인공지능, 가트너 하이프 사이클 정점에 있어
2023년 가트너 하이프 사이클에서 인공지능(AI)의 새로운 혁신을 다음과 같이 요약:
AI 혁신과 기술: 2023년 가트너 하이프 사이클은 AI의 혁신과 기술을 식별하며, 이들은 상당한 혜택을 제공하고 시스템의 한계와 위험을 해결함. AI 전략은 투자에 대한 가장 신빙성 있는 사례를 고려해야.
주목할 혁신: 특히 생성적 AI와 의사결정 인텔리전스가 주목할 만하다고 언급. 이러한 혁신의 조기 채택은 경쟁 우위를 가져오고 비즈니스 프로세스 내 AI 모델 사용과 관련된 문제를 완화할 수 있음.
생성적 AI의 영향: 생성적 AI는 개발자와 지식 근로자의 생산성을 실질적으로 향상시켰으며, 이는 조직과 산업이 비즈니스 프로세스와 인적 자원의 가치를 재고하게 만들었음. 이로 인해 생성적 AI는 하이프 사이클의 기대치 정점에 도달.
생성형 AI에 의해 촉진되는 혁신과 생성적 AI를 촉진하는 혁신을 구분해서 소개
생성형AI에 의해 '촉진될' 혁신
인공 일반 지능 (AGI): 현재는 가설적인 개념으로, 인간이 수행할 수 있는 모든 지적 작업을 수행할 수 있는 기계의 지능을 의미.
AI 엔지니어링: 기업 규모의 AI 솔루션 제공을 위한 기초 분야로, 일관된 기업 개발, 전달, 운영 AI 기반 시스템을 창출.
자율 시스템: 자율성, 학습, 대리성의 세 가지 기본 특성을 나타내는 도메인 제한 작업을 수행하는 자체 관리 물리적 또는 소프트웨어 시스템.
클라우드 AI 서비스: AI 모델 구축 도구, 사전 구축된 서비스를 위한 API 및 클라우드 서비스로 실행되는 기계 학습(ML) 모델 구축/훈련, 배포 및 소비를 가능하게 하는 관련 미들웨어를 제공.
복합 AI: 다양한 AI 기술의 결합된 적용(또는 융합)으로, 학습 효율성을 향상시키고 지식 표현 수준을 넓혀 더 효과적으로 다양한 비즈니스 문제를 해결.
컴퓨터 비전: 실제 세계의 이미지와 비디오를 캡처, 처리 및 분석하여 물리적 세계에서 의미 있는, 맥락적 정보를 추출하는 기술 세트.
데이터 중심 AI: 훈련 데이터를 향상시키고 풍부하게 하여 더 나은 AI 결과를 이끌어내는 접근 방식으로, 데이터 품질, 개인 정보 보호 및 확장성을 다룸.
엣지 AI: 비 IT 제품, IoT 엔드포인트, 게이트웨이 및 엣지 서버에 내장된 AI 기술 사용을 의미. 자율 주행 차량, 의료 진단의 향상된 기능, 스트리밍 비디오 분석 등 소비자, 상업 및 산업 애플리케이션에 대한 사용 사례를 포함.
지능형 애플리케이션: 사람과 기계에 자율적으로 응답하기 위해 학습된 적응을 활용.
모델 운영화 (ModelOps): 고급 분석, AI 및 의사결정 모델의 전체 거버넌스 및 수명 주기 관리에 주로 초점을 맞춤.
운영 AI 시스템 (OAISys): 생산 준비 및 기업급 AI, ML, DNN 및 생성 AI의 조정, 자동화 및 확장을 가능케 함.
프롬프트 엔지니어링: 생성 AI 모델에 텍스트 또는 이미지 형태의 입력을 제공하여 모델이 생성할 수 있는 응답 세트를 지정하고 제한하는 분야.
스마트 로봇: 종종 이동 가능하며 하나 이상의 물리적 작업을 자율적으로 수행하도록 설계된 AI 기반 기계.
합성 데이터: 실제 세계의 직접 관찰에서 얻은 것이 아니라 인공적으로 생성된 데이터 클래스.
생성형AI 발전을 '촉진할' 혁신
AI 시뮬레이션: AI와 시뮬레이션 기술의 결합된 적용으로, AI 에이전트와 그들이 훈련, 테스트, 때로는 배포될 수 있는 시뮬레이션 환경을 공동으로 개발.
AI 신뢰, 위험 및 보안 관리 (AI TRiSM): AI 모델 거버넌스, 신뢰성, 공정성, 신뢰도, 견고성, 효과성 및 데이터 보호를 보장.
인과 AI: 상관관계 기반 예측 모델을 넘어서 원인과 결과의 관계를 식별하고 활용하여 보다 효과적으로 행동을 처방하고 더 자율적으로 행동할 수 있는 AI 시스템을 개발.
데이터 라벨링 및 주석 (DL&A): 데이터 자산을 더 분류, 세분화, 주석 처리 및 증강하여 분석 및 AI 프로젝트를 위한 데이터를 풍부하게 하는 과정.
원리 기반 AI (FPAI) (물리 정보 AI로도 알려짐): 물리적 및 아날로그 원리, 지배 법칙 및 도메인 지식을 AI 모델에 통합. FPAI는 AI 엔지니어링을 복잡한 시스템 엔지니어링 및 모델 기반 시스템으로 확장.
기초 모델: 자기 감독 방식으로 광범위한 데이터셋에 대해 훈련된 대규모 매개변수 모델.
지식 그래프: 물리적 및 디지털 세계의 기계 판독 가능한 표현. 여기에는 개체(사람, 회사, 디지털 자산)와 그들의 관계가 포함되며, 그래프 데이터 모델을 준수.
다중 에이전트 시스템 (MAS): 환경을 인식하고 행동을 취할 수 있는 여러 독립적이지만 상호 작용하는 에이전트로 구성된 AI 시스템 유형. 에이전트는 AI 모델, 소프트웨어 프로그램, 로봇 및 기타 계산 엔티티일 수 있음.
신경기호 AI: 기계 학습 방법과 기호 시스템을 결합하여 보다 견고하고 신뢰할 수 있는 AI 모델을 생성하는 복합 AI의 한 형태. 보다 효과적으로 더 넓은 범위의 비즈니스 문제를 해결하기 위한 추론 인프라를 제공.
책임 있는 AI: AI 채택 시 적절한 비즈니스 및 윤리적 선택을 하는 것에 대한 우산 용어. 긍정적이고 책임감 있으며 윤리적인 AI 개발 및 운영을 보장하는 조직 책임 및 관행을 포함.
