AI의 미래와 궁금한 AI 용어 정리

안녕하세요~ 오늘의 한 움큼입니다.

며칠 동안 일이 좀 많아서 오랜만에 인사드립니다.

 

지난번에 적었던 AI 이야기에 덧분여 오늘은 간단하게 AI의 미래와 

궁금한 AI 용어들을 정리해 볼까 합니다.

 

 

지난해 7월, 스위스제네바에서 아주 재미있는 포럼이 있었는데요~

'선을 위한 AI(AI fir Good)'라는 주제로 AI 휴머노이드 로봇 대상 기자 회견이 있었답니다.

 

가수, 간호사, 화가 등 9개의 AI 로봇에게 AI와 인간의 미래에 대한 질문을 했는데요~

AI 로봇에게 인간의 일자리를 뺴앗은 것인지를 묻자, 

 

"기존의 어떤 직업들도 대체하지 않을 것이며, 인간의 곁에서 보조와 지원을 제공할 것"

이라고 대답을 했답니다.

 

그런데 말이죠~가수 로봇인 에스모데나는 "이 세상을 우리 놀이터로 만들자"는 야심을,

소피아는 "로봇이 인간보다 다 나은 지도자가 될 수 있다고 생각한다"라고 말했답니다.

 

어떠신가요? 터미네이터가 생각나지는 않으신지..

그 답변을 들은 제작자가 동의하지 않자, 이를 정정하기는 했답니다.^^ㅋ

 

출처 : 아이클릭아트

 

이 포럼의 주제는 인간들이 생성 AI의 출현으로 초래될 수 있는 위협에 관한 내용들에 관해 의견을 나누는 장이었는데요.

불과 1년 전에 론칭된 챗GPT로 대표되는 생성형 AI가 영화 속 현실이 우리 눈앞에 오고 있음을 느끼고 있는 장도 되었답니다.

 

매일 최신의 정보와 방대한 양의 데이터를 학습한 생성형 AI는 우리 인간이 그동안 해 왔던 '탐색'의 과정을 걷어내고 던진 질문을

마치 사람이 즉문즉답을 하고 있습니다.

이 대화의 과정을 거치면서 우리는 간혹 꽤나 깊이 있고 고급스러운 통찰과 지식을 채울 수 있게 되는데요~

 

AI가 만든 사진으로 포토그래피 어워드에서 1위를 하는가 하면, (이 사진작가는 나중에 AI로 만든 이미지임을 밝히고 수상을 거부했답니다.) 유튜브에서는 AI를 활용하여 동영상 제작 가이드라인을 제시하며, AI가 가이드라인을 준수하지 않은 동영상을 삭제할 수 있도록 하였답니다.

 

출처 : 아이클릭아트

 

앞서 말씀드렸던 사진작가의 솔직함이 없다면 어떻게 될까요?

AI로 만들어낸 창작물들과 보고서들이 세상을 누비고 다닌다면, 우리는 어떤 세상을 살고 있다고 말해야 할까요?

 

생성형 AI는 인간을 보조하고 지원 하는 정도가 되면 좋겠다는 생각이지만, 궁금증과 호기심이 많은 인간들의

욕망은 그 정도로 만족하지는 않을 겁니다.

 

약간은 무섭기도 한 애기였지만, AI보다 현명한 인간이 있다는 믿음으로 글을 마칩니다.~^^

 

다음은 AI와 관련된 용어를 정리해 드리니..

잠시 머리 식히는 10분이 되셨길 바랍니다.

 

즐거운 하루 되세요~

 

   AI 용어 정리

• API (Application Programming Interface) : API는 소프트웨어 애플리케이션들이 서로 상호 작용하기 위한 인터페이스입니다. AI사업에서는 AI 모델이나 서비스의 기능을 위부 애플리케이션과 연동하기 위해 API를 제공하는 경우가 많습니다.
• 머신러닝 (Machine Learning) : 머신 러닝은 AI의 한 분야로, 컴퓨터 시스템이 데이터를 학습하고 패턴을 인식하여 문제를 해결하거나 예측 하는 기술입니다. 머신러닝 알고리즘은 대용량의 데이터를 기반으로 모델을 학습시키고, 새로운 데이터에 대한 예측이나 분류를 수행합니다.
• 딥러닝(Deep Learning) : 딥러닝은 머신러닝의 한 분야로, 인공 신경망을 활용하여 복잡한 패턴을 학습하는 기술입니다. 딥러닝은 다층 구조의 신경망을 사용하여 이미지, 음성, 텍스트 등 다양한 데이터를 처리하고 분석하는 데에 주로 활용됩니다.
• 플러그인 (Plugin) : 플러그인은 기존 소프트웨어에 추가 기능을 제공하는 소프트웨어 모듈입니다. AI사업에서는 특정 기능이나 알고리즘을 활용하기 위해 플러그인을 개발하거나 활용하는 경우가 있습니다.
• 데이터 전처리 (Data Preprocessing) : 데이터 전처리는 머신러닝이나 딥러닝 모델에 입력될 데이터를 사전에 가공하는 과정입니다. 데이터의 정체, 변환, 스케일링 등을 수행하여 모델의 학습 및 예측 성능을 향상하는데 중요한 역할을 합니다.
• 추론 (Inference) : 추론은 학습된 AI모델을 사용하여 새로운 입력 데이터에 대한 예측이나 분류를 수행하는 과정을 말합니다. 추론은 학습된 모델을 배포하고 활용하는 단계로, 실제 운영 한경에서의 모델 활용에 중점을 둡니다.
• 지도학습 (Supervised Learning) : 지도 학습은 머신러닝의 한 유형으로, 입력 데이터와 해당 데이터의 정답(레이블)이 주어진 상태에서 모델을 학습시키는 방법입니다. 모델은 주어진 입력과 출력 사이의 관계를 학습하여 새로운 입력에 대한 정확한 출력을 예측 할 수 있습니다.
• 자연어 처리 (Natural Language Processing, NLP) : 자연어 처리는 인간의 언어를 컴퓨터가 이해하고 처리 할 수 있도록 하는 기술입니다, 텍스트분석, 문서요약 감성 분석, 기계번역 등 다양한 응용 분야에서 활용됩니다.
• 데이터 마이닝 (Data Mining) : 데이터 마이닝은 대규모 데이터에서 유용한 패턴이나 정보를 찾아내는 과정입니다, 데이터 마이닝을 통해 숨겨진 통찰력을 발견하고 예측 모델을 개발하여 비즈니스 의사 결정을 지언 할 수 있습니다.
• 메타러닝 (Meta-Learning) : 메타러닝은 기계 학습 모델이 새로운 작업을 학습하는데 도움이 되는 학습 방밥을 학습 하는것을 의미 합니다.즉, 모델이 어떻게 학습 하는지에 대한 학습을 수행 하는 것입니다.

      다음은 향후 생길 가능성이 있는 용어입니다.

• 패더러러닝 (Federated Learning) : 패더러러닝은 여러 기기나 로컬 시스템에서 분산 딘 데이터를 활용하여 중앙 집중화된 서버에 전송하지 않고 모델을 학습 하는 방법입니다. 데이터는 로컬에서 보존되면, 중앙 집중화 된 서버는 학습된 모델을 업데이는 하는 역할을 수행합니다.
• 인공 감정 (Artifical Emotion) : 인공 지능이 감정을 이해하고 표현하는 능력을 갖추게 되면, 인공 강점이라는 개념이 등장할 수 있습니다, 이는 음성 분석, 언어 처리 및 이미지 인식 등을 통해 인공지능이 감정을 인식하고, 표현하며, 이해하는 능력을 가질 수 있다는 것을 의미합니다.
• 자기 학습 (Self-supervised Learning) : 자기 학습은 레이블이 없는 대규모의 데이터에서 모델이 자동으로 특징을 추출하고 학습할 수 있는 능력을 의미 합니다. 이를 통해 모델은 레이블이 있는 데이터에 의존하지 않고도 스스로 학습 할 수 있는 능력을 갖출 수 있게 됩니다.

 

이상입니다. 오늘의 한 움큼, 오늘은왠지였습니다.!!

 

토탈 마케팅 에이전시