인공지능(AI)

소개 및 활용 방안

인공지능(AI)은 기계가 경험을 통해 학습하고 새로운 입력 내용에 따라 기존 지식을 조정하며 사람과 같은 방식으로 과제를 수행할 수 있도록 지원하는 기술입니다. 체스를 두는 컴퓨터에서부터 직접 운전을 하는 자동차에 이르기까지 오늘날 대부분의 인공지능(AI) 사례들은 딥러닝자연어 처리에 크게 의존하고 있으며, 이러한 기술들을 통해 대량의 데이터를 처리하고 데이터에서 패턴을 인식함으로써 특정한 과제를 수행하도록 컴퓨터를 훈련할 수 있습니다.

인공지능(AI)의 역사

인공지능(AI)이라는 용어는 1965년에 처음 등장하였지만 데이터의 양적 증가, 첨단 알고리즘, 컴퓨팅 파워와 스토리지가 개선된 오늘날 매우 활발히 연구되고 있는 분야입니다.

1950년대에 시작된 초기 인공지능(AI) 연구에서는 문제 해결과 기호법 등의 주제를 탐구했습니다. 1960년대로 접어들면서 이러한 연구에 관심을 보인 미국방부는 인간의 기본적인 추론 방식을 흉내 낼 수 있도록 컴퓨터를 훈련하기 시작하였고, 1970년 국방 고등 연구 기획국(DARPA)이 수행한 도로 지도화 프로젝트가 그 사례라고 할 수 있습니다. 국방 고등 연구 기획국은 또한 Siri, Alexa나 Cortana와 같은 인공지능이 개발되기 한참 전인 2003년에 지능형 개인 비서를 개발하기도 하였습니다.

이러한 노력들은 오늘날 우리가 일상에서 접하고 있는 자동화와 형식 추론 기술의 기틀을 다지는 역할을 하였으며, 이러한 기술에는 사람의 능력을 보완하고 확장할 수 있는 의사 결정 지원 시스템과 스마트 검색 시스템이 포함됩니다.

할리우드 영화나 공상 과학 소설에서는 인공지능(AI)이 세상을 집어삼키는 인간형 로봇으로 묘사되지만 현재의 인공지능(AI) 기술은 그 정도로 똑똑하거나 위협적이지는 않습니다. 다만, 모든 산업분야에서 이점을 제공하고 있으며 아래의 글을 통해 의료 및 소매 등 산업 전반적인 분야에서 현재 활용되고 있는 인공지능(AI) 사례들을 확인하실 수 있습니다.

Chess board and Neural Network graphic

1950년대–1970년대

신경망 (Neural Networks)

신경망에 대한 초기 연구를 통해 “생각하는 기계”에 대한 기대감이 높아졌습니다.

Shapes and arrow graphic with classical and modern machine learning

1980년대–2010년대

머신러닝 (Machine Learning)

머신러닝에 대한 관심이 높아졌습니다.

Binary code on dark background with magnifying glass graphic

현재

딥러닝 (Deep Learning)

딥러닝으로 인공지능(AI)의 시대가
본격화되었습니다.

몇 년 전부터 인공지능(AI)은 SAS 소프트웨어의 핵심으로 자리 잡았습니다. 오늘날 모든 산업 분야의 고객들이 첨단 인공지능(AI) 기술의 혜택을 누리도록 지원하고 있는 SAS는 머신러닝과 딥러닝 같은 인공지능(AI) 기술을 전체 SAS 포트폴리오 솔루션에 포함하는 작업을 지속 적으로 이어가고 있습니다. Jim Goodnight, CEO, SAS in meeting Jim Goodnight CEO SAS

인공지능(AI)과 머신러닝

인공지능(AI)과 머신러닝의 차이가 궁금하시다면 우측의 동영상을 통해 확인하실 수 있습니다. 몇가지 사례와 흥미로운 사실들을 소개하는 이 동영상은 인공지능(AI)과 머신러닝이 어떻게 작동하는지 말하고 있습니다.

가족이나 친구들에게 이 동영상을 공유한다면 누구나 인공지능(AI)이나 머신러닝에 대해 쉽게 이해할 수 있습니다.


AI has been an integral part of SAS software for years. Today we help customers in every industry capitalize on advancements in AI, and we’ll continue embedding AI technologies like machine learning and deep learning in solutions across the SAS portfolio. Jim Goodnight, CEO, SAS in meeting Jim Goodnight CEO SAS

Artificial Intelligence and Machine Learning

Quick, watch this video to understand the relationship between AI and machine learning. You'll see how these two technologies work, with examples and a few funny asides.

Plus, this is a great video to share with friends and family to explain artificial intelligence in a way that anyone will understand. 



인공지능(AI)이 중요한 이유

  •  인공지능(AI)은 반복적 학습과 데이터를 인사이트 통한 발견을 자동화합니다. 인공지능(AI)은 하드웨어에 기반을 둔 로봇 자동화와는 다른 개념으로, 수작업을 자동화 하는것을 넘어서서 반복적인 대량의 전산 작업을 간단하게 수행합니다. 이러한 유형의 자동화를 위해서는 지속적으로 시스템 설정하고 올바른 질문을 전달하는 인력의 노력이 필요합니다.
  • 인공지능(AI)은 기존 제품에 지능을 더합니다. 인공지능(AI)이 개별 애플리케이션으로 판매되는 경우는 거의 없을 것입니다. 대신 Siri가 Apple의 신제품에 새로운 기능으로 추가된 것처럼 이미 사용 중인 제품에 인공지능(AI) 기능을 탑재해 제품 개선이 이루어질 것입니다. 자동화, 대화 플랫폼, 봇, 스마트 머신이 대량의 데이터와 결합되면서 보안 인텔리전스와 투자 분석 등 직장과 가정에서 이용하는 많은 기술들을 개선할 수 있습니다.
  • 인공지능(AI)은 점진적인 학습 알고리즘을 통해 스스로를 개선하고 데이터가 프로그래밍을 수행하도록 지원합니다. 인공지능(AI)은 데이터의 구조와 규칙성을 찾아내고 알고리즘이 이를 학습하도록 지원하여 알고리즘을 분류 도구 호는 조건자로 만듭니다. 이러한 알고리즘은 체스를 두는 방법을 스스로 학습할 수 있는 것과 마찬가지로 사용자의 온라인 구매 제품 추천을 찾아낼 수 있습니다. 또한, 새로운 데이터가 입력됨에 따라 학습하고 그 성능이 개선됩니다. 역전파는 첫 번째 대답이 적절하지 않은 경우 새로운 학습과 추가 데이터 분석을 통해 모델이 스스로 개선할 수 있는 인공지능(AI) 기법입니다.
  • 인공지능(AI)은 보다 많은 데이터를 깊이 있게 분석하기 위해 숨겨진 다양한 레이어를 가진 신경망을 활용합니다. 몇 년 전만해도 다섯 개의 숨겨진 레이어를 가진 사기 감지 시스템을 개발하는 일은 불가능에 가까웠지만 이제는 엄청난 컴퓨팅 파워와 빅데이터 덕분에 가능해졌습니다. 딥러닝 모델은 데이터를 이용해 직접 학습하기 때문에 많은 양의 데이터가 필요한데, 입력하는 데이터가 많을수록 정확도가 더욱 높아집니다.
  • 인공지능(AI)은 이전에는 불가능했던 딥 신경망 분석을 통해 놀랍도록 향상된 정확도를 제공합니다. 예를 들어 Alexa, Google Search, Google Photos와 사용자의 인터랙션은 모두 딥러닝 기술을 활용하고 있으며, 더 많은 사용자들이 이러한 서비스를 이용할 수록 더 높은 정확도로 원하는 결과를 획득할 수 있습니다. 의료 분야에서는 딥러닝, 이미지 분류, 개체 인식 등 인공지능(AI) 기술들을 MRI 이미지 분석을 활용하고 있으며 숙련된 방사선 기술자 만큼이나 정확한 결과를 얻고 있습니다.
  • 인공지능(AI)은 데이터의 활용도를 극대화 합니다. 알고리즘이 셀프 러닝을 수행할 때 데이터 자체가 지적 재산이 될 수 있습니다. 모든 문제의 해답은 데이터에 있으므로 인공지능(AI)을 데이터에 적용하여 해답을 찾을 수 있습니다. 데이터의 역할이 어느때보다 중요해진 요즘에는 데이터로 경쟁 우위를 점할 수 있으며, 경쟁이 치열한 산업이라면 유사한 기술을 보유하고 있다고 하더라도 최상의 데이터를 보유한 기업이 이기게 됩니다.

인공지능(AI)의 현 주소

임원진을 위한 인공지능 백서:
비즈니스 분석에 AI 활용 전략

인공지능(AI) 전략을 성공적으로 수립하고 계신가요? 명확한 목표를 바탕으로 전략과 전술, 비전과 현실, 강점과 약점의 균형을 이뤄야만 뛰어난 리더로 거듭날 수 있습니다.

마케팅 분석과 AI의 만남:
6가지 성공 전략

기업이 인공지능(AI)을 통해 마케팅 분석을 강화 하는 동시에 고객에 대한 이해의 폭을 넓혀 고객 경험을 개선할 수 있 는 방법과 이미 진행 중인 마케팅 활동 을 활용하여 마케팅 효과를 높일 수 있는 방법을 확인하십시오.

고급 분석 활용 사례:
AI, 머신러닝, 자연어 처리(NLP)

TDWI Research를 통해 머신러닝, 자연어처리 및 인공지능(AI) 기술들에 대한 정보, 기업이 기술들을 사용하는 방식 및 도입하여 얻은 가치/사례를 알아보십시오.

인공지능(AI)의 활용 방안

모든 업계에서 인공지능(AI)의 적용과 활용을 요구하고 있습니다. 특히 다음과 같은 산업에서 효율적으로 인공지능(AI)을 활용할 수 있습니다.

헬스케어

맞춤 의료와 X-ray 판독에 인공지능(AI) 어플리케이션을 활용할 수 있습니다. 그 예로 개인 건강 관리 도우미는 약 먹을 시간을 알려주고 운동이나 건강한 식습관 유지를 지원하는 ‘생활 지도사’의 역할을 할 수 있습니다.

소매

인공지능(AI)은 상품을 추천하고 소비자의 구매 결정을 도와주는 가상 쇼핑 기능을 제공하며 재고 관리 시스템과 사이트 레이아웃 역시 인공지능(AI) 기술 적용으로 개선할 수 있습니다.

제조

인공지능(AI)은 연결된 장비들이 주고받는 공장 IoT 데이터를 분석하고 딥러닝 네트워크의 일종인 반복 네트워크를 활용하여 작업량과 수요를 예측할 수 있습니다.

스포츠

인공지능(AI)은 경기 이미지를 캡쳐하고 필드 위치와 전략 최적화를 포함해 경기를 보다 효과적으로 계획하는 방법을 알려주는 보고서를 제공하는 등 다양한 코치의 역할을 수행합니다.

Working together with AI infographic

인공지능(AI)과의 공존

지금은 인공지능(AI)이 인간의 역할을 대신하는 것이 아니라 인공지능(AI) 알고리즘은 인간과는 다른 방식으로 학습하기 때문에 대상을 보는 시각도 다릅니다. 이에 인간이 놓치고 있는 데이터 간의 관계와 패턴을 포착할 수 있습니다. 인간과 인공지능(AI)과의 이러한 동반자 관계는 많은 기회를 제공하는데, 그 예는 다음과 같습니다.

  • 현재 분석 기술을 제대로 이용하지 못하고 있는 산업과 분야에 분석 기술을 도입합니다.
  • 컴퓨터 비전과 시계열 분석 같은 기존 분석 기술의 성능을 더욱 높입니다.
  • 언어와 번역의 장벽을 포함해 경제적 장벽을 허뭅니다.
  • 인간이 가진 기존의 능력을 확장하고 과제 수행 능력을 개선합니다.
  • 인간의 비전, 이해력, 기억력 등 인간의 다양한 능력을 개선합니다.

인공지능(AI)의 실용화에 대두되는 걸림돌

인공지능(AI)이 모든 산업 분야에서 획기적인 전기를 마련하고 있지만 한계를 이해할 필요가 있습니다.

인공지능(AI)의 원론적인 한계는 데이터를 통해 학습한다는 사실에 있습니다. 다른 방법으로는 지식을 습득할 수 없습니다. 다시 말해 데이터의 오류가 결과에 그대로 반영된다는 것입니다. 또한 예측 혹은 분석을 위한 기술 계층을 별도로 구현해야 합니다.

오늘날의 인공지능(AI) 시스템은 명확하게 정의된 과제를 수행하도록 학습됩니다. 따라서 포커를 하는 시스템은 바둑이나 체스를 두지 못하고 사기를 감지하는 시스템은 자동차를 운전하거나 법률 자문을 제공하지 못합니다. 그 예로 의료 사기를 감지하는 인공지능(AI) 시스템은 조세 사기나 보증 신청 사기를 정확하게 감지해 내지 못합니다.

즉, 이러한 시스템들은 대단히 전문화 되어 있고 하나의 과제만을 수행하도록 설계되어 있어서 사람이 행동하는 방식과는 근본적으로 다릅니다.

마찬가지로 자체 학습 시스템은 자율 시스템이 아닙니다. 영화나 TV가 그리는 인공지능(AI) 기술의 모습은 아직 공상 과학일 뿐입니다. 하지만 복잡한 데이터를 심층적으로 분석하여 학습하고 특정한 과제를 완벽하게 수행하는 컴퓨터는 현실에서 쉽게 만나볼 수 있게 되었습니다.

What are the challenges of using artificial intelligence?

Artificial intelligence is going to change every industry, but we have to understand its limits.

The principle limitation of AI is that it learns from the data. There is no other way in which knowledge can be incorporated. That means any inaccuracies in the data will be reflected in the results. And any additional layers of prediction or analysis have to be added separately.

Today’s AI systems are trained to do a clearly defined task. The system that plays poker cannot play solitaire or chess. The system that detects fraud cannot drive a car or give you legal advice. In fact, an AI system that detects health care fraud cannot accurately detect tax fraud or warranty claims fraud.

In other words, these systems are very, very specialized. They are focused on a single task and are far from behaving like humans.

Likewise, self-learning systems are not autonomous systems. The imagined AI technologies that you see in movies and TV are still science fiction. But computers that can probe complex data to learn and perfect specific tasks are becoming quite common.

SAS® Visual Data Mining and Machine Learning screenshot on monitor

SAS® Visual Data Mining and Machine Learning

인공지능(AI)은 분석에 적합하게 데이터를 처리하고 현대적인 머신러닝 알고리즘을 포함한 모델을 개발하며 하나의 제품에 모든 텍스트 분석 기술을 통합하는 과정을 단순화 합니다. 또한 SAS를 Python, R, Java 또는 Lua 등의 다른 프로그래밍 언어와 같이 사용할 수 있습니다.

인공지능(AI)의 작동 방식

대량의 데이터와 반복적인 작업을 빠른 처리할 수 있는 알고리즘을 결합한 소프트웨어가 데이터에 존재하는 패턴이나 특징을 분석하고 스스로 자동 학습 하도록 지원하는 것이 인공지능(AI)의 역할입니다. 많은 이론, 방법론, 기술 등을 포함한 종합적인 영역인 인공지능(AI)의 주요 세부 분야는 다음과 같습니다.

  • 분석 모델구축을 자동화 하는 머신러닝은 신경망, 통계분석, 운영분석, 물리학에서 활용되는 기법들을 이용하여 프로그래밍 없이 특정 위치를 찾거나 결론을 내리는 등 데이터에 숨어있는 인사이트를 찾아냅니다.
  • 신경망은 뉴런처럼 외부 입력에 반응하고 각 단위 사이의 정보를 연계하여 처리하는 일종의 머신러닝입니다. 서로의 연계성을 찾아내고 정의되지 않은 데이터로 부터 의미를 추론하기 위해서는 처리 과정에서 다중 데이터 패스가 필요합니다.
  • 딥러닝은 컴퓨팅 파워의 발전과 학습 기법의 개선을 바탕으로 여러 레이어를 포함한 엄청난 규모의 신경망을 활용합니다. 이를 통해 대량의 데이터에서 복잡한 패턴을 학습할 수 있습니다. 그 예로 이미지 및 음성 인식이 있습니다.
  • 인지 컴퓨팅(Cognitive Computing)은 기계에서 인간과 유사한 자연스러운 인터랙션을 이끌어내려는 인공지능(AI)의 한 분야입니다. 인공지능(AI)과 인지 컴퓨팅에서 추구하는 궁극적인 목표는 기계에 이미지와 음성을 이해하는 능력을 부여하여 사람과 같은 방식으로 행동하고 같은 반응을 만들어 내는 것 입니다.
  • 컴퓨터 비전은 패턴 인식과 딥러닝 기술을 바탕으로 그림이나 비디오의 내용을 인식합니다. 기계가 이미지를 처리하고 분석하여 이해할 수 있으면 이미지나 비디오를 실시간으로 포착하여 그 주변 상황을 해석할 수 있습니다.
  • 자연어 처리(NLP; Natural Language Process)는 컴퓨터가 음성을 포함한 사람의 언어를 분석, 이해 및 생성할 수 있는 기술입니다. NLP의 다음 단계는 사람이 평상시와 같은 언어적 표현을 사용하여 컴퓨터와 소통하고 작업을 지시할 수 있는 자연어 인터랙션입니다.


그 밖에 인공지능(AI) 구현과 지원에 필요한 몇 가지 추가 기술은 다음과 같습니다.

  • 그래픽 처리 장치는 반복적인 작업에 필요한 엄청난 컴퓨팅 파워를 제공하는 인공지능(AI)의 핵심 요소입니다. 일반적으로 신경망 학습에는 엄청난 양의 데이터 뿐만 아니라 엄청난 컴퓨팅 파워가 요구됩니다.
  • 시물 인터넷 은 연결된 장치로부터 많은 양의 데이터를 생성합니다. 인공지능(AI)을 통해 모델을 자동화 하면 이러한 데이터를 실시간으로 분석하는 등 유용하게 활용할 수 있습니다.
  • 보다 많은 데이터를 다양한 수준에서 보다 빠르게 분석하기 위한 첨단 알고리즘이 새로운 방향으로 개발 및 결합되고 있습니다. 이를 통해 매우 드물게 발생하는 이벤트를 예측하고 복잡한 시스템을 이해하며 고유한 시나리오를 최적화 하는데 필수적입니다.
  • 애플리케이션 처리 인터페이스(API) 는 기존 제품과 솔루션 패키지에 인공지능(AI) 기능을 부가할 때 필요한 코드 패키지 입니다. API를 이용하여 가종 보안 시스템에 이미지 인식 기능을 추가하거나 데이터를 설명하고 캡션과 헤드라인을 생성하는 등 데이터의 흥미로운 패턴과 인사이트를 알려주는 Q&A 기능을 추가할 수 있습니다.

즉, 입력 데이터를 바탕으로 추론하여 결과물을 설명할 수 있는 솔루션을 제공하는 것이 인공지능(AI)의 목표입니다. 인공지능(AI)은 사람과 같은 방식으로 소프트웨어와 인터랙션을 하고 특정한 과제에서 사람의 의사결정을 지원하는 역할을 할 수 있지만 사람의 역할을 대신하지는 못할 것 입니다.

인공지능(AI)에 대해 더 자세히 알아보십시오.
최신 백서, 성공사례 및 인공지능(AI) 전문가의 인사이트를 확인하실 수 있습니다.

Blue Radiance

전 세계 수 많은 기업들이 SAS와 함께 발전하고 있습니다.
분석 기술의 리더가 되기 위한 첫 걸음을 시작하세요.

Back to Top