1. #
  2. A
  3. B
  4. C
  5. D
  6. E
  7. F
  8. G
  9. H
  10. I
  11. J
  12. K
  13. L
  14. M
  15. N
  16. O
  17. P
  18. Q
  19. R
  20. S
  21. T
  22. U
  23. V
  24. W
  25. X
  26. Y
  27. Z

인공 지능

AI는 새로운 글로벌 혁신의 시대를 열어 가고 있습니다. 인간의 창의력을 강화하여 감염성 질병의 확산을 막는 것부터 스마트 시티를 구축하고 모든 산업 분야를 위해 분석을 혁신하는 일까지 AI는 모든 종류의 작업을 수행하는 데 필요한 놀라운 능력을 제공하고 있습니다.

 

AI란 무엇일까요?

가장 기본적인 형태의 AI는 명시적으로 프로그래밍된 명령 없이도 컴퓨터 프로그램이나 머신이 생각하고 학습하고 조치를 취할 수 있는 능력입니다. 방대한 양의 데이터를 수집 및 분석한 다음 해당 데이터의 패턴을 인식하여 자율적으로 작업을 수행할 수 있는 컴퓨터 시스템의 개발을 AI라고 생각할 수 있습니다. 점점 성장하고 있는 대규모 AI 연구 분야의 중심에는 완료하는 데 인간의 지능이 필요했을 작업을 개인이나 그룹의 능력을 뛰어넘는 속도로 수행하는 시스템을 개발하는 것이 항상 자리하고 있습니다. 이러한 이유로 AI는 파괴적이면서 고도로 혁신적이라고 간주됩니다.

AI 시스템의 주요 이점은 경험에서 실제로 학습하거나 데이터에서 패턴을 학습하여 시스템에 새로운 정보가 입력되고 데이터가 공급될 때 스스로 조정할 수 있다는 것입니다. 이러한 자율학습을 통해 AI 시스템은 이미지 인식, 자연어 음성 인식, 언어 번역, 작물 수확량 예측, 의료 진단, 길 찾기, 대출 위험 분석, 사람이 수행하는 오류가 발생하기 쉬운 반복적인 작업과 그 외 수백 가지 사용 사례를 비롯해 엄청나게 다양한 작업을 수행할 수 있습니다.

 

GPU 발전에 힘입은 AI 성장

AI의 이론과 초기 사례는 약 75년 전으로 거슬러 올라가지만, 실용적인 AI 비즈니스 응용 사례는 21세기에 이르러 꽃을 피웠습니다. 이는 컴퓨팅 성능의 엄청난 발전과 방대한 양의 사용 가능한 데이터가 결합된 결과입니다. AI 시스템은 초고속 반복 연산 처리 하드웨어와 고도로 지능화된 알고리즘에 방대한 양의 데이터를 결합해 컴퓨터가 데이터 패턴이나 데이터 특징으로부터 '학습'할 수 있도록 합니다.

AI, Machine Learning, and Deep Learning over time.

AI 시스템의 엄청나게 많은 작업을 처리하는 데 이상적인 하드웨어는 그래픽 처리 장치, 즉 GPUs 입니다. 이 특수한 초고속 프로세서는 병렬 처리를 굉장히 빠르고 강력하게 수행합니다. 기본적으로 AI 엔진의 연료에 해당하는 엄청난 양의 데이터는 사물인터넷(IoT), 소셜 미디어, 과거 데이터베이스, 운영 데이터 소스, 다양한 공공 및 정부 기관, 전 세계 과학계 및 학계, 유전체 정보 공급원 등 다양한 출처에서 공급됩니다. GPU와 방대한 데이터 저장소와 거의 무한대에 가까운 저장 능력을 결합한 AI는 비즈니스 세계에 막대한 영향을 미칠 수 있습니다.

AI의 광범위한 사용을 촉진하는 기술이 점점 더 늘어나고 있는데 그중 돋보이는 기술은 애플리케이션 프로그래밍 인터페이스, API입니다. API는 이식성이 매우 뛰어난 코드 번들로, 이를 통해 개발자와 데이터 사이언티스트는 현재 제품 및 서비스에 AI 기능을 통합하여 기존 투자의 가치를 더욱 확장할 수 있습니다. 예를 들어, API는 데이터를 설명하거나 흥미로운 인사이트와 패턴을 알려주는 Q&A 기능을 추가할 수 있습니다.

AI 과제

인공 지능이 전 세계 경제의 생산성 잠재력을 혁신할 수 있는 역량을 제공한다고 해도 과언이 아닙니다. PwC의 연구 에 따르면 AI가 세계 경제에 기여하는 금액은 10년 이내에 총 17조 달러에 육박할 것입니다. 이러한 AI 기반 경제에 참여하려면 조직은 AI 과제를 극복해야 합니다.

컴퓨팅 성능 확보하기

AI 시스템을 구축하고 머신 러닝, 이미지 처리, 언어 이해 등의 기술을 활용하려면 엄청난 처리 능력이 필요합니다. NVIDIA 는 기존 제품 및 서비스에 AI를 도입하고자 하는 전 세계 AI 개발팀이 GPU 및 AI SDK를 위한 새롭고 흥미로운 '네이티브 AI' 서비스를 구축할 때 선택하는 기업입니다.

데이터 편향 해결하기

다른 컴퓨터 시스템과 마찬가지로 AI 시스템은 공급되는 데이터의 질에 따라 결과가 달라집니다. 질이 낮은 데이터는 기업, 정부 또는 기타 출처에서 공급될 수 있고 인종, 성별 관련 편향이나 기타 편향을 포함할 수 있습니다. 개발자와 데이터 사이언티스트는 AI 데이터의 편향을 방지하거나 AI 시스템이 실제로 학습하는 내용에 대한 사용자의 신뢰를 무너뜨릴 수 있는 위험을 방지하기 위해 추가 예방 조치를 취해야 합니다.

AI 사용 사례

헬스케어

세계 유수의 조직들이 의사와 과학자에게 AI를 제공하여 삶과 연구의 미래를 변화시키는 데 도움을 주고 있습니다. AI를 사용하여 의사와 과학자는 상호 운용 가능한 데이터를 처리하고, 개인 맞춤형 의료 및 차세대 클리닉에 대한 증가하는 수요를 충족하고, 워크플로우에 고유한 지능형 애플리케이션을 개발하고, 이미지 분석 및 생명과학 연구 등과 같은 분야를 가속화할 수 있습니다. 사용 사례는 다음과 같습니다.

  • 병리학. 매년 주요 종합병원은 수백만 건의 정밀 촬영과 조직 생검을 수행하는데, 이를 스캔하여 디지털 병리학 데이터 세트를 생성하는 경우가 많습니다. 오늘날 의사와 연구자들은 AI를 통해 이러한 데이터 세트를 포괄적이고 효율적으로 분석하여 수많은 질병을 분류하고 병리학자 간 진단 불일치가 있을 때 실수를 줄일 수 있습니다.
  • 환자 치료. 오늘날의 과제는 언제나 그렇듯이 임상의가 환자에게 올바른 치료를 최대한 빠르고 효율적으로 제공하는 것입니다. 이는 중환자실에서 더욱 절실히 요구되는 사항입니다. AI 도구를 사용하는 의사는 시간별 활력징후 측정치를 활용하여 환자의 호흡 지원, 수혈 또는 심장 기능 강화를 위한 개입이 필요한지 여부를 8시간 전에 미리 예측할 수 있습니다. 

소매

Accenture 보고서에 따르면 AI는 2035년까지 소매업체의 성장과 수익성을 개선하여 2조 2천억 달러 상당의 가치를 창출할 잠재력이 있는 것으로 예측됩니다. 대규모 디지털 혁신을 겪고 있는 이 업계는 AI를 사용하여 자산 보호를 개선하고, 매장 내 분석을 제공하고, 운영을 간소화함으로써 비즈니스 가치를 높일 수 있습니다.

  • 수요 예측. 미국 내 4,700개 매장에서 100,000개가 넘는 상품을 판매하는 Walmart Labs의 데이터 사이언스 팀은 매주 5억 개의 매장별 품목 조합의 수요를 예측해야 합니다. Walmart 팀은 NVIDIA CUDA-X™ AI와 NVIDIA GPU를 기반으로 구축된 오픈 소스 데이터 사이언스 및 머신 러닝 라이브러리인 NVIDIA RAPIDS™ 제품군으로 예측을 수행함으로써 머신 러닝 기능을 100배 더 빠르게 엔지니어링하고 알고리즘을 20배 더 빠르게 훈련시킬 수 있게 되었습니다.
  • AiFi는 현재 대형 유통업체 및 대학과 손잡고 계산대가 없는 24시간 무인점포인 NanoStore를 시범적으로 테스트하고 있습니다. 500개 이상의 제품을 취급하는 NanoStore는 NVIDIA T4 Tensor Core GPU 기반 이미지 인식을 사용하여 선택되는 상품을 캡처하고 이 데이터를 고객 탭에 추가합니다.

통신

AI는 통신업계에서 새로운 커뮤니케이션 물결을 일으키고 있습니다. GPU의 성능과 5G 네트워크를 활용하면 스마트 서비스를 엣지로 가져와 배포를 간소화하고 잠재력을 최대한 발휘할 수 있습니다.

  • 2Hz, Inc.는 NVIDIA T4 및 V100 GPU를 기반으로 하는 노이즈 억제 기술로 실시간 통화 시 상대의 음성이 확실하게 들리도록 만듭니다. 2Hz의 딥 러닝 알고리즘은 CPU보다 최대 20배 더 확장되며, 2Hz는 GPU에서 NVIDIA® TensorRT™를 실행하여 실시간 통신에 필요한 12밀리초(ms)의 지연 시간 요구 사항을 충족합니다.
  • 5G는 지연 시간이 20ms보다 짧은 기가비트 속도를 비롯하여 여러 컴퓨팅 기능을 제공합니다. 이에 따라 Verizon Envrmnt 팀은 강력한 NVIDIA GPU를 배포하여 Verizon의 고성능 컴퓨팅(HPC) 작업을 강화하고 분산 데이터센터를 구축했습니다. 또한 5G 덕분에 장치가 더 얇고 가벼워지고 장치의 배터리 효율이 향상되어 렌더링, 딥 러닝, 컴퓨터 비전을 강화할 수 있는 메모리 집약적 병렬 처리가 가능해질 것입니다.

금융 서비스

AI 솔루션은 역동적인 금융 서비스 분야에서 각광받고 있으며, 수십 곳의 기존 공급업체 및 스타트업이 앞다퉈 AI 솔루션을 시장에 선보이고 있습니다. 현재까지 가장 많이 사용되는 응용 사례는 다음과 같습니다.

  • 포트폴리오 운용 및 최적화. 과거에 포트폴리오 위험 계산은 대부분 수작업으로 이루어졌기 때문에 시간이 매우 많이 걸리는 프로세스였습니다. 은행에서는 AI를 활용하여 중요한 데이터를 이동하지 않고도 몇 초 만에 매우 복잡한 쿼리를 수행할 수 있습니다.
  • 위험 관리. 포트폴리오 운용과 마찬가지로 위험 관리 계산도 보통 밤새 일괄적으로 이루어지는 경우가 많기 때문에 24시간 내내 기회 손실이 발생할 수 있습니다. AI 도구는 가용 데이터를 사용하여 사실상 실시간으로 위험을 계산할 수 있으므로 포트폴리오 성과가 향상되고 고객 경험이 개선됩니다.
  • 이상 금융 거래 탐지. 엄청난 양의 데이터를 수집하고 바로 이상을 검색할 수 있는 기능을 갖춘 AI 솔루션은 의심스러운 패턴에 플래그를 지정하고 특정 조치를 트리거할 수 있습니다.

산업

가장 일반적인 AI 사용 사례 중 하나는 예방적 유지 관리를 위해 다양한 IoT 장치에서 생성되는 엄청난 양의 데이터 스트림을 처리하는 것입니다. 이러한 사용 사례는 발전기와 같은 단일 장비 또는 공장 현장과 같은 전체 제조 시설의 상태를 모니터링하는 것과 관련이 있을 수 있습니다. AI 시스템은 장치에서 수집하여 전송하는 데이터뿐만 아니라 기상 로그와 같은 다양한 외부 소스의 데이터를 활용합니다. 주요 철도 시스템에서는 AI를 활용하여 장애를 예측하고 장애가 발생하기 전에 수정하여 열차가 제시간에 운행되도록 합니다. 공장 현장에서 AI 기반 예방적 유지 관리는 생산 라인의 가동 중지 시간을 대폭 줄이는 것으로 나타났습니다.

도구로서의 AI

데이터 사이언티스트는 AI를 하나의 도구이자 데이터 심층 분석에 사용되는 다른 절차나 방법론 위에 놓인 절차로 여깁니다. R이나 Python과 같은 언어 외에도 데이터 사이언티스트는 기존 데이터베이스의 데이터로 작업하며, 종종 SQL 쿼리를 사용하여 데이터를 추출합니다. 특정 AI 도구를 활용하면 이러한 기존 데이터 소스에 기반한 분류 및 예측 작업을 신속하게 수행할 수 있습니다.

다음 직군에 AI가 중요한 이유...

머신 러닝(ML) 연구자

대부분의 연구자는 AI를 활용하고 있습니다. AI는 거의 모든 문제에 적용할 수 있고 대규모 데이터 세트와 강력한 연산 능력으로 ML 연구자가 다양한 분야에서 획기적인 연구를 수행하고 자율주행차, 금융, 농업 등과 같은 다양한 산업에서 혁신을 일으킬 수 있기 때문입니다.

소프트웨어 개발자

AI는 아직 스스로 소프트웨어를 작성할 수 있는 단계까지 발전하지 못했지만, AI의 열렬한 옹호자들은 그날이 멀지 않다고 말합니다. 그럼에도 이미 다양한 조직에서 AI를 활용하여 소프트웨어 솔루션, 특히 맞춤형 소프트웨어의 개발 및 테스트를 지원하고 있습니다. 소프트웨어 공급업체가 출시한 AI 지원 소프트웨어 개발 도구의 다양성과 수는 지난 2년간 지속적으로 늘었습니다. 가장 많은 투자를 받는 인기 스타트업 중 일부는 AI 개발 도구를 선구적으로 제작 중인 기업입니다.

매우 흥미로운 AI 개발 도구의 적용 사례 중 하나로, AI는 이전 개발 프로젝트에서 방대한 양의 데이터를 수집하여 프로젝트 관리를 강화했습니다. 그런 다음, 이 도구는 새로운 프로젝트를 관리하는 데 필요한 다양한 작업, 리소스 및 일정을 정확하게 예측했습니다. 그렇다고 AI가 소프트웨어를 작성하거나 개발자를 대체할 수 있는 것은 아니지만, 이로 인해 능력 있는 개발자가 맞춤형 소프트웨어를 만드는 데 훨씬 더 효율적으로 시간을 할애할 수 있게 되었습니다.

가속 컴퓨팅 플랫폼에서 AI가 더 잘 작동하는 이유

AI 모델, 특히 심층 신경망(DNN)은 규모가 매우 커져 엄청난 컴퓨팅 성능을 필요로 할 수 있습니다. 연산이 서로 독립적이기 때문에 이러한 AI 모델을 훈련시키려면 고도로 병렬화된 작업이 필요합니다. 따라서 GPU 분산 처리의 탁월한 사용 사례입니다. 최근 GPU가 발전하면서 여러 비전 및 언어 AI 모델을 1분 이내에 훈련시킬 수 있게 되었습니다.

AI 컴퓨팅을 강화하고 있는 NVIDIA: 인공 지능 분야에서의 오랜 역사

NVIDIA는 1999년에 GPU를 발명했습니다. 이후 NVIDIA는 NVIDIA CUDA® 프로그래밍 모델과 Tesla® GPU 플랫폼을 개발하여 범용 컴퓨팅에 병렬 처리를 도입했습니다. AI 혁신과 고성능 컴퓨팅(HPC)이 융합되면서 AI 솔루션을 구동하는 NVIDIA GPU는 가속 컴퓨팅을 활용하고 AI를 엣지에 도입할 수 있도록 세계 최대 규모의 산업들을 지원하고 있습니다.

NVIDIA 기반 신경망을 통한 혁신

혁신적인 AI 애플리케이션 구축은 신경망 트레이닝에서 시작됩니다. NVIDIA DGX는 모든 AI 워크로드를 위한 가장 강력한 시스템으로, 전 세계 AI 시스템에서 고성능 컴퓨팅 밀도, 성능 및 유연성을 제공합니다. NVIDIA Mellanox InfiniBand 네트워킹의 극한의 IO 성능을 더한 DGX 시스템은 슈퍼컴퓨터급 NVIDIA SuperPOD까지 빠르게 확장할 수 있습니다. DGX는 딥 러닝을 테스트하기 위해 설계된 새로운 업계 벤치마크인 MLPerf에서 세계 기록을 세웠습니다.

클라우드에서의 AI 강화

훈련된 AI 애플리케이션은 수십억 명의 사용자에게 음성, 비디오, 이미지 및 기타 서비스를 제공하는 매우 복잡한 대규모 클라우드 데이터센터에 배포됩니다. 대화형 AI가 부상함에 따라, 대화형 AI가 진정으로 유용하게 사용되기 위해서는 이러한 시스템이 굉장히 빠르게 작동해야합니다. NVIDIA TensorRT 소프트웨어와 강력한 GPU를 결합하여 이러한 까다로운 네트워크를 최적화, 검증 및 가속화하기 위해 결합되었습니다.

한편, AI가 클라우드를 벗어나 전 세계 산업에서 생성하는 산더미 같은 원시 데이터가 존재하는 엣지로 확산됨에 따라 NVIDIA EGX™ 플랫폼은 AI 성능을 데이터에 더 가깝게 배치하여 필요한 때 필요한 장소에서 실시간 결정을 도출합니다.

회사 정보
뉴스 및 이벤트
인기 링크