Offcanvas

������ ���������

블로그ㅣ머신러닝(ML) 모델, 가드레일이 필요하다

심층 신경망(Deep Neural Network; DNN)이 많이 사용됨에 따라 기업들은 사실상 전문 연구진조차 완전히 이해하지 못하는 기술을 점점 더 활용하고 있다. 안전하고 예측할 수 있는 운영 환경을 보장하려면 ‘가드레일’이 필요하다.  AI와 ML이 엔터프라이즈 기술 개발에서 갈수록 중요한 역할을 할 것이고, 향후 몇 년간 수많은 기업 이니셔티브를 지원할 것이라는 데 의심의 여지가 없다.  IDC에 따르면 2021년 전 세계 AI 시장(소프트웨어, 하드웨어, 서비스 포함)의 매출은 미화 약 3,418억 달러에 이를 것으로 예상됐다. 또한 연간 성장률은 18.8%를 기록해, 2024년에는 5,000억 달러를 돌파할 것으로 예측됐다. 이 밖에 오는 2026년까지 기업들의 30%는 AI/ML을 통해 도출한 인사이트를 사용하여 성과를 60%가량 향상시킬 전망이다.     하지만 이러한 낙관론에도 불구하고 ML 채택을 증가시키고 있는 ‘심층 신경망(DNN) 모델’의 숨기고 싶은 비밀이 있다. 연구진이 이 모델의 작동 방식을 정확하게 이해하지 못한다는 것이다.  IT 리더가 운영 기반을 이해하지 못한 채 기술을 적용한다면 나쁜 결과를 초래할 수 있다. 시스템이 편향되거나 예측할 수 없게 되거나 사람들이 쉽게 이해하지 못하는 결과를 도출할 수 있다는 점에서 안전하지 않을 수 있는 것이다.  머신러닝이 미션 크리티컬 애플리케이션에 적용될 때, CIO와 엔지니어링 팀은 ML이 제공할 수 있는 더 나은 결과와 나쁜 결과의 위험 사이에서 선택해야 하는 역설적인 상황에 직면하게 된다. 이는 심지어 도덕적 딜레마가 될 수도 있다. 의료 이미지를 처리하는 데 사용되는 DNN이 일반 의사보다 특정 형태의 암을 더 정확하게 인식할 수 있다고 해보자. 그 결과를 어떻게 달성하는지는 알지 못하더라도 생명을 구하는 긍정적인 효과를 가져올 수 있는 이 기술을 적용할 도덕적인 의무가 있는가? 장기적인 목표는 DNN...

머신러닝 인공지능 심층 신경망 DNN

2021.12.23

심층 신경망(Deep Neural Network; DNN)이 많이 사용됨에 따라 기업들은 사실상 전문 연구진조차 완전히 이해하지 못하는 기술을 점점 더 활용하고 있다. 안전하고 예측할 수 있는 운영 환경을 보장하려면 ‘가드레일’이 필요하다.  AI와 ML이 엔터프라이즈 기술 개발에서 갈수록 중요한 역할을 할 것이고, 향후 몇 년간 수많은 기업 이니셔티브를 지원할 것이라는 데 의심의 여지가 없다.  IDC에 따르면 2021년 전 세계 AI 시장(소프트웨어, 하드웨어, 서비스 포함)의 매출은 미화 약 3,418억 달러에 이를 것으로 예상됐다. 또한 연간 성장률은 18.8%를 기록해, 2024년에는 5,000억 달러를 돌파할 것으로 예측됐다. 이 밖에 오는 2026년까지 기업들의 30%는 AI/ML을 통해 도출한 인사이트를 사용하여 성과를 60%가량 향상시킬 전망이다.     하지만 이러한 낙관론에도 불구하고 ML 채택을 증가시키고 있는 ‘심층 신경망(DNN) 모델’의 숨기고 싶은 비밀이 있다. 연구진이 이 모델의 작동 방식을 정확하게 이해하지 못한다는 것이다.  IT 리더가 운영 기반을 이해하지 못한 채 기술을 적용한다면 나쁜 결과를 초래할 수 있다. 시스템이 편향되거나 예측할 수 없게 되거나 사람들이 쉽게 이해하지 못하는 결과를 도출할 수 있다는 점에서 안전하지 않을 수 있는 것이다.  머신러닝이 미션 크리티컬 애플리케이션에 적용될 때, CIO와 엔지니어링 팀은 ML이 제공할 수 있는 더 나은 결과와 나쁜 결과의 위험 사이에서 선택해야 하는 역설적인 상황에 직면하게 된다. 이는 심지어 도덕적 딜레마가 될 수도 있다. 의료 이미지를 처리하는 데 사용되는 DNN이 일반 의사보다 특정 형태의 암을 더 정확하게 인식할 수 있다고 해보자. 그 결과를 어떻게 달성하는지는 알지 못하더라도 생명을 구하는 긍정적인 효과를 가져올 수 있는 이 기술을 적용할 도덕적인 의무가 있는가? 장기적인 목표는 DNN...

2021.12.23

김진철의 How-to-Big Data | 빅데이터와 인공지능 (3)

LHC 빅데이터에서의 딥러닝과 인공지능 기술의 새로운 요구사항 – 해석가능성 LHC 가속기는 질량의 근본을 설명하는 힉스 보존의 존재를 2013년도에 최종적으로 확인하여 목표로 했던 가장 중요한 미션은 완수하였으나, 힉스 보존 존재를 확인함으로써 다시 규명해야 할 중요하고 다양한 과학적 질문들이 새로운 숙제로 남게 되었다. 이를 위해 CERN과 전 세계 LHC 공동 연구단은 LHC 가속기의 양성자빔 광도(luminosity)를 높여 더 많은 이벤트를 발생시켜 입자물리학적 현상을 정밀하게 규명할 수 있도록 업그레이드를 준비 중이다. 업그레이드될 LHC 가속기를 고광도 LHC(High-Luminosity LHC; HL-LHC), 또는 슈퍼 LHC(Super-LHC)라고 부른다. HL-LHC로 LHC 가속기가 업그레이드되면 검출기에서 발생하는 데이터의 양이 기하급수적으로 증가하게 되는데, 2019년에는 2016년에 생성된 데이터의 4배에 이르는 293PB, 2028년에는 2016년에 생성된 데이터의 52배에 이르는 3.8EB에 이를 것으로 추정된다. 이렇게 많은 데이터를 추정하기 위해 현재 LHC의 네 개의 검출기 시스템에 쓰이고 있는 이벤트 데이터 가공 자동화 시스템과 소프트웨어를 전면적으로 개선하는 작업이 현재 진행되고 있다. 현재 데이터보다 수십 배 이상 쏟아져 나오는 데이터를 놓치지 않고 처리하여 중요한 물리학적 단서들을 포착하기 위해 이벤트 데이터를 현재보다 정밀하고 빠르게 분석, 가공하는 기술이 필요하다. 이를 위해 LHC 연구자들은 최근 주목을 받는 딥러닝 기술을 활용해서 보다 더 정밀하고 빠르게 이벤트 데이터를 분석할 수 있는 다양한 방법과 분석 기법에 대한 연구결과를 발표하고 있다. 최근 딥러닝을 이용해 LHC 데이터를 분석한 결과 중 많은 관심을 모았던 것은 딥러닝을 이용해 힉스 보존이 생성되는 이벤트와 힉스 보존 이벤트와 같은 입자들을 생성하지만 힉스 보존 때문에 생기는 것이 아닌 다른 배경 이...

CIO Dark Knowledge 숨은 지식 Knowledge Distillation 지식 증류 힉스 해석가능한 인공지능 interpretability 해석가능성 심층 신경망 GDPR LHC 김진철 인지 컴퓨팅 분석 인공지능 IBM 빅데이터 프로파일링

2018.08.27

LHC 빅데이터에서의 딥러닝과 인공지능 기술의 새로운 요구사항 – 해석가능성 LHC 가속기는 질량의 근본을 설명하는 힉스 보존의 존재를 2013년도에 최종적으로 확인하여 목표로 했던 가장 중요한 미션은 완수하였으나, 힉스 보존 존재를 확인함으로써 다시 규명해야 할 중요하고 다양한 과학적 질문들이 새로운 숙제로 남게 되었다. 이를 위해 CERN과 전 세계 LHC 공동 연구단은 LHC 가속기의 양성자빔 광도(luminosity)를 높여 더 많은 이벤트를 발생시켜 입자물리학적 현상을 정밀하게 규명할 수 있도록 업그레이드를 준비 중이다. 업그레이드될 LHC 가속기를 고광도 LHC(High-Luminosity LHC; HL-LHC), 또는 슈퍼 LHC(Super-LHC)라고 부른다. HL-LHC로 LHC 가속기가 업그레이드되면 검출기에서 발생하는 데이터의 양이 기하급수적으로 증가하게 되는데, 2019년에는 2016년에 생성된 데이터의 4배에 이르는 293PB, 2028년에는 2016년에 생성된 데이터의 52배에 이르는 3.8EB에 이를 것으로 추정된다. 이렇게 많은 데이터를 추정하기 위해 현재 LHC의 네 개의 검출기 시스템에 쓰이고 있는 이벤트 데이터 가공 자동화 시스템과 소프트웨어를 전면적으로 개선하는 작업이 현재 진행되고 있다. 현재 데이터보다 수십 배 이상 쏟아져 나오는 데이터를 놓치지 않고 처리하여 중요한 물리학적 단서들을 포착하기 위해 이벤트 데이터를 현재보다 정밀하고 빠르게 분석, 가공하는 기술이 필요하다. 이를 위해 LHC 연구자들은 최근 주목을 받는 딥러닝 기술을 활용해서 보다 더 정밀하고 빠르게 이벤트 데이터를 분석할 수 있는 다양한 방법과 분석 기법에 대한 연구결과를 발표하고 있다. 최근 딥러닝을 이용해 LHC 데이터를 분석한 결과 중 많은 관심을 모았던 것은 딥러닝을 이용해 힉스 보존이 생성되는 이벤트와 힉스 보존 이벤트와 같은 입자들을 생성하지만 힉스 보존 때문에 생기는 것이 아닌 다른 배경 이...

2018.08.27

5가지 기술로 '인간-기계 경계가 모호해진다' <가트너 전망>

가트너는 앞으로 10년 안에 인류가 '트랜스 휴먼' 시대를 맞이하리라 전망했다. 가트너의 마이크 제이 워커 부사장은 "CIO와 기술 임원은 비즈니스에 영향을 미칠 가능성과 전략적 관련성이 높은 새로운 비즈니스 기회를 파악하고자 항상 신기술을 평가해 시장 동향을 훑어봐야 한다”고 밝혔다. 가트너의 신기술 하이프 사이클(Hype Cycle for Emerging Technology) 보고서에서 워커는 인간과 기계 사이의 경계를 모호하게 할 5가지 기술을 언급했다. 워커에 따르면 이 5가지 기술은 탁월한 인텔리전스로 새로운 경험을 창출하고 조직이 새로운 비즈니스 생태계와 연결할 수 있게 해주는 플랫폼을 제공할 것이다. 이 보고서는 경영진이 신기술 동향을 잘 파악해 우선순위에 둬야 한다고 밝혔다. 가트너는 인공지능 기술이 향후 10년 동안 거의 모든 곳에서 사용되리라 전망했다. 이러한 기술을 통해 얼리 어답터는 새로운 상황에 적응하고 이전에 발생하지 않았던 문제를 해결할 수 있게 될 것이다. 또한 이들 기술은 대중에게 공개될 것이다. 클라우드 컴퓨팅, ‘제작자’ 커뮤니티, 오픈소스 같은 움직임과 추세는 결국 모든 사람의 손에 AI를 들려줄 것이다. 이러한 동향은 다음의 기술들로 구현될 것이다. 바로 서비스로서의 AI 플랫폼(AI PaaS), 일반 인공지능, 자율주행(레벨 4와 5), 오토노머스 모바일 로봇(Autonomous Mobile Rob), 대화형 인공지능 플랫폼, 심층 신경망, 날아다니는 자율주행 차량, 스마트 로봇, 가상 비서 등이다.  워커는 "민주화된 인공지능을 대표하는 기술은 하이프 사이클에서 5개 섹션 중 3개를 채우고, 심층 신경망 및 가상 비서 같은 일부 기술은 향후 2~5년 이내에 주류가 될 것이다"며 "스마트 로봇이나 인공지능 PaaS 같은 다른 신기술도 첨단에 근접하고 있는 하이프 사이클을 통해 빠르게 움직이고 ...

CIO 트랜스 휴먼 심층 신경망 가상 비서 하이프 사이클 5G 인공지능 양자컴퓨팅 PaaS 전망 가트너 trans human

2018.08.23

가트너는 앞으로 10년 안에 인류가 '트랜스 휴먼' 시대를 맞이하리라 전망했다. 가트너의 마이크 제이 워커 부사장은 "CIO와 기술 임원은 비즈니스에 영향을 미칠 가능성과 전략적 관련성이 높은 새로운 비즈니스 기회를 파악하고자 항상 신기술을 평가해 시장 동향을 훑어봐야 한다”고 밝혔다. 가트너의 신기술 하이프 사이클(Hype Cycle for Emerging Technology) 보고서에서 워커는 인간과 기계 사이의 경계를 모호하게 할 5가지 기술을 언급했다. 워커에 따르면 이 5가지 기술은 탁월한 인텔리전스로 새로운 경험을 창출하고 조직이 새로운 비즈니스 생태계와 연결할 수 있게 해주는 플랫폼을 제공할 것이다. 이 보고서는 경영진이 신기술 동향을 잘 파악해 우선순위에 둬야 한다고 밝혔다. 가트너는 인공지능 기술이 향후 10년 동안 거의 모든 곳에서 사용되리라 전망했다. 이러한 기술을 통해 얼리 어답터는 새로운 상황에 적응하고 이전에 발생하지 않았던 문제를 해결할 수 있게 될 것이다. 또한 이들 기술은 대중에게 공개될 것이다. 클라우드 컴퓨팅, ‘제작자’ 커뮤니티, 오픈소스 같은 움직임과 추세는 결국 모든 사람의 손에 AI를 들려줄 것이다. 이러한 동향은 다음의 기술들로 구현될 것이다. 바로 서비스로서의 AI 플랫폼(AI PaaS), 일반 인공지능, 자율주행(레벨 4와 5), 오토노머스 모바일 로봇(Autonomous Mobile Rob), 대화형 인공지능 플랫폼, 심층 신경망, 날아다니는 자율주행 차량, 스마트 로봇, 가상 비서 등이다.  워커는 "민주화된 인공지능을 대표하는 기술은 하이프 사이클에서 5개 섹션 중 3개를 채우고, 심층 신경망 및 가상 비서 같은 일부 기술은 향후 2~5년 이내에 주류가 될 것이다"며 "스마트 로봇이나 인공지능 PaaS 같은 다른 신기술도 첨단에 근접하고 있는 하이프 사이클을 통해 빠르게 움직이고 ...

2018.08.23

AI 독해력, 사람을 앞지르다··· 알리바바, MS 개발

마이크로소프트와 알리바바가 각각 개발한 인공지능 모델이 사람의 독해력을 뛰어넘었다. 스탠퍼드 독해력 테스트(SQuAD : Stanford Question Answering Dataset)는 500개가 넘는 위키피디아 항목에서 답을 찾을 수 있는 질문으로 구성돼 있다. 이 테스트에서 알리바바의 심층 신경망 모델은 정확히 일치하는 답을 찾는 데 82.440점을 받아 사람이 받은 점수인 82.304점을 근소한 차이로 앞질렀다. 마이크로소프트가 개발한 비슷한 모델 역시 82.650점으로 사람보다 우수했다. 점수는 구글, IBM 연구소, 페이스북 AI 연구소, 세일즈포스 연구소, 텐센트, 삼성을 비롯한 인공지능 연구를 수행하는 회사의 담당자가 매겼다. 알리바바와 마이크로소프트 두 회사는 획기적인 이정표에 도달했다고 주장하며 처음으로 이 순위에 나란히 이름을 올렸다. 마이크로소프트는 1월 3일에, 알리바바는 2일 후에 점수를 등록한 것으로 알려졌지만, 알리바바는 테스트 결과가 등록되었을 때가 아니라 회사가 모델을 제출한 날짜라고 전했다. 알리바바의 데이터 과학 기술 연구소(iDST) 자연어 처리 수석 과학자인 루오 시는 "기계가 인간의 독서력을 능가하는 이정표를 목격하게 된 것을 영광으로 생각한다. 우리는 NLP 연구가 1년 동안 중요한 진전을 이뤘음을 보게 돼 매우 기쁘다. 우리는 모델 구축 방법론을 더 다양한 커뮤니티와 공유하고 가까운 미래에 이 기술을 고객에게 제공하기를 기대한다"고 밝혔다. 마이크로소프트 리서치 아시아 담당 전무인 밍 주우는 획기적인 발전이지만 전반적으로 아직은 사람이 언어의 복잡성과 뉘앙스를 이해하는 데 기계보다 훨씬 뛰어나다고 말했다.   그는 "자연어 처리는 우리가 계속해서 투자하고 추진해야 할 과제가 많은 영역이다"며 "이 이정표는 시작일뿐이다"고 강조했다. 대형 AI 업체가 독해 및 응답 모델에 막대한 자금을 투자하고 있다....

CIO 독해 심층 신경망 자연어 위키피디아 인공지능 알리바바 마이크로소프트 IBM 구글 DNN

2018.01.17

마이크로소프트와 알리바바가 각각 개발한 인공지능 모델이 사람의 독해력을 뛰어넘었다. 스탠퍼드 독해력 테스트(SQuAD : Stanford Question Answering Dataset)는 500개가 넘는 위키피디아 항목에서 답을 찾을 수 있는 질문으로 구성돼 있다. 이 테스트에서 알리바바의 심층 신경망 모델은 정확히 일치하는 답을 찾는 데 82.440점을 받아 사람이 받은 점수인 82.304점을 근소한 차이로 앞질렀다. 마이크로소프트가 개발한 비슷한 모델 역시 82.650점으로 사람보다 우수했다. 점수는 구글, IBM 연구소, 페이스북 AI 연구소, 세일즈포스 연구소, 텐센트, 삼성을 비롯한 인공지능 연구를 수행하는 회사의 담당자가 매겼다. 알리바바와 마이크로소프트 두 회사는 획기적인 이정표에 도달했다고 주장하며 처음으로 이 순위에 나란히 이름을 올렸다. 마이크로소프트는 1월 3일에, 알리바바는 2일 후에 점수를 등록한 것으로 알려졌지만, 알리바바는 테스트 결과가 등록되었을 때가 아니라 회사가 모델을 제출한 날짜라고 전했다. 알리바바의 데이터 과학 기술 연구소(iDST) 자연어 처리 수석 과학자인 루오 시는 "기계가 인간의 독서력을 능가하는 이정표를 목격하게 된 것을 영광으로 생각한다. 우리는 NLP 연구가 1년 동안 중요한 진전을 이뤘음을 보게 돼 매우 기쁘다. 우리는 모델 구축 방법론을 더 다양한 커뮤니티와 공유하고 가까운 미래에 이 기술을 고객에게 제공하기를 기대한다"고 밝혔다. 마이크로소프트 리서치 아시아 담당 전무인 밍 주우는 획기적인 발전이지만 전반적으로 아직은 사람이 언어의 복잡성과 뉘앙스를 이해하는 데 기계보다 훨씬 뛰어나다고 말했다.   그는 "자연어 처리는 우리가 계속해서 투자하고 추진해야 할 과제가 많은 영역이다"며 "이 이정표는 시작일뿐이다"고 강조했다. 대형 AI 업체가 독해 및 응답 모델에 막대한 자금을 투자하고 있다....

2018.01.17

한눈에 보자!··· 최신 데이터 애널리틱스 동향 15선

빅데이터, 머신러닝, 데이터 과학… 데이터 애널리틱스 혁명이 숨가쁘게 진화하고 있다. 기업으로서는 자사의 BA/BI 전문가와 데이터 과학자가 최신 기술과 전략 트렌드에 대응하도록 대비해야 할 상황이다. 데이터 분석이 IT의 핵심에 빠르게 자리잡고 있다. 빅데이터, 머신러닝, 딥러닝, 데이터 과학 등 방대한 양의 데이터 분석을 위한 기술과 기법의 범위가 빠른 속도로 확장되고 있다. 고객 행동, 시스템 성능, 새로운 수익 창출 기회에 대한 심도 있는 통찰을 얻기 위한 데이터 분석 전략은 최신 데이터 분석 트렌드를 확실히 꿰고 있을 때 그 효과가 더 커진다. 현재 인기 상승 중인 데이터 분석 기술과 기법 및 전략과 한 때 잘나갔지만 인기가 식기 시작한 데이터 분석 트렌드를 소개한다. 비즈니스 분석가에서부터 데이터 과학자는 물론, 경영진과 실무진까지 감안할 만한 내용이다. 인기 상승: 셀프서비스 BI 인기 상승: 모바일 대시보드 인기 하락: 하둡 인기 상승: R 언어 인기 상승: 심층 신경망 인기 하락: IoT 인기 상승: 텐서플로우 인기 상승: 믹스넷(MXNet) 인기 하락: 배치 분석(Batch analysis) 인기 상승: 마이크로소프트 인지 툴킷 2.0 인기 상승: 사이킷런(Scikit-learn) 인기 하락: 카페(Caffe) 인기 상승: 주피터 노트북(Jupyter Notebooks) 인기 상승: 클라우드 스토리지 및 분석 인기 하락: 월간 BI 보고서 인기 상승: 셀프서비스 BI 대상: BI/BA 전문가, 경영자 태블로(Tableau), 클릭 센스(Qlik Sense), 파워 비아이(Power BI), 도모(Domo)와 같은 셀프서비스 BI 도구를 이용함으로써 경영자는 원하는 최신 비즈니스 정보를 그래픽 형태로 얻을 수 있다. 처음 시작할 때, 그리고 데이터 소스를 추가할 때, 어느 정도 IT의 도움이 필요하지만 데이터 정...

하둡 주피터 노트북 믹스넷 심층 신경망 카페 텐서플로우 R 애널리틱스 대시보드 데이터 분석 사이킷런

2017.08.09

빅데이터, 머신러닝, 데이터 과학… 데이터 애널리틱스 혁명이 숨가쁘게 진화하고 있다. 기업으로서는 자사의 BA/BI 전문가와 데이터 과학자가 최신 기술과 전략 트렌드에 대응하도록 대비해야 할 상황이다. 데이터 분석이 IT의 핵심에 빠르게 자리잡고 있다. 빅데이터, 머신러닝, 딥러닝, 데이터 과학 등 방대한 양의 데이터 분석을 위한 기술과 기법의 범위가 빠른 속도로 확장되고 있다. 고객 행동, 시스템 성능, 새로운 수익 창출 기회에 대한 심도 있는 통찰을 얻기 위한 데이터 분석 전략은 최신 데이터 분석 트렌드를 확실히 꿰고 있을 때 그 효과가 더 커진다. 현재 인기 상승 중인 데이터 분석 기술과 기법 및 전략과 한 때 잘나갔지만 인기가 식기 시작한 데이터 분석 트렌드를 소개한다. 비즈니스 분석가에서부터 데이터 과학자는 물론, 경영진과 실무진까지 감안할 만한 내용이다. 인기 상승: 셀프서비스 BI 인기 상승: 모바일 대시보드 인기 하락: 하둡 인기 상승: R 언어 인기 상승: 심층 신경망 인기 하락: IoT 인기 상승: 텐서플로우 인기 상승: 믹스넷(MXNet) 인기 하락: 배치 분석(Batch analysis) 인기 상승: 마이크로소프트 인지 툴킷 2.0 인기 상승: 사이킷런(Scikit-learn) 인기 하락: 카페(Caffe) 인기 상승: 주피터 노트북(Jupyter Notebooks) 인기 상승: 클라우드 스토리지 및 분석 인기 하락: 월간 BI 보고서 인기 상승: 셀프서비스 BI 대상: BI/BA 전문가, 경영자 태블로(Tableau), 클릭 센스(Qlik Sense), 파워 비아이(Power BI), 도모(Domo)와 같은 셀프서비스 BI 도구를 이용함으로써 경영자는 원하는 최신 비즈니스 정보를 그래픽 형태로 얻을 수 있다. 처음 시작할 때, 그리고 데이터 소스를 추가할 때, 어느 정도 IT의 도움이 필요하지만 데이터 정...

2017.08.09

'더 쉽고 빠르게' 딥러닝의 다음 행보는?

머신러닝에서 인공지능의 인텔리전스처럼 가장 큰 관심을 유도하는 하위 기술은 딥러닝(Deep Learning)이다. 딥러닝의 틀인 딥(심층) 신경망은 자동 언어 번역에서 이미지 식별까지 복잡한 패턴을 인식하는 시스템의 기반이다. 딥러닝은 비정형 데이터 분석에 큰 잠재력이 있지만, 현재 3가지 문제가 있다. 첫째, 구현이 어렵고, 둘째, 많은 데이터가 필요하며, 셋째, 많은 연산력(처리력)을 사용한다는 점이다. 자연스레 이런 도전 과제를 극복하려는 연구와 노력이 계속되고 있다. 현재 유수 기업들이 딥러닝 프레임워크를 놓고 경쟁하고 있다. 구글의 텐서플로(TensorFlow)와 바이두의 패들(Paddle) 프로젝트를 예로 들 수 있다. 현재 여러 소프트웨어 프레임워크 간 경쟁에 초점이 맞춰져 있다. 그러나 하드웨어와 소프트웨어 간 경쟁도 시작되고 있다. 딥러닝의 '넥스트 빅' 발전은 트레이닝 모델과 예측에 최적화된 전용 하드웨어를 중심으로 실현될까? 아니면 이런 하드웨어 없이도, 더 우수하고 똑똑하며 효율적인 알고리즘이 발전을 주도할까? 마지막으로, 보통 사람들도 딥러닝을 활용할 수 있게 될까? 아니면 컴퓨터 과학 박사가 필요할까? 마이크로소프트 코그너티브 툴킷: 격렬해지는 텐서플로와의 경쟁 더 나은 '길'을 제시하는 주요 기술이 등장할 때마다, 유수 기업들이 파이 한 조각을 차지하기 위해 경쟁을 한다. NoSQL, 하둡, 스파크가 그랬고, 지금은 딥러닝 프레임워크 분야에서 이런 일이 일어나고 있다. 구글은 텐서플로를 강력한 범용 솔루션, 딥러닝 앱을 구글 클라우드와 구글 사유 하드웨어 가속기에 연결할 수 있는 도구로 홍보하고 있다. 이 분야의 경쟁자는 마이크로소프트다. 마이크로소프트는 딥러닝 분야에서 코그너티브 툴킷(CNTK)으로 구글에 도전하고 있다. CNTK 2.0은 여러 측면에서 텐서플로의 도전자가 된다. CNTK는 이제 스파크 처리 프레임워크 등을 직접 통합할 수 있는 자바 API를 제공하고,...

구글 CNTK 코그너티브 툴킷 심층 신경망 MXNet TPU 텐서플로 스파크 GPU 인공지능 엔비디아 바이두 아마존 패들

2017.06.09

머신러닝에서 인공지능의 인텔리전스처럼 가장 큰 관심을 유도하는 하위 기술은 딥러닝(Deep Learning)이다. 딥러닝의 틀인 딥(심층) 신경망은 자동 언어 번역에서 이미지 식별까지 복잡한 패턴을 인식하는 시스템의 기반이다. 딥러닝은 비정형 데이터 분석에 큰 잠재력이 있지만, 현재 3가지 문제가 있다. 첫째, 구현이 어렵고, 둘째, 많은 데이터가 필요하며, 셋째, 많은 연산력(처리력)을 사용한다는 점이다. 자연스레 이런 도전 과제를 극복하려는 연구와 노력이 계속되고 있다. 현재 유수 기업들이 딥러닝 프레임워크를 놓고 경쟁하고 있다. 구글의 텐서플로(TensorFlow)와 바이두의 패들(Paddle) 프로젝트를 예로 들 수 있다. 현재 여러 소프트웨어 프레임워크 간 경쟁에 초점이 맞춰져 있다. 그러나 하드웨어와 소프트웨어 간 경쟁도 시작되고 있다. 딥러닝의 '넥스트 빅' 발전은 트레이닝 모델과 예측에 최적화된 전용 하드웨어를 중심으로 실현될까? 아니면 이런 하드웨어 없이도, 더 우수하고 똑똑하며 효율적인 알고리즘이 발전을 주도할까? 마지막으로, 보통 사람들도 딥러닝을 활용할 수 있게 될까? 아니면 컴퓨터 과학 박사가 필요할까? 마이크로소프트 코그너티브 툴킷: 격렬해지는 텐서플로와의 경쟁 더 나은 '길'을 제시하는 주요 기술이 등장할 때마다, 유수 기업들이 파이 한 조각을 차지하기 위해 경쟁을 한다. NoSQL, 하둡, 스파크가 그랬고, 지금은 딥러닝 프레임워크 분야에서 이런 일이 일어나고 있다. 구글은 텐서플로를 강력한 범용 솔루션, 딥러닝 앱을 구글 클라우드와 구글 사유 하드웨어 가속기에 연결할 수 있는 도구로 홍보하고 있다. 이 분야의 경쟁자는 마이크로소프트다. 마이크로소프트는 딥러닝 분야에서 코그너티브 툴킷(CNTK)으로 구글에 도전하고 있다. CNTK 2.0은 여러 측면에서 텐서플로의 도전자가 된다. CNTK는 이제 스파크 처리 프레임워크 등을 직접 통합할 수 있는 자바 API를 제공하고,...

2017.06.09

IDG 설문조사

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.

10.5.0.8