AI는 제조 산업, 의료, 우주 탐사 등 많은 산업에 혁명을 일으킬 수 있는 기술입니다. 결과적으로 AI는 빠른 속도로 성장하고 인기가 높아지고 있습니다. AI의 인기 증가로 인해 많은 기업들이 로봇과 자동화된 자동차 같은 다양한 AI 애플리케이션의 개발과 연구에 투자하도록 자극되고 있습니다.
그러나 AI는 여전히 몇 가지 과제를 안고 있습니다. 다음은 베트남 IT 기업들이 AI를 구현할 때 직면하는 일반적인 과제들입니다.
대부분 알고 계시다시피, AI 시스템은 고품질 데이터를 활용하여 구동되고 개발됩니다. 따라서 정확한 데이터 수집과 품질 관리의 어려움, 그리고 데이터 레이블링의 비용은 전 세계 모든 AI 비즈니스에 있어 가장 어려운 측면입니다. 예를 들어, Vinfast는 베트남의 주요 AI 애플리케이션 회사입니다. Vinfast는 베트남의 유일한 자율 주행 자동차 연구 및 개발 센터입니다. Vinfast는 다양한 시간과 날씨 상황에서 거리를 다니며 사진을 찍을 수 있는 많은 자동차들을 구성하기 위해 상당한 시간과 자금을 투자했습니다.
Rikkei AI 부대표이사 Nguyen Minh Tan에 따르면
“AI 제품은 많은 다양한 요소들의 종합이며, 데이터는 필수 구성 요소 중 하나입니다. 통계에 따르면 AI 제품 개발 시간의 최대 80%가 데이터 관련 처리에 소비됩니다.”
또한 AI를 훈련시키는 것은 아이를 교육하는 것과 유사합니다. 올바른 데이터를 사용하여 AI를 훈련시키면 AI는 성공적으로 학습할 수 있습니다. 반대로, 부정확한 데이터로 AI를 가르치면 잘못된 방식으로 학습합니다. 또한 이질적 데이터가 부정확한 시점에 사용되면 AI는 혼동합니다. 따라서 AI에 대한 데이터 수집 및 훈련의 개인정보 보호 및 보안에 주의를 기울여야 합니다. 훈련을 위해 적절하게 활용되는 데이터가 많을수록 AI는 더 똑똑해지고 더 정확하게 인식할 수 있습니다.
.png)
이것은 AI에서 가장 중요한 과제 중 하나이며, 기업과 스타트업의 AI 서비스와 관련해 연구자들을 계속 긴장하게 만드는 문제입니다. 이러한 기업들은 90% 이상의 정확도를 자랑할 수 있지만, 인간은 이 모든 시나리오에서 더 잘할 수 있습니다. 예를 들어 이미지가 개인지 고양이인지 예측하는 모델을 생각해 보겠습니다. 인간은 거의 매번 올바른 출력을 예측할 수 있으며, 99% 이상의 놀라운 정확도를 달성합니다.
심층 학습 모델이 유사한 성능을 수행하려면 전례 없는 미세 조정, 하이퍼파라미터 최적화, 대규모 데이터세트, 명확하고 정확한 알고리즘, 강력한 컴퓨팅 성능, 훈련 데이터에 대한 방해 없는 훈련, 그리고 테스트 데이터에 대한 테스트가 필요합니다. 이는 많은 작업처럼 들리며, 실제로는 들리는 것보다 백 배 이상 어렵습니다.
AI 기업은 사전 훈련된 모델을 사용하여 특정 심층 학습 모델을 훈련시키기 위해 서비스 제공자를 사용함으로써 모든 어려운 작업을 피할 수 있습니다. 이들은 수백만 개의 이미지로 훈련되었으며 최대 정확도를 위해 미세 조정되었지만, 실제 문제는 이들이 계속 오류를 표시하며 인간 수준의 성능에 도달하기 위해 정말 고전할 것이라는 점입니다.
전력 소모가 큰 이러한 알고리즘의 전력 사용량은 상당수 개발자가 도입을 주저하게 만드는 요인입니다. 기계 학습과 심층 학습은 이 AI의 디딤돌이며, 효율적으로 작동하기 위해 코어와 GPU의 수가 계속 증가해야 합니다. 소행성 추적, 의료 배포, 우주 천체 추적 등 심층 학습 프레임워크를 구현할 수 있는 아이디어와 지식이 있는 다양한 영역이 있습니다.
이들은 슈퍼컴퓨터의 컴퓨팅 성능이 필요하며, 맞습니다. 슈퍼컴퓨터는 저렴하지 않습니다. 클라우드 컴퓨팅과 병렬 처리 시스템의 이용 가능성으로 인해 개발자들이 AI 시스템 작업을 더 효율적으로 수행할 수 있게 되었지만, 여기에도 비용이 따릅니다. 전례 없는 양의 데이터 유입의 증가와 빠르게 증가하는 복잡한 알고리즘으로 인해 모든 사람이 그것을 감당할 수 있는 것은 아닙니다.
결론
기업은 AI에 익숙해져야 하며, 이는 AI가 어떻게 작동하는지 이해하는 데 도움이 될 것입니다. AI를 비즈니스에 구현하면 여러 과제가 있을 수 있다는 점을 부인할 수 없으며, 비즈니스를 위한 AI 전략을 만들 때 이러한 과제를 알아채기 시작합니다. 그러나 단계별 전략적 접근 방식을 채택하면 AI 구현 프로세스를 일정한 수준까지 단순화할 수 있습니다.
기술 지식에 대해 더 알아보는 데 관심이 있으시면 Rikkeisoft 블로그의 새 소식에 계속 관심 가져 주시기 바랍니다.
