디지털기술기반과 학생중심으로의 교육환경 변화는 당연히 새로운 강의실 구성을 요구하게 된다. 전통적인 강의실은 점점 디지털기반 공간에서의 실습교육 공간으로 변화할 것이다.세계적으로나 국내적으로 지난 50년간 대학은 양적인 팽창을 해왔으나 교육과 학습방법에 있어서는 큰 변화가 없었다. 그러나 21세기에 들어 인터넷을 중심으로 한 정보통신기술의 발달로 대학교육과 학습방법에 있어서 새로운 환경이 조성되었다.여기에, 인공지능과 코로나19로 인한 언택트(비대면) 확산으로 대학의 트렌스포메이션은 이제, 선택이 아닌 필수적으로 대두되고 있다.이러
본고에서는 숫자로 움직이는 딥러닝 AI 분야에서, 숫자의 비율과 무차원 수의 이용에 대하여 알아본다.▷ 본질을 위한 비율물체가 낙하는 것의 본질을 파악하는 것은 어려워서, 인류 역사상 매우 최근에서야 본질을 파악한 역사이다. 무거운 공을 떨어뜨리면, 속도가 빠르게 점점 더 빨라져서 본질적인 특성을 파악하는 것은 어려운 관찰이다.그러나, 시간의 변화량에 따른 속도의 변화량에 대한 비율에 관심을 두면 특성은 쉽게 파악할 수 있다. 그 비율은 언제나 항상 일정하게 유지된다는 사실이 물체가 떨어지는 것의 본질을 파악할 수 있게 한 핵
필자, 안토니오 피에트리(Antonio Pietri)는 아스펜테크(Aspen Technology)의 사장 겸 CEO 이다. 1996년 아스펜테크가 세트포인트를 인수했을 때 합류했다. CEO를 맡기 전에는 전 세계 필드 오퍼레이션 부사장으로 전 세계 판매, 판매 오퍼레이션, 전문 서비스, 고객 지원 및 교육을 총괄했으며 이전에는 싱가포르와 중국 베이징에서 아시아 태평양 지역 오퍼레이션 수석 부사장 및 이사를 역임했다.그는 ABB Simcon의 애플리케이션 엔지니어로 경력을 시작했으며, 정유 공정의 선행 제어 및 다변수 제어 설비를 담
인공지능! 빅데이터! 4차산업혁명!위의 단어는 현 정부에서 종합적인 국가전략으로 설정한 후 2~3년 사이 우리나라에서 제일 많이 검색된 단어 중 하나이다. 그만큼 많은 관심을 가지고 다양한 시도를 하고 있으며, 그에 따른 지원도 넘쳐나고 있다.그렇다면 인공지능, 빅데이터, 4차산업혁명의 성공적인 안착을 위해서 무엇을 준비해야 할까?대부분의 사람들은 하나의 이슈가 발생하면 하나에만 몰입하는 경향이 있기 때문에 다른 많은 것을 놓칠 때가 종종 있다. 본질을 해결하기 위해서 거시적인 생각과 고민을 함께 할 때 더불어 안정적인 결과를 만들
필자는 리미니스트리트(Rimini Street) 세바스찬 그레디(Sebastian Grady) 사장은 글로벌 고객 서비스, 엔터프라이즈 소프트웨어 세일즈 마케팅, 엔터프라이즈 소프트웨어 유지보수 및 서비스 딜리버리 부문에 전문성을 보유한 27년 경력의 소프트웨어 업계 베테랑이다. 다양한 소프트웨어 기업을 이끌며 오라클, SAP, 시스코, GM, IBM, 시만텍 등 글로벌 기업들과 협력해왔다. 기업에서 사용하는 소프트웨어는 자산이다. 오라클, SAP와 같은 소프트웨어 공급업체들은 새로운 플랫폼으로의 전환하도록 하기 위해 고객들이 기존
딥러닝에서 널리 적용되고 있는 어텐션(Attention)은 모델을 더욱 정교하고 우수한 성능을 보여준다. 본고에서는 최근 가장 뛰어난 성능으로 많은 분야에서 활약하고 있는 AI 기술 분야인 어텐션에 대하여 알아 본다.▷ 워드 엠베딩 (Word Embedding)AI의 딥러닝 기술은 기본적으로 벡터 연산으로 이루어져 있다. 벡터는 크기와 방향이 동시에 있는 것이고, 크기와 방향만 유지된다면, 어느 공간의 위치로 옮겨도 같은 벡터인 성질이 있다. 벡터의 마이너스 값은 방향이 반대이고 크기가 같은 벡터를 뜻한다.서로 다른 벡터간의 뺄셈
필자 류봉균은 1991년 KAIST(구 KIT) 전기전자 공학과 학사와 1996년 컬럼비아대학교(Columbia University) 전기전자공학 박사로 2012년에 캘리포니아 샌디에고에 본사를 두고 '에피시스 사이언스(EpiSys Science)'를 설립했다. 핵심 기술인 전술 AI (Tactical AI)를 기반으로 인간과 무인시스템과의 협업 (Manned/Unmanned Teaming), 인지 무선 네트워크(Cognitive Radios and Networks. CRNs),전술적 자율 네트워크 관리(Tactica
OpenAI의 3세대 GPT-3(Generation Pre-traination Transformer)는 최근 AI 커뮤니티에 단연 최고의 이슈이다. 많은 전문가들은 텍스트와 심지어 코드까지 작성하는 직관적인 능력을 갖추고 있다고 찬사를 아끼지 않고 있다. 이처럼 GPT-3는 이슈의 한가운데 있지만 GPT-3는 아직 실험 단계에 있다. 모든 스타일의 언어를 만들어낼 수 있는 뛰어난 능력을 가지고 있지만, 다수의 전문가들이 지적한 문제들이 있다. 심지어 오픈AI CEO 샘 알트만(Sam Altman)도 트위터를 통해 “GPT-3에 대한
최근 인공지능(AI) 기술분야에는 워낙 많은 개념과 모델이 하루가 다르게 대두되다 보니, 전체적인 개념 이해가 어려운게 사실이다. 본고에서는 일반인의 관점에서 트랜스포머 어텐션(Transformer Attention)에서 사용하는 위치 엔코딩(Positional Encoding)에 대해서 알아 본다.▷ 순환신경망(Recurrent Neural Network 이하, RNN)에서의 순서 위치 정보RNN에서는 입력값이 입력되는 순서에 대한 정보는 앞선 출력값이 새로운 입력값과 함께 다시 입력되는 과정에서 자연스럽게 순서 위치에 대한 정보
현재, 인공지능(AI)은 기업에게 더 많은 옵션을 제공하고 있다. 특히, 의료 분야에서는 요 몇 년 사이에 머신러닝 및 딥러닝 등을 비롯한 인공지능(AI) 기술이 폭넓게 사용되면서 혁신이 가속화되고 있다.환자는 물론, 의료서비스 제공업체와 병원, 의료장비 제조업체, 제약회사 등과 전문가 및 다양한 이해관계자들은 다양한 AI 기반의 툴을 통해 혜택을 누릴 수 있는 것이다.또한 해부 기하학 측정에서 암 검출 및 방사선, 수술, 신약 개발 및 유전체학에 이르기까지 그 가능성은 무한하다. 이러한 시나리오에 AI를 적용하면, 운영 효율성을
필자 김종윤은 현재, 스캐터랩 코파운더 및 대표이사로 2013년 카카오톡 대화를 통한 감정분석 ‘텍스트앳’ 출시, 2015년 커플 메신저 비트윈과의 협업으로 사랑을 이해하는 인공지능 ‘진저’ 출시, 2016년 심리학 기반의 연애 컨텐츠와 데이터 기반의 연애 분석을 제공하는 ‘연애의 과학’ 출시(출시 후 현재까지 한국에서 250만, 일본에서 40만 다운로드 달성), 2019년 손쉽게 인공지능의 일상대화를 빌드할 수 있는 솔루션, 핑퐁 빌더 공개 등과 2018년 NCSOFT, 소프트뱅크벤처스, 코그니티브 인베스트먼트, ES인베스터로부터
본고에서는 인공지능(AI)의 여러분야에서 사용되는 딥러닝의 내적 의미와 실제 사용에 관하여 알아본다.▷인공신경망 벡터의 내적(dot product)은 인공신경망의 각 뉴런 노드의 입력과 가중치 (weight)의 상호관계의 계산에 사용된다.각 입력값에 가중치를 곱하여 전체를 더하는 것이 입문자가 받아들이는 방식이라면, 입력값 전체를 여러개의 축(axis)을 가진 하나의 벡터(vector)값으로 보고, 가중치 전체를 여러개의 축을 가진 하나의 벡터값으로 보아, 단지 input vector와 weight vector 2개의 벡터의 dot
인공지능은 일상적인 비즈니스 운영에 광범위한 영향을 미치고 직원과 소비자에게 실질적인 혜택을 제공하고 있다.특히, 금융 서비스는 최근 몇년동안 AI 및 빅데이터의 얼리 어답터로 AI 활용은 단연 두각을 나타내고 있다. 코로나19(COVID-19) 이후 언택, 고객들의 접점 이용행태가 급격히 변화하고 전염병의 영향과 결합된 고객 및 비즈니스에 대한 치열한 경쟁은 고객 대면, 백엔드, 사기 및 보안 프로세스 전반에 걸쳐 AI 기반 자동화 프로젝트의 타이밍을 가속화하고 있다.이처럼 금융 서비스에 대한 수요와 신제품 및 기존 금융 계정에
흑인 조지 플로이드 사망 사건 진원지인 미네소타주 미니애폴리스 경찰이 인공지능(AI) 안면 인식 시스템인 '클리어뷰(Clearview)'를 활용하고 있다고 외신들의 대대적인 보도 속에서 법 집행기관에서의 AI 얼굴인식 기술의 사용한다는 논란이 가속되고 있다.현재 미국 의회가 추진 중인 대대적인 경찰 개혁 법안에는 경찰의 AI 얼굴인식 기술 사용을 제한하는 내용이 포함될 가능성이 매우 높다.이에 IBM, AWS, 마이크로소프트 등 글로벌 AI 기업들 역시 행보가 빨라지고 있다. IBM은 인공지능(AI) 얼굴인식 사업에서
인공지능(AI)은 수년간 급속히 발전하고 있지만 대부분 클라우드 기반으로 구현되고 있다. 그러나 5G와 IoT의 확산으로 그 용량과 시스템의 한계로 실시간 데이터 전송 지연과 개인 식별 데이터를 클라우드에 저장함에 따르는 보안 문제와 서비스 이용시의 소비 전력이나 통신비용의 증가 등의 과제에 직면하고 있다.이에 스마트폰 및 기타 디바이스가 추론과 학습할 수 있는 토대를 마련하고 저전력, 고성능으로 구현하는 것이 가능해져 엣지에서 실시간 AI 구현이 가능해지고 기존 클라우드에서 이루어지는 AI 알고리즘을 스마트폰, 스마트 스피커, 헤
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,