비즈니스에서 AI에 대한 과대 광고를 믿지 마십시오
게시 됨: 2018-03-25AI 시스템이 이제 게임을 배우고 몇 시간 안에 챔피언을 이길 수 있지만 비즈니스 응용 프로그램에 적용하기 어렵습니다.
Duke 교수 Dan Ariely의 핵심을 빌리자면 인공 지능은 십대 섹스와 같습니다.
"모두가 그것에 대해 이야기하고, 아무도 그것을 하는 방법을 정말로 모르고, 모두가 다른 사람들이 하고 있다고 생각하기 때문에 모두가 자신이 하고 있다고 주장합니다."
AI 시스템은 이제 몇 시간 안에 게임을 배우고 챔피언을 이길 수 있지만 비즈니스 응용 프로그램에 적용하기는 어렵습니다.
MIT 슬론 매니지먼트 리뷰(MIT Sloan Management Review)와 보스턴 컨설팅 그룹(Boston Consulting Group)은 3,000명의 기업 경영진을 대상으로 설문조사를 실시한 결과 , 그들 중 85%가 AI가 기업에 경쟁 우위를 제공할 것이라고 믿었지만 20명 중 1명만이 AI를 오퍼링이나 프로세스에 "광범위하게" 통합한 것으로 나타났습니다. 문제는 AI를 구현하는 것이 소프트웨어를 설치하는 것만큼 쉽지 않다는 것입니다. 쉽게 접근할 수 없는 전문 지식, 비전 및 정보가 필요합니다.
구글의 알파고 제로(AlphaGo Zero)와 같은 AI의 잘 알려진 응용 프로그램을 보면 마법과 같은 인상을 받습니다. AI는 단 3일 만에 세계에서 가장 어려운 보드 게임을 배우고 챔피언을 이겼습니다. 한편, 엔비디아의 AI는 실제 인물의 사진을 보기만 해도 연예인처럼 보이는 인물의 실사 이미지를 생성할 수 있다.
AlphaGo와 Nvidia는 생성적 적대 네트워크( generative adversarial network) 라는 기술을 사용했습니다. 이 기술은 두 AI 시스템을 서로 경쟁시켜 서로 배울 수 있도록 합니다. 트릭은 네트워크가 서로 싸우기 전에 많은 코칭을 받았다는 것입니다. 그리고 더 중요한 것은 그들의 문제와 결과가 잘 정의되어 있다는 것입니다.
그러나 대부분의 비즈니스 문제는 게임으로 전환될 수 없습니다. 두 명 이상의 플레이어가 있고 명확한 규칙이 없습니다. 비즈니스 의사 결정의 결과는 명확한 승패가 거의 없으며 변수가 너무 많습니다. 따라서 기업이 AI를 구현하는 것은 보기보다 훨씬 더 어렵습니다.
당신을 위해 추천 된:
메타버스가 인도 자동차 산업을 어떻게 변화시킬 것인가?
인도 스타트업에 대한 반 영리 조항은 무엇을 의미합니까?
Edtech Startup이 인도 인력의 기술 향상 및 미래 준비를 돕는 방법...
이번 주 새로운 시대의 기술 주식: Zomato의 문제는 계속되고 EaseMyTrip은 Str...
인도 스타트업, 자금 조달을 위해 지름길 선택
디지털 마케팅 플랫폼 Logicserve, INR 80 Cr 자금 지원, LS Dig...
오늘날의 AI 시스템은 인간 두뇌의 신경망 기능을 에뮬레이트하기 위해 최선을 다하지만 매우 제한된 방식으로 수행합니다. 그들은 뉴런처럼 행동하도록 설계된 컴퓨터 명령의 관계를 조정하는 딥 러닝이라는 기술을 사용합니다. 간단히 말해서 AI에게 배우고 싶은 것을 정확히 말하고 명확하게 레이블이 지정된 예제를 제공하면 해당 데이터의 패턴을 분석하고 향후 적용을 위해 저장합니다. 패턴의 정확성은 데이터에 따라 달라지므로 더 많은 예제를 제공할수록 더 유용합니다.
여기에 문제가 있습니다. AI는 수신하는 데이터만큼만 우수합니다. 그리고 제공된 컨텍스트의 좁은 범위 내에서만 데이터를 해석할 수 있습니다. 분석한 내용을 "이해"하지 못하므로 분석을 다른 컨텍스트의 시나리오에 적용할 수 없습니다. 그리고 인과관계와 상관관계를 구별할 수 없습니다. AI는 사상가라기보다 스테로이드에 대한 Excel 스프레드시트와 비슷합니다.
이러한 형태의 AI로 작업할 때 더 큰 어려움은 학습한 내용이 미스터리로 남아 있다는 것입니다. 데이터에 대한 정의할 수 없는 응답입니다. 신경망이 훈련되면 설계자조차 그것이 하는 일을 정확히 알지 못합니다. New York University의 Gary Marcus 교수가 설명하는 것처럼 딥 러닝 시스템에는 복잡한 신경망 내에서 지리학적 측면에서만 개발자가 식별할 수 있는 수백만 또는 수십억 개의 매개 변수가 있습니다. 그들은 "블랙박스"라고 연구원들은 말합니다.
AlphaGo의 새로운 개발에 대해 말하면서 Google/DeepMind CEO Demis Hassabis 는 "인간처럼 플레이하지 않으며 프로그램처럼 플레이하지도 않습니다. 거의 외계인에 가까운 세 번째 방식으로 재생됩니다.”
B 기업은 시스템이 낯선 결정을 내리도록 할 여유가 없습니다. 그들은 규제 요구 사항과 평판 문제에 직면해 있으며 자신이 내리는 모든 결정의 이면에 있는 논리를 이해하고 설명하고 입증할 수 있어야 합니다.
AI가 더 가치가 있으려면 큰 그림을 보고 대체하는 컴퓨터 시스템보다 더 많은 정보 소스를 포함할 수 있어야 합니다. Amazon은 재고 관리 및 창고 운영에서 데이터 센터 운영에 이르기까지 운영의 거의 모든 부분을 실질적으로 최적화하기 위해 AI를 효과적으로 이해하고 구현한 몇 안 되는 회사 중 하나입니다.
예를 들어 재고 관리에서 구매 결정은 전통적으로 부서별로 구매자라고 하는 숙련된 개인에 의해 이루어집니다. 그들의 시스템은 상점별로 재고 수준을 보여주고 경험과 본능을 사용하여 주문합니다. Amazon의 AI는 모든 부서의 데이터를 통합하여 더 큰 추세를 확인하고 이를 사회경제적 데이터, 고객 서비스 문의, 경쟁업체 주차장의 위성 이미지, Weather Company의 예측 및 기타 요소와 연결합니다. 다른 소매업체도 이러한 작업 중 일부를 수행하고 있지만 Amazon만큼 효과적인 것은 없습니다.
이러한 유형의 접근 방식은 Amazon의 음성 기반 가전 제품인 Echo 및 Alexa 의 기반이기도 합니다. Wired에 따르면 Amazon은 모든 개발 팀을 한데 모아 머신 러닝을 기업에 집중함으로써 많은 기업이 안고 있는 문제인 연결되지 않은 데이터 섬을 해결하고 있습니다. 기업 데이터는 일반적으로 서로 다른 컴퓨터 시스템의 분리된 데이터 세트에 저장됩니다. 회사에 기계 학습에 필요한 모든 데이터가 있더라도 일반적으로 레이블이 지정되거나 최신 상태이거나 사용 가능한 방식으로 구성되지 않습니다. 도전 과제는 이러한 데이터 세트를 결합하고 Amazon이 한 것처럼 새로운 방식으로 사용하는 방법에 대한 원대한 비전을 만드는 것입니다.
AI는 빠르게 발전하고 있으며 확실히 데이터를 정리하고 통합하는 것을 더 쉽게 만들 것입니다. 그러나 비즈니스 리더는 여전히 그것이 실제로 무엇을 하는지 이해하고 사용을 위한 비전을 만들어야 합니다. 그 때 그들은 큰 이익을 보게 될 것입니다.
이 게시물은 wadhwa.com에 처음 게재되었으며 허가를 받아 복제되었습니다.