'진짜 1등'을 놓치고 있다. AI 전쟁에서 승리할 곳은 정해져 있다.(서울대 산업공학과 조성준 교수 2부)

이 영상은 인공지능(AI)에 대한 이야기를 다루고 있습니다.

동영상에서는 AI의 발전과 관련된 여러 주제에 대해 이야기하고 있습니다.

AI의 활용은 빅텍 기업들과 제도적인 측면을 넘어서 여러 분야에서 어떤 변화를 가져올 수 있는지에 대해 설명하고 있습니다.

한국은 AI 전문가들과 데이터 엔지니어들의 수요가 크게 늘어날 것으로 예측되며, AI를 활용하여 새로운 애플리케이션을 개발하고 가치를 창출할 수 있는 국가로 발전할 것이라고 언급하고 있습니다.

AI 기술과 데이터 관리에 대한 중요성을 강조하며, AI에 필요한 인프라와 리소스를 구축하는 작업이 얼마나 중요한지 설명하고 있는 영상입니다.

자율주행 AI에서 고려해야 할 것은 무엇인가?

이전과 같이 자율주행 AI에서는 성능 뿐 만 아니라 사용성도 함께 고려해야 한다는 것을 알아야 해요.

모든 자율주행이 안전하다고 보장할 수는 없지만 충분한 안전성을 보여주고 있습니다.

인공지능 연구에서 미국은 많은 후배들 채용 숫자와 다양한 자금 지원을 받는 것으로 알려져 있습니다.

반면 한국과 미국 대학교육의 차이점을 비교할 때, AI 연구 분야에서 미국 대학은 '과가 있는 경우'가 거의 없는 단위로 나누어 진다는 것을 알 수 있습니다.

이러한 분위기에서, 국내 AI 산업을 성장시키기 위해서는 교육구조 개선과 산업 발전을 위한 종합적인 방안이 필요합니다.

미국과 중국, AI 초강대국에서 두각을 나타내고 있는 이유는?

대학에서 AI 인력을 쏟아내는 미국은 AI의 초강대국으로 성장 중이에요.

미국과 비교해 환경은 열악하지만, 중국도 인구가 많고 데이터 활용에 제약이 적어서 중요한 AI 개발국이에요.

중국은 거의 미국 수준에 비해 데이터의 프라이버시 규제가 없기 때문에, 사람 얼굴 인식 등의 기술을 널리 사용하고 있어요.

또한 중국에서는 알려지지 않은 다양한 앱들이 개발되고 있을 것으로 추정되고 있어요.

미세한 변화에도 민감한 중국 IT 산업, GPU 기술에 대한 인식의 변화는?

텐센트와 알리바바를 비롯해 공산당과 관계가 좋지 않은 중국 기업들은 시총이 하락하고 있어요.

그러나 다른 기업들은 많은 양의 데이터를 가지고 있으며 기술 발전 가능성이 높다고 해요.

또한 GPU (게임용 컴퓨터의 그래픽 프로세싱 유닛)은 머신 러닝에서도 사용되고 있다는데요.

중국 IT 기업들도 GPU가 머신 러닝에 사용될 수 있다는 점을 인식한 채 더 많은 발전을 이루고 있을 것입니다.

엔비디아의 경쟁사는 누구일까?

엔비디아는 예전부터 반도체만 팔다가 최근 AI학습에 이용할 수 있는 소프트웨어도 함께 선보이며 수익을 증대하고 있어요.

하지만 매우 비싸기 때문에 대체제 업체들이 이제 국내외에서 등장하고 있답니다.

그렇지만 성능만 고려하기보다는 사용성도 고려해야 해요.

AI는 여전히 100%가 아니기 때문에 예외가 발생할 가능성도 있고, 학습의 귀납적 추론은 언제든지 오류 가능성이 있어 연역적 추론처럼 100% 완벽하지 않으며, 룰도 언제든지 예외가 있다는 것을 인지해야 해요.

자율주행차 사고 시 누구에게 책임이 있을까?

자율주행 차량이 100% 안전하게 운종하는 것은 불가능하므로 사고 발생시 누구의 책임인지 문제가 된다요.

AI를 개발한 조직이나 인물, 그리고 동일 AI를 구현한 회사나 단체와 관리책임자 등 여러가지 요소가 고려된다고 해요.

지금은 자율주행차의 기술은 이미 사람보다 더 나은 수준에 이르렀으나, 여전히 발전이 될 여지가 많다는 것이죠.

성과가 좋지 않은 AI 개발자들에게도 더 이상 핑계거리를 만들기 어려워지고, 오히려 자동우동의 실수와 그에 대한 책임 처리 방식에 대한 문제를 입증하기 위해 개발자와 기술 분야 전문가들은 집중적으로 일하게 된다는 점도 알려줬어요.

미국 구글이 1위이며, 다양한 아이디어를 혁신적으로 시도하는 회사로 전향적이지만 때로는 커뮤니케이션과 기술적 문제로 인해 분쟁이 일어날 수 있다고 했어요.

인공지능 기술에서 구글과 메타, 아마존의 비교는?

구글이 메타와 아마존을 붙들고 있는 이유는 인공지능 분야에서 기술력이 최고이지만, 상용화에서 성과가 출발선보다 조금 떨어지는 상황이에요.

그래서 아마존이 더 잘 팔리고, 구글은 높은 기술력으로만 놓고 볼 때 최고라는 평가다.

MS는 비기스트 택, 메타와 아마존은 비텍.

구글은 비기스트 택이지만, 체급에 따른 차이를 가지고 있다.

인공지능 GPT 같은 걸 만들기 위해 구글도 많은 시도를 거친 후 좋은 제품을 내놓았어요.

이런 인공지능으로 인한 리소스와 돈 대량 투자는 비텍 격차를 좁히는 데 일조했어요.

그래서 이제는 메타와 아마존은 구글과 비슷하게 성과를 내면서, 비텍 CEO들은 모두 체급의 차이를 좁히는 데 열심히 고민하고 있어요.

클라우드에서 대규모 AI 개발과 서비스의 문제점은?

클라우드 환경에서 수백억 이상의 자원이 필요한 AI 개발과 서비스에는 MS와 같은 뒷배가 필요해요.

데이터 센터를 설치할 때 전기값이 싼 나라를 선택하고, 대학에서는 대규모 AI 개발이 어렵기 때문에 빅텍 회사 나 스타트업이 GPT와 같은 대규모 모델을 만들 수 있어요.

GPT에서 하나의 핵심인 LLM은 거대한 리소스를 의미해요.

이미 많은 데이터들이 클라우드에 저장되어 있지만 클라우드 환경에서 스타트업에서 오픈 AI 같은 작업을 할 수 없을 만큼 많은 자원이 필요해요.

우리가 IT 강국이 된 이유는 무엇일까?

우리는 중국과 미국처럼 많은 리소스를 갖춘 나라가 아니지만, IT 강국이 되었던 이유는 급한 성격과 저돌성, 새로운 방식에 대한 도전으로 이루어졌어요.

과거 이동통신이나 LCD TV와 같은 기술에서도 일본처럼 안전한 방식을 선택하지 않고, 실패할 수 있는 도박을 해오면서 성공을 거둔 것이 특징이예요.

AI 기술에 있어서도 우리는 원천 기술은 미국이나 일본에서 가져왔지만, 우리는 항상 1등을 지향해 상용화를 선호한다는 특징이 있어요.

이에 반해, 다른 나라들은 조심성을 가지며 원천 기술을 보존하고 안전한 방식으로 이용하는 경향이 있어요.

우리의 도전적인 태도는 다른 나라에서는 우리를 조선적으로 생각하며, 급하게 새로운 분야에 도전하는 우리의 모습을 탐탁지 않게 여기기도 한다는 것이죠.

한국어 기반 AI의 장점은?

한국 사람이 영어를 사용하지 않는 특징이 있어, 한국어 기반 AI에 있어서 의미가 크다고 생각합니다.

네이버와 카카오에서 한국어 학습 자료 수집과 애플리케이션 개발에 주력합니다.

주관식, 단답형, OX 문제 등 다양한 문제 유형을 분석형 AI와 생성형 AI로 나누어 진행합니다.

주관식 답을 하는 알고리즘인 생성형 AI는 응용 가능성이 높고, 단답형, OX 문제와 같은 문제 유형을 다루는 분석형 AI도 개발합니다

 

AI와 데이터의 상관관계는?

자율주행에 사용되는 AI는 매 0.1초마다 핸들을 어떻게 조작해야 하는지, 핸들이 몇 도로 꺾여져 있는지 등 효율적인 분석을 통해 학습되는 거예요.

AI를 만드는 일이 굉장히 어려워, 'AI를 만드는 AI 엔지니어'가 많이 필요해집니다.

비유적으로, AI에서 데이터는 요리 재료 마냥 중요하며, 기존의 원재료를 합성해 다양한 '요리'를 만들어 효율적으로 활용하는 것이 AI의 목표입니다.

그리고 그렇게 만들어진 결과를 누군가 활용하고, 생산성을 높인다면 그제서야 그 데이터의 가치가 발생하는 것이죠.

이에 따라, 요리에서 동일한 재료로 만들어진 다양한 '요리'들처럼 데이터도 교차 활용이 가능해, 더 큰 가치 생성이 가능하죠.

인공지능 개발에 있어 데이터 엔지니어의 역할과 중요성?

AI 개발에는 데이터 수집, 저장 관리 전문가 역할이 필요하고 이를 데이터 엔지니어 라 함요.

데이터 엔지니어는 현재 수요가 많아도 인력은 부족하며, AI 분야에는 기업의 프로세스와 전문가들의 이해도가 필요한데 이 부분에 대한 인식 부족도 문제예요.

AI 분야에서 새로운 분야를 개척할 수 있는 기업들의 개발자들은 그 분야의 전문성 뿐 아니라 대중의 욕구와 니즈를 이해해야 합니다.

현재는 데이터 엔지니어 분야의 발전이 예상되고 있으며, 과거에는 컴퓨터 문맹이 있었다가 현재는 사라졌는 만큼, AI 분야에서 데이터를 이해하고 활용할 수 있는 인력의 수요가 증가했어요.

따라서 이는 새로운 일자리를 창출하게 됩니다.

데이터 분석, 부동산 투자 시 필요한 것은?

현재는 데이터 분석과 AI를 이해하는 것이 중요하지만, 이를 위해 여전히 엑셀과 워드의 기초적인 기능들을 잘다루는 것이 중요해요.

데이터 분석 등에서 가장 기본적인 용어를 잘 알아둘 필요가 있어요.

또한 부동산에 대해서도 많은 사례를 보고, 양태를 잘 파악하여 판단해야 해요.

부동산 시장의 성공 요인은 부동산의 위치임을 알 수 있어요.

*출처:머니인사이