생성형 AI의 미래: 2023년 Gartner Hype Cycle에서 본 혁신과 경쟁 우위

생성형 AI와 그 주변에서 일어나는 혁신은 변혁에 주도적인 영향을 미치고 있습니다.
원문 출처:
https://www.gartner.com/en/articles/what-s-new-in-artificial-intelligence-from-the-2023-gartner-hype-cycle

What’s New in Artificial Intelligence From the 2023 Gartner Hype Cycle™

2023년 Gartner Hype Cycle™ 는 Artificial Intelligence (AI)가 미치는 중대하거나 변혁적인 이점에 대한 정보를 제공하는 동시에, 결함을 가지고 있는 시스템의 한계와 위험을 해결하는 혁신과 기법에 대해 소개합니다. AI 전략을 세우는 투자들에는 가장 신빙성 있는 사례들이 제공되어야 합니다.
https://www.gartner.com/en/topics/artificial-intelligence

What Is Artificial Intelligence (AI)? | Gartner

"AI Hype Cycle은 생성형 AI와 결정 지능을 포함하여 주류 채택까지 2-5년 기간 내에 특히 주목해야 할 많은 혁신을 가지고 있다."라고 Gartner Director Analyst인 Afraz Jaffri가 말합니다. "이러한 혁신의 조기 채택은 중요한 경쟁 우위를 가져다 주며 비즈니스 프로세스 내에서 AI 모델을 활용하는 발생하는 문제를 줄여 줄 것입니다."

두 가지 유형의 GenAI 혁신이 주도하고 있다

생성형 AI는 ChatGPT와 같은 시스템을 사용하여 개발자와 지식 노동자의 생산성을 실제로 향상시켜 AI에 대한 논의를 주도하고 있습니다. 이로 인해 조직과 산업은 그들의 비즈니스 프로세스와 인간 자원의 가치를 재고하게 되었으며, GenAI를 Hype Cycle의 기대 부풀림의 정점으로 밀어 넣었습니다.
https://www.gartner.com/en/articles/beyond-chatgpt-the-future-of-generative-ai-for-enterprises

Beyond ChatGPT: The Future of Generative AI for Enterprises

Gartner는 현재 더 강력한 AI 시스템을 향한 길에서 생성형 AI 변화의 두 가지 측면을 보고 있습니다.
• GenAI에 의해 주도될 혁신.
• GenAI의 발전을 주도할 혁신.

생성형 AI에 의해 주도될 혁신

생성형 AI는 콘텐츠 발견, 생성, 진위 및 규정과 관련된 비즈니스에 영향을 줍니다. 또한 인간의 작업을 자동화하고 고객 및 직원 경험을 자동화할 능력이 있습니다.
https://www.gartner.com/en/articles/10-automation-mistakes-to-avoid

10 Automation Mistakes to Avoid

이 카테고리에 포함되는 핵심 기술은 다음과 같습니다.

• 인공 일반 지능(AGI, Artificial general intelligence)은 인간이 수행할 수 있는 모든 지적 작업을 수행할 수 있는 기계의 (현재는 가설적인) 지능입니다.
https://www.gartner.com/en/information-technology/glossary/artificial-general-intelligence-agi

Definition of Artificial general intelligence (AGI) - Gartner Information Technology Glossary

• AI 엔지니어링, AI engineering은 기업 규모의 AI 솔루션 제공의 기반이며, 이 학문은 일관된 기업 개발, 배포 및 운영 AI 기반 시스템을 생성합니다.

• 자율 시스템, Autonomic systems은 자체 관리하는 물리적 또는 소프트웨어 시스템으로, 독립성, 학습 및 대행의 세 가지 기본 특성을 나타냅니다.

• 클라우드 AI 서비스, Cloud AI services는 AI 모델 구축 도구, 사전 제작된 서비스용 API 및 클라우드 서비스로 실행되는 기계 학습(ML) 모델의 구축/훈련, 배포 및 소비를 가능하게 하는 관련 미들웨어를 제공합니다.

• 복합 AI, Composite AI는 학습 효율성을 향상시키기 위해 다양한 AI 기술의 결합된 적용(또는 융합)을 의미합니다. 이것은 비즈니스 문제를 더 효과적으로 해결합니다.

• 컴퓨터 비전, Computer vision은 실세계의 이미지와 동영상을 캡처, 처리 및 분석하여 물리적 세계에서 의미 있는 맥락 정보를 추출하는 일련의 기술입니다.

• 데이터 중심, Data-centric AI는 훈련 데이터를 향상시키고 풍부하게 함으로써 더 나은 AI 결과를 도출하는 접근 방식입니다. 데이터 중심 AI는 또한 데이터 품질, 개인 정보 보호 및 확장성을 해결합니다.

• 엣지 AI, Edge AI는 비IT 제품, IoT 엔드포인트, 게이트웨이 및 엣지 서버에 내장된 AI 기술의 사용을 나타냅니다. 자율 주행 차량, 의료 진단의 향상된 기능 및 스트리밍 비디오 분석과 같은 소비자, 상업 및 산업용 사례를 포함합니다.

• 지능형 응용, Intelligent applications 프로그램은 사람과 기계에 자동으로 응답하기 위해 학습된 적응을 활용합니다.

• 모델 운영화(Model operationalization, ModelOps)는 주로 고급 분석, AI 및 결정 모델의 종단간 거버넌스와 수명 주기 관리에 중점을 둡니다.

• 운영 AI 시스템(Operational AI systems, OAISys)은 생산 준비 및 기업 등급의 AI, ML, DNN 및 생성 AI의 오케스트레이션, 자동화 및 확장을 가능하게 합니다.

• 프롬프트 엔지니어링, Prompt engineering은 텍스트나 이미지의 형태로 생성 AI 모델에 입력을 제공하는 학문으로, 모델이 생성할 수 있는 응답 집합을 지정하고 제한합니다.

• 스마트 로봇, Smart robots은 자동으로 하나 이상의 물리적 작업을 실행하도록 설계된 AI로 구동되는, 대개 이동 가능한 기계입니다.

• 합성 데이터, Synthetic data는 직접 관측에서 얻은 것이 아닌 인공적으로 생성된 데이터 클래스입니다.

생성형 AI 발전을 주도할 혁신

“안정된 확산, 중간 여정, ChatGPT 및 대형 언어 모델의 인기 덕분에 생성형 AI 탐색이 가속화되고 있습니다. 대부분의 산업에서 최종 사용자 조직이 생성형 AI로 적극적으로 실험하고 있습니다.”라고 Gartner 부사장 애널리스트 Svetlana Sicular가 말합니다.
https://www.gartner.com/en/articles/your-7-biggest-chatgpt-questions-answered

Your 7 Biggest Questions About ChatGPT, Answered

“기술 공급업체들은 생성형 AI 그룹을 형성하여 생성형 AI 활성화 애플리케이션과 도구의 우선적인 제공을 중요시합니다. 2023년에는 생성형 AI와 함께 혁신하는 수많은 스타트업들이 등장하였고, 이 현상은 계속 성장할 것으로 예상됩니다. 일부 정부는 생성형 AI의 영향을 평가하고 규정을 도입하기 위해 준비하고 있습니다.”

이 카테고리에 포함되는 핵심 기술은 다음과 같습니다.

• AI 시뮬레이션, AI simulation은 AI와 시뮬레이션 기술의 결합된 응용으로, AI 에이전트와 그들이 훈련, 테스트, 그리고 때때로 배포될 수 있는 시뮬레이트된 환경을 공동으로 개발합니다.

• AI 신뢰, 위험 및 보안 관리 (AI trust, risk and security management, AI TRiSM)는 AI 모델 거버넌스, 신뢰성, 공정성, 신뢰성, 견고성, 효과성 및 데이터 보호를 보장합니다.
https://www.gartner.com/en/articles/what-it-takes-to-make-ai-safe-and-effective

What It Takes to Make AI Safe and Effective

• 인과관계 AI, Causal AI는 인과관계를 식별하고 활용하여 상관 관계 기반의 예측 모델을 넘어, 효과적으로 조치를 권장하고 더 자동화된 방식으로 작동하는 AI 시스템을 향합니다.

• 데이터 라벨링 및 주석 (Data labeling and annotation, DL&A)은 데이터 자산을 더 분류하고, 세분화하며, 주석을 달고, 풍부한 데이터로 향상시켜 더 나은 분석과 AI 프로젝트를 위한 과정입니다.

• First-principles AI (FPAI) (물리학 기반 AI로도 알려짐)는 물리적 및 아날로그 원리, 지배법칙 및 도메인 지식을 AI 모델에 통합합니다. FPAI는 복잡한 시스템 엔지니어링 및 모델 기반 시스템으로 AI 엔지니어링을 확장합니다.

• 기본 모델, Foundation models 은 자가 감독 방식으로 광범위한 데이터 세트에서 훈련된 대량의 파라미터 모델입니다.

• 지식 그래프, Knowledge graphs는 물리적 및 디지털 세계의 기계 판독 가능한 표현입니다. 그들은 엔터티(사람, 회사, 디지털 자산)와 그래프 데이터 모델을 준수하는 그들 간의 관계를 포함합니다.

• 다중 에이전트 시스템 (Multiagent systems, MAS)은 여러 독립적(단 상호 작용하는) 에이전트로 구성된 AI 시스템 유형으로, 각 에이전트는 환경을 인식하고 조치를 취할 수 있습니다. 에이전트는 AI 모델, 소프트웨어 프로그램, 로봇 및 기타 컴퓨팅 엔터티일 수 있습니다.

• Neurosymbolic AI는 머신러닝 방법과 심볼릭 시스템을 결합하는 복합 AI의 한 형태로, 더 견고하고 신뢰할 수 있는 AI 모델을 만듭니다. 이는 비즈니스 문제를 더 효과적으로 해결하기 위한 추론 인프라를 제공합니다.

• 책임있는 AI, Responsible AI는 AI 채택 시 적절한 비즈니스 및 윤리적 선택의 측면을 포괄하는 우산 용어입니다. 이는 긍정적이고, 책임감 있는, 그리고 윤리적인 AI 개발과 운영을 보장하는 조직 책임과 관행을 포괄합니다.