[특강정리] 제2차 AI 미래포럼 웨비나 : 인공지능의 기대와 현실

 

 

 

안녕하세요~

27년차 진로탐색꾼 조녁입니다!

 

오늘은 어제(210513) 라이브로 진행되었던 2차 AI 미래포럼 웨비나 들으면서 정리해본 걸 포스팅하려합니다.

실제 현업에서 각 기업에 방향을 제시하시는 위치에 계신분들이 직접 말씀해주셔서 더 와닿았고

내용들 자체가 너무너무 재밌고 유익했습니다!! 다른 분들도 시간되시면 한번 직접 들어보시길 추천드려요! 

 

저는 제가 감명깊었던 것들 위주로 요약하여 정리하였습니다.

 

 

제2차 AI 미래포럼 웨비나

210513 인공지능의 기대와 현실

 

1. 기조연설 김윤 SKT CTO

AI의 실상과 허상: Are we solving the right problems with AI?

 

 

Q. 어떻게 하면 인간에게 이로운 인공지능을 만들 수 있을까? 라는 질문에서 출발한다.

 

1.AI Design.

• Problem Definition : 궁극적으로 '더 나은 나'를 실현하는데 기여하는 '디지털 동반자'
• 정말 멋진 문제들이 AI 를 기다리고 있다. eg) 정신병, 인성 등

 

2. Evaluation Methodologies: Are we measyrung what relly matters?

• Example: Error Rate and Quality
• 단어 인식도는 8년간 꾸준히 정확도가 올라 92% 이상으로 올랐지만, 상황을 이해하는 건 별개이다.
• Quality Metrics: Quotes from a 'Comete'SOTA가 잘 작동하지만 메시한 셋에서도 잘 작동해야한다. (테스트셋의 약점을 파악해야한다)
• 모든 오류는 동일하게 취급되선 않된다.

 

3.User Experience Design: Do we think holistically about the best user experience with AI?

 : 애플의 예시, 유저 경험이 삶에 공기처럼 스며들게 하자. (AI만이 쓰이는 건 아니다.)

 

4. Ai's Ultimate Destination

SDGs 좋은 문제인데 AI 적용하기가 힘들다. 왜냐하면 AI가 좋은 곳에 쓰일 수도 있지만, 범죄에 사용될 수도 있다.

 

그 중에서 그래도 잘된 사례로는 , SKT NUGU는 어르신들에게 돌봄 서비스 제공하면서 수십분의 생명을 구했다.

 

#SK - KAKAO 혼잡도 API 어디서 볼수있지

 

+ 미래에는 인간뿐만아니라 환경까지 생각해야한다.

 

 

2.오순영 한컴인텔리전스 CTO

주제1 AI 품질을 SW 관점에서 보다

 

소프트웨어가 세상을 지배한다. (소.세.지)

인공지능 학습용 데이터 품질 가이드라인 검색해보면 정말 잘 정리되어있다.

 

 

• 이루다 챗봇과 같은 경우 , 개발과정 체크리스트가 포함되어있다면 어땠을까?
• 데이터의 품질을 위해 데이터 라벨링 작업자와 검수자의 분리 필요.
• 학습용 데이터도 버전 관리가 필요하다. (CPU&GPU 아키텍쳐별로 다를 수도 있다.)

 

 

3. 김승일 모두의연구소 대표

주제2 AI 리터러시: 사회적 격차 해소를 위한 노력

• 새로운 기술은 부를 재편한다.

• 세대간 격차뿐 아니라, MZ 내에서도 기술력에 대한 격차가 부의 격차를 만들 수 있다.
• 지역간 격차 : 인구의 20%가 사는 서울에 인공지능 교육의 80%가 있다. → 온라인? 한계가 명확하다. 오프라인만의 장점이 있다.
• 그래서 스스로 공부하고 지역 기업의 과제를 해결하며 성장하는 방식 고안!

 

 

4. 김휘영 연세대 교수

주제3 AI가 병원에 가면 의료인이 될 수 있을까?

16년 JAMA에 구글 공학자들이 당뇨성 망막변증 예측 논문을 실었다. (알파고 난리났을 시점)

• 인공지능이 의사를 대체하지 못하는 이유(feat. 비둘기 , 개)

비둘기 , 개 이야기 : 비둘기에게 한달간 폐렴 사진을 보여주고 맞추면 모이를 주고 아니면 안줬다. 그랬더니 폐렴을 높은 수준으로 맞출 수 있게되었다. 강아지도 비슷한 사례다. 그렇다면 당신은 비둘기나 개에게 당신의 건강을 맞길 수 있으신가요??

 

1. 예측은 잘 하지만 이유를 모른다.
2. 병원별 데이터에 학습되다보니 다른 병원 혹, 다른 병에는 잘 적용이 안된다.

 

• AI 의료기기 허가 제도가 까다롭다.

-> 해결책이 필요하다. (제도적 지원, 병원의 투자, 의학자와 공학자의 소통 필요)

 

 

 

 

패널토의 & 질의 :   - AI 기대와 현실 간격 해소를 위해 필요한 노력 -

패널(가나다순):

김재완 삼성디스플레이 상무

김재원 엘리스 대표

이주열 LG CNS 상무

장정열 에프에이솔루션 대표

정규환 뷰노 CTO

 

 

1. MLOps  , ML Ops 가 적용되기 위한 조건들

MLOps 란 ? 실험적인 기계 학습 모델을 프로덕션 웹 시스템으로 가져 오는 프로세스

• 개발에서 성능과 적용할 떄 성능의 차이를 어떻게 미리 알 수 있을까?
• 제조업에서도 장비가 바뀌다 보니까 학습망이나 학습데이터를 업데이터 해야하는데, 제조라인이 수백대라서 적용하기 어렵다. 주기가 빈번한 경우는 수동 대응이 어렵다보니 학습 자동화 기술을 검토하고있다.

 

1. 학습해야겠다고 인지하는 것 필요
2. 데이터 베이스 구축 (변경되는 환경에 맞춰서)
3. 바뀐 DB에 맞게 NN 구성

위 3단계의 학습 자동화 시스템이 구성되어야 사용가능한 인공지능 모델이 완성된다.

 

 

2. 인공지능 교육 , 김재원 엘리스 대표

 

: 기초(수학, CS) 가 부족하고 열매(결과)만을 배우는 과정이 많아지고있다.

 

적용점 : 그러니 기초도 중요하다고 볼 수 있다. ML & CS & Math & BE 공부!!!!

 

 

3. 제조업AI 이야기 ,김재완 삼성디스플레이 상무

 

삼디플 AI 인증 제도 도입 , 경영 환경 안전에서 AI를 통한 혁신하고 위해 노력하고 있다.

 

공정 파라미터를 조정해서 효율 극대화하는 스마트 팩토리로 가고자함. 아래 3단계 과정이 있다. (현 1단계 수준)

 

1. 공정 고장 자동 감지
2. 불량 유발하는 설비 자동 감지
3. 설비가 불량 유발하기 전 사전 조치

→ 제조업에 관심이 많이 부족, 많이들 진출해주셔서 2단계 개발에 기여해주시길 부탁드립니다.

 

 

정말 재밌고 유익한 세션들이 많았다. 비록 모든 내용을 정리하진 못했지만 자극이되는 부분도 있었으며 , 실제 시장에 대한 이해도도 높여줬다. 이런 문화가 점점 더 많아졌으면 좋겠다.

 

P.S 이 강의 듣고 바로 ML 파이프라인 & 쿠버네티스 강의 결제했다