주간기술동향 2062호 - "인공지능 기술 동향" 학습 및 요약

멘토링

인공지능 도메인은 최근 2년 매 회차 1문제 이상 출제되고 있는 핵심 도메인입니다.
가장 최근 128회 정보관리기술사 시험에서는
"인공지능 학습용 데이터 품질관리 가이드라인 v2.0", "연합학습"에 대한 문제가 출제된바 있습니다.
인공지능 분야는 매우 전문적인 도메인이어서 개인적으로 따로 공부하고 준비하기가 상당히 어려운데,
이럴 때 IITP(정보통신기획평가원)의 주간기술동향 등을 틈틈히 보면서 관련된 기술 트렌드를 학습해야 합니다.
자세히 알수는 없겠지만, 개념 정도는 정리하는 습관이 필요합니다.

이번 포스팅은 주간기술동향 2062호의 기획 시리즈
"비즈니스 세계로! 인공지능 기술 동향"에 소개되어 있는 인공지능 기술 동향을 담았습니다.

녹색 음영 표시한 키워드 들은 주의 깊게 보셨으면 합니다. 
(개인적으로 1교시형으로 충분히 출제될 수 있는 토픽들이라고 생각합니다.)

상세한 내용은 원본을 참조해 주시기 바랍니다.
행복한 일상 되세요.

 

1. 맥락 데이터에 기반한 인공지능 기술

 

구글 MUM(Multitask Unified Model, 다중 작업 통합 모델)
- 2021년 5월 발표, BERT 대비 1000배 성능 향상
(MUM 관련 내용은 웹 검색하면서 제가 추가한 내용입니다.)

적은 데이터로 높은 성능을 보이기 위한 기술로서 
few-shot learning, self-supervised learning, transfer learning 등의 기술들이 연구되고 있다.

 

2. 변화하는 상황에 대한 적응형 인공지능 기술

 

기존의 인공지능은 대용량의 학습 데이터를 이용하여 사전학습 후,
이를 배포하여 추론 서비스에 활용하는 형태이다. 
즉, 시간에 따라서 변화하는 환경에 대한 대응 능력이 떨어지는데 
이러한 문제를 해결하기 위한 것이 적응형 인공지능(Adaptive AI) 기술이다.

가장 단순하게는 새로 유입되는 데이터로 재학습을 지속적으로 수행하는 online learning이 있다.

일진보한 기술로는 이전 학습된 모델의 특정 파라미터들은 유지하고 
새로 유입된 데이터를 이용해서 일부 파라미터들만 재학습하거나
혹은 구조를 튜닝하여 재학습하는 transfer learning 방식이 있다.
하지만 transfer learning의 경우, 다른 데이터셋 기반 다른 태스크를 학습하다보니 원래 학습시키는 태스크에 대한 정보를 잊어버리는 문제가 있는데, 이를 catastrophic forgetting이라고 부른다. 
일부 파라미터만의 재학습으로 이전 학습을 통해서 파라미터들이 갖고 있던 그들 간의 상관관계 정보를 잃게 될 수 있다. 
이러한 문제를 해결하고자 하는 적응형 인공지능 기술이 continual learning 혹은 lifelong learning이다.
 하나의 모델을 조금씩 업그레이드시키면서 여러 태스크를 처리할 수 있도록 만드는 방법이다.

 

3. 인공지능 엔지니어링

 

인공지능 엔지니어링(AI Engineering)은 DataOps, ModelOps 및 DevOps를 포함하여
인공지능 서비스의 중단 없이 모델을 개발ㆍ운영ㆍ유지 관리하는 모든 것을 포함하는 분야이다. 

인공지능 엔지니어링은 모델의 개발 측면이 아니라 이미 개발된 여러 인공지능 모델 및 기술들을 
비즈니스 문제에 맞춰서 조직화하고 운영하고, 
이를 모니터링하고 필요할 때 다시 학습하거나 재조직하는 일련의 모든 시스템 기능을 포함하는 것이다.

 

4. 복합 인공지능

 

복합 인공지능(Composite AI)은 서로 다른 인공지능 기술을 결합하여 학습의 효율성을 향상하는 것을 말한다.

 

5. 멀티모달 인공지능

 

멀티모달 인공지능(Multimodal AI)은 다양한 데이터 유형(이미지, 텍스트, 음성, 수치 데이터)을 복합적으로 처리하는 인공지능 패러다임이다.
다양한 모달리티의 데이터를 결합해서 사용하거나 혹은 입력과 출력이 서로 다른 모달리티인 인공지능 기술이다.

 

6. 인공지능 민주화

 

인공지능 민주화(AI democratization)란 Augmented AI를 포함한 인공지능 도구들을 이용해서 
데이터 과학자와 인공지능 전문가를 대체함으로써 시티즌 개발자 환경을 조성하는 것을 의미한다

AutoML 기술을 이용하거나, Microsoft, Amazon, Google이 제공하는 사전 제작, 드래그 앤 드롭 또는 
로우코드/노코드 인공지능 도구를 이용할 수 있다.

 

7. 책임 있는 인공지능

 

책임 있는 인공지능(Responsible AI)은 기업이 인공지능을 채택할 때 고려해야 하는 
비즈니스적 측면과 윤리적인 측면을 포괄하는 용어이다. 
여기에는 비즈니스 및 사회적 가치, 위험, 신뢰, 투명성, 공정성, 편견 완화, 설명 책임, 안전, 개인정보보호 및 규제 준수가 포함된다. 

책임 있는 인공지능을 가능하게 하는 기술들로는 differential privacy, FedML, XAI(eXplainable AI) 등이 있다. 

Differential privacy는 데이터 생성기술로서 익명성을 유지할 수 있도록 하며, 통계 노이즈를 도입함으로써 개인정보보호 기능을 강화하는 기술이다. 

FedML은 로컬서버와 중앙서버가 협력해서 글로벌 모델을 학습하는 기술이다. 
로컬 환경에서 로컬 데이터를 각자 분석해서 모델을 학습하고 중앙에서는 모델들을 통합함으로써
전체 모델의 학습이 이루어진다. 따라서, 이러한 환경에서는 로컬 데이터의 프라이버시가 보호된다. 
(128회에 출제되었던 연합학습입니다.)

그 외에 인공지능 모델의 결과에 대한 설명을 제공하는 
XAI 기술인 LIME(Local Interpretable Model-gnostic Explanations),
SHAP(SHapley Additive exPlanations) 등이 있다.

 

8. 생성 인공지능

 

생성 인공지능(Generative AI)은 데이터의 분포를 학습하고, 이를 기반으로 새로운 데이터를 생성하는 기술이다.
대표적인 기술로 DeepFake가 있다.

 

9. 엣지 인공지능

 

127회에 출제되었던 "온디바이스 AI"와 유사한 개념이라고 저는 생각합니다.|

엣지 인공지능(Edge AI)은 중앙서버 혹은 클라우드에 데이터를 전송하지 않고, 
데이터를 수집한 로컬(엔드 포인트, 게이트웨이, 엣지 서버) 장치에 인공지능 기술을 내장하여 
서비스를 제공하는 기술이다.
관련한 기술로는 TinyML, FedML, 모델 압축 기술 등이 있다.

 

주간기술동향 2062호

 

 

정보통신기획평가원에 오신 것을 환영합니다. (iitp.kr)

 

지식 - 정기간행물 - 주간기술동향

정보통신기획평가원에 오신 것을 환영합니다.