KMCRIC

2018 주목해야 할 4가지 AI 동향

4 artificial intelligence trends to watch？

현재도 IT 부서들이 인공지능(AI)을 많이 사용하고 있지만 2018년에는 더 많이 늘어날 것으로 예상하고 있다. 아직 AI 프로젝트에 한 번도 참여하지 않았다고 하더라도 올해는 말을 행동으로 옮길 때라고 말한 딜로이트 전무이사 데이비드 샤츠키는 AI를 도입하는 회사의 수가 증가하고 있다고 덧붙였다.

1. 더 많아질 기업 규모 AI 파일럿 프로젝트

현재 일상적으로 사용하는 애플리케이션과 플랫폼에도 이미 정기적으로 AI가 통합되고 있다. 하지만 이 외에도 머신러닝과 자연어 처리 등을 통해 특정 문제를 해결하거나 데이터 이해를 돕고 내부 프로세스를 자동화하거나 자사의 제품이나 서비스를 개선하려는 회사들이 증가하고 있다.

이런 추세를 넘어 기업들이 AI를 활용하는 강도는 더 늘어나고 있으며 AI 도입을 빠르게 추진하여 5개 혹은 그 이하의 AI 프로젝트를 추진하는 얼리 어답터들이 있으며 10개 혹은 그 이상의 파일럿 프로젝트를 수행하는 기업의 수가 늘어날 것으로 예상한다. 그 이유 중의 하나는 AI 기술이 더 향상되고 사용하기 쉬워지고 있기 때문이다.

2. 데이터 과학자 구인난을 도와줄 인공지능

데이터 사이언스에 있어 가장 큰 문제인 인재난으로 대부분의 대기업은 필요한 데이터 과학자를 고용하는 데 어려움을 겪고 있다. 하지만 샤츠키는 AI가 이 문제를 어느 정도 해소할 수 있을 것으로 본다.

데이터 사이언스의 수행 방식이 스타트업과 대기업의 제공하는 도구 및 공급사들의 확립한 기술을 통해 점점 더 자동화되고 있다. 데이터 사이언스의 많은 작업이 반복적이고 지루하기 때문에 자동화에 안성맞춤이다. 데이터 과학자들이 사라지지 않을 것이지만 훨씬 더 생산적으로 될 것이다. 따라서 소수의 데이터 과학자만으로도 많은 분석을 수행할 수 있어 데이터 과학자를 고용할 수 없더라도 더 많은 일을 할 수 있게 된다.

3. 병목 현상을 완화해줄 합성 데이터 모델

머신러닝 모델을 훈련하기 전에 그것을 훈련하는데 사용할 데이터를 얻어야 한다. 하지만 이것이 항상 쉬운 일은 아니다. 생산 과정이 아니라 이 지점에서 종종 병목현상이 발생하는 것이다. 건강 기록 및 재무 정보와 같은 데이터는 규제로 인해 데이터를 가져올 수 없는 경우도 있다.

합성 데이터 모델은 소규모 데이터셋을 이용하여 필요하면 더 많은 데이터셋을 생산하는데 사용하는 것이다. 모델 훈련에 1만 개의 데이터가 필요하지만 2,000개 밖에 못 구했더라도 이제 훈련에 앞서 부족한 8,000개를 생산할 수 있게 된 것이다.

4. 더 투명해질 인공지능의 의사 결정

비즈니스에서 AI의 문제는 종종 그 과정이 블랙박스 형태로 이루어진다는 점이다. 일단 모델의 학습이 끝나면 설명할 수 없는 방식으로 답을 제공한다. 머신러닝은 데이터가 너무 많고 복잡하기 때문에 사람이 볼 수 없는 패턴을 데이터에서 찾아낸다. 이후 AI는 찾아낸 패턴을 이용하여 새로운 데이터를 바탕으로 예측을 할 수 있다.

문제는 때때로 AI의 발견이나 예측의 이면에 있는 이유를 알아야 할 필요가 있다는 점이다. 의료용 이미지를 입력하고 받은 AI의 결과가 종양이 있을 확률 90%라고 했을 때, 그 이유를 물어보면, 데이터가 그렇게 제안했다는 것이라는 답밖에 얻지 못한다.

이 데이터를 따른다고 하면, 환자에게 수술이 필요한 이유를 설명해야 한다. 하지만 이유를 설명할 수 없을 때 어려운 일이 될 수 있다. 많은 경우 매우 정확한 결과를 모델이 제시했다고 하더라도, 왜 그런 결과에 도달했는지 설명할 수 없다면 아무도 그것을 믿으려 하지 않을 것이다.

또한, 규제상의 이유로 설명할 수 없기 때문에 그 결과를 그대로 사용할 수 없는 경우도 있다. 은행이 대출 신청을 기각하면 그 이유를 설명할 수 있어야 하듯이 적어도 미국에서는 규정에 따라 전통적으로 사람이 그 일을 수행해 왔다. 머신러닝 모델이 더 정확해질 수도 있지만, 그 답을 설명할 수 없다면 사용할 수 없다.

대부분 알고리즘은 그 이유를 설명하지 않도록 설계되어 있다. 따라서 AI가 그렇게 결정한 이유를 알려주고 어떤 변수로 인해 환자가 종양을 가지고 있을 확률이 높아지는지 설명할 수 있게 하는 연구가 진행되고 있다. 이 문제가 해결된다면 사람들은 AI의 결과를 보았을 때 그렇게 결정한 이유를 알 수 있게 될 것이다.

이것은 AI의 발견이나 결정이 현재 적용되지 못하는 많은 영역까지 사용될 수 있다는 것을 의미한다. 이러한 투명성은 모델의 신뢰성을 더욱 높여주고 비즈니스에서 가용성도 높여줄 것이다.

관련연구자:

관련기관:

본문키워드(한글): 인공지능, 머신러닝, 데이터 과학, 데이터 과학

본문키워드(영문): AI, machine learning, Data Science, Data Science

국가: 미국

원문출판일: 2018-01-16

출처: https://enterprisersproject.com/article/2018/1/4-ai-trends-watch