AI의 역사:미래 소설에서 기업의 미래까지

"인공 지능"이라는 단어를 말하면 대부분의 사람들은 Alexa와 Siri를 생각합니다. 터미네이터나 2001:A Space Odyssey와 같은 영화를 생각할 수도 있습니다.

진실은 인공 지능(AI)이 먼 공상 과학 개념이 아니라는 것입니다. 사실, 그것은 우리 주변 어디에나 있습니다. Netflix가 다음 TV 프로그램을 추천하거나 Uber가 집으로 가는 최적의 경로를 최적화하는 것을 생각해 보십시오.

AI는 수십 년에 걸쳐 진화했으며 오늘날에도 계속 진화하는 상호 연결된 현대적인 기술의 정교한 생태계입니다. 따라서 AI의 역사도 복잡하고 다층적이라는 것은 놀라운 일이 아닙니다. 우리가 알고 있는 AI를 현재 상태로 구축한 다양한 도구와 기능이 변화하는 역사입니다.

오늘날 AI의 중요성을 이해하고 내일을 준비하려면 AI가 어디서 시작되었으며 오늘날의 게임 체인저 기술이 되기 위해 어떻게 진화했는지 이해하는 데 도움이 됩니다.

20세기 AI:야심찬 개념 증명

현대 AI는 학자들이 컴퓨팅의 미래에 대해 깊이 생각했던 명문 대학 연구 부서의 학계에서 탄생했습니다. 그러나 초기 몇 년 동안 데이터와 컴퓨팅 성능의 부족으로 인해 좌초된 이러한 방에 국한되었습니다.

1956년 Dartmouth College는 인공 지능에 대한 Dartmouth Summer Research Project를 주최했습니다. 이 워크숍은 AI 학술 연구의 중요한 첫 단계로 알려지게 된 워크샵이었습니다. 워크숍 동안 20명의 연구원은 학습이 "기계가 시뮬레이션하도록 만들 수 있을 정도로" 정확하게 기술될 수 있다는 가설을 증명하는 것을 목표로 했습니다.

1년 후인 1957년에 미국 심리학자 Frank Rosenblatt는 이진 분류를 성공적으로 수행할 수 있는 알고리즘인 퍼셉트론으로 다트머스 연구를 확장했습니다. 여기에서 인공 뉴런이 데이터에서 학습하는 방법에 대한 유망한 증거를 보기 시작했습니다.

그리고 또 1년 후 Dartmouth Summer Research Project on Artificial Intelligence의 참석자인 John McCarthy와 MIT의 수많은 학생들은 Lisp(새로운 프로그래밍 언어)를 개발했습니다. 수십 년 후 McCarthy의 연구는 SHRDLU 자연어 프로그램, Macsyma 대수 시스템 및 ACL2 논리 시스템을 포함하여 새롭고 훨씬 더 흥미로운 프로젝트에 생명을 불어넣는 데 도움이 될 것입니다.

출처

이러한 초기 실험을 돌이켜보면 AI가 고상한 연구의 세계에서 컴퓨팅의 실제 세계로 흔들리는 첫 걸음을 내딛는 것을 볼 수 있습니다.

1960년에는 인구 통계를 기반으로 사람들이 투표하는 방식을 예측할 수 있다고 주장한 회사인 Simulmatics가 데뷔했습니다.

1965년에 연구자들은 소위 "전문가 시스템"을 개발했습니다. 이러한 시스템을 통해 AI는 데이터를 해석하고 평가하는 추론 엔진과 사실 수집을 결합하여 컴퓨터 시스템 내의 특수한 문제를 해결할 수 있었습니다.

그 후 1년 후인 1966년 MIT 교수 Joseph Weizenbaum은 AI가 지능적임을 사용자에게 보여주는 Eliza라는 패턴 매칭 프로그램을 설계했습니다. 사용자는 프로그램에 정보를 제공할 수 있으며 심리 치료사 역할을 하는 Eliza는 응답으로 개방형 질문을 제공합니다.

1970년대 중반까지 정부와 기업은 AI에 대한 믿음을 잃어가고 있었습니다. 자금이 고갈되고 그 이후의 기간은 "AI 겨울"로 알려지게 되었습니다. 1980년대와 1990년대에 작은 부활이 있었지만 AI는 대부분 공상과학 소설의 영역으로 강등되었고 진지한 컴퓨터 과학자들은 이 용어를 사용하지 않았습니다.

1990년대 후반에서 2000년대 초반에 우리는 Microsoft의 스팸 필터링을 위한 베이지안 방법과 Amazon 권장 사항을 위한 협업 필터링과 같은 기계 학습 기술의 대규모 적용을 보았습니다.

21세기 AI:크게 성공한 파일럿 프로그램

2000년대에 컴퓨팅 성능, 더 큰 데이터 세트, 오픈 소스 소프트웨어의 부상으로 개발자는 비교적 짧은 시간에 과학, 소비자, 제조 및 비즈니스 커뮤니티에 혁명을 일으킬 고급 알고리즘을 만들 수 있었습니다. AI는 오늘날 많은 기업에서 현실이 되었습니다. 예를 들어 McKinsey는 기업이 현재 AI를 사용하여 비즈니스 문제를 해결하고 있는 400개의 예를 발견했습니다.

데이터를 구성하는 새로운 방법을 제공하는 웹

2000년대 초중반에 전 세계를 휩쓴 웹 혁명은 AI 연구 분야에 몇 가지 중요한 변화를 가져왔습니다. XML(Extensible Markup Language) 및 PageRank와 같은 기본 기술은 AI가 사용할 수 있는 새로운 방식으로 데이터를 구성했습니다.

XML은 시맨틱 웹과 검색 엔진의 전제 조건이었습니다. Google의 초기 혁신인 PageRank는 웹을 더욱 조직화했습니다. 이러한 발전으로 웹의 활용도가 높아지고 AI가 방대한 양의 데이터에 더 쉽게 접근할 수 있게 되었습니다.

동시에 데이터베이스는 데이터를 저장하고 검색하는 데 더 능숙해졌으며 개발자는 해당 데이터를 더 쉽게 작동할 수 있는 기능적 프로그래밍 언어를 개발하고 있었습니다. 연구원과 개발자가 AI 기술을 발전시키기 위한 도구가 제공되었습니다.

신경망과 딥 러닝은 AI의 잠재력을 보여줍니다.

20세기에는 AI에 대한 큰 꿈이 있었지만 컴퓨팅 파워로 인해 그것을 구축하는 것이 거의 불가능했습니다. 그러나 21세기에 이르러 컴퓨터는 대량의 데이터를 저장, 처리 및 분석하는 데 기하급수적으로 강력해졌습니다. 이는 신경망과 딥 러닝의 높은 목표가 현실이 될 수 있음을 의미했습니다.

연구원들은 특히 기계 훈련에 적합한 데이터 세트를 개발하여 AlexNet과 같은 신경망을 만들었습니다. 이전에 머신 트레이닝은 수만 개의 데이터 세트에 의존했지만 그래픽 처리 장치(GPU)의 발전으로 인해 새로운 데이터 세트의 수가 수천만 개에 달할 수 있었습니다.

컴퓨터 칩 제조업체 Nvidia는 2006년 병렬 컴퓨팅 플랫폼인 CUDA를 출시했습니다. 이 플랫폼 내에서 Nvidia는 GPU를 사용하여 컴퓨팅 속도를 높였습니다. 이러한 성능 향상은 더 많은 사람들이 TensorFlow 및 PyTorch와 같은 기계 학습 라이브러리로 작성된 크고 복잡한 기계 학습 모델을 실행하는 데 도움이 되었습니다.

출처

향후 이러한 라이브러리는 오픈 소스가 되어 기술에 더 쉽게 접근할 수 있게 됨에 따라 광범위한 실험에 영감을 줄 것입니다. AI의 이러한 민주화는 AlphaGo, Google DeepMind 및 IBM Deep Blue와 같은 흥미진진한 새로운 도구가 시작되는 데 도움이 될 것입니다.

컴퓨터 비전은 새로운 산업 응용 프로그램의 문을 엽니다.

2000년대까지 AI는 텍스트를 처리할 때만 정말 유용했습니다. 그러나 세기의 전환기에 컴퓨터가 이미지를 인식하고 해석할 수 있게 하는 컴퓨터 비전의 발전은 AI의 사용 사례를 새로운 차원으로 끌어 올렸습니다.

이번에는 우리의 개척자들이 학자가 아니었습니다. 대신 그들은 집 안에 살면서 청소(룸바)와 게임(XBox Kinect)을 그 어느 때보다 쉽게 ​​만들고 전 세계 가정에 컴퓨터 비전을 구현했습니다.

우리는 또한 새로 부상하는 자율주행 자동차와 병원에서 병변 및 폐렴과 같은 상태를 자동으로 감지하기 위해 컴퓨터 비전이 사용되는 것을 보았습니다.

산업별 사용 사례 외에도 컴퓨터 비전의 변화는 로봇 프로세스 자동화(RPA)의 발전을 촉발하는 데 도움이 되었습니다. 🎉 광학 문자 인식(OCR)이 추가된 RPA 로봇은 정형 데이터와 비정형 데이터를 모두 처리할 수 있어 우리가 알고 있는 데이터 분석의 세계를 변화시켰습니다.

데이터 분석으로 AI 비즈니스 애플리케이션 개선

지난 20년 동안 자동화와 AI가 복잡한 비즈니스 사용 사례에 대응할 수 있음을 보여주었습니다. 그리고 AI가 데이터 분석에 더욱 능숙해짐에 따라 기업은 AI를 더욱 활용하여 보다 스마트하고 효율적으로 작업할 수 있습니다.

은행은 AI를 사용하여 고객 쿼리를 매년 수신되는 대량의 비정형 이메일과 다양한 범주로 분류하고 있습니다. 이 프로세스는 수동으로 집중적이거나 규칙 기반 키워드 분류를 사용할 때 좋지 않은 결과를 생성합니다. AI를 통해 은행은 이러한 이메일을 높은 수준의 정확도로 분류하고 평균 처리 시간(AHT)을 줄일 수 있습니다.

AI와 자동화는 금융 서비스 회사에만 도움이 되는 것은 아닙니다. 의료 지불자는 고위험 임신의 식별을 가속화하고 있습니다. 소프트웨어 로봇은 검증된 환자 데이터를 로드하고 예측 모델에 액세스하여 위험에 대한 환자의 점수를 매기고 적절한 치료 관리 계획을 결정합니다. 결과는 정확하게 식별된 저체중 출생 임신의 수를 24% 증가시키면서 저체중 출생 임신의 44%를 방지하여 연간 총 1100만 달러를 절약할 수 있습니다. 전체 기사를 읽어보세요.

자연어 처리 및 음성 인식으로 AI 사용성 향상

AI는 텍스트 분석으로 시작했지만 결코 마스터하지 못했습니다. 최근까지 텍스트는 OCR을 사용하더라도 기계가 읽을 수 있는 형식으로 구조화되어야 했습니다. 자연어 처리(NLP) 분야는 컴퓨터가 자연어를 이해하도록 프로그래밍하는 능력의 최첨단을 달리고 있습니다.

NLP의 더 잘 알려진 예 중 하나는 Generative Pre-trained Transformer 3(GPT-3으로 더 잘 알려짐)입니다. 2020년 5월에 도입된 GPT-3는 딥 러닝을 사용하여 인간이 만든 텍스트와 매우 유사한 텍스트를 생성합니다. 이미 기사 작성(예:The Guardian은 GPT-3에게 로봇의 무해성에 대한 기사 작성을 의뢰함) 및 컴퓨터 프로그램 생성과 같은 GPT-3에 대한 흥미로운 응용 프로그램이 등장했습니다.

NLP의 적용은 GPT-3 이상으로 확장됩니다. NLP를 사용하여 음성에서 텍스트를 만들고, 텍스트 범위의 의미를 자동으로 요약하고, 텍스트를 여러 언어로 번역하는 등의 작업을 수행할 수 있습니다.

NLP는 종종 최첨단에 존재하지만 우리 가정에도 적용되었습니다. 예를 들어 Alexa 및 Google과 같은 가상 비서는 자연어 요청을 처리하고 실행 가능한 명령으로 변환할 수 있습니다. 이 AI 비서는 간단한 음성 요청으로 정보를 검색할 수 있습니다. 조명이나 자물쇠와 같은 스마트 장치로 명령을 라우팅합니다. 등등.

AI의 미래:엔터프라이즈 게임 체인저

기술 성숙도의 다음 10년으로 접어들면서 AI의 엔터프라이즈 사용 사례는 계속해서 증가할 것입니다. 과거 도구는 AI로 가능한 것의 토대를 마련했지만 이러한 도구를 확장하기 위해서는 아직 넘어야 할 기반이 많이 있습니다.

AI가 더욱 발전함에 따라 기업은 RPA, 머신 러닝, 프로세스 마이닝, 데이터 분석을 활용하여 모든 성숙 단계에서 기업이 이러한 기술에 점점 더 쉽게 액세스할 수 있게 됨에 따라 강력한 엔드 투 엔드 자동화 제품군을 만드는 것을 보게 될 것입니다. . AI는 더 이상 연구원과 개발자의 독점적인 영역이 아닙니다. 일상적인 사용자는 최신 도구의 도움을 받아 자신이 식별한 문제에 대한 AI 기반 솔루션을 만들 수 있습니다.

비즈니스 사용자가 기술에 더 쉽게 접근할 수 있게 됨에 따라 자동화의 플라이휠이 회전하여 기업에 AI 애플리케이션에 대한 더 많은 아이디어와 가능성을 제공하는 것을 보게 될 것입니다. 이러한 가능성은 우리가 일하는 방식을 재부팅하고 혁명을 일으킬 최첨단 자동화 플랫폼과 도구에 의해 지원될 것입니다.

UiPath AI Fabric을 사용하면 사용자가 쉽게 모델을 시작하고, 모델에 데이터를 펌핑하고, 통찰력을 얻고, 유용성을 평가할 수 있습니다.

편집자 주: 자동화 시장이 계속 발전함에 따라 UiPath 플랫폼은 고객의 자동화 요구 사항을 가장 잘 충족할 수 있도록 업데이트됩니다. 이처럼 AI Fabric 제품명은 기사가 처음 게시된 이후로 진화해 왔습니다. 최신 정보를 원하시면 AI 센터 페이지 방문 .

오늘의 AI:시작하기에 적합한 순간

자동화할 시간입니다. 우리는 이론이 아닌 AI 진화의 단계에 도달했습니다. 이는 필수적이며 이를 수용하는 회사에 수천억 달러의 가치를 창출할 것으로 예상됩니다.

주요 조직이 자동화 및 AI를 사용하여 완전 자동화된 기업™이 되는 비전을 현실로 전환하는 방법을 알아보십시오.