인공지능

1. 머신러닝이란?
머신러닝(ML)은 한때 끊임없는 붐과 흉상을 뚫고 숨어든 기술적 문제아였다. 그러나 이제 이 회사는 세계 여러 대기업을 이끄는 원동력이 되었다. 어떻게 이런 일이 일어났으며, 전문가 증인의 업무와 어떻게 연결되어 있는가? 기계학습은 1950년대에 사이버네틱스 분야에서 시작된 이래로 여러 이름으로 바뀌었다. 인공지능(AI), 신경망, 딥러닝과 같은 용어는 각각 특정한 의미를 가지지만, 프로그램되지 않은 컴퓨터 시스템의 동일한 아이디어를 설명하는 데 느슨하게 사용되는 경우가 많다. 약 10년 전, 이러한 “프로그래밍 없는 컴퓨터”는 고공행진을 했다. 오늘날 그들의 일상생활에 대한 영향은 점점 더 많이 느껴지고 있다. 이에 따라 앞으로 신경망 전문가 증인, 딥러닝 전문가 증인, AI 전문가 증인 모두 수요가 늘어날 전망이다. 아마존, 넷플릭스, 구글의 추천 시스템이 머신러닝의 예다. 인간이 컴퓨터를 위한 프로그램을 작성하는 것보다 머신러닝 시스템은 많은 역사적 데이터를 수집하여 입력과 출력 사이의 관계를 만드는 데 사용한다. 영화 추천 시스템의 경우 입력은 최근에 본 영화들이며, 출력은 시스템이 마음에 들지도 모르는 ‘생각’ 목록이다. 사람들은 종종 이러한 시스템들이 그들이 즐기는 콘텐츠를 얼마나 정확하게 예측하는가에 놀란다. 여기서 기계학습 시스템은 의사가 이전에 분석하고 ML 시스템에서 소비한 이미지 라이브러리에 기초하여 유방의 여러 가지 조직 유형을 분류했다. 우리는 더 멀리 갈 수 있다. 입력이 의료 영상이라면 출력은 단순한 조직형이 아니라 진단일 수 있다. 머신러닝 시스템에 충분한 영상과 과거 진단을 제공하고, 새로운 영상으로부터 “진단”을 생성하는 시스템을 얻을 수 있다. 이런 어플리케이션들은 쉽게 논란이 된다. 방사선사는 수년간 이미지 해석에 대한 교육을 받았으며, 그들의 전문적인 실습은 데이터로부터 통찰력을 전달하는 것이다. 이것은 대부분의 사람들에게 인간의 정신적 노력의 매우 높은 기록처럼 느껴진다. 환자 관리 결정을 컴퓨터에 위임하는 것은 많은 우려를 불러일으킬 것이다. 2016년 11월 구글 번역기는 갑자기 인간 번역기의 생산량과 보통 구분할 수 없는 번역물을 생산하기 시작했다. 기계번역은 1956년 창세기부터 서서히 발전해 왔는데, 작년 11월까지 그 결과는 인간의 번역 품질에 근접하지 않았다. 구글이 만든 변화는 기존 문구 기반의 통계 기계 번역 시스템이 아닌 신경망(그림 2 참조)을 이용하는 것이었다. 이 혁신에 대한 자세한 내용은 여기에서 확인할 수 있다. 기술 저자들은 이제 “AI 군비 경쟁”이 진행되고 있다고 말할 정도로 ML의 지분이 높다. 주요 전투원은 구글, 페이스북, 애플, 아마존, 마이크로소프트, 바이두다.
2. 머신러닝이 소송에 어떤 영향을 미치는가?
소송은 복잡하고 압도적으로 인간의 노력이다. 머신러닝이 그 과정에 어떤 영향을 미칠까? 머신러닝 혁신이 일어나고 있는 몇 가지 분야가 여기에 있다. PTAB나 법원 도전이 성공할 가능성을 예측하기 위해 특허청구를 텍스트로 분석하는 것이 연구의 한 가지 방법이다. IP 환경 및 청구권에 근거한 특허 강도에 대한 신뢰할 수 있는 자동 측정은 기업과 변호사에게 큰 가치를 가질 것이다. 또한 소송 발견은 기계 학습 시스템[1]에서 이익을 얻을 수 있다. 일반적인 소송은 관련성을 찾기 위해 방대한 양의 문서와 이메일을 뒤져야 한다. 키워드 검색은 몇 년 전부터 가능했지만, 이는 인간이 검토해야 할 문서의 수를 줄이는 데 그 이상이다. 건강보험 사기는 적발하기 어렵다. 최근의 ML 연구는 각 거래에 대한 수치 점수를 생성하는데, 이것은 거래가 사기일 가능성을 측정하는 척도다. 머신러닝은 다양한 영역의 노력을 수반하는 그것의 중요성에 있어서 폭발적으로 증가하고 있다. 머신러닝(machine learning)과 관련된 문제를 다루는 변호사에게는 이 분야에서 활발하게 활동하고 있는 머신러닝/인공지능 전문가 증인이 귀중한 조언을 해줄 수 있다. 이 중요하고 빠르게 발전하는 기술과 관련된 특허 및 지적 재산권 분쟁에서 기계 학습/인공지능 전문가가 반드시 필요할 것이다.
3. AI란 무엇인가?
AI는 여러 기술로 구성된다. 그것의 기초에는 기계학습과 그것의 더 복잡한 자손, 깊은 학습 신경망이 있다. 이러한 기술은 컴퓨터 비전, 자연 언어 처리, 그리고 정확한 예측을 하고 숨겨진 통찰력을 찾기 위해 거대한 데이터 트로피를 활용할 수 있는 능력과 같은 AI 응용 프로그램에 생기를 불어넣는다. 최근 AI를 둘러싼 흥분은 머신러닝과 심층 신경망의 발전에서 비롯되며, 이러한 기술들이 기업의 운영을 개선하고, 새로운 제품을 개발하며, 더 낮은 비용으로 더 나은 고객 서비스를 제공하는 데 도움이 될 수 있는 무수한 방법들이 있다. 기업들은 왜 AI를 최대한 활용하지 않는 것일까. 그러나 AI의 문제는 지금까지 많은 기업들이 AI를 최대한 활용할 수 있는 전문성과 자원이 부족하다는 점이다. 머신러닝과 딥러닝은 일반적으로 AI 전문가 팀, 대형 데이터셋에 대한 접근성, 전문 인프라 및 처리 능력이 요구된다. 이 자산을 감당할 수 있는 기업은 AI를 적용할 수 있는 올바른 사용 사례를 찾아 맞춤화된 솔루션을 만들어 회사 전체에 걸쳐 확장해야 한다. 이 모든 것은 발전하는 데 시간이 걸리는 수준의 투자와 정교함을 필요로 하며, 많은 사람들이 접근하지 못한다. AI에 투자하면 어떤 이점이 있고 어떤 기업이 전폭적으로 이익을 보고 있는 것일까. 위와 같은 이유로, AI의 초기 혜택은 주로 기술 전문지식, 강력한 IT 인프라, 그리고 드물고 값비싼 데이터 과학 기술, 특히 세계적인 “테크 거인”을 습득하는 데 필요한 풍부한 자본을 가진 개척자들에게 주어졌다. 그들은 점점 더 값비싼 AI 인재들을 위한 입찰 전쟁에 참여할 수 있는 자원을 가지고 있다. 그들은 또한 대규모 데이터 센터와 전문 프로세서를 포함한 인프라에 수십억 달러를 투자했다.

인공지능

댓글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다