인공지능

인공지능(AI)은 동적 컴퓨팅 환경에 구축된 알고리즘의 생성과 적용을 통해 인간의 지능 프로세스를 모방하는 기반이다. 간단히 말해서, AI는 컴퓨터가 사람처럼 생각하고 행동하게 하려고 노력하고 있다.
1. 인공지능은 어떻게 생겨났을까?
적어도 기원전 1세기 이후 인간은 인간의 뇌를 모방하는 기계를 만들 가능성에 흥미를 느꼈다. 현대에 인공지능이란 용어는 1955년 존 매카시에 의해 만들어졌다. 1956년 매카시 등은 ‘인공지능에 관한 다트머스 여름 연구 프로젝트’라는 제목의 콘퍼런스를 조직했다. 이러한 시작은 머신러닝, 딥러닝, 예측 분석의 창안, 그리고 이제 규범적 분석으로 이어졌다. 그것은 또한 완전히 새로운 연구 분야인 데이터 과학을 낳았다.
2. 왜 인공지능이 중요한가?
오늘날, 인간과 기계 둘 다에 의해 생성되는 데이터의 양은 그 데이터에 기초하여 복잡한 결정을 내리고 흡수하는 인간의 능력을 훨씬 능가한다. 인공지능은 모든 컴퓨터 학습의 기초를 형성하며 모든 복잡한 의사 결정의 미래다. 일례로 대부분의 인간은 25만5168개의 독특한 동작이 있음에도 불구하고 틱택토(무승부·크로스)에서 지지 않는 방법을 알아낼 수 있으며, 그 중 4만6080개는 무승부로 끝난다. 500 x 1018 또는 500조 이상의 서로 다른 잠재적 움직임을 가진 체커의 그랜드 챔피언으로 간주되는 사람은 훨씬 적을 것이다. 컴퓨터는 최선의 결정에 도달하기 위해 이러한 조합과 순열을 계산하는 데 매우 효율적이다. AI(및 머신러닝의 논리적 진화)와 딥러닝은 비즈니스 의사 결정의 기본적 미래다. AI의 적용은 금융서비스 사기 적발, 소매구매 예측, 온라인 고객지원 상호작용 등 일상적인 시나리오에서 확인할 수 있다. 여기 몇 가지 예가 있다. 사기 탐지. 금융서비스업계는 두 가지 방법으로 인공지능을 활용한다. 신용대출 신청서 초기 채점은 신용도를 파악하기 위해 AI를 이용한다. 사기 결제 카드 거래를 실시간으로 모니터링하고 탐지하기 위해 첨단 AI 엔진을 채용한다. 가상 고객 지원(VCA) 콜 센터는 VCA를 사용하여 인적 상호 작용 이외의 고객 문의를 예측하고 이에 대응한다. 음성 인식은 모의 인간 대화와 결합되어 고객 서비스 문의에서 첫 번째 상호작용 지점이다. 더 높은 수준의 문의는 인간에게 전달된다. 채팅(챗봇)을 통해 웹페이지에서 대화를 시작하면 전문 AI를 실행하는 컴퓨터와 상호작용하는 경우가 많다. 챗봇이 문제를 해석하거나 해결할 수 없으면 사람이 개입해 사람과 직접 소통한다. 이러한 비해석적 인스턴스들은 기계 학습 계산 시스템에 공급되어 향후 상호작용을 위한 AI 응용을 개선한다. 하이브리드 클라우드를 위한 데이터 권위자로서 NetApp은 데이터의 액세스, 관리 및 제어의 가치를 이해하고 있다. NetApp® 데이터 패브릭은 에지 장치, 데이터 센터 및 여러 하이퍼스케일 클라우드에 걸쳐 있는 유니파이드 데이터 관리 환경을 제공한다. 모든 규모의 조직에서 데이터 패브릭을 통해 중요 애플리케이션을 가속화하고, 데이터 가시성을 확보하며, 데이터 보호를 간소화하고, 운영 민첩성을 높일 수 있다. ONTAP® 소프트웨어를 사용하면 사내 및 하이브리드 클라우드 모두에서 AI 및 딥러닝을 할 수 있다. AFF All-Flash 시스템은 AI 및 딥러닝 워크로드를 가속화하고 성능 병목 현상을 제거한다. ONTAP Select 소프트웨어를 사용하면 IoT 장치 및 집계 지점을 사용하여 에지에서 데이터를 효율적으로 수집할 수 있다.
클라우드 볼륨(Cloud Volumes)은 새로운 프로젝트를 신속하게 프로토타입화하고 AI 데이터를 클라우드 내외로 이동하는 기능을 제공하는 데 사용할 수 있다. 또 NetApp은 자체 제품과 서비스에 빅데이터 분석과 인공지능을 접목하기 시작했다. 예를 들어 Active IQ®는 수십억 개의 데이터 포인트, 예측 분석 및 강력한 시스템 학습을 사용하여 복잡한 IT 환경에 대한 사전 예방적 고객 지원 권장 사항을 제공하므로 액티브 아이큐(Active IQ)는 고객이 다양한 사용 사례에 맞는 AI 솔루션을 구축하기 위해 사용하는 동일한 NetApp 제품과 기술을 사용하여 구축한 하이브리드 클라우드 애플리케이션이다. 과거 인공지능(AI)은 2001년 HAL:A Space Odyssey 등 영화에 등장하는 사고기계가 설정한 고상한 기대에 부응하지 못했다. 대신 기술은 ‘하이프 사이클’을 반복적으로 올라섰을 뿐 ‘절망의 나무’에 빠졌다. 이것은 케임브리지 컨설턴트사의 기계학습 담당 이사인 몬티 바를로우와의 인터뷰 1부인데, 그는 왜 이 시간이 다른지, 그리고 왜 돌아갈 수 없는지를 밝힌다. 케임브리지 컨설턴트에서 우리는 몇 번의 과대 광고와 실망의 사이클을 거치며 살아갈 만큼 충분히 오랫동안 AI를 해 왔다. 1990년대는 AI를 둘러싼 흥분의 시기였다. 당시 AI는 의사결정 지원, 퍼지 논리, 전문가 시스템 등을 의미했다. 그 후, AI가 그것의 겨울들 중 하나에 들어갔고, 사람들은 그 용어를 사용하는 것을 중단했고, 회사들은 흥미를 잃었다. 우리는 여전히 모든 종류의 것들을 위한 지능적인 시스템을 만들고 있었지만, 그것을 AI라고 부르지는 않았다. 2006년을 전후로 GPU 신기술 출시, 인터넷 데이터 증가, 새로운 알고리즘 도입 등으로 정서가 전환되기 시작했다. 오늘날, 딥러닝과 그것을 가능하게 하는 신경망은 무서운 속도로 확장되고 있다. 각각의 진보는 상상할 수 없는 것을 현실로 만드는 기초를 다지고 있다. 우리는 지금까지 모든 시장에서 이렇게 관련성이 높은 기술을 본 적이 없다. 특히 딥러닝과 함께 AI가 빠르게 발전하기 시작했기 때문에, 우리는 고객이 파괴적인 솔루션을 만들 수 있도록 우리가 독자적인 연구를 해야 한다는 것을 알았다. 그때 우리는 머신러닝 접근법을 발견, 개발, 테스트하는 데 전념하는 연구소를 세우기로 했다. 우리는 그것을 디지털 온실이라고 부른다. 고객이 AI를 통해 혁신할 수 있도록 어떻게 지원하고 있는가? 한 가지 예는 구식 기계 비전이 더 똑똑하고 깊은 학습으로 대체되고 있는 산업 어플리케이션에서이다. 자동차 제조업체들이 자율주행차 개발에 활용하고 있다. 의료 사업자들은 암 검진을 개선하고 예방적 관리를 더 잘 제공하기 위해 AI를 이용한다. 제조회사들은 기계 유지보수와 QA 테스트에 AI를 사용한다. 에너지 기업들은 자원 탐사와 효율을 위해 그것을 사용한다. 그리고 그 목록은 계속된다. 우리가 고객들과 함께 하는 일은 매우 기밀이다. 경쟁우위를 확보하기 위해 AI를 배치하고 있어 구체적인 내용은 논의할 수 없다. 그래서 빈센트를 만든 거야TM AI 아티스트. 빈센트 AI 시스템은 무엇이며 어떻게 작동하는가? 딥러닝의 가능성을 보여주기 위해 빈센트라는 인터랙티브 시스템을 개발했다. 우리는 불가능하다고 생각했던 일에서 출발했다. 간단한 스케치를 명인이 창조할 수 있는 예술 작품으로 바꾸도록 하는 기계였다. 빈센트와 함께, 모든 연령과 배경을 가진 사람들은 단지 몇 년 전만 해도 상상할 수 없었던 그들의 기대치를 혼란스럽게 하는 기술, 즉 기술을 가지고 놀게 된다. 빈센트는 반 고흐, 세잔, 피카소, 그리고 많은 다른 작품들로부터 수천 점의 걸작들을 접하면서 배웠다. 훈련 기간 동안 복수의 생성적 적대적 네트워크들이 경쟁하여 빈센트가 이러한 거장들로부터 영감을 받아 신뢰할 수 있는 예술 작품을 제작할 수 있도록 알고리즘을 조율하였다.

인공지능