부른다. 그러나 최소한 아직은 뉴럴 네트워크가 모든 작업을 처리할 수 있는 것은 아니다. 전통적인 소프트웨어 개발이 맡아야 할 역할이 여전히 남아 있기는 하다. 하지만 인공지능(AI), 머신러닝(ML), 고급 분석(Advanced analytics)이 소프트웨어 디자인, 작성, 테스트, 배포 방법을 바꾸고 있는 중이다.   테스팅 브라질 기업인 TOTVS는 약 10만에 달하는 엔터프라이즈 고객들에게 ‘미션 크리티컬’산업용 소프트웨어를 공급하고 있다. 금융 서비스 솔루션 같은 경우, 매일 수 조 달러의 거래가 처리된다. 이런 애플리케이션에는 적절한 테스팅이 필요하다. 테스트 케이스를 만드는 사람은 아주 세심히 테스트 시나리오를 디자인할 방법을 숙고해야 한다. 각각을 만드는 데 몇 시간이 걸린다. TOTVS 랩스의 비센테 고텐 이규제큐티브 디렉터에 따르면, 계속 이렇게 작업하기란 아주 큰 도전 과제이다. 각 테스트 케이스를 사용자 인터페이스에 맞도록 맞춤화해야 한다. 애플리케이션은 끊임없이 다시 디자인되고, 인테페이스는 계속 변한다. 새 버전의 자바스크립트로 업데이트가 이뤄지면서 플랫폼 자체가 바뀐다면, 모든 디자인 요소가 한 번에 변한다. 고텐은 이와 관련, “수 만에 달하는 유즈 케이스를 다시 쓰는 것을 상상해보라!”라고 말했다. TOTVS는 이 과제를 해결하기 위해 인공지능(AI)을 찾았다. TOTVS가 테스트에 사용하는 플랫폼인 펑셔널라이즈(Functionalize)는 이제 지능형 테스트 케이스 생성을 지원한다. 이 기술은 기반이 되는 코드에 의지하는 대신, 사람처럼 화면을 조사해 입력 필드와 버튼 등의 위치를 찾을 수 있다. 또 애플리케이션 스트레스 테...

2019.05.09

질병 진단과 치료, 개인화 추천··· 딥마인드 활약상 10선

2014년 구글이 4억 파운드에 영국에 있는 AI 신생벤처를 사들인 후 딥마인드는 자주 언론의 머리기사를 장식했다. 프로 바둑 기사 이세돌을 이긴 딥마인드의 알파고는 개인 의료 기록 접근에 관한 논란으로 비판을 받기도 했다. ICO 판결에 따르면 구글이 데이터 보호법을 위반했으며 구글이 딥마인드 헬쓰를 통제한다고 발표하면서 우려는 더욱 커졌다. 그 후 신뢰가 흔들리기도 했지만 런던 킹스 크로스(King's Cross)에 있는 딥마인드 연구소는 AI를 계속 연구했으며, 그 결과 런던은 AI를 선도하는 도시로 부상하고 있다. 1. 풍력발전 효율 향상 딥마인드는 미국 중부에 있는 구글의 풍력발전 단지에서 생산된 에너지의 가치를 높이기 위해 에너지가 생성되기 36시간 전에 산출량을 예측했다. 이 회사는 지역 일기 예보와 터빈 데이터에 관해 신경망으로 학습해 다음날 전력망에 최적의 시간별 전기량을 권장할 수 있었다. 딥마인드는 이미 구글의 풍력 에너지 가치를 약 20% 높였으며 예측할 수 없는 에너지 원천을 상업적이고 실용적으로 만들기 위해 모델을 더욱 세밀하게 조정할 것이라고 전했다. 2. 구글 플레이에서 앱 추천 최적화 딥마인드는 머신러닝을 사용하여 이전 다운로드 및 사용된 상황을 기반으로 사용자가 쉽게 쓰고 즐길만한 앱을 찾아 구글 플레이에서 앱 추천을 맞춤 설정하는 데 도움을 주었다. 이 작업은 유료 고객을 구글 플레이 스토어로 끌어들이는 데 목적이 있다. 구글은 딥마인드가 개발한 기술을 구글이 상업화할 수 있는 방법을 보여줬다. 3. NHS 환자의 급성 신장 손상 감지 딥마인드는 검사 결과에 질병의 징후를 검토하고 긴급한 진단이 필요한 경우 직원에게 즉각적인 경고를 보내는 스트림(Streams)이라는 환자 안전 경보 애플리케이션을 개발했다. 이 애플리케이션은 임상가가 급성 신장 부상과 같은 다른 심각한 상태를 신속하게 확인하고 버튼을 눌러 혈액 검사, 스캔, 엑스레이 결과를 표시하도록 도와준다. 이 프로젝트는 의료 치료를 향상하고 의료 프로세...

검색 알파고 바둑 이세돌 구글 어시스턴트 암 진단 신경망 군인 DeepMind 딥마인드 헬쓰 딥마인드 풍력 구글 스마트폰 안드로이드 지도 배터리 게임 인공지능 치료 구글 플레이 조영술

2019.03.15

2014년 구글이 4억 파운드에 영국에 있는 AI 신생벤처를 사들인 후 딥마인드는 자주 언론의 머리기사를 장식했다. 프로 바둑 기사 이세돌을 이긴 딥마인드의 알파고는 개인 의료 기록 접근에 관한 논란으로 비판을 받기도 했다. ICO 판결에 따르면 구글이 데이터 보호법을 위반했으며 구글이 딥마인드 헬쓰를 통제한다고 발표하면서 우려는 더욱 커졌다. 그 후 신뢰가 흔들리기도 했지만 런던 킹스 크로스(King's Cross)에 있는 딥마인드 연구소는 AI를 계속 연구했으며, 그 결과 런던은 AI를 선도하는 도시로 부상하고 있다. 1. 풍력발전 효율 향상 딥마인드는 미국 중부에 있는 구글의 풍력발전 단지에서 생산된 에너지의 가치를 높이기 위해 에너지가 생성되기 36시간 전에 산출량을 예측했다. 이 회사는 지역 일기 예보와 터빈 데이터에 관해 신경망으로 학습해 다음날 전력망에 최적의 시간별 전기량을 권장할 수 있었다. 딥마인드는 이미 구글의 풍력 에너지 가치를 약 20% 높였으며 예측할 수 없는 에너지 원천을 상업적이고 실용적으로 만들기 위해 모델을 더욱 세밀하게 조정할 것이라고 전했다. 2. 구글 플레이에서 앱 추천 최적화 딥마인드는 머신러닝을 사용하여 이전 다운로드 및 사용된 상황을 기반으로 사용자가 쉽게 쓰고 즐길만한 앱을 찾아 구글 플레이에서 앱 추천을 맞춤 설정하는 데 도움을 주었다. 이 작업은 유료 고객을 구글 플레이 스토어로 끌어들이는 데 목적이 있다. 구글은 딥마인드가 개발한 기술을 구글이 상업화할 수 있는 방법을 보여줬다. 3. NHS 환자의 급성 신장 손상 감지 딥마인드는 검사 결과에 질병의 징후를 검토하고 긴급한 진단이 필요한 경우 직원에게 즉각적인 경고를 보내는 스트림(Streams)이라는 환자 안전 경보 애플리케이션을 개발했다. 이 애플리케이션은 임상가가 급성 신장 부상과 같은 다른 심각한 상태를 신속하게 확인하고 버튼을 눌러 혈액 검사, 스캔, 엑스레이 결과를 표시하도록 도와준다. 이 프로젝트는 의료 치료를 향상하고 의료 프로세...

2019.03.15

왕년의 체스 챔피언 가리 카스파로브가 전하는 '인공지능과 미래'

가리 카스파로프(Garry Kasparov)는 15년 동안 세계 체스 챔피언 ‘왕좌’를 유지하면서 수천 번의 승리를 거뒀다. 그러나 여기에 못지않게 그의 ‘유명세’에 일조한 사건 하나가 있다. 1997년, IBM 컴퓨터인 딥블루(Deep Blue)와 체스 게임에서 진 사건이다. 그는 지금도 당시 패배를 기억하고 있다. 패배를 극복하지 못한 것이다. 그는 가트너 심포지엄에 참석한 청중들에게 “게임과 ‘수’를 보면 딥블루가 완벽하지 않다는 것을 알 수 있다. 체스 랭킹을 보면, 객관적으로 내가 더 강한 체스 선수라고 할 수 있다”고 언급했다. 그는 당시 큰 압박감과 스트레스를 받고 있었다. 이 러시아계 미국인에 따르면, ‘대결’ 하루 전날 뉴스위크 첫 페이지의 머리기사는 ‘인간 두뇌의 마지막 저항(The Brain’s Last Stand)’였다. 그는 가트너 심포지어 참가자들에게 “TV 뉴스 진행자 한 명은 ‘인류의 미래가 걸린 대결’이라고 말했다. 대결에 대한 준비가 잘 되어있지 않았다. IBM 과학자들의 공이 크다. 아주 훌륭한 일을 해냈기 때문이다. 그렇지만 대결 조건이 완벽하지는 않았다. 물론 그것에 대해 불평하는 것은 아니다”고 이야기했다. 그는 청중들에게 1997년 패배한 대결이 사실은 재대결이었다고 밝혔다. 카스파로프는 해당 대결 1년 전 딥블루와 4번 게임을 해서 2번은 이겼고, 2번은 비겼다. 카스파로프는 “나는 패배를 인정하고 받아들이지 않는다. 그래서 오랜 기간 ‘챔피언’ 자리를 유지할 수 있었다. 지는 것이 아주 괴롭기 때문이다”고 말했다. 약한 ‘한 수’들 카스파로프는 컴퓨터가 ‘우습도록 약한 장치’에서 ‘절대 지지 않는 장...

구글 브루트 포스 가리 카스파로프 체스 챔피언 딥 블루 이세돌 바둑 알파고 딥마인드 심포지엄 체스 인공지능 IBM 가트너 심층신경망

2018.11.12

가리 카스파로프(Garry Kasparov)는 15년 동안 세계 체스 챔피언 ‘왕좌’를 유지하면서 수천 번의 승리를 거뒀다. 그러나 여기에 못지않게 그의 ‘유명세’에 일조한 사건 하나가 있다. 1997년, IBM 컴퓨터인 딥블루(Deep Blue)와 체스 게임에서 진 사건이다. 그는 지금도 당시 패배를 기억하고 있다. 패배를 극복하지 못한 것이다. 그는 가트너 심포지엄에 참석한 청중들에게 “게임과 ‘수’를 보면 딥블루가 완벽하지 않다는 것을 알 수 있다. 체스 랭킹을 보면, 객관적으로 내가 더 강한 체스 선수라고 할 수 있다”고 언급했다. 그는 당시 큰 압박감과 스트레스를 받고 있었다. 이 러시아계 미국인에 따르면, ‘대결’ 하루 전날 뉴스위크 첫 페이지의 머리기사는 ‘인간 두뇌의 마지막 저항(The Brain’s Last Stand)’였다. 그는 가트너 심포지어 참가자들에게 “TV 뉴스 진행자 한 명은 ‘인류의 미래가 걸린 대결’이라고 말했다. 대결에 대한 준비가 잘 되어있지 않았다. IBM 과학자들의 공이 크다. 아주 훌륭한 일을 해냈기 때문이다. 그렇지만 대결 조건이 완벽하지는 않았다. 물론 그것에 대해 불평하는 것은 아니다”고 이야기했다. 그는 청중들에게 1997년 패배한 대결이 사실은 재대결이었다고 밝혔다. 카스파로프는 해당 대결 1년 전 딥블루와 4번 게임을 해서 2번은 이겼고, 2번은 비겼다. 카스파로프는 “나는 패배를 인정하고 받아들이지 않는다. 그래서 오랜 기간 ‘챔피언’ 자리를 유지할 수 있었다. 지는 것이 아주 괴롭기 때문이다”고 말했다. 약한 ‘한 수’들 카스파로프는 컴퓨터가 ‘우습도록 약한 장치’에서 ‘절대 지지 않는 장...

2018.11.12

'음악, 미술, 게임 다 잘한다' 딥러닝으로 사람과 닮아가는 AI

무인자동차를 ‘윤리적으로’ 프로그래밍하려면 어떻게 해야 할까? 로봇 의사를 교육하는 최선의 방법은 무엇일까? 기계에게 심미적 섬세함을 가르치는 것이 가능할까? 캠브리지 컨설턴트(Cambridge Consultants)의AI팀은 어쩌면 이러한 질문들에 대한 답을 찾게 될 지도 모른다. 1960년에 설립한 https://www.cambridgeconsultants.com/homehttps://www.cambridgeconsultants.com/home는 오늘날 의료, 산업, 국방 등 다양한 분야에서 오카도(Ocado), BT, 노스롭 그루먼 파크 에어 시스템(Northrop Grumman Park Air System) 등과 파트너십을 맺고 연간 400개가 넘는 프로젝트를 진행하는 기업으로 성장했다. 캠브리지 컨설턴트는 현재 여러 가지 프로젝트를 진행하고 있으며 특히 무인자동차와 의료 분야 AI 적용에 중점을 두고 있다. 캠브리지 컨설턴트의 현재 프로젝트는 극비사항이지만, 최근 <테크월드>는 운 좋게도 캠브리지 사이언스 파크에 위치한 본사를 방문하여 캠브리지 컨설턴트의 프로젝트에 대해 이야기를 들어볼 기회가 있었다. AI가 음악 장르를 구분할 수 있을까? 첫 번째 시연 프로젝트가 공개된 것이 작년이었지만, 오늘날 AI 분야의 빠른 변화, 발전 속도를 생각하면 이는 벌써 옛날 일처럼 여겨진다. 이 프로젝트는 여러 AI 프로그램의 음악 장르 분류의 정확도를 비교하기 위한 것이었다. 한쪽에서는 딥러닝 프로그램에게 여러 가지 종류의 음악에 대한 방대한 데이터베이스를 교육하고, 또 다른 쪽에서는 더 오래된 알고리즘 프로그램이 구동되고 있었다. 캠브리지 컨설턴트의 AI 담당자 몬티 발로우는 “이 둘이 합쳐져 수작업으로 코딩한, 정상적 알고리즘 개발이 가능했다. 우리가, 그리고 우리 고객들이 자랑스럽게 여기는 그런 결과물이었다”고 말했다. 이 프로그램은 음악 샘플로 학습하는 것이 아니...

학습 팩맥 계단식 학습 general AI 일반 인공지능 캠브리지 컨설턴트 이세돌 바둑 알파고 무인자동차 미술 음악 구조 예술 인공지능 게임 소방

2018.09.21

무인자동차를 ‘윤리적으로’ 프로그래밍하려면 어떻게 해야 할까? 로봇 의사를 교육하는 최선의 방법은 무엇일까? 기계에게 심미적 섬세함을 가르치는 것이 가능할까? 캠브리지 컨설턴트(Cambridge Consultants)의AI팀은 어쩌면 이러한 질문들에 대한 답을 찾게 될 지도 모른다. 1960년에 설립한 https://www.cambridgeconsultants.com/homehttps://www.cambridgeconsultants.com/home는 오늘날 의료, 산업, 국방 등 다양한 분야에서 오카도(Ocado), BT, 노스롭 그루먼 파크 에어 시스템(Northrop Grumman Park Air System) 등과 파트너십을 맺고 연간 400개가 넘는 프로젝트를 진행하는 기업으로 성장했다. 캠브리지 컨설턴트는 현재 여러 가지 프로젝트를 진행하고 있으며 특히 무인자동차와 의료 분야 AI 적용에 중점을 두고 있다. 캠브리지 컨설턴트의 현재 프로젝트는 극비사항이지만, 최근 <테크월드>는 운 좋게도 캠브리지 사이언스 파크에 위치한 본사를 방문하여 캠브리지 컨설턴트의 프로젝트에 대해 이야기를 들어볼 기회가 있었다. AI가 음악 장르를 구분할 수 있을까? 첫 번째 시연 프로젝트가 공개된 것이 작년이었지만, 오늘날 AI 분야의 빠른 변화, 발전 속도를 생각하면 이는 벌써 옛날 일처럼 여겨진다. 이 프로젝트는 여러 AI 프로그램의 음악 장르 분류의 정확도를 비교하기 위한 것이었다. 한쪽에서는 딥러닝 프로그램에게 여러 가지 종류의 음악에 대한 방대한 데이터베이스를 교육하고, 또 다른 쪽에서는 더 오래된 알고리즘 프로그램이 구동되고 있었다. 캠브리지 컨설턴트의 AI 담당자 몬티 발로우는 “이 둘이 합쳐져 수작업으로 코딩한, 정상적 알고리즘 개발이 가능했다. 우리가, 그리고 우리 고객들이 자랑스럽게 여기는 그런 결과물이었다”고 말했다. 이 프로그램은 음악 샘플로 학습하는 것이 아니...

2018.09.21

'바둑은 시작일 뿐' 의료·에너지에서 활약하는 구글 딥마인드

2014년 1월 구글이 AI 신생벤처를 4억 파운드에 인수한 이후 딥마인드는 줄곧 언론에 자주 등장했다. 프로 바둑 기 사 이세돌과 딥마인드의 알파고 간의 대국에서 이세돌을 이긴 인공지능은 더욱 관심을 받게 됐다. 현재 딥마인드가 선보인 흥미로운 인공지능 사례를 소개한다. 1. 참전 군인의 질환이 악화될지 예측 딥마인드는 약 70만 건의 의료 기록 패턴을 분석해 환자가 악화될지를 예측하고자 미 육군 참모부와 협력하고 있다. 이 프로젝트의 목표는 머신러닝이 환자 악화의 위험 요인을 파악하고 병원 내 사망에서 약 11%를 차지하는 문제의 치료를 개선하기 위해 언제 시작할지를 예측하는 것이다. 연구팀은 환자 질환 악화의 일반적인 원인인 급성 신부전(AKI)과 딥마인드가 전문 지식을 개발한 분야를 탐지하는 데 사용되는 알고리즘을 개선할 방법을 모색할 것이다. 2. 임페리얼 칼리지 런던의 유방암 진단 딥마인드는 임페리얼 칼리지 런던(Imperial College London)의 영국 암연구센터(Cancer Research UK Center)가 주도하는 구글의 AOI 건강 연구팀 및 연구 기관과 공동으로 유방암 발견을 개선하고 있다. 이 질병으로 인해 매년 전세계에서 50만 명이 사망하고 있으며 일부는 발견과 진단의 어려움 때문에 발생하는 것으로 파악됐다. 오늘날 사용되는 유방 조영 검사는 매년 수천 개의 암을 발견하지 못하고 종종 과다 진단으로 인한 잘못된 경보를 유발한다. 딥마인드는 머신러닝이 이것을 향상할 수 있다고 믿고 있다. 딥마인드 연구원은 머신러닝 도구가 유방 조영술보다 암 조직의 징후를 좀더 효과적으로 식별하는지 평가하기 위해 약 7,500명의 여성으로부터 유래된 확인되지 않은 유방 조영술을 분석할 것이다. 이 연구는 유방암 검사를 바꿔놓을 가능성이 있다. 3. 안드로이드 기기에서 배터리 관리와 화면 밝기 맞춤 설정 구글의 딥마인드는 안드로이드를 위한 두 가지 새로운 기능, 즉 다음에 어떤 앱을 사용해야 배터리 성능을 높일지 예측하는 적응형...

구글 암 진단 군인 NHS 유방암 임페리얼 칼리지 런던 안과 두경부 암 웨이브넷 구글 어시스턴트 이세돌 안드로이드 개인정보 배터리 시리 인공지능 딥마인드 알파고 바둑 아타리 게임

2018.06.05

2014년 1월 구글이 AI 신생벤처를 4억 파운드에 인수한 이후 딥마인드는 줄곧 언론에 자주 등장했다. 프로 바둑 기 사 이세돌과 딥마인드의 알파고 간의 대국에서 이세돌을 이긴 인공지능은 더욱 관심을 받게 됐다. 현재 딥마인드가 선보인 흥미로운 인공지능 사례를 소개한다. 1. 참전 군인의 질환이 악화될지 예측 딥마인드는 약 70만 건의 의료 기록 패턴을 분석해 환자가 악화될지를 예측하고자 미 육군 참모부와 협력하고 있다. 이 프로젝트의 목표는 머신러닝이 환자 악화의 위험 요인을 파악하고 병원 내 사망에서 약 11%를 차지하는 문제의 치료를 개선하기 위해 언제 시작할지를 예측하는 것이다. 연구팀은 환자 질환 악화의 일반적인 원인인 급성 신부전(AKI)과 딥마인드가 전문 지식을 개발한 분야를 탐지하는 데 사용되는 알고리즘을 개선할 방법을 모색할 것이다. 2. 임페리얼 칼리지 런던의 유방암 진단 딥마인드는 임페리얼 칼리지 런던(Imperial College London)의 영국 암연구센터(Cancer Research UK Center)가 주도하는 구글의 AOI 건강 연구팀 및 연구 기관과 공동으로 유방암 발견을 개선하고 있다. 이 질병으로 인해 매년 전세계에서 50만 명이 사망하고 있으며 일부는 발견과 진단의 어려움 때문에 발생하는 것으로 파악됐다. 오늘날 사용되는 유방 조영 검사는 매년 수천 개의 암을 발견하지 못하고 종종 과다 진단으로 인한 잘못된 경보를 유발한다. 딥마인드는 머신러닝이 이것을 향상할 수 있다고 믿고 있다. 딥마인드 연구원은 머신러닝 도구가 유방 조영술보다 암 조직의 징후를 좀더 효과적으로 식별하는지 평가하기 위해 약 7,500명의 여성으로부터 유래된 확인되지 않은 유방 조영술을 분석할 것이다. 이 연구는 유방암 검사를 바꿔놓을 가능성이 있다. 3. 안드로이드 기기에서 배터리 관리와 화면 밝기 맞춤 설정 구글의 딥마인드는 안드로이드를 위한 두 가지 새로운 기능, 즉 다음에 어떤 앱을 사용해야 배터리 성능을 높일지 예측하는 적응형...

2018.06.05

머신러닝에 관한 9가지 오해

머신러닝만큼 오해가 많은 신기술도 없을 것이다. 머신러닝이 할 수 있는 것과 할 수 없는 것은 각각 무엇인지를 알아보고, 더 이상 머신러닝을 오해하지 말자. 머신러닝은 매우 유용하다. 그래서 모든 문제를 해결하고, 모든 상황에 적용할 수 있는 기술이라고 생각하기 쉽다. 하지만 다른 도구들처럼 특정 영역에만 유용하다. 지속되고 있지만, 이를 해결할 사람을 충분히 채용할 수 없어 해결하지 못하고 있는 문제들, 목적이 명확하지만, 이를 달성할 방법이 없는 문제들을 예로 들 수 있다. 어쨌든 많은 기업과 기관이 어떤 식이든 머신러닝을 활용해 혜택을 누릴 수 있다. 액센츄어 조사에 따르면, 2021년까지 AI가 모든 새로운 혁신의 원동력이 될 것이라고 예상한 중역들의 비율이 42%에 달한다. 그러나 ‘하이프’와 일반적인 통념을 극복하고, 머신러닝이 실제 전달할 수 있는 기능과 그렇지 못한 기능을 이해해야 더 좋은 성과를 일궈낼 수 있다. 오해 1 : ‘머신러닝=AI’다 머신러닝과 인공지능이 유사어처럼 사용되는 경우가 많다. 하지만 머신러닝은 연구 실험실에서 실제 세상으로 가장 성공적으로 진입한 기법이고, AI는 컴퓨터 비전, 로봇, 자연어 처리, 머신러닝이 관여되지 않는 제약 만족(Constraint Satisfaction) 같은 접근법 등 적용 범위와 응용 분야가 광범위한 기술이다. 머신을 똑똑하게 만드는 기술로 생각하면 된다. 이 가운데 어느 것도 일부 사람들이 경쟁할까 두려워하고, 심지어 인간을 공격할까 두려워하는 그런 '인공지능'은 아니다. ‘버즈워드(통용어)’를 경계하고, 정확히 이해해야 한다. 머신러닝은 수많은 데이터의 패턴을 학습, 결과를 예측하는 기법이다. 그 결과가 ‘지적’으로 보일지 모르겠지만, 기본적으로 아주 빠른 속도와 규모로 통계 처리를 하는 기법이다. 오해 2 : 모든 데이터가 유용하다 머신러닝에는 데이터가 ...

CIO RL 통념 CB 강화학습 신경망 알파고 딥마인드 데이터 과학 블랙박스 기계학습 마이크로소픝 API 인공지능 일자리 피싱 애저 세일즈포스 맥락 강도

2018.03.23

머신러닝만큼 오해가 많은 신기술도 없을 것이다. 머신러닝이 할 수 있는 것과 할 수 없는 것은 각각 무엇인지를 알아보고, 더 이상 머신러닝을 오해하지 말자. 머신러닝은 매우 유용하다. 그래서 모든 문제를 해결하고, 모든 상황에 적용할 수 있는 기술이라고 생각하기 쉽다. 하지만 다른 도구들처럼 특정 영역에만 유용하다. 지속되고 있지만, 이를 해결할 사람을 충분히 채용할 수 없어 해결하지 못하고 있는 문제들, 목적이 명확하지만, 이를 달성할 방법이 없는 문제들을 예로 들 수 있다. 어쨌든 많은 기업과 기관이 어떤 식이든 머신러닝을 활용해 혜택을 누릴 수 있다. 액센츄어 조사에 따르면, 2021년까지 AI가 모든 새로운 혁신의 원동력이 될 것이라고 예상한 중역들의 비율이 42%에 달한다. 그러나 ‘하이프’와 일반적인 통념을 극복하고, 머신러닝이 실제 전달할 수 있는 기능과 그렇지 못한 기능을 이해해야 더 좋은 성과를 일궈낼 수 있다. 오해 1 : ‘머신러닝=AI’다 머신러닝과 인공지능이 유사어처럼 사용되는 경우가 많다. 하지만 머신러닝은 연구 실험실에서 실제 세상으로 가장 성공적으로 진입한 기법이고, AI는 컴퓨터 비전, 로봇, 자연어 처리, 머신러닝이 관여되지 않는 제약 만족(Constraint Satisfaction) 같은 접근법 등 적용 범위와 응용 분야가 광범위한 기술이다. 머신을 똑똑하게 만드는 기술로 생각하면 된다. 이 가운데 어느 것도 일부 사람들이 경쟁할까 두려워하고, 심지어 인간을 공격할까 두려워하는 그런 '인공지능'은 아니다. ‘버즈워드(통용어)’를 경계하고, 정확히 이해해야 한다. 머신러닝은 수많은 데이터의 패턴을 학습, 결과를 예측하는 기법이다. 그 결과가 ‘지적’으로 보일지 모르겠지만, 기본적으로 아주 빠른 속도와 규모로 통계 처리를 하는 기법이다. 오해 2 : 모든 데이터가 유용하다 머신러닝에는 데이터가 ...

2018.03.23

'현 시점에서 짚어보는 AI의 이면' 인공지능 전문가 일문일답

인공지능 시스템이 빠르게 블랙박스화 되면서 뛰어난 컴퓨터 공학자들조차도 자세히 조사할 수 없게 됐다고 주장하는 목소리가 높다. 이미 이런 시스템이 의료 진단부터 대출 한도까지 삶을 변화시키는 중대한 결정을 내리는 데 사용되는 상황에서 인공지능이 결론에 도달하는 방식을 파악할 수 있는 능력이 점차 중요해지고 있다. 그리고 EU(European Union)가 자동화된 결정에 대해 도달 방식을 설명하도록 하는 GDPR(General Data Protection Regulation)을 도입하면서 기업들은 AI를 더욱 투명하게 유지해야 하는 상황이다. <CIO 호주>는 페가시스템즈(Pegasystems)의 결정 관리 및 분석 부사장인 롭 워커 박사와 블랙박스 AI의 역량과 위험에 관해 이야기를 나눴다. 다음은 워커 박사와의 일문일답이다. CIO호주 : 불투명한 AI와 투명한 AI의 차이점은 무엇인가? 페가시스템즈 롭 워커 박사(이하 워커 박사) : 불투명한 AI는 인간에게 설명할 수 없는 알고리즘을 사용한다. ‘이상한’ 사고뿐만 아니라 결과적인 예측, 분류 또는 결정 모델의 순수한 복잡성 때문이기도 하다. 불투명 모델의 예로는 인간 두뇌의 내부 작용을 모방한 딥러닝에 사용하는 다층 신경망이 있다. 또 최적의 환경에서 시뮬레이션 된 생존 변수를 이용해 문제 해결책을 점점 발전시켜 나아는 기법인 유전적 알고리즘도 불투명 모델의 예다.  반면에 투명한 AI는 설명할 수 있는 기법을 사용한다. 그 예로는 예측, 분류 또는 결정을 위해 데이터를 사용하는 방식을 명확히 보여주는 적절한 크기의 득점표 또는 결정 트리가 있다. --------------------------------------------------------------- 인공지능 인기기사 ->칼럼 | 성큼 도래한 유비쿼터스 AI 세상··· 마음의 준비를 'Her...

CIO Artificial Sentience Artificial General Intelligence AGI GDPR 바둑 알파고 AS EU 인공지능 페가시스템즈

2018.01.12

인공지능 시스템이 빠르게 블랙박스화 되면서 뛰어난 컴퓨터 공학자들조차도 자세히 조사할 수 없게 됐다고 주장하는 목소리가 높다. 이미 이런 시스템이 의료 진단부터 대출 한도까지 삶을 변화시키는 중대한 결정을 내리는 데 사용되는 상황에서 인공지능이 결론에 도달하는 방식을 파악할 수 있는 능력이 점차 중요해지고 있다. 그리고 EU(European Union)가 자동화된 결정에 대해 도달 방식을 설명하도록 하는 GDPR(General Data Protection Regulation)을 도입하면서 기업들은 AI를 더욱 투명하게 유지해야 하는 상황이다. <CIO 호주>는 페가시스템즈(Pegasystems)의 결정 관리 및 분석 부사장인 롭 워커 박사와 블랙박스 AI의 역량과 위험에 관해 이야기를 나눴다. 다음은 워커 박사와의 일문일답이다. CIO호주 : 불투명한 AI와 투명한 AI의 차이점은 무엇인가? 페가시스템즈 롭 워커 박사(이하 워커 박사) : 불투명한 AI는 인간에게 설명할 수 없는 알고리즘을 사용한다. ‘이상한’ 사고뿐만 아니라 결과적인 예측, 분류 또는 결정 모델의 순수한 복잡성 때문이기도 하다. 불투명 모델의 예로는 인간 두뇌의 내부 작용을 모방한 딥러닝에 사용하는 다층 신경망이 있다. 또 최적의 환경에서 시뮬레이션 된 생존 변수를 이용해 문제 해결책을 점점 발전시켜 나아는 기법인 유전적 알고리즘도 불투명 모델의 예다.  반면에 투명한 AI는 설명할 수 있는 기법을 사용한다. 그 예로는 예측, 분류 또는 결정을 위해 데이터를 사용하는 방식을 명확히 보여주는 적절한 크기의 득점표 또는 결정 트리가 있다. --------------------------------------------------------------- 인공지능 인기기사 ->칼럼 | 성큼 도래한 유비쿼터스 AI 세상··· 마음의 준비를 'Her...

2018.01.12

칼럼 | SW 개발자의 구름 속 미래...

“프로그래머란 카페인을 코드로 바꾸는 기계”라는 농담이 있다. 커피를 마셔가며 잠을 몰아내고 야근을 하며 프로그래밍을 해야 하는 환경을 비유해서 한 말이다. 최근 어느 게임업체의 근무 형태가 “일주일에 2번만 출근하는 회사”라는 비유로 화제가 되기도 하였다. 그런데 2번만 출근하는 것이 장점이 아니란다. 출근 후 퇴근이 없기 때문이라는 뜻이란다. SW 개발자의 열악한 근무환경은 이미 잘 알려져 있다. 다른 한쪽에선 4차 산업혁명 이야기가 한창이다. 얼마 후 다가올 대선에 나가고자 하는 유력 후보들도 이에 대해 언급하지 않는 이가 거의 없는 상황이다. 4차 산업혁명의 핵심에는 인공지능이 있고 로봇이 있다. 많이 이들이 제조업에서의 단순일자리는 이제 인공지능과 로봇이 대체할 것이라고 예상한다. 한 걸음 더 나아가 회계, 법률 심지어 의학분야에까지 인공지능이 기존 전문가를 대체할 수 있다고 예상한다. IBM에서 개발한 인공지능인 ‘왓슨’이 국내 병원에 도입되어 화제가 되고 있기도 하다. SW 개발자는 무리한 중노동에 시달리고 있고, SW를 이용한 인공지능과 로봇은 수많은 일자리를 대체할 수 있을 정도로 강력해지고 있다는 이 두가지 사실이 뭔가 이상하지 않은가? 그렇다. 바로 SW 개발분야에도 인공지능이 도입될 것이라는 추측을 어렵지 않게 할 수 있다. 그렇다면 정말로 SW 개발에 인공지능이 도입될 경우 프로그래머의 미래는 어떻게 될 것인가? 작년에 많은 이들의 관심을 모았던 구글의 알파고는 이제 더 이상 사람이 적수가 될 수 없는 경지에 이르렀다. 고작 1년도 안 되는 짧은 시간 동안 급격히 실력이 향상된 것이다. 이를 보고 많은 사람들이 조만간 영화 속의 인공지능이 등장하는 것 아닌가 염려하기도 한다. 하지만 실제로 AGI(artificial general intelligence)라고 불리는 영역을 초월한 인공지능은 아직 현실적으로 갈 길이 멀다. 바둑과 같은 게임이나 자동차 운전과 ...

CIO 4차 산업혁명 알파고 의학 애자일 방법론 프로그래머 IDE 회계 정철환 법률 인공지능 코드 소프트웨어 왓슨 IBM 구글 통합개발환경

2017.03.02

“프로그래머란 카페인을 코드로 바꾸는 기계”라는 농담이 있다. 커피를 마셔가며 잠을 몰아내고 야근을 하며 프로그래밍을 해야 하는 환경을 비유해서 한 말이다. 최근 어느 게임업체의 근무 형태가 “일주일에 2번만 출근하는 회사”라는 비유로 화제가 되기도 하였다. 그런데 2번만 출근하는 것이 장점이 아니란다. 출근 후 퇴근이 없기 때문이라는 뜻이란다. SW 개발자의 열악한 근무환경은 이미 잘 알려져 있다. 다른 한쪽에선 4차 산업혁명 이야기가 한창이다. 얼마 후 다가올 대선에 나가고자 하는 유력 후보들도 이에 대해 언급하지 않는 이가 거의 없는 상황이다. 4차 산업혁명의 핵심에는 인공지능이 있고 로봇이 있다. 많이 이들이 제조업에서의 단순일자리는 이제 인공지능과 로봇이 대체할 것이라고 예상한다. 한 걸음 더 나아가 회계, 법률 심지어 의학분야에까지 인공지능이 기존 전문가를 대체할 수 있다고 예상한다. IBM에서 개발한 인공지능인 ‘왓슨’이 국내 병원에 도입되어 화제가 되고 있기도 하다. SW 개발자는 무리한 중노동에 시달리고 있고, SW를 이용한 인공지능과 로봇은 수많은 일자리를 대체할 수 있을 정도로 강력해지고 있다는 이 두가지 사실이 뭔가 이상하지 않은가? 그렇다. 바로 SW 개발분야에도 인공지능이 도입될 것이라는 추측을 어렵지 않게 할 수 있다. 그렇다면 정말로 SW 개발에 인공지능이 도입될 경우 프로그래머의 미래는 어떻게 될 것인가? 작년에 많은 이들의 관심을 모았던 구글의 알파고는 이제 더 이상 사람이 적수가 될 수 없는 경지에 이르렀다. 고작 1년도 안 되는 짧은 시간 동안 급격히 실력이 향상된 것이다. 이를 보고 많은 사람들이 조만간 영화 속의 인공지능이 등장하는 것 아닌가 염려하기도 한다. 하지만 실제로 AGI(artificial general intelligence)라고 불리는 영역을 초월한 인공지능은 아직 현실적으로 갈 길이 멀다. 바둑과 같은 게임이나 자동차 운전과 ...

2017.03.02

'놀랍고도 신기했다' 2016년 기묘했던 10가지 기술 이야기

과학 기술 뉴스는 일반적으로 주류 미디어에서는 우선순위에서 밀린다. 기술 주제는 최근에서야 일반 독자의 관심을 받거나, 잘 알려지지 않은 것으로 치부되는 경우가 많다. 그도 아니면, 기술 주제는 너무 복잡하다. 이 외에도 많은 이유가 있다는 점이 안타깝다. 하지만, 잘 살펴보면, 과학 기술 부문에서 유쾌할 만큼 이상한 것들을 찾을 수 있고 때로는 정말 놀라운 사실을 알 수 있다. 오늘은 일반 독자들이 지나쳤거나 미래에 대한 시사하는 바가 특이한 것들만 선별하여 2016년의 이상한 10가지 이야기를 준비했다. 무기화된 디스플레이 기술, 에로 로봇, 말 그대로 죽음을 거역하는 생명공학 기술 등에 관한 최신 정보를 알아보자. 자 시작한다. 차량용 인간 파리 끈끈이 특허를 출원한 구글 지난 10년 동안 배운 점이 있다면 구글이 모든 것을 염두에 둔다는 점이다. 예를 들어 보자. 지난 5월, 이 거대 기술 기업은 자율주행 자동차를 위한 인간 파리 끈끈이에 대한 특허를 출원했다. 핵심은, 구글 자율주행 자동차가 보행자를 치는 경우 파리 끈끈이가 행인이 튀어 나가거나 아래에 깔려 추가적인 부상을 입지 않도록 방지한다. 정말로 특이한 생각이다. 해당 특허 출원에 따르면, 차량의 앞쪽 부분을 보행자에 들러붙는 특수 접착제로 코팅하여 차량의 앞부분이 보행자와 접촉하는 불미스러운 상황에서 보행자가 차량에 들러붙도록 한다. 차량에 벌레, 쓰레기, 다람쥐 등이 들러 붙지 않게 하려고 접착제 표면 자체는 충격 시 분리되도록 설계된 얇은 달걀 껍질 코팅으로 덮여 있다. 또한 해당 특허에는 ‘일정 기간 후’ 불미스러운 일을 당한 보행자를 떼어내는 기법도 포함되어 있다.  바둑을 배운 AI 지난 1월, 구글의 연구원들은 유명 과학 저널 <네이처(Nature)>지에 매우 놀라운 논문을 발표했다. 구글팀이 중국의 전통 게임이자 일반적으로 세계에서 가장 복잡한 전략 게임으로 알려진 ...

구글 네이처 신경망 세로토닌 이어버드 너바나 바둑 알파고 생명공학 자율주행 타이어 인공지능 특허 바주카

2016.12.28

과학 기술 뉴스는 일반적으로 주류 미디어에서는 우선순위에서 밀린다. 기술 주제는 최근에서야 일반 독자의 관심을 받거나, 잘 알려지지 않은 것으로 치부되는 경우가 많다. 그도 아니면, 기술 주제는 너무 복잡하다. 이 외에도 많은 이유가 있다는 점이 안타깝다. 하지만, 잘 살펴보면, 과학 기술 부문에서 유쾌할 만큼 이상한 것들을 찾을 수 있고 때로는 정말 놀라운 사실을 알 수 있다. 오늘은 일반 독자들이 지나쳤거나 미래에 대한 시사하는 바가 특이한 것들만 선별하여 2016년의 이상한 10가지 이야기를 준비했다. 무기화된 디스플레이 기술, 에로 로봇, 말 그대로 죽음을 거역하는 생명공학 기술 등에 관한 최신 정보를 알아보자. 자 시작한다. 차량용 인간 파리 끈끈이 특허를 출원한 구글 지난 10년 동안 배운 점이 있다면 구글이 모든 것을 염두에 둔다는 점이다. 예를 들어 보자. 지난 5월, 이 거대 기술 기업은 자율주행 자동차를 위한 인간 파리 끈끈이에 대한 특허를 출원했다. 핵심은, 구글 자율주행 자동차가 보행자를 치는 경우 파리 끈끈이가 행인이 튀어 나가거나 아래에 깔려 추가적인 부상을 입지 않도록 방지한다. 정말로 특이한 생각이다. 해당 특허 출원에 따르면, 차량의 앞쪽 부분을 보행자에 들러붙는 특수 접착제로 코팅하여 차량의 앞부분이 보행자와 접촉하는 불미스러운 상황에서 보행자가 차량에 들러붙도록 한다. 차량에 벌레, 쓰레기, 다람쥐 등이 들러 붙지 않게 하려고 접착제 표면 자체는 충격 시 분리되도록 설계된 얇은 달걀 껍질 코팅으로 덮여 있다. 또한 해당 특허에는 ‘일정 기간 후’ 불미스러운 일을 당한 보행자를 떼어내는 기법도 포함되어 있다.  바둑을 배운 AI 지난 1월, 구글의 연구원들은 유명 과학 저널 <네이처(Nature)>지에 매우 놀라운 논문을 발표했다. 구글팀이 중국의 전통 게임이자 일반적으로 세계에서 가장 복잡한 전략 게임으로 알려진 ...

2016.12.28

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.

10.4.0.31