네트워크 효과가 인공지능을 더욱 스마트하게 만드는 방법

네트워크 효과는 전화 통화부터 온라인 쇼핑 플랫폼까지 기술의 성공을 결정하며 ChatGPT와 같은 AI 도구도 예외는 아닙니다. 그러나 차이점은 이러한 네트워크 효과가 작동하는 방식입니다. 데이터 네트워크 효과는 보다 친숙한 직접 및 간접 네트워크 효과와 같은 새로운 형태로, 획득하는 사용자 수가 증가함에 따라 기술의 가치가 증가합니다.

그러나 오늘 우리가 논의하는 가치는 특정 전자상거래 플랫폼에서 전화 통화 횟수나 수많은 구매자와 판매자의 존재가 아니라 오히려 더 나은 예측을 할 수 있도록 돕는 데서 나오는 피드백입니다. 사용자가 많을수록 응답도 많아지고, 예측 정확도가 더욱 향상되어 선순환이 이루어집니다. 기업이 고려해야 할 세 가지 교훈은 다음과 같습니다. 1) 피드백이 중요합니다. 2) 정보를 정기적으로 세심하게 수집합니다. 3) 의도적으로 또는 의도하지 않게 공유되는 데이터를 고려합니다.

OpenAI가 작년 말 ChatGPT를 출시했을 때 업계 관찰자들의 반응은 칭찬과 우려가 혼합된 것이었습니다. 우리 모두는 기술이 컴퓨터 프로그래머, 교사, 금융 거래자 및 분석가, 그래픽 디자이너 및 예술가 모두를 한꺼번에 직장에서 몰아내는 방법을 들었습니다. AI가 대학생들의 창의적 능력을 저해할 것이라는 우려로 많은 대학들이 서둘러 수업계획과 관련 요구사항을 개정하고 있다. 다른 사람들은 아마도 가장 직접적인 영향은 ChatGPT가 전통적인 인터넷 검색 엔진을 재구성하거나 심지어 대체할 수 있다는 것이라고 말합니다. 검색 및 관련 광고가 Google 수익의 대부분을 창출하는데, 챗봇이 Google의 종말을 가져올까요?

ChatGPT는 기계 학습 기술을 보여주는 훌륭한 쇼케이스이지만 독립형 서비스로는 거의 실행 가능하지 않습니다. OpenAI의 기술력을 활용하려면 파트너가 필요합니다. 따라서 회사가 Microsoft와의 계약을 신속하게 발표했을 때 우리는 놀라지 않았습니다. AI 스타트업과 기존 기술 회사의 결합은 궁극적으로 Google의 지배력에 대한 확실한 위협이 되어 "AI 군비 경쟁"의 지분을 높일 수 있습니다. 또한 이 기술을 배포할 때 어느 회사가 성공하고 어느 회사가 흔들리는지 결정하는 요인에 대한 교훈을 제공합니다.

OpenAI가 Bing과 협력하게 된 이유(및 Google이 여전히 승리할 수 있는 이유)를 이해하기 위해 이 기술이 전화 통화 또는 Uber나 Airbnb와 같은 마켓플레이스 플랫폼과 같은 과거 개발과 어떻게 다른지 고려했습니다. 이러한 예에서 네트워크 효과(사용자가 많아질수록 제품의 가치가 높아지는 현상)는 이러한 제품이 어떻게 성장하고 어떤 회사가 성공할지 결정하는 데 중요한 역할을 합니다. ChatGPT와 같은 생성적 AI 서비스는 유사하지만 다른 유형의 네트워크 효과를 받습니다. AI 친화적인 전략을 선택하려면 관리자와 기업가는 이 새로운 AI 네트워크 효과가 어떻게 작동하는지 이해해야 합니다.

AI에서는 네트워크 효과가 다르게 작동합니다

인공지능의 가치는 정확한 예측과 추천에 있습니다. 그러나 공급(예: 전기 또는 인적 자본)을 출력(예: 조명 또는 세금 조언)으로 변환하는 기존 제품 및 서비스와 달리 AI에는 앞뒤 고객 상호 작용을 통해 최신 상태로 유지되어야 하는 대규모 데이터 세트가 필요합니다. . 경쟁력을 유지하기 위해 AI 운영자는 데이터를 수집하고, 데이터를 분석하고, 예측을 제공한 다음 권장 사항을 구체화하기 위한 피드백을 찾아야 합니다. 시스템의 가치는 사용자의 데이터에 따라 달라지며 데이터와 함께 증가합니다.

이 기술의 성능, 즉 정확하게 예측하고 추천하는 능력은 데이터 네트워크 효과라는 경제 원리에 따라 달라집니다(일부는 이를 데이터 기반 학습이라고 부르기를 선호함). 이는 더 많은 사람에게 전화를 걸 수 있기 때문에 사용자 기반이 성장함에 따라 전화 통화의 가치가 높아지는 친숙한 직접 네트워크 효과와는 다릅니다. 이는 또한 더 많은 구매자가 더 많은 판매자를 플랫폼에 참여하도록 초대하는 방식을 설명하는 간접 네트워크 효과와도 다르며, 그 반대의 경우도 마찬가지입니다. 즉, 더 많은 판매자가 존재하면 전자상거래 플랫폼에서 쇼핑하거나 Airbnb에서 객실을 예약하는 것이 더 매력적입니다.

데이터 네트워크 효과는 새로운 형태입니다. 친숙한 효과처럼 사용자가 많아질수록 기술의 가치도 높아집니다. 그러나 여기서 가치는 동료의 수나 많은 구매자와 판매자의 존재에서 나오는 것이 아닙니다. 오히려 이러한 영향은 기술의 특성에서 비롯됩니다. AI는 강화 학습, 예측 및 피드백을 통해 향상됩니다. 지능이 향상됨에 따라 시스템은 더 나은 예측을 하고, 유용성을 향상시키며, 새로운 사용자를 유치하고 기존 사용자를 유지할 수 있습니다. 사용자가 많을수록 응답도 많아지고, 예측 정확도가 더욱 향상되어 선순환이 이루어집니다.

AI를 사용하여 목적지까지 가장 빠른 경로를 추천하는 Google 지도를 예로 들어 보겠습니다. 이 능력은 많은 사용자의 데이터를 활용하여 달성되는 대체 경로의 실제 트래픽 패턴을 예측하는 데 달려 있습니다. 여기서 데이터 사용자는 공급자이기도 하며, Google 지도를 사용하는 사람이 많아질수록 더 많은 과거 및 동시 데이터가 축적됩니다. 풍부한 데이터를 통해 Google은 수많은 예측을 실제 결과와 비교할 수 있습니다. 앱이 예측한 시간에 도착했습니까? 예측을 구체화하려면 앱에도 노출이 필요합니다. 설명이 얼마나 좋았나요? 객관적인 사실과 주관적인 댓글이 쌓이면 네트워크 효과가 발휘된다. 이러한 효과는 예측을 향상시키고 사용자와 Google에 대한 애플리케이션의 가치를 높입니다.

네트워크 효과가 인공 지능을 구동하는 방식을 이해하면 이 기술에 필요한 새로운 전략을 상상할 수 있습니다.

OpenAI와 Microsoft

OpenAI와 Microsoft의 결합부터 시작해 보겠습니다. ChatGPT를 베타 테스트했을 때 창의적이고 인간과 유사한 반응에 깊은 인상을 받았지만 병목 현상도 있음을 깨달았습니다. 2021년에 마지막으로 수집된 엄청난 양의 데이터에 의존하므로 최근 사건이나 날씨에 대해서도 묻지 마세요. . 더 나쁜 것은 강력한 피드백 루프 메커니즘이 부족하다는 것입니다.

그러나 OpenAI는 Microsoft와의 링크를 통해 예측을 테스트할 수 있는 방법을 찾았습니다. Bing 사용자의 질문과 답변 평가 방식은 ChatGPT를 업데이트하고 개선하는 데 매우 중요합니다. 다음 단계는 Microsoft가 유지 관리하는 대규모 사용자 데이터 클라우드를 알고리즘에 공급하는 것입니다. ChatGPT는 수많은 Excel 시트, PowerPoint 프리젠테이션, Word 문서 및 LinkedIn 이력서를 소화할 수 있지만 사무실에 있는 사람들의 즐거움과 공포를 위해 해당 파일을 다시 만드는 데 더 나은 작업을 수행합니다.

여기에는 최소한 세 가지의 광범위한 강의가 있습니다.

우선 피드백이 중요합니다. 지속적인 사용자 반응으로 AI의 가치는 더욱 커집니다. 스마트함을 유지하려면 알고리즘에는 현재 사용자 선택과 과거 추천 등급의 데이터 스트림이 필요합니다. 피드백이 없으면 최고의 엔지니어링 알고리즘이라도 오랫동안 스마트한 상태를 유지할 수 없습니다. OpenAI가 인식하고 있듯이 가장 복잡한 모델이라도 지속적으로 흐르는 데이터 소스에 연결되어야 합니다. AI 기업가들은 이 점을 잘 알아야 한다.

둘째, 경영진은 정기적이고 꼼꼼하게 정보를 수집하여 이러한 영향을 극대화해야 합니다. 일반적인 재무 및 운영 기록을 검토해야 합니다. 유용한 데이터는 기업 내부와 외부 어디에나 있습니다. 이는 구매자, 공급업체 및 동료와의 상호 작용을 통해 발생할 수 있습니다. 예를 들어, 소매업체는 소비자가 보는 것, 장바구니에 담은 것, 최종적으로 지불한 금액을 추적할 수 있습니다. 이러한 작은 세부 사항은 누적적으로 AI 시스템의 예측을 극적으로 향상시킬 수 있습니다. 기업이 통제할 수 없는 데이터를 포함하여 흔하지 않은 데이터라도 수집할 가치가 있을 수 있습니다. 날씨 데이터는 Google 지도가 교통 상황을 예측하는 데 도움이 됩니다. 채용 담당자가 이력서를 검색하는 데 사용하는 키워드를 추적하면 LinkedIn이 후보자에게 성공을 위한 팁을 제공하는 데 도움이 될 수 있습니다.

마지막으로, 모든 사람은 의도적으로 또는 의도하지 않게 공유하는 데이터를 고려해야 합니다. 사실과 피드백은 더 나은 예측을 구축하는 데 중요하지만 데이터의 가치는 다른 사람에 의해 포착될 수 있으므로 경영진은 어떤 AI가 자신이 공유하는(또는 액세스를 허용하는) 데이터로부터 이익을 얻을 수 있는지 고려해야 합니다. 때로는 공유를 제한해야 합니다. 예를 들어, Uber 운전자는 Waze 앱을 사용하여 길을 찾을 때 Google에서 차량 공유 여행의 빈도와 길이를 추정하는 데 도움이 됩니다. Google이 자율주행 택시 운영을 고려하고 있기 때문에 이러한 데이터는 매우 중요할 수 있습니다.

또한 Adidas와 같은 브랜드가 Amazon에서 제품을 판매할 때 거대 소매업체는 다양한 브랜드(예: Nike와 비교) 및 카테고리에 대한 수요는 물론 가격에 대한 구매자 민감도를 추정할 수 있습니다. 결과는 경쟁업체에 반영되거나 Amazon의 자체 브랜드 제품에 도움이 될 수 있습니다. 이에 맞서기 위해 경영진은 제3자 플랫폼이나 중개자를 피할 수 있습니다. 이들은 데이터 액세스에 대해 협상할 수 있으며 고객과 직접 연락을 유지하기 위해 노력할 수 있습니다. 때로는 은행이 신용 데이터 공유 방법을 확립할 때 했던 것처럼 데이터 소유자가 데이터 교환을 통해 바인딩하고 공유하도록 하는 것이 가장 좋은 솔루션일 수도 있습니다.

AI 네트워크 효과를 고려하면 기술의 미래를 더 잘 이해할 수 있습니다. 또한 다른 네트워크 효과와 마찬가지로 이러한 효과가 어떻게 부자를 더욱 부유하게 만드는지 확인할 수 있습니다. AI 이면의 역학은 첫 번째 무버가 풍부한 보상을 받을 수 있는 반면 추종자는 아무리 빠르더라도 뒤처질 수 있음을 의미합니다. 이는 또한 AI 알고리즘과 데이터 스트림에 액세스할 수 있으면 시간이 지남에 따라 이점이 발생하고 쉽게 능가할 수 없음을 의미합니다. 경영진, 기업가, 정책 입안자 및 기타 모든 사람에게 최고의 인공 지능과 최악의 인공 지능은 아직 오지 않았습니다.

위 내용은 네트워크 효과가 인공지능을 더욱 스마트하게 만드는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!