다이나트레이스(Dynatrace)가 최근 발표한 글로벌 보고서에 따르면, 인공지능에 대한 투자 증가로 인해 '복합 인공지능'이 기업이 인공지능을 성공적으로 적용하는 데 핵심 요소가 될 것이라고 합니다. Dynatrace는 기술 리더의 83%가 인공 지능이 필수적이라고 믿고 있는 반면, 95%는 생성 인공 지능(GenAI)이 다른 유형의 인공 지능의 지원을 받으면 더 효과적일 것이라고 믿고 있다고 지적했습니다.
보고서에서는 다음과 같이 지적합니다. 기업은 여러 유형의 인공 지능을 결합하는 인공 지능에 대한 포괄적인 접근 방식을 채택해야 합니다. 이러한 유형에는 GenAI, 예측 및/또는 인과 AI, 관측 가능성, 보안, 비즈니스 이벤트와 같은 서로 다른 소스의 데이터가 포함될 수 있습니다. 이러한 접근 방식을 통해 기업은 더 높은 수준의 추론을 달성하고 인공 지능의 결과를 보다 정확하고 관련성 있고 의미 있게 만들 수 있습니다.
이에서 알 수 있듯이 인공 지능은 단순한 기술이 아닙니다. 여기에는 다양한 유형, 방법, 데이터 및 시나리오가 포함되며 각각 고유한 장점과 한계가 있습니다. 인공지능의 잠재력을 최대한 실현하기 위해서는 하나의 인공지능 기술만으로는 충분하지 않습니다. 보다 발전된 추론과 보다 정확하고 의미 있고 상황에 맞는 AI 출력을 제공하려면 다양한 AI 기술과 데이터 소스를 결합해야 합니다. 이것이 복합인공지능의 개념이다. 생성, 예측, 인과 등 여러 유형의 AI를 관측 가능성, 보안, 비즈니스 이벤트 등 다양한 데이터 소스와 결합하는 것을 의미합니다. 복합 AI는 기업이 AI를 성공적으로 채택하는 데 핵심 요소입니다. 기업이 복잡한 문제를 해결하고, 더 가치 있는 솔루션을 제공하고, 변화하는 환경에 더 잘 적응하는 데 도움이 될 수 있기 때문입니다
이 기사는 Dynatrace의 글로벌 보고서를 기반으로 복합 인공 지능의 개념, 응용 및 가치와 장점을 분석합니다. 복합 인공지능의 도전과제. 우리의 목적은 복합 인공지능의 중요성과 잠재력, 그리고 복합 인공지능을 효과적으로 도입하여 기업의 경쟁력과 혁신을 강화하는 방법을 더 잘 이해하는 것입니다
은 잘 알려져 있습니다. 인공 지능은 컴퓨터 과학, 수학, 통계, 심리학, 철학 및 기타 분야를 포함하는 학제간 주제입니다. 이는 컴퓨터나 기계가 인식, 이해, 학습, 추론, 의사결정, 창조 및 기타 능력과 같은 인간과 유사한 지능을 가질 수 있게 해줍니다. 인공지능의 연구개발은 수십 년의 역사를 가지고 있으며 그 동안 많은 우여곡절과 변화를 겪었습니다. 이로 인해 인공 지능 기술의 다양한 유형, 방법, 데이터 및 시나리오가 형성되었습니다. 각 기술에는 고유한 장점과 한계가 있습니다
최근 제너레이티브 AI(Generative AI)의 급속한 발전은 이러한 심층 기술의 사용입니다. 학습을 통해 텍스트, 이미지, 오디오 등과 같은 데이터에서 새로운 콘텐츠를 생성합니다. 생성적 인공지능의 장점은 가상 비서, 개인화된 추천, 지능형 콘텐츠 등과 같은 새로운 제품과 서비스를 만드는 데 도움이 될 수 있다는 것입니다. 그러나 생성적 인공지능에도 몇 가지 한계가 있으며, 생성된 콘텐츠가 사실과 다르거나 상식에 어긋나거나 타인의 감정을 상하게 하는 등 부정확하거나 불합리하거나 비윤리적인 문제가 발생할 수 있습니다.
예측 인공지능 (예측) AI의 발전 역사는 최초의 통계 학습 이론과 기계 학습 알고리즘이 등장한 1950년대로 거슬러 올라갑니다. 예측 인공지능은 통계 학습 및 기타 기술을 사용하여 분류, 회귀, 클러스터링 등을 위해 데이터에서 패턴과 추세를 발견합니다. 예측형 인공지능의 장점은 성능 모니터링, 결함 예측, 이상 탐지 등 기존 제품과 서비스를 최적화하는 데 도움이 될 수 있다는 것입니다. 예측 인공지능의 한계는 예측 결과가 현실과 불일치하거나, 노이즈나 이상 현상의 영향을 받거나, 설명성이 부족하다는 점 등입니다.
인과 AI는 데이터와 알고리즘을 이용해 인과 관계를 추론하는 일종의 인공 지능입니다. . 이를 통해 조직은 데이터 이면의 원인과 결과를 이해하고 더 나은 결정과 개입을 할 수 있습니다. 인과 인공 지능의 일부 응용 분야에는 의학, 사회 과학, 경제, 교육, 정책 결정 등이 포함됩니다. 인과 인공지능의 핵심 개념은 인과 다이어그램(causal Diagram)으로, 이는 노드와 화살표를 사용해 변수와 인과 관계를 표현하는 그래픽 모델이다. 특성요인도는 데이터가 생성되는 메커니즘과 개입이나 실험을 통해 데이터 분포가 어떻게 변경될 수 있는지를 나타내는 데 사용할 수 있습니다. 원인 및 결과 다이어그램은 "이 작업을 수행하면 어떻게 되나요?" 또는 "이 변수가 해당 변수에 영향을 미치는 이유는 무엇입니까?"와 같은 원인 및 결과 질문에 답하는 데에도 사용할 수 있습니다. 중국어로 다음과 같이 다시 작성했습니다. 다양한 유형의 인공 지능 기술 외에도 관측 가능성, 보안, 비즈니스 이벤트 등을 포함하여 다양한 데이터 소스를 사용할 수 있습니다. 관찰 가능성 데이터는 애플리케이션 성능, 소프트웨어 개발 및 보안 관행, IT 인프라, 사용자 경험과 관련된 데이터를 의미합니다. 보안 데이터는 사이버 보안, 데이터 보호, 개인정보 보호 규정 준수와 관련된 데이터를 의미합니다. 비즈니스 이벤트 데이터는 비즈니스 프로세스, 거래, 고객 행동 및 만족도와 관련된 데이터를 의미합니다. 서로 다른 데이터 소스는 서로 다른 정보와 가치를 제공하지만 서로 다른 품질, 보안 및 개인 정보 보호 요구 사항과 과제에 직면합니다. 복합 인공 지능은 다양한 유형의 인공 지능 기술과 데이터 소스를 결합하여 더 나은 고급 추론과 더 정확한 정보를 제공합니다. , 의미 있고 상황에 맞는 AI 출력. 복합 AI는 복잡한 문제를 해결하고, 더 가치 있는 솔루션을 제공하며, 변화하는 환경에 더 잘 적응할 수 있도록 도와줍니다. 복합 인공지능의 핵심은 다양한 인공지능 기술과 데이터 소스의 장점을 활용하여 각각의 한계를 보완하고 인공지능 기술과 데이터 소스 간의 시너지와 상보성을 달성하는 것입니다 복합 AI의 통합 및 조정은 다양한 유형의 AI 기술과 데이터 소스를 결합하여 보다 발전된 추론과 보다 정확하고 의미 있고 상황에 맞는 AI 출력을 제공하는 것입니다. 복합 인공지능의 통합과 조정에는 인공지능의 목표, 범위, 방법, 데이터의 품질, 보안 및 개인정보 보호, 인공지능의 평가 및 감독 등 여러 측면을 고려해야 합니다. 따라서 몇 가지 기본 개념과 원칙이 필요합니다 인공지능의 목표는 문제를 해결하거나 진단, 예측, 생성, 추천 등의 기능을 구현하는 것입니다. 이러한 목표는 AI 출력의 유형, 형식, 내용뿐만 아니라 그 가치와 영향도 결정합니다. 설계, 구현 및 평가를 용이하게 하기 위해서는 인공지능의 목표가 명확하고 구체적이며 정량화 가능하고 달성 가능해야 합니다 인공지능의 범위를 결정할 때 의료, 교육, 금융, 제조업 등 인공 지능의 범위는 입력 및 출력의 소스, 특성 및 요구 사항뿐만 아니라 입력 및 출력의 복잡성과 난이도를 결정합니다. 인공지능의 획득, 처리 및 적용을 용이하게 하기 위해서는 범위가 적절하고 합리적이며 실현 가능하고 확장 가능해야 합니다 인공지능의 선택 방법에는 다음과 같이 생성적, 예측적 및 인과적 인공지능 기술 또는 알고리즘의 사용이 포함됩니다. 딥러닝, 통계학습, 인과추론 등도 가능합니다. 이러한 방법은 AI 출력의 품질, 신뢰성 및 해석 가능성은 물론 AI 출력의 강점과 한계를 결정합니다. 인공지능 방법은 최적화, 검증, 업데이트되기 위해 적합하고 효과적이며 혁신적이며 개선 가능해야 합니다 데이터 품질은 데이터의 정확성, 완전성, 일관성, 적시성 및 관련성 등을 의미합니다. 데이터의 품질은 인공지능 출력의 정확성, 합리성, 윤리성뿐 아니라 인공지능 출력의 신뢰도와 수용성에 직접적인 영향을 미칩니다. 따라서 인공지능의 학습, 추론, 생성을 촉진하려면 데이터의 품질이 높고, 안정적이며, 명확하고 새로워야 합니다. 다시 작성해야 할 내용은 다음과 같습니다. 데이터 보안 및 개인 정보 보호도 고려해야 합니다. 데이터 암호화, 승인, 감사, 백업 및 삭제 등을 포함합니다. 데이터의 보안과 개인 정보 보호는 AI 출력의 보안, 합법성, 책임뿐만 아니라 위험과 결과에도 영향을 미칩니다. 따라서 데이터 보안과 개인정보 보호가 강력해야 하며, 인공지능의 예방, 대응, 교정을 촉진하기 위한 규정과 법률을 엄격히 준수해야 합니다. 점검하고 개선합니다. 여기에는 AI 출력의 테스트, 평가, 피드백 및 모니터링 작업이 포함됩니다. 인공지능의 평가와 감독은 혁신과 개발뿐만 아니라 결과물의 효율성과 효과에도 영향을 미칩니다. 따라서 인공 지능의 평가 및 감독은 조정, 최적화 및 업데이트를 촉진하기 위해 지속적이고 포괄적이며 객관적이고 시의적절해야 합니다. 복합 인공 지능의 통합 및 조정은 여러 측면을 포함하는 프로세스이며 보다 발전된 인공 지능을 제공하는 것을 목표로 합니다. 추론 기능과 보다 정확하고 의미 있고 상황에 맞는 AI 출력을 제공합니다. 이는 많은 시간, 자원, 전문 지식은 물론 높은 수준의 조정과 협력이 필요한 프로세스입니다 복합인공지능의 응용은 다양한 종류의 인공지능 기술과 데이터 소스를 활용하여 복잡한 문제를 해결하고, 더욱 발전된 추론과 보다 가치 있는 결과물을 제공하는 것입니다. 이 접근 방식은 여러 유형의 인공 지능을 결합하여 더욱 발전된 추론과 더 나은 성능을 달성합니다. 복합 인공지능의 적용 분야는 매우 넓다. 예를 들어 자연어 처리 분야에서는 생성 AI, 예측 AI, 인과 AI 등을 포함해 복합 인공 지능을 사용하여 자연어를 생성하고 이해하고 번역할 수 있다. 기타 기술 복합 인공지능의 응용은 의료, 교육, 금융, 제조, 엔터테인먼트, 보안 등 다양한 분야 및 산업에 응용될 수 있습니다 의료 분야에서 복합 인공지능은 생성, 예측 및 인과관계 인공지능, 관찰 가능한 인공지능 보안, 비즈니스 이벤트 데이터 등을 통해 보다 정확한 진단, 치료, 예방 솔루션은 물론, 보다 개인화된 의료 서비스를 제공합니다. 예를 들어 생성 인공지능은 의료영상, 유전자 염기서열, 의무기록 등의 데이터를 통해 병변, 돌연변이, 진단 등 새로운 의료정보를 생성할 수 있다. 예측 인공지능은 의료 모니터링, 테스트, 평가 및 기타 데이터(예: 상태, 위험, 효과 등)에서 패턴과 추세를 발견할 수 있습니다. 인과 인공지능은 약물, 수술, 생활습관 등 의학적 개입, 치료, 예방 등에 관한 데이터로부터 인과관계를 추론할 수 있다. 관찰 가능성 데이터를 사용하면 의료 기기, 시스템 및 프로세스를 모니터링하고 분석하여 가용성과 신뢰성을 높일 수 있습니다. 보안 데이터는 의료 데이터와 개인 정보를 보호하고 준수하여 데이터 오용이나 유출을 방지할 수 있습니다. 비즈니스 이벤트 데이터는 의료 서비스와 만족도를 측정 및 개선하고 수익과 이익을 높일 수 있습니다 교육 분야에서 복합 인공지능을 적용하는 것은 생성적, 예측적, 인과적 인공지능을 학습자의 행동, 능력 및 선호도 데이터와 결합하는 것입니다. 더 나은 교육, 평가, 피드백은 물론 우리에게 더 적합한 학습 경로를 제공하기 위해 결합되었습니다. 예를 들어, 생성 인공지능은 교과서, 강좌, 지식 지도 등의 데이터를 기반으로 질문, 답변, 예 등 새로운 교육 콘텐츠를 우리에게 만들어 줄 수 있습니다. 예측 인공지능은 우리의 학습 활동, 결과, 피드백 및 기타 데이터를 기반으로 학습 수준, 진행 속도, 학습 스타일과 같은 규칙과 추세를 발견하는 데 도움을 줄 수 있습니다. 인과 인공지능은 우리의 교수 개입, 전략, 효과 및 기타 데이터를 기반으로 교수법, 학습 리소스, 학습 결과 등의 인과 관계를 추론할 수 있습니다. 학습자 행동, 능력, 선호도 데이터를 통해 인공지능은 우리를 더 잘 이해하고, 개인화되고 맞춤화된 서비스를 제공하며, 학습을 더욱 효율적이고 효과적으로 만들 수 있습니다. 복합 인공지능은 금융 현장 효과에서 중요한 역할을 합니다. 생성적, 예측적, 인과적 인공 지능을 사용하여 시장, 고객 및 위험 데이터를 결합하여 더 나은 금융 솔루션과 서비스를 제공합니다. 예를 들어 제너레이티브 AI는 시세, 추천, 전략 등 다양한 데이터를 기반으로 새로운 금융정보를 제공할 수 있다. 예측 인공지능은 가격, 수요, 행동 등 다양한 데이터를 기반으로 금융 규칙과 추세를 발견하는 데 도움을 줄 수 있습니다. 인과 인공지능은 영향, 위험, 수익률 등 다양한 데이터를 기반으로 재무적 인과관계를 분석하는 데 도움을 줄 수 있습니다. 시장 데이터는 시장 상황을 더 잘 이해하고 분석하며 시장 투명성과 효율성을 향상시키는 데 도움이 됩니다. 고객 데이터는 고객을 더 잘 이해하고 서비스를 제공하며 고객 충성도와 만족도를 높이는 데 도움이 됩니다. 위험 데이터는 위험을 더 잘 식별 및 관리하고 위험의 제어 가능성과 예측 가능성을 향상시키는 데 도움이 될 수 있습니다 다시 작성된 내용은 다음과 같습니다. 복합 인공 지능을 적용하면 신뢰성과 적용 가능성이 향상됩니다. 인공지능의. 다양한 유형의 인공지능 기술과 데이터 소스를 결합함으로써 복합 인공지능은 다양한 인공지능 기술과 데이터 소스의 장점을 최대한 활용하여 각각의 단점을 보완하고 협업과 보완 효과를 얻을 수 있습니다. 이러한 방식으로 복합 AI는 보다 포괄적이고 정확하며 합리적이며 윤리적인 AI 출력을 제공하여 중요한 비즈니스 시나리오를 지원하고 일관되지 않거나 부적절하거나 바람직하지 않은 문제를 피할 수 있습니다. Dynatrace의 최고 기술 책임자인 Bernd Greifeneder는 다음과 같이 말했습니다. 사용자가 특정 문제를 해결하기 위해 신뢰할 수 있는 콘텐츠는 어려운 작업입니다. GenAI가 어떤 종류의 콘텐츠를 생성해야 하는지 이해할 수 있도록 적절한 프롬프트를 디자인하고 생성된 모든 콘텐츠의 정확성을 검증하기 위해 팀은 많은 시간과 노력을 투자해야 합니다. 내용” 이를 달성하기 위해 그는 다양한 AI가 모든 경우에 적용되는 것은 아니라는 점을 이해하는 것이 중요하다고 강조했습니다. GenAI의 많은 애플리케이션 시나리오, 특히 소프트웨어 코드 최적화 또는 보안 취약성 해결과 같은 복잡한 시나리오에는 복합 인공 지능(복합 AI)의 사용이 필요합니다. 복합 AI는 시스템 동작의 원인과 결과를 찾아내는 인과 추론 AI, 과거 데이터를 기반으로 미래 사건을 예측하는 예측 AI 등 다양한 유형의 AI를 결합해 필요한 배경 정보를 제공하는 것을 말한다. 기업이 올바른 전략을 수립하고 다양한 인공지능 기술을 고품질 데이터와 결합할 수 있다면 개발, 운영, 보안 팀의 업무 효율성을 크게 향상시키는 동시에 지속적인 비즈니스 가치를 제공할 수 있습니다 복합 AI는 다양한 유형의 AI 기술과 데이터 소스를 결합하여 보다 발전된 추론과 보다 가치 있는 결과를 제공하는 접근 방식입니다. 생성적 AI(데이터에서 새로운 콘텐츠 생성), 예측 AI(과거 데이터를 기반으로 미래 사건 예측), 인과 AI(데이터의 인과 관계 식별)를 결합하여 보다 정확하고 유익한 의미와 상황에 맞는 AI를 생성할 수 있습니다. 콘텐츠. 또한 관측 가능성 데이터(시스템 성능 및 상태를 모니터링하고 분석하는 데 사용), 보안 데이터(데이터 사용 및 전송을 보호하고 준수하는 데 사용), 비즈니스 이벤트 데이터(측정에 사용)와 같은 다양한 데이터 소스를 활용할 수 있습니다. 및 비즈니스 프로세스 및 효과 개선) 인공 지능이 보다 포괄적이고 신뢰할 수 있으며 관련성이 높은 데이터를 사용할 수 있도록 보장합니다 참조: https://aimagazine.com/data-and-analytics/composite-ai -could-drive-success -투자 증가에 따라
참조 링크에서는 투자가 증가함에 따라 복합 AI가 성공을 이끌 수 있다고 언급합니다
02 복합 인공지능의 통합 및 조정
03 복합인공지능의 응용
04 복합 인공 지능의 가치
위 내용은 복잡한 AI: 엔터프라이즈 AI 성공을 위한 핵심 요소의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!