크레마클럽

＜이런 분들께 추천합니다＞
1. ChatGPT가 화두인 가운데 인공지능의 현황을 알고 싶은 분
2. 인공지능의 역사와 주요 기술이 궁금한 분
3. 글로벌 빅테크 기업들의 투자와 전략을 통해 새로운 기회를 발견하고 싶은 분

지난달 17일에 거의모든인공지능 모임을 갖고
다루었던 ChatGPT 가 여기저기서 난리다.

아이폰도 74일이나 걸렸던
100만 사용자를 단 5일만에 달성하였다 한다.

강력한 검색엔진 경쟁자가 나타나자
구글은 심각한 위기로 보고
코드레드 를 발령하였다.

우리가 지금 이 책을 읽어야 할 이유이다.

＜책 속 내용＞
- 알파고로부터 시작된 인공지능의 진화
2016년 3월 역사적인 대국이 하나 있었다.
바로 이세돌 9단과 영국의 딥마인드가 개발한
알파고 의 경기였다.

많은 사람들이 이세돌 9단의 승리를 점쳤지만
결과는 4:1, 이세돌 9단의 완패였다.
돌이켜보면 1승을 한 것도 대단하다.

바둑 뿐만 아니라 이후 AI는
체스와 장기, 포커, 퀴즈 등에서
인간들을 정복해 나가며 충격을 주었다.

- 딥러닝과 머신러닝
AI를 이해하기 위해서는 기본적으로
머신러 과 딥러닝 을 이해해야 한다.

머신러닝은 인공지능을 구현하는 방법 중 하나로
통계적 분석을 기반으로 하여
컴퓨터가 데이터로부터 규칙을
학습하도록 하는 기술이다.

머신러닝의 학습에는
지도학습,비지도학습
강화학습,전이학습 등이 있다.

딥러닝은 머신러닝의 하위개념으로
인간의 뇌 구조를 모방하여 인공신경망이라는
알고리즘 구조를 통해 학습을 한다.

인공지능은 1970년대와 90년대
투자가 끊겼던 2번의 겨울의 시대를 지나
현재 제3차 AI붐 시대에 와 있다.

- 새로운 기회의 발견
구글 테슬라 아마존
마이크로소프트 메타 엔비디아 등
글로벌 빅테크 기업들은 인공지능을 통해
기능을 확장하거나 대체하고
신기술, 신사업에 진출하며
새로운 비즈니스를 만들고 있다.

국내에서는 NAVER 카카오 SK텔레콤 등
대기업들이 초거대AI 개발을 위해
경쟁을 하고 있다.

Imagen 이나 달리 등
이미지생성 AI들도 활발히 이용되고 있다.

단일규모로 AI가 활발히 사용되고 있는 분야는
AI영상진단 이 있는데
대표적인 기업으로는 루닛과 뷰노 가 있다.

이 밖에도 제조업, 농업, 건설업, 금융업, 물류 등
다방면에서 인공지능이 스며들면서
폭팔적으로 성장하고 있다.

인공지능이 일자리를 뺏어간다거나
인간들에게 해를 끼칠 수도 있다는 부정적인 측면과
아직까지 통합적인 지능을 갖춘
인공지능이 없다는 등의 한계가 존재하지만
앞으로 더욱 발전하게 될 AI에 대한 학습을
이 책을 통해 미리 해 볼 수 있어 뜻깊은 시간이었다.

＜책 속 명문장＞
업종을 불문하고 이들 (빅테크) 기업들은 인공지능을 내부 혁신의 도구로 활용해 핵심 비즈니스를 강화하면서 신규 비즈니스를 확장하고 있다는 면에서 크게 다르지 않다. 단지 어떤 부분에 더욱 집중하느냐에 따라 인공지능 비즈니스의 전략과 실행에서 큰 차이를 보여주는 것으로 생각된다.-p334

인공지능을 알아보자

 

책을 선택한 이유

 

인공지능은 공상 과학의 단골 소재였다.

 

알파고로 우리에게 나타났고 코로나 사태 이후

놀라운 기술 발전으로 사회를 바꾸고 있는

인공지능에 대해 알아보기 위해

"비즈니스 관점으로 꿰뚫은 거의 모든 인공지능"을

선택하였다.

 

 

"비즈니스 관점으로 꿰뚫은 거의 모든 인공지능"은

 

1장 알파고를 찾아서

2장 딥러닝, 인공지능의 물고를 트다

3징 인공지능 기반 기술의 발전

4장 인공지능 밸류체인의 성장

5장 인공지능, 비즈니스를 열다

6장 인공지능의 그림자

7장 인공지능에 지능은 없다

8장 글로벌 빅테크 기업들의 대응과 전략

9장 디지털 전환과 인공지능

10장 인공지능, 기회의 발견

 

으로 구성되었다.

 

 

1장 알파고를 찾아서 에서는

 

구글 딥마인드는 강화학습을 연구한다.

강화학습은 보상 매커니즘을 통해 기계 스스로

최적의 결과를 도출하도록 유도한다.

 

딥마인드의 알파고는 세계 최고 프로기사를

이기면서 세계를 놀라게 한다.

 

알파고 가치망 시스템은 승률 분석과 가중치 부여로

창의적 수를 고안하고 몬테카를로 트리 탐색으로

유리한 수를 선택한다.

 

알파고는 범용성 있는 인공지능 알파제로,

알파폴드 등으로 무서운 속도로 진화한다.

 

포커 게임의 딥스택, 리브라투스, 플루리버스 등은

인간의 실력을 능가했다.

 

체스의 딥블루, 퀴즈의 왓슨 등의 활약을 살펴보며

인공지능의 놀라운 학습 속도에 대해 이야기 한다.

 

 

 

 

2장 딥러닝, 인공지능의 물고를 트다 에서는

 

앨런 튜링의 튜링 머신은 현대 컴퓨터의 근간이 된다.

인공지능 연구가 시작된 다트머스 회의,

 

기호주의 인공지능과 인공지능의 겨울,

뇌 구조를 흉내낸 연결주의 탄생과 몰락,

 

다층 신경망 학습이 가능한 역전파 기술은

합성곱 신경망, 심층신뢰 신경망 등으로

발전해 나간다.

 

힌튼의 알렉스넷은 딥러닝의 발전을 초래한다.

 

딥러닝의 원형 아키텍처를

이미지와 패턴 인식, 언어와 시계열 데이터,

자연어 처리, 생성 알고리즘의 진화로

나누어 살펴보며,

 

머신러닝, 딥러닝, 지도학습, 비지도학습,

강화학습, 전이학습 등 인공지능 학습 방법을

설명한다.

 

 

 

 

3징 인공지능 기반 기술의 발전 에서는

 

알렉스넷과 합성곱 신경망은 딥러닝 시대를

개막한다.

 

컴퓨터 비전은 기계의 눈을 의미한다.

컴퓨터 비전 기술의 확장성을 소개하며,

 

음성인식 기술의 어려움과 주요 연구 기업들,

실생활에 활용되는 음성합성 기능의 비약적 발전,

상황을 소개한다.

 

인공지능이 인간의 언어를 이해하기 위한

자연어 처리, 구글의 어텐션 매커니즘,

 

단어 간 연관관계 학습모델 BERT,

기계 번역 패러다임의 진화,

 

자연어 처리 기술의 최종 목표 대화형 인공지능,

창조하는 인공지능의 등장, GAN 기술을 이용한

새로운 사업기회, 딥페이크 기술의 장단점,

 

오픈AI의 GPT 시리즈 등 대량 데이터를

학습하는 초거대 인공지능의 등장,

 

마이크로소프트의 초거대 인공지능 상용화,

딥마인드의 초거대 언어모델 레트로,

네이버 등 국내 기업들의 움직임을 소개한다.

 

 

 

 

4장 인공지능 밸류체인의 성장 에서는

 

딥러닝의 성장 배경이 되는 하드웨어,

소프트웨어 인프라를 살펴본다.

 

인공지능 전용 GPU 개발 경쟁,

클라우드 컴퓨팅, 엣지 컴퓨팅,

슈퍼컴퓨터 와 클라우드 기반 슈퍼컴퓨터 등

하드웨어를 알아본다.

 

인공지능 플랫폼, 딥러닝 프레임워크,

구글, 아마존의 머신러닝 플랫폼,

마이크로소프트의 ‘애저 AI’,

IBM 인지 컴퓨팅 등 소프트웨어를 소개한다.

 

 

 

 

5장 인공지능, 비즈니스를 열다 에서는

 

자율주행은 인공지능 비즈니스를 선도할 것이다.

 

자율주행 시대를 연 테슬라의 FSD,

자율주행 기술 개요, 자율주행 레벨 기준,

구글, 테슬라의 자율주행. 엔비디아의 GPU,

모빌아이의 자율주행, 도요타의 우븐 시티 구상 등

자율주행은 운송의 개념을 바꿀 것으로 예상한다.

 

 

대화형 인공지능 비즈니스는 AI 스피커로 등장한다.

스마트 홈의 허브 AI 스피커는, 인공지능 기술과

클라우드 역량이 중요하다.

 

애플 시리, 아마존 알렉사, 구글 어시스턴트,

마이크로소프트 코타나 등을 소개한다.

 

 

인공지능 기반 서비스 로봇은 유망하다.

 

물류의 아마존 키바, 요식업의 모멘텀 머신즈,

휴머노이드 로봇, 수술로봇, 산업용 협동로봇,

상업용 드론 등의 발전을 이야기 한다.

 

의료 인공지능 분야 시장 진입은 어렵다.

딥마인드 의료 영상 분석, 지식 기반 의료 데이터,

IBM 헬스사업부 실패, 생체 데이터 분석,

신약 개발 사례 등을 다룬다.

 

 

 

 

6장 인공지능의 그림자 에서는

 

인공지능의 지능화 기술, 자율 주행 등은

사람들의 일자리를 크게 잠식할 것이다.

 

인공지능이 새로운 산업을 만들어 내므로 일자리가

늘어날 것이라는 낙관적 주장, 인공지능이 사람을

보조하는 역할에 그칠 것이라는 주장을 소개하며,

 

인공지능의 발전으로 인한 일자리 상실을 해결하기 위한

대책을 검토할 때라고 이야기 한다.

 

 

세계 석학들의 카이스트 보이콧 사태는

인공지능 대량살상무기의 위험성을 잘 알려준다.

 

공격용 드론과 킬러로봇은 로봇에 대한

인간의 통제권을 위협한다.

 

인공지능을 통한 생화학 무기 개발은 인류의 생존을

위협할 가능성이 매우 크다.

 

 

딥페이크는 진짜 같은 가짜로 사실을 조작할 수 있고,

인공지능의 편향성 논란에 대해 설명한다.

 

중국의 쉐량 프로젝트는 중국 전역을 24시간 감시,

통제할 수 있는 네트워크다.

 

데이터를 활용한 사람의 파악,알고리즘을 통한

지식 통제는 악용될 소지가 크다는 문제를 제기한다.

 

 

 

 

7장 인공지능에 지능은 없다 에서는

 

지능이나 인지의 개념은 불분명하며,

인공지능 학습은 우리의 생각과 다르다.

 

인공 지능에 대한 상반된 관점,

협의 인공지능, 초지능을 소개하고,

딥러닝 기반 협의 인공지능의 한계를 알아본다.

 

딥러닝을 통한 일반 인공지능 개발 움직임과

초거대 인공지능을 통한 일반 인공지능 개발

노력을 살펴본다.

 

 

 

 

8장 글로벌 빅테크 기업들의 대응과 전략 에서는

 

구글은 기술 지향의 인공지능 기술 전략을 가진다.

검색엔진의 혁신을 추구하며, 기술 완벽주의를

지향하고 있다.

 

 

테슬라는 사업 우선주의와 핵심 기술의 수직적 통합,

비즈니스와 인공지능 역량 확대를 통해,

사업 지향의 점진주의를 취하고 있다.

 

 

아마존은 자신의 전자상거래 시스템에서

AWS의 사업기회를 포착한다.

 

알렉사, 키바, 아마존 고, 리비안 등을

소개한다.

 

 

마이크로소프트는 클라우드컴퓨팅 중심의

인공지능 전략을 가지고 있다.

 

애저 AI, GPT-3 기반 코덱스, 코딩 자동화 도구

개발 전략을 이야기한다.

 

 

애플은 인공지능을 통해 디바이스를 강화한다.

 

경쟁사에 뒤쳐지는 기술을 만회하기 위해

인공지능 기술 강화 및 반도체 개발,

제조 기술의 수직적 통합을 도모하고 있다.

 

 

페이스북은 세계 최대 SNS 기업으로

인공지능을 통한 서비스 강화와 연구 중심

역량을 키워가고 있다.

 

FAIR를 통한 인공지능 R&D는 메타버스에서

활약할 것으로 보인다.

 

 

엔비디아의 GPU는 딥러닝에 효과적이다.

 

게임, 딥러닝, 자율주행, 슈퍼컴퓨팅 등

엔비디아의 전략을 소개한다.

 

 

인공지능 기술 수직적 통합, 차별적 역량 확보 등

빅테크 기업들의 공통 전략을 정리해 본다.

 

 

 

 

9장 디지털 전환과 인공지능 에서는

 

디지털 전환을 통한 비즈니스 혁신,

디지털 전환을 견인하는 인공지능의 역할,

스마트 공장, 디지털 트윈, 제조업의 딥러닝 등

인공지능에 의한 제조업 혁신을 알아본다.

 

스마트 농업, 어그테크, 스마트팜, 식물 공장 등

농업의 디지털 전환을 소개한다.

 

스페이스메이커 등 콘테크 스타트업을 통해

건설업의 혁신과 인공지능을 알아본다.

켄쇼의 인공지능은 투자 분석가를 해고한다

.

디지털 인프라와 핀테크 발전으로 활발한

금융권의 디지털 전환을 소개한다.

 

스마트 물류는 밸류 체인의 스마트화 경쟁이다.

 

수요를 예측, 물류 창고의 인공지능,

자율주행 배송 시스템을 이야기 한다.

 

 

 

10장 인공지능, 기회의 발견 에서는

 

인공지능은 놀라운 속도로 발달하고 있지만

산업 현장에서 가시적 성과를 얻지 못하고 있다.

낙관과 비관론 살펴본다.

 

인공지능 비즈니스의 특징을

일반화의 한계, 패스트팔로워의 한계,

ROI 예측의 한계, 네트워크 효과로 살펴보며,

 

인공지능 비즈니스 모델을

기능 확장형, 기능 대체형, 신제품, 신사업 모델로

구분해 보고,

 

마이클 포터의 본원적 경쟁 전략,

원가 우위, 차별화, 시장 집중화를 통해

인공지능 비즈니스 모델 구축을 생각해 본다.

 

IT, 자동차, 로봇 기업, 플랫폼, 소프트웨어 기업,

제조, 건설 등 비IT 기업, 스타트업의

인공지능 기술 개발에 대해 소개한다.

 

 

"비즈니스 관점으로 꿰뚫은 거의 모든 인공지능"은

알파고를 통해 강한 충격을 준 인공지능을

우리에게 소개하고 있다.

 

인공지능은 오래 전부터 개발되었지만

극심한 침체기를 겪었으며, 딥러닝을 통해

화려하게 부활했다.

 

인공지능의 개발 역사와 인공지능의 발전 과정,

인공지능 밸류체인, 인공지능 비즈니스 현황을

설명한다.

 

인공지능이 야기할 문제, 인공지능의 한계 등은

인공지능에 대한 환상을 버리고 사실 그대로

보도록 한다.

 

빅테크 기업들의 인공지능 개발 전략,

디지털 전환과 인공지능의 관계,

인공지능 비즈니스 모델 등에 대한 이야기 등은

실제 사업에서 인공지능을 활용하는 방법을

생각하게 한다.

 

공상 과학 영화 단골 소재였던 인공지능은

이제 서서히 가시화 되고 있다.

 

일부 분야에서는 인간의 능력을 뛰어 넘었으며,

자율 주행 기술 등은 미래 산업 구조를 뒤바꿀 것이다.

 

인공지능 개발을 위해 각국 기업들은 치열하게

경쟁하고 있으며, 인공지능 기술에 뒤쳐질 경우

기업의 미래를 좌우할 것이다.

 

인공지능 기술력이 비즈니스 성공을 가져오지 못하며,

글로벌 선도 기업들도 비즈니스를 포기하거나

사업부 자체를 매각하기도 한다.

 

인공지능에 대한 막연한 기대와 희망에서 벗어나

인공지능의 사업성을 정확하게 판단해야 할 것이다.

 

"비즈니스 관점으로 꿰뚫은 거의 모든 인공지능"의

인공지능 비즈니스 모델과 기업들의 선택지를 통해

기업들이 무엇을 해야 할지 파악하는 것은

디지털 전환을 앞둔 기업이 인공지능 전략을

구축하는데 많은 도움이 될 것이다.

 

"비즈니스 관점으로 꿰뚫은 거의 모든 인공지능"을 통해

사업 형태별 비즈니스 모델을 성공시키는 인공지능

활용 방법을 생각해 보게 되었다.

 

스마트비즈니스 리뷰어스클럽 서평단에서

"비즈니스 관점으로 꿰뚫은 거의 모든 인공지능"을 증정해주셨다.

감사드린다.

 

#리뷰어스클럽

#리뷰어스서평단

#네이버독서카페

#스마트비즈니스

#문용석

#비즈니스관점으로꿰뚫은

#거의모든인공지능

#트렌드

#미래예측

인공지능은 일반인들에게는 낙관과 위협이 함께 하는 영역입니다. 그 이유는 현재 인공지능의 현상황을 잘몰라서 생긴 현상인지 모릅니다. ＜거의 모든 인공지능＞은 인공지능의 역사와 생태계, 비즈니스,부작용,빅테크들의 인공지능 준비와 마지막으로 인공지능의 가능성까지를 다뤄서 좀더 객관적인 시각으로 코딩과 수학은 몰라도 인공지능의 현실을 알고 활용을 할 수있도록 구성했습니다.

저자 문용석은 25여년을 ICT분야에서 일해온 분입니다. 미국 미네소타대학에서 공학박사를 취득했고 삼성과 포스코 등에서 기술개발담당 임원으로 근무했습니다. 최근에는 디지털 트렌스포매이션분야의 최전선에서 업무를 보고 계십니다.

2016년 3월 15일은 세계 바둑기사 이세돌이 알파고에게 1승4패로 완패한 날입니다. 알파 체스, 퀴즈 등에서 인간을 꺽어온 인공지능의 변곡점을 맞는 날입니다. 바둑은 경우의 수가 너무 많아서 도저히 컴퓨터가 인간을 이길수가 없고 아직 그 수준에 도달하려면 몇년이 더 필요하다던 인간들의 고정관념을 깬날입니다. 이 결과는 인공지능의 본고장인 미국뿐 아니라 전세계에 그 파장은 컸고 인공지능의 시대를 실감하게 되었습니다. 이것을 알파고쇼크라고 합니다.그럼 이 인공지능을 정의하면, 진화되도록 창조된 프로그램이라고 합니다. 이러한 인공지능이 시대적 화두가 되었습니다.

제대로 된 인공지능시대를 선언한 하드웨어는 GPU였습니다. GPU의 대표기업은 엔비디아입니다. GPU가 엔비디아만 만드는 건 아닙니다만 엔비디아의 노력으로 딥러닝연구자들이 엔비디아의 GPU를 써줌으로써 표준처럼 사용되었고 딥러닝은 신경망컴퓨팅으로 많은 신경망 레이어로 구성되어 있습니다. 이를 계산하는 GPU가 최적화되어 있었고 구글이 TPU를 개발하고 요즘은 인공지능 전용반도체 NPU의 개발경쟁이 치열합니다. 여기에 클라우드가 발전하고 에지기술이 더해지면서 과거에는 상상하기 힘들정도로 인공지능은 많은 데이터를 처리할 수있게 되었습니다.

이 인공지능의 가장 선두에 서있는 것이 자율주행입니다. 전기자동차의 선두 테슬라는 FSD를 발표해서 1만2000천달러에 판매하고 있답니다. 앞으로 계속 인공지능소프트웨어를 업그래이드하면서 차주에게 돈을 받는다면 소프트웨어회사와 다를바가 없는 BM을 가지게 됩니다. 구글, 모빌아이, 바이두 등이 자율주행을 위해 많은 비용을 들여 개발하고 있지만 아직은 테슬라가 선두일겁니다. 자율주행에 못지않는 것이 인공지능로봇분야라고 합니다. 한국에서도 KT가 식당을 중심으로 한 배달로봇을 홍보하고 있습니다. 아마존의 무류창고는 키바라는 로봇이 인간대신 돌아다니고 휴머노이드로봇이 보스톤다이나믹스뿐 아니라 수술로봇으로 확장되고 테슬라도 곧 휴머노이드로봇을 발표하겠다고 큰소리를 쳐놓은 상태입니다. 이로인해 인공지능의 그림자로 일자리문제가 대두가 되고 있습니다만 그리고 그런 시대가 분명히 올겁니다만 저자는 공생과 공조로 어떻게 인간이 극복하느냐가 중요하다고 합니다.

맥킨지는 인공지능이 산업혁명에 비해 10배는 빠르고 규모도 300배라고 하지만 현실적으로 인공지능이 현실적 피부로 느끼는 것은 인공지능 스피커로 아리아~나 스마트폰으로 시리야를 외칠때 정도 일겁니다. 그것도 인식율도 낮고 우리가 상상하는 인공지능수준과는 많이 동떨어져있죠. 인공지능 의사 왓슨도 결과의 부정확성으로 적자를 보고 있고 자율주행 인공지능도 발전은 하고 있지만 아직은 택시기사를 쫒아낼 정도는 10년안에 그런 날이 올수있을 지 요건한데, 인공지능이 인간을 지배하는 상상은 만화나 공상과학소설수준일수도 있습니다. 그래서 저자도 인공지능은 낙관과 비관의 어느 지점일 가능성이 크다고 설명합니다. 하지만 분명한 것은 하루가 멀다하고 신규논문이 쏟아지고 다양한 분야에 인공지능을 활용하기 위해 많은 인재들이 노력을 하고 있습니다. 이는 분명 네트워크효과를 낼 것이며 이렇게 많은 사람들이 도전하고 노력한다면 확실한 비즈니스모델의 성공이 나올 것이라 봅니다. 그것이 오토ML과 코딩자동화도구라고 합니다. 분명 대세는 인공지능이지만 성과는 물밑에서 부글부글끓고 있습니다. 임계점은 분명히 있을 것이고 일부분야에서 인공지능 BM이 성공하면서 전체 분야로 확산되면서 인공지능의 생산력이 선두로 들어설거라 봅니다.

본 도서는 리뷰어스클럽으로부터 무상으로 제공받아 주관적인 리뷰를 했습니다.
#경영 #비즈니스관점으로꿰뚫은거의모든인공지능

알파고 쇼크

6년 전 알파고의 쇼크를 다들 기억할 것이다.

AI가 하기 어려울 정도로 수가 많고 복잡한 바둑을 알파고는 연달이 이겼고, 이 모습을 통해 누군가는 AI기술을 이용한 장밋빛 미래를, 누군가는 AI의 발전으로 도래할 수 있는 디스토피아를 우려했을 것이다. 

그리고 6년이 지난 지금, AI기술은 생각보다는 그리 빠르게 발전하지 않은 것 같기도 하고, 그래도 기술은 나날이 발전하여 많은 부분에 적용되고 있는 것 같기도 하다.

이 책의 제1장은 인공지능이 포커와 체스, 바둑에서 인간과 대결하고 어떻게 발전해왔는지를 일목요연하게 정리하고 있다.

딥러닝, 인공지능의 물고를 트다

알파고의 기술의 독창성은 기존의 기계학습과는 달리 딥러닝을 적용했다는데에 있다. 제2장은 그 딥러닝 기술이 어떻게 발전해왔는지를 흐름 순으로 잘 정리해주고 있다.

평소 언론 등을 통해 파편적으로 들었던 지식들을 체계적으로 잘 정리해준다는 느낌을 받았다.

또한, 지도학습, 비지도학습, 강화학습, 전이학습의 차이점이 무었인지도 이 장을 통해 잘 알 수 있었다.

인공지능 기반 기술의 발전
인공지능, 기계의 눈을 밝히다

이 장은 인공지능이 여러 곳에서 구체적으로 어떻게 응용되고 활용되고 있는지를 정리하고 있다.

실질적으로 인공지능의 장점과 단점이 드러나는 장이라고 할 수 있다.

현재, 인공지능의 산업 적용이 활발하게 일어나고 있고, 결국 그 적용이 성공적으로 일어나서 실질적인 상업화에 성공하고, 경제성을 가지면 그 영역은 투자자에게 있어서 기회가 될 것이다.

앞으로 인공지능 기술에 투자하고 싶다고 하는 투자자라면 이 장을 특히 눈여겨봐야 할 것 같다.

세심하게 살펴보면 어느 영역이 미래의 먹거리가 될 것인지 미래의 투자처를 발굴할 수 있을 것이다.

인공지능 밸류체인의 성장

이 파트는 인공지능의 밸류체인이 어떻게 되는지를 구체적으로 그려주고 있다.

투자자라면 결국 인공지능으로 인한 밸류체인이 어떻게 되는지를 잘 파악해야지 실질적으로 그에 따른 과실이 맺어질 분야를 찾을 수 있을 것이다. 

특히, 인공지능 생태계의 확장, 클라우드 기반 슈퍼컴퓨터, 머신러닝 플랫폼 등 딥러닝의 확장을 투자처로서 눈여겨볼 필요가 있다.

인공지능, 비즈니스를 열다

자율주행, AI 스피커, 인공지능 로봇과 드론 비즈니스, 로봇, 헬스케어 인공지능 비즈니스 등 앞으로의 비즈니스는 인공지능을 빼놓지 않고는 이야기할 수 없을 것으로 전망된다. 

투자자 뿐만 아니라 기업의 CEO라면 반드시 인공지능을 어떻게 비즈니스에 적용할 수 있을 것이며 이를 통해 기업이 어떻게 발전할 수 있을 것인지를 고민해야 할 것이다.
 

인공지능의 그림자

하지만 인공지능이 마냥 장및빛 기술인 것은 아니다. 

우선, AI로 인하여 기존의 일자리들 중 많은 부분이 심각한 도전에 직면할 것이다.

AI의 군사 무기화에 대한 커지는 우려도 무시할 수 없는 요소가 된다.

공격용 드론과 킬러로봇, 생화학 무기의 가능성 등 디스토피아로 전환될 위협이 인공지능 발전에 상존해있다.

또한 AI로 인한 딥페이크의 부상과 조작 사회의 등장, AI의 편향성, 빅 브라더의 등장 가능성 등 여러 가능성들은 진지하게 고민되어야 할 것이다.

글로벌 빅테크 기업들의 대응과 전략

이 장도 역시 투자자라면 반드시 숙지해야 할 중요한 장이다. 
 
구글, 테슬라, 아마존, 마이크로소프트, 애플, 페이스북, 엔비디아 등 빅테크 기업들의 인공지능 비즈니스의 공통 전략과 차별화를 파악할 수 있는 중요한 장이라 할 수 있다.

디지털 전환과 인공지능

제조업도 역시 향후 인공지능으로 인하여 혁신과 기회가 창출될 전망이다.

제조업의 인공지능화, 스마트 공장, 디지털 트윈 / 제조업의 딥러닝 등

그리고 농업 또한 인공지능 발전으로 디지털 전환이 가속화될 전망이다.

스마트 농업, 어그테크의 성장, 스마트팜 등 

그 밖에 건설업의 혁신과 인공지능, 콘테크 스타트업의 성장 등 투자자들이 주목해야 할 이슈들이 가득하다.

인공지능, 기회의 발견

결국 중요한 것인 인공지능과 관련한 여러 이슈들 중에서 기회를 잘 발굴하고 앞으로 수익성이 높은 곳을 알아보고 투자하는 것이 될 것이다. 마지막 장은 이 책을 정리하는 장으로써 투자자들이 인공지능을 어떻게 대해야 하는지를 정리해준다.

향후 인공지능에 투자하고 싶은, 미래 투자에 대해 공부할 사람이라면 이 책을 꼭 읽어보아야 할 것 같다.

 

-본 서평은 서평이벤트를 통해 제공받은 도서를 기반으로 작성한 글입니다.

비즈니스 관점으로 꿰뚫은 거의 모든 인공지능

 

인공지능에 대해 관심을 가지게 된 계기는 알파고와 이세돌 9단의 대국 때문 이었다. 

알파고의 출현으로 기업,국가를 막론하고 인공지능에 전 세계적인 경쟁의 서막이 올랐다고 해도 과언이 아니다. 그 이후에 인공지능에 관심을 가지게 되면서 이 책을 읽게 되었다. 보통 3일 정도 책을 보는데 어려운 용어와 방대한 내용 때문에 일주일 정도 정독을 하면서 나름 힘들게 읽었지만 책 제목 그대로 인공지능의 모든 것을 알게 해준 책이다. 책 전반부는 인공지능의 발전 전개 과정을 역사적으로 이야기 하고 있으며 중반부는 인공지능의 특징을, 그리고 후반부는 글로벌 기업들이 인공지능을 어떻게 이용해서 비즈니스 활동을 하는지 알 수 있었다. 저자 분은 인공지능에 대해 무조건 낙관적인 전망을 말하지 않고 인공지능이 가진 한계도 지적하면서 인공지능의 미래를 전망하고 있다. 인공지능도 많은 유지 비용이 필요하고 아직은 큰 수익 창출을 바로 할 수 없어 글로벌 기업들만의 전유물이 될지 모르지만 일정 시간이 지나 인공지능이 일반화 되는 시점에는 인공지능에 투자 기업들에게는 중요한 비즈니스 혁신 도구 되지 않을까 생각한다. 그리고 인공지능이 발전 할수록 클라우드 컴퓨팅, 자율주행, AI스피커,휴먼노이드 로봇 등 다른 산업의 분야들도 함께 유기적으로 산업이 커지고 있다는 사실도 알 수 있었다. 

 

딥러닝 혹은 심층 신경망은 사람의 뇌를 모방한 인공 신경망 기술의 일종으로, 현재의 인공지능 혁명을 가능케 한 기술이다.

알파고는 바둑 인공지능에 심층 신경말 기술을 도입한 최초의 사례이다. 12개의 깊은 층으로 이루어진 정책망과 가치망을 도입해 강화학습과 지도학습을 반복하면서 최선의 수를 찾도록 만들었다. 알파고는 우선 정책망을 통해 승리 가능성이 높은 다음 후보수를 예측하고, 가치망으로 현 국면의 형세를 판단해서 승률을 계산한다. 그런 다음 이러한 정보를 바탕으로 몬테카를로 트리 탐색을 통해 이후의 전개를 시뮬레이션하여 최종적으로 가장 유리한 수를 선택하도록 설계되었다.

 

1997년, 딥블루라는 이름의 인공지능이 당시 체스 세계 챔피언이던 게리 카스파로프를 2:1로 제압하는 사건이 있었다. 딥블루는 초기 인공지능 연구의 주류를 이루었건 기호주의 방식의 산물이었다. 기호주의는 데이터를 학습하는 머신러닝이나 딥러닝과 달리, 인위적으로 컴퓨터에 입력한 규칙을 통해 동작하는 방식을 말한다.

 

다트머스 회의는 튜링이 제시했던 생각하는 기계를 인공지능이라는 이름으로 세상에 나오게 한 역사적 시발점이 되었다. 기호주의는 모든 지식을 기호화하고, 기호 간의 규칙을 프로그램화하는 방식이다. 반면 연결주의는 규칙에 대한 사전 입력 없이 학습을 통해서 스스로 해답을 찾는 방식이다. 이 두 가지 접근 방식은 다소 적대적인 경쟁으로 전개되면서, 인공지능의 겨울이라고도 부르는 시기들을 겪었다.

 

머신러닝, 딥러닝

머신러닝은 표현 그대로 기계가 학습하는 것을 의미한다. 머신러닝은 주로 통계적 분석을 기반으로 하는 학습법이다. 딥러닝에서 추구하는 심층학습과 달리. 이들 머신러닝 기법들은 상대적으로 적은 양의 데이터와 저층의 학습에 최적화되어 있다. 또한 정교한 통계 모델을 사전에 설정하고, 통계 분석에 맞도록 입력 데이터를 가공해야 하는 등 사전 작업에 적지 않은 공수가 들어가는 단점도 있다. 딥러닝은 머신러닝의 사전 작업을 없애고, 기존 머신러닝 기법들보다 월등한 성능을 보여줄 수 있는 기술이다. 하지만 딥러닝은 머신러닝 대비 인프라와 학습 시간 등 투자 비용이 휠씬 비싼 기술이기 때문에 달성하고자 하는 성능과 비용 관점을 비교하면서 두 가지 기술 중 적절하게 선택할 필요가 있을 것이다. 인공 신경망 기술인 딥러닝도 머신러닝의 서브셋으로 분류된다. 학습을 통해 기계 스스로 문제를 해결하는 공통점이 있기 때문이다.

 

지도학습은 정답이 주어진 데이터를 학습하여 데이터와 정답 간의 관계성을 분석하는 방법이다. 방대한 데이터를 통해 학습하면서 올바른 답을 낼 수 있도록 스스로를 수정해가는 것이다.

비지도학습은 원하는 결과가 주어지지 않은 상태에서 입력 데이터의 특성을 스스로 학습하는 방식이다. 선생 없이 학생 스스로 학습하는 경우나, 혹은 아이들이 세상을 배워 가는 것에 비유하기도 한다.

강화학습은 행동심리학에서 영감을 받은 기계의 학습 방법으로 알려져 있다. 바람직한 행동에 대해 반복적으로 보상이 주어지면 강아지가 어떤 행동을 해야 하는지 스스로 이해하게 되는 것과 같은 이치다.

전이학습은 특정 분야에서 학습을 통해 만들어진 신경망의 일부를 다른 신경망의 학습에 사용하여, 개발 시간과 인프라, 비용을 획기적으로 줄일 수 있도록 한 방법이다.

 

자연어 처리 분야도 2012년 이후 딥러닝이 도입되면서 혁명적인 변화가 시작되었다. 딥러닝은 기존의 기호주의적 접근과는 근본적으로 다르다. 인간이 문법을 가르치는 등 언어를 특정해주는 수고를 할 필요 없이 학습을 통해 기계 스스로 알아내도록 유도하기 때문이다. 이 방식을 통해 통계적으로 어떤 단어들이 서로 가까이에 있는지, 얼마나 유사성이 있는지를 분석할 수 있었다. 사람과 자연스런 대화가 가능해지는 대화형 인공지능은 자연어 처리 기술이 목표로 하는 최종 목적지다.

 

전문가들은 현재 인공지능의 혁명적인 발전이 빅 데이터와 컴퓨팅 파워의 비약적인 발전 덕분임을 인정한다. 데이터와 알고리즘, 네트워크, 클라우드, 그리고 기하급수적 하드웨어 성장이다. 결국 딥 러닝 기반 인공지능의 발전은 빅 데이터와 강력한 컴퓨팅 인프라로 만들어진 무대 위에서 벌어지는 알고리즘의 향연인 셈이다.

 

인공지능 시대에 들어오면서 대량의 데이터를 수집, 저장하고 학습하고 운용할 수 있는 고성능, 고효율의 하드웨어 인프라를 갖춘 클라우드 컴퓨팅이 더욱 빛을 발하고 있다. 클라우드 컴튜팅은 인공지능의 발전에 가장 중추적인 역할을 담당하는 인프라스트럭처라 할 수 있다.

 

자율주행은 움직이는 차량의 주변 상황을 정확히 인지 분석해서 차량의 움직임을 결정하고 제어하는 일련의 과정을 차량 스스로 수행하는 기술이다. 인공지능의 학습을 통한 최적화 덕분에 이 모든 것이 가능해졌다. 자율주챙 자동차는 이런 능력을 기반으로 확률적으로 가장 높은 최적의 시나리오를 찾아서 목적까지 무사히 운행할 수 있는 것이다. 자동차의 주행 데이터를 통해 학습하는 딥러닝 기술을 자율주행의 핵심이다. 학습한 데이터가 많을수록 자율주행의 성능은 좋아질 것이다.

 

딥러닝기반 협의 인공지능의 한계

우선 데이더에 대한 의존성이다. 강력한 통계적 학습 기법인 딥러닝 기술이 전적으로 데이터에 의존하는 기술임은 주지하는 바다. 학습 데이터의 양과 질은 인공지능 성능의 결정적인 요인이다.

데이터를 학습하는 딥러닝은 다소의 차이는 있겠지만, 태생적으로 편향성을 가질 수밖에 없다. 데이터를 수집하는 과정과 데이터 접근성의 차이 등에 의해 자연스럽게 데이터의 편향을 가져올 수 있기 때문이다. 편향된 데이터 세트로 학습한 인공지능은 편향된 결과를 낼 수밖에 없는 것이다.

 

인공지능은 알고리즘이 제시한 결과에 대해 이유를 설명하지 못한다. 알고리즘의 결정에 의문을 가져도 이의 제기는 거의 불가능한 블랙박스다. 단지 확률적 판단에 불과함에도 신탁의 예언처럼 인공지능의 결정을 받아들여야 하는 것이다. 인과관계를 설명하지 못하는 인공지능의 기술적 한계 때문이다.

다음은 일반화의 문제다. 특정 학습 환경에서만 최적화된 인공지능 모델은 약간의 변화에도 제 성능을 발휘하지 못하는 경우가 많다. 과적화된 모델은 특히 환경의 변화에 매우 민감하다. 항상 동일한 특성의 데이터만 발생하는 환경은 사실 거의 존재하지 않는다.

 

딥러닝은 지능화된 강력한 통계적 도구일 뿐 유감스럽게도 우리가 생각하는 궁극적인 지능은 가지고 있지 않음이 명백하다. 질문을 던질 때 마다 모든 답변 가능성을 확률적으로 검토해야 하는 방식으로는 결코 효율적인 지식 체계를 만들 수 없다. 그런 의미에서 딥러닝은 지능의 충분조건이 아닌 필수요건일 수 있다.

 

테슬라의 사업 전략은 확실히 시장을 우선 선점하고, 점차적으로 기술을 발전시키는 점진주의 방식으로 읽힌다. 테슬라는 기술을 위한 기술이 아닌, 철저한 사업 중심의 인공지능 전략을 보유하고 있다.

 

인공지능은 업무 프로세스의 전환을 포함하는 내부 혁신과 새로운 비즈니스의 혁신을 가져올 수 있는 핵심 기술로서 디지털 전환을 견인하는 강력한 엔진이다. 인공지능은 자동화와 최적화, 지능화, 그리고 개인화가 가능한 기술이다.

 

사용자 데이터가 많아질수록 인공지능은 학습을 통해 성능을 강화시킬 수 있고, 이를 통해 더 많은 사용자와 데이터를 확보 할 수 있기 때문이다. 인공지능 비즈니스는 시장을 선점한 기업에 더욱 유리해지는 특징이 있다.

 

인공지능 비즈니스에서 규모의 경제를 이룰 수 있는 가장 큰 두 개의 시장이 형성되고 있기 때문이다. 바로 자율주행과 휴머노이드 로봇이다. 이처럼 시장을 일단 선점하고, 단계적으로 기술을 완성시켜 나가는 전략은 인공지능 비즈니스에 상당히 효과적으로 보인다.

 

인공지능 비즈니스는 막대한 투자 대비 결과에 대한 불확실성이 상대적으로 매우 큰, 낮은 ROI 비즈니스의 전형인 셈이다.