2023년 전망: 인공 지능의 미래 사건 예측

2022년이 지났고, 앞으로의 발전을 기대하는 특별한 시기입니다. 평소와 마찬가지로 AI Era Frontier는 독자의 이익을 위해 미래 기술과 트렌드에 관한 기사 모음을 구성합니다.

최근 몇 년간 인공지능은 빠른 속도로 성장하고 있고, 그 무엇도 막을 수 없을 것 같습니다. 추진력이 쌓이면서 2023년 AI는 어떤 방향을 택하게 될까요? 전문가들도 할 말이 있다.

많은 인공 지능 프로젝트가 잘못 구상되어 결국 실패로 이어집니다. Pecan AI의 공동 창립자이자 CEO인 Zohar Bronfman은 2023년에는 기업이 인공 지능의 효능을 평가할 때 더욱 주의를 기울일 것이라고 말했습니다.

“2023년에 비즈니스 리더들은 잠재적인 데이터 과학 프로젝트를 과거보다 더 엄격하게 평가할 것입니다. 이러한 프로젝트는 비즈니스 요구 사항에 부합하지 않거나 프로덕션에 적용되지 않기 때문에 실질적인 영향을 미치지 못하는 경우가 너무 많습니다. 데이터 과학 "수반되는 비용과 시간을 고려하여 리더는 제안된 작업을 보다 신중하게 검토하고 올바른 계획을 추구할 것입니다."라고 Bronfman은 말했습니다.”

2023년에도 데이터 과학자에 대한 수요는 계속될 것입니다. 증가하다. Domino Data Labs의 CEO이자 공동 창립자인 Nick Elprin은 딥 러닝 모델 훈련을 위한 GPU에 대한 수요가 동일할 것이라고 예측합니다.

“인공 지능 개선의 가장 큰 원천은 훈련 시스템, 특히 인간 두뇌의 뉴런 동작을 시뮬레이션하도록 설계된 작업인 Transformer 모델에 딥 러닝을 배포한 것입니다. 이러한 혁신에는 대량의 데이터를 분석하는 데 막대한 컴퓨팅 성능이 필요합니다. CPU와 달리 GPU(그래픽 처리 장치)는 딥 러닝 워크로드에 필요한 병렬 처리를 지원할 수 있습니다. 이는 2023년에 메뉴 번역에서 질병 치료에 이르기까지 딥 러닝 기술을 기반으로 하는 애플리케이션이 더 많이 등장한다는 것을 의미합니다. GPU 시장은 계속해서 급상승할 것입니다."

내년에 더 많은 GPU를 판매하기를 희망하는 Nvidia의 DGX 시스템 부사장인 Charlie Boyle은 이러한 견해를 지지합니다.

“2023년에는 병렬 처리를 지원할 수 없는 비효율적인 x86 기반 레거시 컴퓨팅 아키텍처가 언어 모델, 추천 엔진 등을 구축하는 데 필요한 컴퓨팅 성능, 규모 및 효율성을 제공하는 가속화된 컴퓨팅 솔루션으로 대체될 것입니다. 기업은 IT 협업 프로세스를 간소화하고 효율성을 향상시키면서 목표를 달성할 수 있는 AI 솔루션을 모색하게 될 것입니다. 더 낭비적이고 오래된 아키텍처를 교체하여 혁신적인 AI 프로젝트에 대한 투자 수익을 창출합니다.”

자격을 갖춘 데이터 과학자를 고용하는 데 얼마나 오래 걸릴 것이라고 생각하시나요? 어떤 사람은 유니콘을 찾는 것만큼 어렵다고 농담했습니다. Kyndi의 창립자이자 CEO인 Ryan Welsh는 2023년이 세계가 "최고의 데이터 과학자"에 도달하는 해가 될 것이라고 믿습니다.

“데이터 과학자와 기계 학습 엔지니어의 부족은 기업이 인공 지능의 가치를 실현하는 데 걸림돌이 되었습니다. 그 결과 두 가지 일이 일어났습니다. 데이터 과학 학위와 자격증을 추구하는 사람이 늘어나고 데이터의 수가 늘어나고 있습니다. 과학자와 공급업체는 AI 생산에 데이터 과학자의 개입을 최소화하는 새로운 방법을 제안하고 있습니다. 이러한 두 가지 추세가 동시에 발생하면 기업이 자체 애플리케이션을 구축할 수 있는 기반 모델이 등장하면서 "데이터 과학자 정점"이 발생합니다. 각 회사는 자체 모델을 처음부터 훈련해야 합니다. 맞춤형 모델을 훈련하는 데 필요한 데이터 과학자는 줄어들 것이며, 2023년에는 더 많은 사람들이 졸업할 것이며 시장은 이에 따라 데이터 과학의 과포화로 이어질 것으로 예상됩니다.

데이터 과학 도구 제공업체인 Dataiku의 책임 인공 지능 책임자인 Triveni Gandhi는 윤리적 인공 지능이 계속해서 기업의 관심과 자원을 끌 것으로 예상할 수 있다고 예측합니다.

“뉴스에서 일부 기업이 윤리적인 AI 인력을 줄이는 것을 보았지만 현실은 대부분의 기업이 윤리적인 AI 팀에 계속 투자할 것입니다. 이 리소스는 AI를 확장하고 운영하는 데 매우 중요하며 기업이 자신의 AI 결과는 해당 가치와 일치하며 강력하고 신뢰할 수 있는 방식으로 실행됩니다. 또한 Ethical AI 그룹은 사용자가 상호 작용하는 제품이 안전 및 신뢰 측면을 충족한다는 확신을 제공합니다. 앞서 나가려면 윤리적인 AI 팀을 구성하는 것이 필수입니다.”

딥 러닝의 딜레마 중 하나는 예측 모델의 블랙박스 특성입니다. 그래프 데이터베이스 제조사 프란츠(Franz)의 CEO인 얀스 아스만(Jans Aasman)은 이 문제를 해결하는 한 가지 방법은 2023년에 인공지능과 인과적 지식 그래프를 결합하는 것이라고 말했다.

“향후 몇 년 동안 이벤트 간의 원인과 결과 관계를 발견하는 지식 그래프 생성을 시작으로 인과 AI가 성장할 것입니다. 의료, 제약, 금융 서비스, 제조 및 공급망 조직은 도메인별 지식 그래프를 결합할 것입니다. 원인과 결과 그래프는 과거 데이터에 의존하는 상관 기반 기계 학습을 넘어 연결되고 시뮬레이션됩니다. 인과 예측은 인과 관계를 투명하게 만들어 AI의 설명 가능성을 향상시킬 수 있는 잠재력을 가지고 있습니다.

그래프 데이터베이스 제조업체인 Neo4j의 제품 마케팅 수석 이사인 Maya Natarajan도 그래프와 AI의 결합에 상당한 진전이 있을 것으로 예상합니다.

Natarajan은 다음과 같이 말했습니다. “기업은 책임 있는 인공 지능을 구현하기 위해 지식 그래프를 활용하는 최선의 방법을 계속해서 모색할 것입니다. 지식 그래프가 제공하는 컨텍스트를 활용함으로써 조직은 데이터 흐름을 유지함으로써 윤리적 의사 결정의 정확성을 향상시킬 수 있습니다.

인공 지능은 내년에 벡터 데이터베이스를 더욱 매력적으로 만들 것입니다. 벡터 데이터베이스 시장의 초기 리더 중 하나인 Pinecone의 설립자이자 CEO인 Edo Liberty는 이렇게 생각합니다.

“AI가 계속 발전하고 널리 사용됨에 따라 AI 인프라 투자의 핵심 영역은 다음과 같은 전용 데이터 인프라가 될 것입니다. 벡터 데이터베이스는 최신 ML 모델에서 생성된 방대한 양의 데이터를 저장하고 처리하도록 설계되었다고 Liberty는 말했습니다. "이를 통해 많은 분야에서 전년도의 적용을 뛰어넘는 인공 지능 시스템의 개발 및 배포가 가속화될 것입니다. "

최근 몇 년 동안 기업에서는 인공 지능의 사용을 늘려 왔으며 그 결과는 엇갈렸습니다. 그러나 SAS Consulting의 비즈니스 솔루션 관리자인 Kimberly Nevala는 2023년에는 인공 지능이 "적을수록 좋다"는 성장 단계에 진입할 것이라고 예측합니다.

“조직이 “적을수록 좋다”는 사실을 깨닫게 되면서 AI는 확산되고 목표로서의 대규모 혁신에서 총합보다 집단적 영향이 더 큰 더 넓은 범위의 작은 결정 지점과 행동에 적용되는 방향으로 초점을 조용히 전환할 것입니다. 그것의 부분의. 역설적이게도 조직과 주요 직원은 이러한 기술에 대해 폭넓게 이해하고 편안하게 사용할 수 있어야 합니다. SQream의 제품 담당 부사장인 Matan Libis는 "

그래서 신경망을 훈련하기 위해 GPU에 막대한 투자를 하셨습니다. GPU로 무엇을 하시나요? 항상 추가 성능이 필요한 일부 SQL 쿼리가 있습니다."라고 말했습니다. "AI/ML의 컴퓨팅 리소스 재사용 능력은 기업에게 흥미롭고 귀중한 기회입니다. 재사용은 AI가 남긴 탄소 발자국을 줄일 뿐만 아니라 더 저렴한 글로벌 데이터 스토리지 솔루션의 일반적인 증가로 인해 GPU 하드웨어에 대한 의존도도 줄어듭니다. 또한 한 위치에서 다른 위치로 데이터를 이동할 필요가 없으면 대기 시간을 줄일 수 있습니다. 그러나 기업이 한 곳에서 데이터를 준비하고, 다른 곳에서 교육하고, 추론을 다른 곳으로 옮기면 프로세스를 간소화하여 AI/ML 기능의 정확성과 속도가 크게 향상될 것입니다. "

딥 러닝 회사 Deci의 CEO이자 공동 창업자인 Yonatan Geifman은 클라우드 컴퓨팅의 높은 비용이 모든 사람에게 부담을 주고 있지만 인공 지능 사용자는 모델을 최적화하여 비용 상승에 대처할 수 있다고 말했습니다.

"Always on Enterprises running 클라우드 환경의 AI 모델은 고성능 클라우드 처리로 인해 발생할 수 있는 재정적 피해를 보고 있습니다. 2023년에는 AI 추론 클라우드 비용을 절감하려는 기업이 더 많아질 수 있습니다. 이를 달성하는 가장 효과적인 방법 중 하나는 정확성을 유지하면서 AI 모델의 속도를 높이고 클라우드에서의 처리 시간을 단축하며 효과적으로 비용을 절약하는 것입니다. ”

확실한 수석 과학자 Yossi Synett은 2023년에는 레이블이 지정된 데이터가 필요하지 않은 자기 지도형 기계 학습 기술에서 더 많은 혁신이 이루어질 것이라고 예측합니다.

“AI의 성장을 방해하는 한 가지 요인은 고품질 레이블이 지정된 데이터가 부족하다는 것입니다. 현재 이미 진전이 보이고 있지만 2023년에도 성장은 계속될 것입니다. 우리는 자기 지도 학습을 사용하여 모델을 훈련하는 방법을 점점 더 많이 찾고 있습니다. 특정 작업에 맞게 모델을 사전 훈련한 후 미세 조정 가장 훌륭하고 효과적인 예는 NLP(자연어 처리)입니다. 여기서는 이를 마스킹된 언어 모델링(모델이 문장의 숨겨진 단어를 예측하도록 함)이라고 하며 인과관계를 설명합니다. 모델링 기술(모델이 문장의 다음 단어를 예측하도록 함)은 자기 지도 학습에는 레이블이 지정된 데이터가 필요하지 않고 미세 조정에는 훨씬 적은 비용이 필요하므로 복잡한 모델을 더 쉽게 훈련할 수 있기 때문에 획기적인 기술입니다. 라벨이 붙은 사례를 더 잘 선택함으로써 AI 프로젝트에 대한 재정적 장벽을 더욱 줄일 수 있습니다."

Wells Fargo의 CEO 겸 그룹 CIO인 Chintan Mehta는 2023년에 AI를 준비할 것이라고 밝혔습니다. 더 높은 수준에 도달하고, 새로운 사용자 상호 작용 패턴을 채택하고, 의도를 더 잘 이해합니다.

“2023년 이후에는 AI와 신호 인식의 배포가 기하급수적으로 가속화될 것입니다. AI는 편견을 깨고 행동 프로세스를 해석하는 데 더 많은 솔루션을 구축할 것입니다. 소비자에게 솔루션을 제공하는 동시에 사용자 인터페이스는 비시각적 탭/터치 상호 작용에서 상황에 따라 제공되는 작업 호출 및 언어 및 제스처 기반 상호 작용으로 앱 기반 경험으로 전환됩니다. 언어를 이해하면 모든 상호 작용의 숨겨진 의도를 진정으로 파악할 수 있습니다."

독일 IT 기업 GFT의 미국 CEO인 Marco Santos는 2023년에는 전례 없는 인공 지능 및 머신 러닝 활용 사례가 등장하여 결국 주류가 될 것이라고 예측합니다.

“기업이 기존 시스템의 제약에서 벗어나 서로 다른 시스템의 대규모 데이터 세트를 통합할 수 있게 되면서 AI 및 기계 학습에 대한 전례 없는 사용 사례를 보게 될 것입니다. 예를 들어 자동차 제조 분야에서는 이제 막 시작되었습니다. 차세대 제조 데이터 플랫폼 또는 단일 통합 클라우드 기반 플랫폼의 출현을 참조하세요. 제조업체는 전체 조직의 모든 데이터를 집계하고 있으며 일단 데이터가 확보되면 AI 애플리케이션 구축을 시작할 수 있습니다.”

위 내용은 2023년 전망: 인공 지능의 미래 사건 예측의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!