- 이 글은 GPT 모델로 자동 요약한 설명으로, 잘못된 내용이 있을 수 있으니 원문을 참고해주세요!
- 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다!
소개
2023 Gartner Hype Cycle™은 인공지능(AI)의 중요한 혁신과 기법들을 식별하며, 변혁적 혜택을 제공하면서 동시에 불완전한 시스템의 한계와 위험을 해결하려고 합니다. 특히, 인공지능 분야에서 향후 2~5년 동안 주목해야 할 기술로 생성형 AI와 의사 결정 인텔리전스를 꼽으며 상당한 이점을 제공할 것으로 전망했습니다. 이 중 생성형 AI는 개발자와 지식 근로자의 생산성에 미치는 영향으로 인해 다양한 비즈니스 프로세스와 인적 자원의 가치가 재고될 것으로 예상합니다.
주요 내용
Gartner는 더 강력한 AI 시스템으로 향하는 생성형 AI의 움직임에 2가지 측면이 있다고 보고 있습니다.
- 생성형 AI에 의해 촉진될 혁신 (be fueled by GenAI)
- 생성형 AI의 발전을 촉진할 혁신 (fuel advances in GenAI)
![[Gartner] 인공 지능 분야의 Gartner Hype Cycle 2023](https://discuss.pytorch.kr/uploads/default/original/2X/7/73e536e7769318b484488c30b2db3fa36c2381bd.png)
생성형 AI에 의해 촉진될 혁신 분야들
생성형 AI는 콘텐츠 발견, 생성, 진위 판정, 규제와 관련한 비즈니스에 영향을 미칠 뿐 아니라, 고객과 직원의 경험을 개선할 수 있을 것으로 예상합니다. 또한, 생성형 AI는 일반 인공지능(AGI; Artificical General Intelligence), AI 엔지니어링, 자율 시스템, 클라우드 AI 서비스, 복합 AI, 컴퓨터 비전, 데이터 중심 AI, Edge AI, 지능형 애플리케이션, ModelOps, OAISys, 프롬프트 엔지니어링, 스마트 로봇, 합성 데이터 등의 기술 분야에 혁신적 원동력을 제공할 것으로 보입니다.
- 인공 일반 지능(AGI; Artificial General Intelligence) 은 인간이 수행할 수 있는 모든 지적 작업을 수행할 수 있는 기계의 (현재 가상의) 지능입니다.
- Artificial general intelligence (AGI) is the (currently hypothetical) intelligence of a machine that can accomplish any intellectual task that a human can perform.
- AI 엔지니어링(AI engineering) 은 기업이 대규모로 AI 솔루션을 제공하기 위한 기반입니다. 이 분야는 일관된 엔터프라이즈 개발, 제공 및 운영 AI 기반 시스템을 만듭니다.
- AI engineering is foundational for enterprise delivery of AI solutions at scale. The discipline creates coherent enterprise development, delivery, and operational AI-based systems.
- 자율 시스템(Autonomic systems) 은 자율성, 학습, 에이전시의 세 가지 기본 특성을 나타내는 도메인에 국한된 작업을 수행하는 자체 관리형 물리적 또는 소프트웨어 시스템입니다.
- Autonomic systems are self-managing physical or software systems performing domain-bounded tasks that exhibit three fundamental characteristics: autonomy, learning and agency.
- 클라우드 AI 서비스(Cloud AI services) 는 클라우드 서비스로서 사전 구축된 인프라에서 실행되는 머신 러닝(ML) 모델의 구축/학습, 배포 및 소비를 가능하게 하는 AI 모델 구축 도구, 사전 구축된 서비스용 API 및 관련 미들웨어를 제공합니다.
- Cloud AI services provide AI model building tools, APIs for prebuilt services and associated middleware that enable the building/training, deployment and consumption of machine learning (ML) models running on prebuilt infrastructure as cloud services.
- 복합 AI(Composite AI) 는 지식 표현의 수준을 넓히기 위해 학습의 효율성을 개선하기 위해 서로 다른 AI 기술을 결합하여 적용(또는 융합)하는 것을 말합니다. 보다 광범위한 비즈니스 문제를 보다 효과적인 방식으로 해결합니다.
- Composite AI refers to the combined application (or fusion) of different AI techniques to improve the efficiency of learning to broaden the level of knowledge representations. It solves a wider range of business problems in a more effective manner.
- 컴퓨터 비전(Computer vision) 은 실제 이미지와 비디오를 캡처, 처리 및 분석하여 물리적 세계에서 의미 있고 맥락에 맞는 정보를 추출하는 일련의 기술입니다.
- Computer vision is a set of technologies that involves capturing, processing and analyzing real-world images and videos to extract meaningful, contextual information from the physical world.
- 데이터 중심 AI(Data-centric AI) 는 더 나은 AI 결과를 도출하기 위해 학습 데이터를 향상하고 보강하는 데 중점을 두는 접근 방식입니다. 데이터 중심 AI는 데이터 품질, 개인 정보 보호 및 확장성 문제도 해결합니다.
- Data-centric AI is an approach that focuses on enhancing and enriching training data to drive better AI outcomes. Data-centric AI also addresses data quality, privacy and scalability.
- 엣지 AI(Edge AI) 는 비IT 제품, IoT 엔드포인트, 게이트웨이 및 엣지 서버에 내장된 AI 기술을 사용하는 것을 말합니다. 자율 주행 차량, 의료 진단의 향상된 기능, 스트리밍 비디오 분석과 같은 소비자, 상업 및 산업 애플리케이션의 사용 사례를 포괄합니다.
- Edge AI refers to the use of AI techniques embedded in non-IT products, IoT endpoints, gateways and edge servers. It spans use cases for consumer, commercial and industrial applications, such as autonomous vehicles, enhanced capabilities of medical diagnostics and streaming video analytics.
- 지능형 애플리케이션(Intelligent applications) 은 학습된 적응을 활용하여 사람과 기계에 자율적으로 대응합니다.
- Intelligent applications utilize learned adaptation to respond autonomously to people and machines.
- 모델 운영화(ModelOps; Model operationalization) 는 주로 고급 분석, AI 및 의사결정 모델의 엔드투엔드 거버넌스 및 수명주기 관리에 중점을 둡니다.
- Model operationalization (ModelOps) is primarily focused on the end-to-end governance and life cycle management of advanced analytics, AI and decision models.
- 운영 AI 시스템(OAISys; Operational AI systems) 은 ML, DNN 및 생성 AI로 구성된 프로덕션 지원 및 엔터프라이즈급 AI의 오케스트레이션, 자동화 및 확장을 지원합니다.
- Operational AI systems (OAISys) enable orchestration, automation and scaling of production-ready and enterprise-grade AI, comprising ML, DNNs and Generative AI.
- 프롬프트 엔지니어링(Prompt engineering) 은 모델이 생성할 수 있는 응답 집합을 지정하고 제한하기 위해 텍스트 또는 이미지 형태의 입력을 제너레이티브 AI 모델에 제공하는 분야입니다.
- Prompt engineering is the discipline of providing inputs, in the form of text or images, to generative AI models to specify and confine the set of responses the model can produce.
- 스마트 로봇(Smart robots) 은 하나 이상의 물리적 작업을 자율적으로 실행하도록 설계된 AI 기반의 이동식 기계입니다.
- Smart robots are AI-powered, often mobile, machines designed to autonomously execute one or more physical tasks.
- 합성 데이터(Synthetic data) 는 실제 세계를 직접 관찰하여 얻은 것이 아니라 인위적으로 생성된 데이터의 한 종류입니다.
- Synthetic data is a class of data that is artificially generated rather than obtained from direct observations of the real world.
생성형 AI의 발전을 촉진할 혁신들
이런 생성형 AI의 발전을 촉진할 주요 기술들로는 AI 시뮬레이션, 인공지능 신뢰성 강화 모델(AI TRiSM; AI trust, risk and security management, 인과관계 AI, 데이터 라벨링 및 주석, 첫 원칙 AI, 기초 모델, 지식 그래프, 다양한 에이전트 시스템, 신경심볼릭(Neurosymbolic) AI 등이 있을 것으로 보입니다.
- AI 시뮬레이션(AI simulation) 은 AI와 시뮬레이션 기술을 결합하여 AI 에이전트와 이를 훈련, 테스트하고 때로는 배포할 수 있는 시뮬레이션 환경을 공동으로 개발하는 것입니다.
- AI simulation is the combined application of AI and simulation technologies to jointly develop AI agents and the simulated environments in which they can be trained, tested and sometimes deployed.
- AI 신뢰, 위험 및 보안 관리(AI TRiSM; AI Trust, Risk and Security Management) 는 AI 모델 거버넌스, 신뢰성, 공정성, 신뢰성, 견고성, 효율성 및 데이터 보호를 보장합니다.
- AI trust, risk and security management (AI TRiSM) ensures AI model governance, trustworthiness, fairness, reliability, robustness, efficacy and data protection.
- 인과관계 AI(Causal AI) 는 인과관계를 파악하고 활용하여 상관관계 기반의 예측 모델을 넘어 보다 효과적으로 행동을 처방하고 자율적으로 행동할 수 있는 AI 시스템으로 나아갑니다.
- Causal AI identifies and utilizes cause-and-effect relationships to go beyond correlation-based predictive models and toward AI systems that can prescribe actions more effectively and act more autonomously.
- 데이터 라벨링 및 주석(DL&A; Data Labeling and Annotation) 은 더 나은 분석 및 AI 프로젝트를 위해 데이터를 보강하기 위해 데이터 자산을 추가로 분류, 세분화, 주석 및 증강하는 프로세스입니다.
- Data labeling and annotation (DL&A) is a process where data assets are further classified, segmented, annotated and augmented to enrich data for better analytics and AI projects.
- 최초 원칙 AI(FPAI: First-Principles AI, 또는 물리학 기반 AI) 는 물리적 및 아날로그 원칙, 준거법, 도메인 지식을 AI 모델에 통합합니다. FPAI는 AI 엔지니어링을 복잡한 시스템 엔지니어링 및 모델 기반 시스템으로 확장합니다.
- First-principles AI (FPAI) (aka physics-informed AI) incorporates physical and analog principles, governing laws and domain knowledge into AI models. FPAI extends AI engineering to complex system engineering and model-based systems
- 기초 모델(Foundation models) 은 광범위한 데이터 세트에 대해 자체 감독 방식으로 학습된 대규모 매개변수 모델입니다.
- Foundation models are large-parameter models trained on a broad gamut of datasets in a self-supervised manner.
- 지식 그래프(Knowledge graphs) 는 기계가 읽을 수 있는 물리적 세계와 디지털 세계의 표현입니다. 여기에는 그래프 데이터 모델을 준수하는 엔티티(사람, 회사, 디지털 자산)와 이들의 관계가 포함됩니다.
- Knowledge graphs are machine-readable representations of the physical and digital worlds. They include entities (people, companies, digital assets) and their relationships, which adhere to a graph data model.
- 멀티에이전트 시스템(MAS, Multi-Agent Systems) 은 환경을 인식하고 조치를 취할 수 있는 여러 개의 독립적인(그러나 상호 작용하는) 에이전트로 구성된 AI 시스템의 한 유형입니다. 에이전트는 AI 모델, 소프트웨어 프로그램, 로봇 및 기타 계산 개체가 될 수 있습니다.
- Multiagent systems (MAS) is a type of AI system composed of multiple, independent (but interactive) agents, each capable of perceiving their environment and taking actions. Agents can be AI models, software programs, robots and other computational entities.
- **신경심볼릭 AI(Neurosymbolic AI)**는 머신러닝 방법과 심볼릭 시스템을 결합하여 보다 강력하고 신뢰할 수 있는 AI 모델을 만드는 복합 AI의 한 형태입니다. 광범위한 비즈니스 문제를 보다 효과적으로 해결하기 위한 추론 인프라를 제공합니다.
- Neurosymbolic AI is a form of composite AI that combines machine learning methods and symbolic systems to create more robust and trustworthy AI models. It provides a reasoning infrastructure for solving a wider range of business problems more effectively.
- **책임감 있는 AI(Responsible AI)**는 AI를 도입할 때 적절한 비즈니스 및 윤리적 선택을 내리는 측면을 포괄적으로 일컫는 용어입니다. 이는 긍정적이고 책임감 있으며 윤리적인 AI 개발 및 운영을 보장하는 조직의 책임과 관행을 포괄합니다.
- Responsible AI is an umbrella term for aspects of making appropriate business and ethical choices when adopting AI. It encompasses organizational responsibilities and practices that ensure positive, accountable, and ethical AI development and operation.