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. 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. 4개의 Google 머신러닝 칩이 있는 회로판 구글은 머신러닝 인프라에 막대한 투자를 하고 AI를 중심으로 재편하고 있는데 순다르 피차이 최고경영자(CEO)는 여러 차례 “AI가 먼저 될 것”이라고 밝힌 바 있다. 여기에 표시된 텐서플로 맞춤식 집적 회로는 경쟁 소프트웨어 구현보다 수천 배 빠른 기계 학습을 수행한다. 구글은 이 칩들을 팔지 않고 다른 사람들이 클라우드 컴퓨팅 형식으로 접근할 수 있도록 한다. 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 연구[2]는 각 거래에 대한 수치 점수를 생성하는데, 이것은 거래가 사기일 가능성을 측정하는 척도다.
3. 결론
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. 데이터 사이언스, 머신러닝, 인공지능에 관한 공개 세션을 진행할 때마다 “데이터 사이언스, AI, ML에서 경력을 쌓기 위해 어떻게 시작해야 할까?”라는 질문이 자주 나오지만, 이 질문은 어디서나 흔한 질문이지만 때로는 청중마다 답변이 크게 달라지기도 한다. 대학생의 경우 답은 다를 것이고, 초기 프로의 경우 답은 약간 다를 것이며, 선후배 또는 중급 프로의 경우 답은 다시 다를 것이다. 그러나 그 대답을 일반화하기 위해서는 나의 통상적인 대답은 다음과 같을 것이다.
온라인 블로그와 AI/ML 관련 기사를 팔로우하고 직접 프로젝트를 시행해 실무 경험을 쌓을 것을 적극 추천한다. 내 블로그 사이트는 좋은 출발점이 될 수 있다: https://aditya-bhattacharya.net/blogs/. 유명한 사이트의 빠른 온라인 강좌도 기본부터 시작하는 데 많은 도움이 된다. 피터 노르빅, 세바스찬 스룬과 같은 AI 전문가들은 검색, 최적화, 계획, 패턴 인식 등과 관련된 알고리즘에 대해 심도 있는 직관을 제공할 것이다. 해야 할 과제와 실제적인 프로젝트는 그야말로 대단하며, 이 과정을 거쳐서 사람들은 실제로 그들만의 자율주행차 프로토타입을 디자인할 수 있다! 산업 전문가들이 내놓은 현실 세계 프로젝트는 모든 과정 수강생들에게 로보틱스용 AI 분야의 실무 전문가가 될 수 있도록 확실히 줄 것이다.
이 과정은 보통 2.5개월에서 3개월이 걸리며, 전일제 작업과 함께 쉽게 할 수 있답니다! 이 코스는 초·중·장년층 전문가에게 적극 추천하겠다. 따라서, 만약 여러분이 로보틱스와 AI에 관심이 있다면, 여러분은 미루는 것을 멈추고 이 코스에 탑승할 수 있답니다! 이미 나를 알고 있는 여러분 중 많은 사람들은 컴퓨터 비전이 나의 최고 관심 분야 중 하나라는 것을 알고 있다. 고전적 접근법과 현대적 딥러닝 접근법을 이용한 컴퓨터 비전과 관련된 온라인 강좌가 많지만, Udacity의 이 나노도 프로그램은 기존의 컴퓨터 비전 접근방식을 새로운 현대적 딥러닝 기반 접근법과 결합시키기 위해 세심하게 설계되었다.

인공지능

댓글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다