초록 ▼

1. 블랙박스에서 유리박스로의 전환



최근 AI의 성장은 주로 특정한 한 분야에 집중되고 있다. 바로 기계학습, 특히 딥러닝 분야이다. 최근 크게 대중적으로 관심을 받고 있는 대부분의 AI 응용 분야는 비즈니스에서 소비자로까지 연계되는 분야이다. AI의 지능은 크게 이미지 인식, 스피치 인식, 그리고 인간언어처리 등 낮은 레벨의 패턴인식 업무를 처리하는 능력과 연관되어 있어왔다. 대부분의 경우에, 이러한 응용들은 비즈니스 트랜잭션 데이터와, 딥 도메인 전문 지식과는 반대되는 인간 디지털 추적에 초

1. 블랙박스에서 유리박스로의 전환



최근 AI의 성장은 주로 특정한 한 분야에 집중되고 있다. 바로 기계학습, 특히 딥러닝 분야이다. 최근 크게 대중적으로 관심을 받고 있는 대부분의 AI 응용 분야는 비즈니스에서 소비자로까지 연계되는 분야이다. AI의 지능은 크게 이미지 인식, 스피치 인식, 그리고 인간언어처리 등 낮은 레벨의 패턴인식 업무를 처리하는 능력과 연관되어 있어왔다. 대부분의 경우에, 이러한 응용들은 비즈니스 트랜잭션 데이터와, 딥 도메인 전문 지식과는 반대되는 인간 디지털 추적에 초점이 맞춰져 있다.



이러한 응용시스템들은 대용량의 데이터로부터 학습이 된 기계학습 방법을 이용하고 있고, 제한된 비즈니스 효과와 다양한 레벨의 견고함, 학습 데이터의 오류에 대한 상대적으로 높은 민감도를 가지고 딱 맞는 예측과 추천을 하려고 노력한다.



이 시스템들은 어떻게 예측 결정이 내려졌는지, 왜 이러한 예측 결정이 내려졌는지를 인간에게 알려주지 않고 모든 것을 진행한다. 이러한 설명 부족은 이러한 기계학습 시스템들이 블랙박스라는 것을 의미한다.

인간으로서, 우리는 정제되지 않은 데이터를 입력으로 사용하고, 출력으로 모델을 구축하거나 미래 결과를 예측한다. 그러나 기계 시스템은 출력 결과에 대한 이유에 대해 인간이 이해할 만한 설명을 해주지 않는다. 이것과 관련하여 예들이 있다. 구글 서치, 아마존이나 넷플릭스에서의 추천 시스템, 또는 Spotify에서 자동으로 생성되는 플레이리스트 등이 그 예이다.



** 원문은 파일 다운받기를 해주세요 :-)