2023년 전망: 디지털 미래는 인공지능의 족쇄를 푸는 데 달려 있다

인공 지능은 수십 년 동안 인공 지능을 둘러싼 과대 광고가 마침내 사실임을 입증하고 있습니다. 인공지능은 아직 인류의 구원자는 아니지만 개념에서 현실로 발전했고, 그 실제적인 적용으로 우리 세상을 더 나은 곳으로 만들고 있습니다.

그러나 인공지능의 기적적인 업적 중 상당수는 숨겨져 있으며, 그 영향력은 평범한 모습을 지나쳐야만 관찰할 수 있습니다. 30개 이상의 국가에서 운영되는 대형 보험회사를 예로 들어 보겠습니다. 회사는 매년 2천만 건 이상의 고객 통화를 처리합니다. 음성-텍스트 기술과 자연어 처리를 활용하여 통화 내용을 분석하여 특정 비즈니스 요구 사항(판매 품질 제어, 고객 표현 및 요구 사항 이해, 정서적 피드백 확보, 데이터 분석 등)을 충족할 수 있습니다.

세계 최고의 재생에너지 생산업체인 AES를 다시 살펴보겠습니다. 재생에너지는 기존 에너지보다 관리하고 모니터링하는 데 더 많은 장비가 필요합니다. 데이터 과학과 AI는 자동화를 통해 AES의 운영 효율성을 개선하고 성능 엔지니어의 행동과 결정을 향상시키는 데이터 기반 통찰력을 제공합니다. 이를 통해 가동 시간 요구 사항이 충족되고 청정 에너지가 가능한 한 빠르고 효율적이며 비용 효율적으로 고객에게 전달됩니다. AES는 또한 세상을 구하기 위해 그 역할을 다하고 있습니다.

이것들은 이미 양산에 투입된 수많은 인공지능 애플리케이션처럼 점점 주목을 받고 있습니다. 그러나 지금까지 인공 지능의 잠재력은 다음과 같은 세 가지 주요 제한 사항으로 인해 제한됩니다.

• 데이터를 특정(중앙 집중식) 위치에 바인딩해야 함
• 훈련 데이터 부족 .
• 몇 가지 주요 기술 혁신으로 인해 엄청난 변화가 일어나고 있습니다. AI는 이러한 제약에서 벗어나고 있으며 기업은 이 강력한 기술을 활용할 준비가 되어 있어야 합니다.
인공지능의 발전을 가로막는 제약요인인 족쇄가 앞으로 어떻게 풀릴 수 있는지 살펴보겠습니다.

AI 체인 1: 컴퓨팅 성능

전통적으로 기업에는 AI 모델을 구동하고 제대로 실행하기에 충분한 처리 능력이 없었습니다. 기업은 필요한 리소스를 클라우드 환경에 전적으로 의존해야 할지, 아니면 클라우드와 온프레미스 리소스 간에 컴퓨팅 투자를 할당하는 것이 더 나은지 고민해 왔습니다. 사내, 온프레미스 GPU 클러스터는 이제 기업을 위한 옵션입니다. 오늘날 몇몇 대규모 고급 조직은 프로덕션 사용 사례에 집중하고 자체 GPU 클러스터(예: NVIDIA DGX SuperPOD)에 투자하고 있습니다. GPU 클러스터는 기업이 실행하는 데 필요한 전용 성능을 제공합니다.

많은 수의 훈련 모델 - 소프트웨어 기반 분산 컴퓨팅 프레임워크를 활용하는 경우. 이러한 프레임워크는 다양한 GPU 노드에서 훈련 워크로드를 수동으로 구문 분석하는 어려움을 추상화할 수 있습니다.

AI 체인 2: 중앙 집중식 데이터

데이터는 일반적으로 데이터 웨어하우스라고 불리는 중앙 집중식 위치에 수집, 처리 및 저장되어 회사 업무에 대한 단일 진실 소스를 생성합니다. 단일 데이터 저장소를 유지하면 관리, 모니터링, 반복이 쉬워집니다. 이제 기업이 온라인 또는 클라우드 컴퓨팅 기능에 투자할 수 있는 옵션을 갖게 된 것처럼 최근 몇 년 동안 데이터를 분산하여 데이터 웨어하우스 유연성을 창출하려는 움직임이 있었습니다.

데이터 현지화 규칙으로 인해 분산된 기업의 데이터가 집계되지 않을 수 있습니다. 그리고 데이터 모델에 대한 엣지 사용 사례의 급속한 출현으로 인해 단일 데이터 웨어하우스의 개념은 더 이상 절대적이지 않습니다.

오늘날 대부분의 조직은 하이브리드 클라우드를 실행하고 있으므로 데이터를 하나의 특정 위치에 연결해야 하는 시대는 지났습니다. 기업이 계속해서 하이브리드 클라우드를 활용하는 것을 보면 엣지에 모델을 배포하는 유연성을 포함하여 하이브리드 클라우드의 모든 이점을 얻을 수 있습니다.

AI 체인 3: 훈련 데이터

유용한 데이터의 부족은 항상 인공지능 확산에 큰 장애물이었습니다. 기술적으로 우리는 데이터에 둘러싸여 있지만 데이터를 수집하고 저장하는 데는 시간이 많이 걸리고 지루하며 비용이 많이 들 수 있습니다. 편견의 문제도 있습니다. AI 모델을 개발하고 배포할 때 생성되는 통찰력이 가치 있고 해를 끼치지 않도록 균형을 이루고 편견이 없어야 합니다. 그러나 현실 세계가 편향되어 있는 것처럼 데이터도 편향되어 있습니다. 모델 사용을 확장하려면 많은 양의 데이터가 필요하고 데이터 편향을 수정하려는 노력이 필요합니다.

이러한 과제를 극복하기 위해 기업은 합성 데이터로 눈을 돌리고 있습니다. 실제로 합성 데이터가 증가하고 있습니다. Gartner는 2024년까지 AI 애플리케이션 데이터의 60%가 합성 데이터가 될 것으로 추정합니다. 데이터 과학자에게 데이터의 성격(실제 또는 합성)은 중요하지 않습니다. 중요한 것은 데이터의 품질입니다. 합성 데이터는 잠재적인 편견을 제거합니다. 또한 확장이 쉽고 구매 비용도 저렴합니다. 또한 합성 데이터는 기업에 사전 레이블이 지정된 데이터 옵션을 제공하여 모델 학습에 사용되는 공급원료를 생산하고 생성하는 데 필요한 시간과 리소스를 크게 줄여줍니다.

인공 지능의 부상

AI가 데이터 품질, 계산 및 위치의 제약에서 해방됨에 따라 일상 생활과 관련된 더 많은 사용 사례와 더 정확한 모델이 등장할 것입니다. 이미 AI를 사용하여 비즈니스 프로세스를 최적화하는 선도적인 조직을 보고 있지만, 이를 따라잡기 위한 조치를 취하지 않는 조직은 뚜렷한 경쟁 우위를 점하게 될 것입니다.

AI의 모든 이점을 얻으려면 구현이 하향식으로 이루어져야 합니다. 데이터 과학자가 모델 개발 및 배포라는 힘든 작업을 수행하는 동안 경영진은 AI를 비즈니스 전략에 가장 잘 통합하기 위해 개념에 대한 교육도 받아야 합니다. AI 기술과 그 잠재력을 이해하는 경영진은 AI와 비즈니스에 더 나은 전략적 투자를 할 수 있습니다.

반대로, AI가 비즈니스 목표를 얼마나 효과적으로 지원할 수 있는지 모르면 특정 애플리케이션에 돈을 투자하고 AI와 AI를 활용하는 새로운 연구 프로젝트가 결실을 맺기를 바랄 수도 있습니다. 이는 최적이 아닌 상향식 접근 방식입니다. 대신 경영진은 데이터 과학 실무자 및 직원 리더와 협력하여 이러한 기술을 정규 비즈니스 계획에 가장 잘 통합하는 방법을 배워야 합니다.

2023년에는 AI의 속박이 점차 완화될 것으로 예상됩니다(완전히 깨지지는 않더라도). 따라서 기업은 세상을 더 나은 곳으로 만들 수 있는 솔루션에 투자하여 AI의 잠재력을 최대한 활용하도록 도울 때입니다. , 이는 이러한 기업이 오늘날의 디지털 경제에서 경쟁력을 유지하는 데 도움이 됩니다.

위 내용은 2023년 전망: 디지털 미래는 인공지능의 족쇄를 푸는 데 달려 있다의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!