AI

인공 지능이란?

광의의 AI(인공 지능)란 기계 또는 시스템에서 표시하는 인간과 같은 모든 행동을 의미합니다. AI의 기본 형식에서 컴퓨터는 과거의 유사한 행동 사례를 통해 얻은 광범위한 데이터를 사용하여 인간의 행동을 ‘모방’하도록 프로그래밍됩니다. 고양이와 새의 차이를 인식하는 것부터 제조 시설에서 복잡한 활동을 수행하는 것에 이르기까지 다양합니다.

인공 지능 자세히 알아보기

딥 러닝, 전략적 사고 또는 다른 종류의 AI에서 사용 기반은 응답 시간이 매우 빨라야 하는 상황에 있습니다. AI를 활용하면 기계의 효율이 높아지고 많은 양의 데이터를 눈 깜작할 사이에 분석하여 지도형 학습, 비지도형 학습, 강화 학습 등을 통해 문제를 해결할 수 있습니다.

 

AI 초기 상황

초기 형태의 AI는 컴퓨터가 인간을 상대로 체스와 같은 게임을 하도록 지원하는 것이었지만, 이제 AI는 우리 일상 생활의 일부가 되었습니다. 품질 관리, 동영상 분석, 음성 문자 변환(자연어 처리), 자율 주행뿐 아니라 의료, 제조, 금융 서비스, 엔터테인먼트 분야의 솔루션에서도 AI 솔루션을 사용합니다.

관련 HPE 솔루션, 제품 또는 서비스

비즈니스 및 조직을 위한 강력한 툴

인공 지능은 상당한 양의 데이터를 생성하는 대기업과 고객과의 통화를 더 효과적으로 처리해야 하는 소기업 모두에게 아주 강력한 툴이 될 수 있습니다. AI의 이점은 비즈니스 프로세서 간소화, 작업 완료 속도 향상, 작업자 오류 제거를 포함하여 매우 많습니다.

 

 

엣지에서의 AI

HPE는 엣지에서 데이터를 활용하고 인사이트를 확보함으로써 AI의 새로운 개척 분야를 선도합니다. 데이터의 가치를 더 빨리 실현하고 혁신, 성장, 성공을 위해 제한 없이 기회를 활용하는 데 도움이 되도록 자동화, 예측, 제어를 위한 실시간 분석 AI로 성공을 지원합니다.

인공 지능의 역사 요약

1949년 전에 컴퓨터는 명령을 수행할 수 있었지만 명령을 저장하지 못했기 때문에 수행한 내용을 기억할 수 없었습니다. 1950년 Alan Turing은 논문 “Computing Machinery and Intelligence”에서 지능형 시스템을 구축하고 지능을 테스트하는 방법을 설명했습니다. 5년 후 DSPRAI(Dartmouth Summer Research Project on Artificial Intelligence)에서 첫 번째 AI 프로그램이 발표되었습니다. 이 이벤트는 이후 수십 년 동안 AI 연구를 촉진하는 역할을 했습니다.

컴퓨터는 1957~1974년 사이에 속도, 가격, 접근성이 향상되었습니다. 기계 학습 알고리즘이 개선되고 1970년 DSPRAI의 호스트 중 한 명이 Life Magazine과의 인터뷰에서 앞으로 3~8년 후 평균적인 인간의 일반적인 지능을 갖춘 시스템이 등장할 것이라고 밝혔습니다. 컴퓨터의 성공에도 불구하고 정보를 효율적으로 저장하고 신속하게 처리할 수 없기 때문에 다음 10년간 인공 지능을 추진하는 데 장애가 되었습니다.

AI는 1980년대 알고리즘 툴킷과 전용 자금이 확대되어 다시 등장했습니다. John Hopefield와 David Rumelhart는 컴퓨터가 경험을 통해 학습하는 ‘딥 러닝’ 기술을 소개했습니다. Edward Feigenbaum은 인간의 의사 결정을 모방하는 ‘전문가 시스템’을 소개했습니다. 정부 자금과 대중의 인지도가 부족했음에도 AI는 이후 20년 동안 성공하고 관련된 여러 주요 목표를 달성했습니다. 1997년 체스 세계 챔피언이자 그랜드마스터인 Gary Kasparov는 IBM의 체스 컴퓨터 프로그램인 Deep Blue에 패했습니다. 같은 해 Dragon Systems에서 개발한 음성 인식 소프트웨어가 Windows에 구현되었습니다. 또한 Cynthia Breazeal은 감정을 인식하고 표현할 수 있는 로봇 Kismet을 개발했습니다.

2016년 Google의 AlphaGo 프로그램은 이세돌 프로 바둑 기사를 상대로 승리했으며, 2017년 포커하는 슈퍼컴퓨터 Libratus는 인간 챔피언들을 상대로 승리했습니다.

 

인공 지능 유형

인공 지능은 크게 두 가지 카테고리로 분류합니다. 기능에 기반한 AI와 역량에 기반한 AI입니다.

 

기능 기반

  • Reactive Machine – 이 AI는 메모리 성능이 없으며 과거 행동을 통해 학습하는 능력이 없습니다. IBM의 Deep Blue는 이 카테고리에 속합니다.
  • Limited Theory – 메모리가 추가된 이 AI는 과거 정보를 활용하여 더 나은 결정을 합니다. GPS 위치 앱과 같은 애플리케이션이 이 카테고리에 속합니다.
  • Theory of Mind – 이 AI는 인간의 사고를 깊이 있게 이해하는 것을 목표로 지금도 개발 중입니다.
  • Self-Aware AI – 인간의 감정을 이해하고 감정을 불러일으키며 자체 감정도 보유한 AI는 아직 가설 단계입니다.

역량 기반

  • ANI(Artificial Narrow Intelligence) – 좁게 정의되어 프로그래밍된 작업을 수행하는 시스템입니다. 이 AI는 반응형 메모리와 제한된 메모리를 함께 사용합니다. 현재 AI 애플리케이션 대부분은 이 카테고리에 속합니다.
  • AGI(Artificial General Intelligence) – 이 AI는 인간처럼 교육, 학습, 이해, 수행하는 것이 가능합니다.
  • ASI(Artificial Super Intelligence) – 이 AI는 우수한 데이터 처리, 메모리, 의사 결정 능력 등으로 인간보다 작업 수행 능력이 뛰어납니다. 현재 존재하는 실제 사례는 없습니다.

 

AI와 기계 학습, 딥 러닝 사이의 관계

인공 지능은 기계에서 인간의 지능을 시뮬레이션하는 컴퓨터 과학의 한 분야입니다. AI 시스템은  기계 학습, 딥 러닝 과 같은 기술을 사용하여 알고리즘을 바탕으로 ‘지능적’인 행동을 보여줍니다.

 

기계 학습

컴퓨터는 소프트웨어가 이전의 결과 내용을 바탕으로 향후 전개될 시나리오를 성공적으로 예측하고 이에 대응하면서 ‘학습’합니다. 기계 학습은 컴퓨터가 패턴 인식 작업을 개발하는 프로세스 또는 특정 프로그래밍 없이도 컴퓨터가 지속적으로 학습하고 데이터를 기반으로 예측하여 필요한 작업을 수행하는 능력을 의미합니다.  인공 지능의 한 형태인 기계 학습은 분석 모델 빌딩 프로세스를 효과적으로 자동화하고 시스템이 독립적으로 새로운 시나리오에 적응할 수 있도록 합니다.

기계 학습 모델을 구축하는 4단계는 다음과 같습니다.
1. 문제 해결에 필요한 교육 데이터 세트를 선택하고 준비합니다. 이 데이터는 라벨이 있거나 없을 수 있습니다.
2. 교육 데이터에서 실행할 알고리즘을 선택합니다.

  • 데이터에 라벨이 있는 경우 알고리즘은 회귀, 의사 결정 나무 또는 인스턴스 기반일 수 있습니다.
  • 데이터에 라벨이 없는 경우 알고리즘은 클러스터링 알고리즘, 연합 알고리즘 또는 신경망일 수 있습니다.

3. 알고리즘 교육을 통해 모델을 구축합니다.
4. 모델을 사용하고 개선합니다.

기계 학습의 세 가지 방법은 다음과 같습니다. ‘지도형’ 학습은 라벨 데이터를 사용하며 교육이 더 적게 필요합니다. ‘비지도형’ 학습은 패턴과 관계를 식별하여 라벨 없는 데이터를 분류하는 데 사용됩니다. ‘준지도형’ 학습은 소규모 라벨 데이터 세트를 사용하여 더 큰 규모의 라벨 없는 데이터 세트의 분류를 안내합니다.

 

딥 러닝

딥 러닝은 기계 학습의 하위 집합으로, 기존의 일부 기계 학습 방식보다 월등히 뛰어난 성능을 보였습니다.  딥 러닝은 인간의 뇌 활동에 대한 HPE의 연구 내용에서 영감을 받은 다중 계층 인공 신경망과 데이터 및 컴퓨팅 집약적 트레이닝 방식을 결합합니다. 이 방식은 점차 우수한 능력을 나타내며 이미지 및 언어 인식과 자연 언어 프로세싱 등의 다양한 영역에서 인간의 능력을 넘어서기 시작했습니다.

딥 러닝 모델은 많은 양의 데이터를 처리하며, 일반적으로 비지도형 또는 준지도형입니다.

 

최신 AI 애플리케이션으로 데이터를 통해 효율성을 높이고 경쟁 우위 확보

수백 년간의 이론화, 수십 년간의 연구, 수년간의 광고 이후 인공 지능은 마침내 엔터프라이즈로 진출했으며 이제 보편적인 기능이 될 것입니다. 최근 업계 설문 조사에서 응답자의 50%는 AI 이니셔티브를 구축했거나 개념 증명 단계에 있거나 내년 안으로 구축할 계획이 있다고 답했습니다.%EC%97%94%ED%84%B0%ED%94%84%EB%9D%BC%EC%9D%B4%EC%A6%88%20AI%20%EA%B0%80%EC%9D%B4%EB%93%9C%3A%20%EC%82%AC%EC%9A%A9%20%EC%82%AC%EB%A1%80%20%EB%B0%8F%20%EB%8F%84%EC%9E%85%EC%9D%84%20%EB%B0%A9%ED%95%B4%ED%95%98%EB%8A%94%20%EC%A3%BC%EC%9A%94%20%EC%9E%A5%EC%95%A0%20%EC%9A%94%EC%9D%B8%20%EA%B7%B9%EB%B3%B5%2C%20451%20Research%20Pathfinder%20Report%2C%202019%EB%85%84%207%EC%9B%94.

 

엔터프라이즈 AI의 속도가 점점 더 빨라지는 이유

알고리즘 분야의 최신 발전, 디지털 데이터 세트의 확산, 컴퓨팅의 발달(처리 능력 향상과 가격 하락 포함)이 엔터프라이즈를 지원하는 새로운 AI 기술을 육성하고 있습니다. 거의 모든 조직은 데이터 자산이 끊임없이 증가하고 있으며, AI는 이러한 리소스를 적절한 규모로 분석할 수단을 제공합니다.

또한 AI는 디지털 트랜스포메이션 절차에서 엔터프라이즈의 핵심 요소가 됩니다. AI는 다양한 용도의 기술로서 고객 서비스 운영과 물리적 시스템 및 사이버 보안 시스템부터 R&D 기능과 비즈니스 분석 절차에 이르기까지 거의 모든 비즈니스 프로세스에서 효율성 및 인사이트 강화 효과를 제공합니다.

 

AI 관련 최신 애플리케이션

AI는 정답의 형태를 정의할 수 있지만 그 정보를 얻는 방법을 정의할 수 없을 때 데이터에서 의미를 추출할 수 있는 고유한 기능을 가지고 있습니다. AI는 인간의 능력을 증폭하고 기하급수적으로 증가하는 데이터를 인사이트, 행동, 가치로 전환할 수 있습니다.

오늘날 AI는 의료, 제조, 정부를 포함한 산업 분야 전반의 다양한 애플리케이션에서 사용됩니다. 몇 가지 사용 사례는 다음과 같습니다.

  • 예방적 유지관리 및 품질 제어로 IT/OT용 개방형 프레임워크를 통해 생산, 제조, 소매업을 개선합니다. 통합 솔루션은 최상의 유지관리 결정을 제시하고, 엔터프라이즈 AI 기반 컴퓨터 비전 기술을 구현하여 품질 제어 절차를 개선합니다.
  • 음성 및 언어 처리는 구조화되지 않은 오디오 데이터를 인사이트와 인텔리전스로 전환합니다. 자연어 처리, 음성 문자 변환 분석, 생체 검색 또는 실시간 통화 모니터링을 적용하여 기계의 구어체 및 문어체 이해도를 자동화합니다.
  • 동영상 분석 및 감시는 동영상을 자동으로 분석하여 이벤트를 감지하고, ID/환경/사람을 식별하고, 운영 인사이트를 확보합니다. 광범위한 워크로드 및 운영 조건에서 엣지 투 코어 동영상 분석 시스템을 사용합니다.
  • 고도의 자율 주행 은 스케일아웃 데이터 처리 플랫폼을 바탕으로 구축되어 개발자가 오픈 소스 서비스, 기계 학습, 딥 러닝 신경망에 맞게 조정된 최적의 HAD(고도의 자율 주행) 솔루션을 구축하도록 지원합니다.

 

적절한 AI 파트너를 찾는 가치

엔터프라이즈 AI 여정 계획에서 중요한 부분 중 하나는 조직의 AI 여정 단계를 이해하고, 단기 및 장기 목표 달성에 필요한 방향으로 지원할 수 있는 파트너를 찾는 것입니다.

적절한 파트너는 엔터프라이즈 전반에서 데이터의 가치를 활용하여 비즈니스 전환과 성장을 촉진하는 데 도움이 됩니다. 다음 내용을 지원하는 파트너를 찾아보십시오.

  • 복잡성을 줄이고 기존 인프라와의 통합을 지원하는 엔드 투 엔드 솔루션
  • 자문 및 전문가 서비스
  • 팀 위치, 액세스 요구 사항, 보안, 비용 제약 등을 고려한 온프레미스, 클라우드 및 하이브리드 운영
  • 현재 및 향후 필요에 따라 확장 가능한 시스템
  • 업계별 솔루션을 확보하고 지식을 갖춘 파트너 에코시스템

 

규모와 상관없이 온디맨드 인사이트를 제공하는 HPE AI

비즈니스를 전환하려면 사전 제어, 유지보수 예측, 자율 처리, 게임의 규칙을 바꾸는 인사이트 등을 위한 실시간 분석 AI가 필요합니다. 인텔리전트 엣지의 AI를 통해 기업은 데이터의 가치를 더 빨리 실현하고, 혁신과 성장을 위한 기회를 제한 없이 확보할 수 있습니다.

HPE는 조직과 함께 AI의 새로운 개척 분야에서 데이터의 성능을 완전히 활용하는 동시에 엣지에서 필요한 시기, 장소, 방법에 따라 인사이트를 활용합니다.

 

AI에서 HPE를 선택해야 하는 이유

 AI 파트너로 HPE를 통해 고객은 다음을 활용할 수 있습니다.

 

AI 기술 리더십과 혁신

HPE의 성과 기반 솔루션은 AI용으로 구축되고, 인텔리전트 엣지에 적합하게 특수 목적으로 설계되었습니다.

 

AI 전문 지식

깊이 있는 전문 지식과 검증된 경험을 바탕으로 구축된 서비스 및 구축 모델은 다음과 같습니다.

 

AI 경쟁 우위

HPE의 강점으로 다음과 같은 고객의 비즈니스 이점이 증가합니다.

  • 자동화, 예측, 제어에 실시간 분석을 활용하는 엣지에서의 생활
  • 엣지 적용으로 새로운 가치, 비즈니스 기회, 모델, 고객 경험 창출
  • IT 및 OT(운영 기술) 파트너십으로 효율성이 향상되어 인사이트 확보 시간 단축

 

여러 산업 분야를 아우르는 HPE AI

HPE AI는 모든 산업 분야의 기업이 특수 목적의 기술로 엣지 인사이트를 활용하는 데 도움이 됩니다. 조직은 연결성, 자율성, 대량 데이터 관리, 시간에 민감한 이벤트 등에 엣지에서의 AI를 지원합니다. 병원과 실험실, 창고부터 엔터프라이즈까지 사용 사례에 NLP(자연어 처리), 동영상 분석, QA(품질 보증), 감시, 보안뿐 아니라 고객의 감정도 포함됩니다.

의료 및 생명 과학 분야의 조직은 HPE AI를 활용하여 의료 인사이트를 확보하고 엣지에서 새로운 수준의 치료를 제공합니다. 사용 사례는 웨어러블 상태 모니터링 및 맞춤형 의료부터 의약 및 연결된 의료 서비스에 이르기까지 다양합니다. 또한 엣지에서 AI는 의료 연구 및 과학 분야의 혁신을 위한 분산형 검색 및 기타 애플리케이션의 SWARM 학습에서도 사용됩니다.

제조업에서 HPE AI는 엣지에서의 생산성과 OEE(전체 장비 효율)를 높이는 데 도움이 됩니다. 사용 사례에 지능형 운영, 자산 예측 분석, 공급망 내 절차, AI 시뮬레이션 등이 포함됩니다.