5G와 IoT의 보급으로 거의 모든 디바이스가 클라우드에 연결 장비에서 얻은 정보를 클라우드에서 AI 처리하여 다양한 정보 처리를 실현하는 시스템의 활용이 일반화되고 있다.그러나 그 용량과 시스템이 한계로 실시간 데이터 전송 지연과 개인 식별 데이터를 클라우드에 저장함에 따르는 보안 문제와 클라우드 서비스 이용시의 소비 전력이나 통신비용의 증가 등의 과제가 발생하고 있다.이에 소니(Sony Corporation)가 이미지 센서 세계 1위의 명성과 AI 엣지 시대 대응을 위한 세계 최초로 이미지 센서에 AI칩을 탑재하는 혁신을 가속하

오늘날 머신러닝은 이미지에서 객체를 식별하고 스캔 ​​한 문서에서 텍스트 추출 또는 음성을 텍스트로 변환하고 이해하는 등 다양한 면에서 매우 정확한 추론을 제공한다.어떤 용도로 사용되든, 머신러닝 모델은 예측을 제공하면서 모델의 관점에서 그 예측이 얼마나 정확한지 나타내는 신뢰도 점수를 제공한다. 신뢰도 점수가 높을수록, 예측결과의 신뢰도도 높아지는 것이다.하지만 추론 결과에 일부 모호한 부분이 있어 원하는 수준의 신뢰도를 확보하지 못한 경우, 사람이 개입해 모호한 부분을 검토해야 할 수 있다. 이와 같은 머신러닝과 검토자 간의 상

컴퓨터는 자연어 이해(NLU, Natural Language Understanding)를 통해 말하는 사람의 말뿐만 아니라 사용자가 실제로 의미하는 바를 추론할 수 있다. 간단히 말해, 클로바, 구글어시스턴트, 알렉사 등 AI 음성인식 플랫폼에게 "밖은(외부) 어떻습니까?”라고 물었을 때 플랫폼은 사용자가 일기 예보를 요구한다는 것을 추측할 수 있다.최근 음성인식 플랫폼은 인간 언어 내에서 패턴과 의미를 인식하는 데 중점을 둔 인공지능인 NLU로 구축된다. 컴퓨터가 특정 방식으로 묻지 않아도 말의 의미를 이해하면 음성을 사용하여 실

5G를 둘러싼 기대는 엄청나다. 모든 사람을 모든 분야와 모든 부문에 연결함으로써 이 기술은 새로운 산업 및 기술 혁명을 일으킬 것으로 예상된다.그러나 5G의 출현으로 엄청난 용량과 운영상의 문제가 발생된다. 더 많은 고객과 조직이 마이그레이션 함에 따라 5G 네트워크는 전 세계 인구의 65 %를 차지하고 오는 2024 년까지 모든 모바일 데이터의 35 %를 차지할 것이며, 통신 사업자의 경우 이 데이터는 전례 없는 양으로 생성될 것이다. 이는 곧 필요한 용량 증가를 지원하기 위해 인프라에 지속적으로 투자돼야 된다는 과제를 안고 있

인공지능은 기업이 사용할 경우 다양한 작업을 자동화하는 반면 소비자가 사용할 경우 일상을 더 쉽고 즐겁게 만들 수 있다.그러나 인공지능은 소비자 및 비즈니스 중심 기술만이 전부가 아니다. 특정 국가는 이미 인공지능을 사용해 시민을 감시하고 있으며 군대도 AI가 제공하는 속도와 그 능력에 큰 관심을 가지고 있다.지난 14일 영국 국방부(MOD, U.K.'s Ministry of Defence)가 인공지능을 사용해 군함이 결정을 내리고 수천 개의 지능과 데이터를 처리하는 방식을 혁신하는 'DASA(국방 및 보안 가속기,

자연 언어 처리(Natural Language Processing, 이하 NLP)는 컴퓨터와 인간 언어 사이의 상호 작용하는 기술로 인공지능의 핵심 기능 중 하나이다. 1950년대부터 기계 번역과 같은 자연어 처리 기술이 연구되기 시작했다.1990년대 이후에는 대량의 말뭉치(corpus) 데이터를 활용하는 기계학습 기반 및 통계적 자연어 처리 기법이 주류를 이뤘다. 하지만 최근에는 딥러닝과 딥러닝기반의 자연어처리가 방대한 텍스트로부터 의미 있는 정보를 추출하고 활용하기 위한 언어처리 연구 개발이 전 세계적으로 활발히 진행되고 있다.

확률(probability)은 AI 분야에서 처음부터 끝까지 함께 붙어 다니는 개념이다.어찌보면 단순한 것이지만, 본질적으로 물리학적인 관점으로 살펴보면 재미있고도 중요한 것을 느낄 수 있다. 몇 가지 대표적인 확률을 들어 정리해 본다.▶결정론적 확률 (probability of deterministic)힘의 원리를 발견한 뉴턴(Newton)의 고전 역학에서 유래한 결정론적 세계관은 신의 영역으로 여겨졌던 미래의 예측에서 신을 완전히 배제하고 간단한 수식만으로 미래의 상태를 매우 잘 예측하며 천체 예측이나 교량 건축 등에서 인류의

정확한 예측 시간, 가용한 컴퓨팅의 양, 방대한 데이터가 수집되는 가운데 딥러닝은 현재 가장 선호되는 AI 알고리즘의 하나이다.기본 개념은 인공신경망(ANN, Artificial Neural Network)과 유사하다. 사람의 두뇌와 비슷한 방식으로 정보를 처리하는 알고리즘으로, 사물의 면이나 형상 등 여러 요소의 데이터를 합치고 구분하는 과정을 반복해 정보를 학습한다.특히 수백만 줄의 감독학습(Supervised learning)은 앙상블 트리 기반 알고리즘 자체에 의해 효과적으로 무너질 수 있지만 컴퓨터 비전이나 텍스트 음성 변

미국에서 가장 뜨고 있는 인기 직업이 무엇일까?얼마 전 미국 소셜네트워크인 링크트인(LinkedIn)에서 조사한 바에 따라 인기 직업 순위가 발표되었는데 1위 직업은 인공지능전문가(AI Specialist)라고 한다.2위는 로봇 엔지니어(Robotics Engineer), 3위에는 데이터 과학자(Data Scientist)가 올라 갔다. 놀랍게도 1, 2, 3위 모두 인공지능(AI)분야에 속하는 직업군이다. 많은 사람들이 관심을 가지고 있고, 큰돈을 벌 수 도 있다고 생각하는 인기 직업이 모두 인공지능과 관련되어 있는 것이다.인공지

인공지능(AI)이 종종 의료의 미래로 제시되기도 하고 일각에서는 인공지능이 의사를 대신할 것이라고도 한다.하지만, 이것은 기우일 뿐 인공지능(AI)은 의료에서 인적 오류를 줄이고 의료 실무의 질을 향상시키는 유용한 도구로 AI가 스스로 학습하고 의사를 대체할 것이라는 부정적 요소 보다는 인간과 인공지능은 서로 다르고 보완적이기 때문에 AI가 임상 문제의 해결에서 의사를 완전히 대체하지는 않을 것으로 대부분 말한다.의료에서 학습의 기본 원리는 인간과 인공지능은 유사하지만 진단에 대한 각각의 접근 방식은 현저히 다르다. 임상의는 직관적

오늘날 인공지능(AI)은 더 많은 양의 데이터와 보다 빠른 처리 능력, 그리고 더 강력한 알고리즘이 결합되어 더욱 널리 보급되고 있다.실제로 AI 기술이 거의 모든 산업에 도입되기 시작하면서 컴퓨터가 전례없는 방법으로 말하고, 보고듣고, 의사 결정을 내릴 수 있게 되면서 광범위한 유스 케이스가 잠재적 비즈니스 기회를 확대시키고 있다.또한 AI의 가능성에 대한 생각도 많이 달라졌다. 비즈니스 세계도 다르지 않다. 인공지능(AI)의 영역이 실제 세계로 확장, 실생활에서 실시간 데이터를 확보하고, 이를 기반으로 서비스 하는 시대가 온 것

2009년에 작고한 미국 배우 패트릭 스웨이즈(Patrick Swayze)가 주연을 맡아 인기를 모았던 영화 ‘더티댄싱(Dirty Dancing, 1987)’을 기억하는 독자들이 많을지 모르겠다.이 영화는 OST로도 매우 유명했는데, 여러 삽입곡 중, 필자는 요즘 새삼스럽게 에릭 카멘(Eric Carmen)의 ‘Hungry Eyes’라는 노래가 많이 떠오른다. 아마도 매일 매일 차갑게 피부로 느끼고 있는 ‘data-hungry task’라는 현재 인공지능 패러다임의 한계를 느끼는 일을 하고 있어서라고 말한다면 너무 억지스러운 연결일

머신러닝 및 인공지능(AI)에 대한 투자 수요와 더불어 오늘날 시스템에서 데이터 처리에 대한 수요가 증가하고 광범위한 빅데이터 분석의 통합이 증가함에 따라 FPGA(Field Programmable Gate Array) 기술과 시장이 가속되고 있다.지난 8월 자일링스는 세계에서 가장 큰 FPGA인 버텍스(Virtex) 울트라스케일+(UltraScale+™) VU19P를 출시하고, 16나노(nm) 기반 버텍스 울트라스케일+ 제품군을 확장했다.350억개의 트랜지스터를 갖춘 'VU19P'는 단일 디바이스 상에서 전례 없이

원주율(圓周率)이라고 하는 파이에 대해 생각하는 방법은 몇 가지가 있다. 기호 'π'로 나타내며, 그 값은 무리수이며 초월수이다. 무리수이기 때문에 근사값만이 상세히 계산되어 있으며, 그 값은 약 3.14159265이다. 20세기에는 컴퓨터로 파이를 소수점 아래 9번째 자리를 넘게 구할 수 있게 되었다. 3.14159의 수학적 상수를 나타내는 다른 방법은 이진법으로 1과 0의 긴 선을 나타낸다. 비이성적인 숫자인 파이는 반복하지 않고 영원히 지속되는 소수점을 가지고 있다. 따라서 파이로 계산할 때 인간과 컴퓨터 모두

과학기술정보통신부가 인공지능(AI)과 네트워크정책을 강화하기 위해 정보통신(ICT) 분야 기능을 대폭 강화했다.현 제2차관 산하 정보통신정책실을 개편해 국가 AI 정책을 총괄하는 ‘인공지능기반정책관’을 신설하고, 네트워크 관련 정책을 총괄 조정하는 전담기구 ‘네트워크정책실’을 설치한다. 제2차관 산하 ICT 분야는기존 1실 7국(관) 28과(팀)에서 2실 8국(관) 30과(팀)으로 조직이 확대 개편된 것이다. 해당 조직개편은 대통령 재가, 관보 게재 및 공포 등을 거쳐 이르면 다음주 말 정도에 시행될 전망이다.이번 개편은 4차산업혁

지난 2017년 MIT 슬론(Sloan)이 발행하는 MIT 슬론 매니지먼트 리뷰에서 '빅데이터는 스스로 강력한 힘을 지니고 있다. 인공지능도 마찬가지다. 두 가지가 합쳐지면 어떻게 될까(Big Data is powerful on its own. So is artificial intelligence. What happens when the two are merged?)' 이란 주제로 기업들이 데이터 및 분석 기능을 통해 비즈니스 가치를 창출할 때 가장 주목해야 할 기술로 ‘AI와 빅데이터의 융합’을 꼽기도 했다.그러나

인공지능(AI)을 학습하는 기존 방식과 달리, 사용자가 직접 사용하는 데이터를 처리하고 모델을 강화해, 이 모델을 한 곳에 모아 더 정교한 모델을 만들어 다시 배포하는 방식인 연합학습(federated learning, 통합학습)이 전 세계적으로 뜨거운 관심과 주목을 받고 있다.글로벌 IT 기업들도 연구와 개발에 여념이 없다. 먼저 구글이 지난 8월에 발표한 연합학습은 일반적으로 모든 데이터를 서버로 모아, AI를 학습하는 방식과 달리, 사용자가 직접 사용하는 스마트폰에서 데이터를 처리하고 모델을 강화하고 이 모델을 한 곳에 모아

“인공지능(AI)이 질병 진단에서 의사를 능가한다”는 요즘 AI 알고리즘이 의사를 대신할 수 있다는 가능성을 암시하는 인기 있는 이슈로 자주 접하곤 한다.그러나 AI를 인간 전문가에게 대비하는 대신, 우리가 실제로 집중해야 하는 것은 진단 과정에서 서로의 장점을 보완하는 방법이라고 한다.인공지능(AI)의 발전 속도는 눈부시다. AI가 당뇨병 안과 질환의 조기 징후에 대한 안과 검사, 심전도를 분석하여 불규칙한 심장박동을 포착하는지 여부에 관계없이 AI가 높은 수준의 정확도로 질병을 탐지할 수 있는 놀라운 가능성을 보여주는 새로운 연

빅데이터와 딥러닝 발전으로 인공지능(AI)이 부상하면서 자율주행차, 로봇, 생산현장 등 산업에서부터 지니, 클로버, 알렉사, 구글홈 등 생활 속의 편의를 제공하는 어시트턴트까지 AI 기술이 등장하고 있다.하지만 AI기술이 우리의 삶과 사회에서 한 부분 익숙해지자마자 또 다른 것들은 그 부분과 경쟁하기 위해 나타난다. 그만큼 익숙한 것을 완전히 변형시키는 무언가에 의해 없어지고 대체되고 있다. 그 순환의 속도도 빨라지고 있다.이제는 기업을 넘어 전 세계 도시는 인공지능(AI) 및 관련 기술을 사용해 환경오염 및 교통 혼잡을 줄여 성장

오늘날 인공지능(AI) 도입이 기업의 명암을 가른다고 한다. 그러나 적절한 인재를 확보할 수 있었다고 해도 AI의 실용화까지 갈 길은 멀다. 또 정밀도가 높은 AI 모델을 만들려면 모델 자체의 선택이나 파라미터의 조정이 필요하고 데이터의 규모에 따라서는 연 단위의 많은 시간이 소요되기 때문이다.인공지능은 이러한 험난한 길 조차도, AI로 해결하려는 솔루션이 속속나오고 있다. 즉 작업자는 성형한 데이터를 준비하는 것만으로 된다. 하고싶은 AI 작업을 마우스로 몇번 클릭하는 것만으로, 고정밀의 AI 모델이 자동적으로 생성된다고 한다.