Offcanvas
Some text as placeholder. In real life you can have the elements you have chosen. Like, text, images, lists, etc.
Offcanvas
1111Some text as placeholder. In real life you can have the elements you have chosen. Like, text, images, lists, etc.

인공지능

IBM, 원활한 업무 정상화 지원 위한 ‘왓슨 웍스’ 공개

전 세계 기업들이 업무 정상화를 위해 노력하는 가운데 IBM이 원활한 업무 복귀와 안전한 업무 환경 구축을 지원하는 ‘왓슨 웍스(Watson Works)’를 공개했다.  왓슨 웍스는 IBM의 인공지능 왓슨 모델 및 애플리케이션 기반의 솔루션을 목적에 맞게 조합, 구성한 패키지 제품이다. 회사에 따르면 업무 복귀, 시설 관리, 공간 배치, 그리고 코로나19 관련 조직내 여러 과제와 관련해 기업이 충분한 정보를 바탕으로 빠르고 정확한 의사결정을 내릴 수 있도록 데이터 기반 인사이트를 제공한다. 첫째, 왓슨 웍스는 시설 관리 및 공간 배치 최적화를 지원한다. 와이파이, 카메라, 블루투스 비콘, 휴대전화 등을 통해 경영진이 제공하는 실시간 데이터를 활용한다. 해당 데이터는 직원의 사생활을 보호하는 방식으로 수집된다. 이를 통해 관리자는 신속하게 공간을 재배치하고, 접근 금지 구역을 지정하며, 청소 일정을 잡고, 직원 밀집 정도, 사회적 거리 두기, 마스크 착용 여부를 모니터링할 수 있다. 둘째, 기업이 직원의 업무 복귀 시기와 사업장 폐쇄 시기에 대해 명확한 근거를 기반으로 결정을 내릴 수 있도록 돕는다.  셋째, 왓슨의 자연어 처리 기능을 활용하는 가상 에이전트와 애플리케이션을 통해 직원은 코로나19 및 인사 관련 질문에 대한 경영진의 답변을 확인할 수 있다. 또한 증상을 보고하거나, 해당 일에 출근을 해야 할지 여부에 대해 알아볼 수도 있다.  이밖에 왓슨 웍스를 통해 의료 인력과 역학 조사관의 활동을 지원할 수 있다. 직원이 자발적으로 검사 결과를 알리고 면담에도 동의하는 경우 역학 조사관이 면담을 진행한다. 다양한 출처의 정보를 활용하여 접촉 가능성을 통보해야 하는 접촉자를 찾아내고, 해당 직원의 사생활 보호를 원칙으로 관련된 모든 정보를 기록한다. 또한 해당 직원이 회복되는 동안 지원을 받을 수 있도록 경영진에게 확진자 관리 워크플로우를 가동하도록 요청할 수 있다. IBM 코그너티브 애플리케이션, 블록체인 및 에코시스템 ...

IBM 왓슨 인공지능 2020.06.23

삼성전자, 드론·인공지능 활용한 5G 네트워크 성능 최적화 솔루션 공개

삼성전자가 드론과 인공지능을 활용해 기지국과 안테나의 설치 상태를 분석해 5G 네트워크의 성능을 신속하고 정확하게 최적화하는 솔루션을 공개했다. 삼성전자는 다수의 5G 기지국과 안테나가 설치되어 있는 수원 디지털시티에서 드론을 이용해 기지국과 안테나 시스템 설치 상태를 촬영해 서버에 전송한 후, 인공지능을 활용해 기지국과 안테나가 최적의 각도로 유지되고 있는지 분석해 현장 작업자에게 실시간으로 전송해주는 솔루션을 시연했다. 기지국과 안테나의 설치 각도는 서비스 커버리지를 결정하고 인접 셀과의 간섭을 최소화해 끊김없는 초고속 이동통신 서비스를 제공하는데 핵심적인 요소다. 기존에는 여러 엔지니어가 개별 국사를 일일이 방문해 무거운 측정 장비를 활용해 직접 측정해 비용과 시간이 많이 들고, 측정값의 오류 가능성도 있었다. 특히, 삼성전자의 이번 솔루션은 기지국과 안테나의 설치 각도를 드론을 활용해 측정하기 때문에 빌딩 등 높은 고도에 설치되어 있는 장비도 작업자의 안전 문제없이 손쉽게 확인이 가능하며, 장비와 근접 촬영이 가능해 측정 오차 수준도 최소화할 수 있다. 삼성전자 네트워크사업부 네트워크 오토메이션(Network Automation)그룹 정서형 상무는 “5G 통신장비가 우리 주변 곳곳에 설치되기 시작하면서 빠르고 효율적인 네트워크 관리와 최적화 솔루션에 대한 관심이 더욱 높아지고 있다”며, “올해 말 정식 출시될 이번 솔루션은 드론·인공지능·5G 등 첨단 기술을 활용해 보다 안전하고 현장에 쉽게 적용할 수 있는 최적화 기술이 될 것”이라고 말했다. editor@itworld.co.kr 

삼성전자 5G네트워크 드론 2020.06.23

RPA+AI, 그 혁명의 기술로 승부하자

RPA는 기업의 업무 프로세스 자동화 패러다임의 한 획을 긋고 있다. 지금까지 엔터프라이즈는 선진 업무 프로세스를 정립하고, 여기에 맞춰 매일 같이 데이터를 입력해왔다. 그 결과, 오늘날 우리의 업무 일상 대부분은 정보 입력, 조회, 수집과 분석, 그리고 보고서 작성의 연속이다. 2019년 현재 기업은 더 이상 데이터 입력과 조회 중심의 업무 혁신을 바라지 않고, 데이터를 어떻게 활용할 것인지에 더 관심이 많다. 지금까지 쌓아온 업무 절차에 대한 노하우와 수많은 비즈니스 프로세스와 트랜잭션 관련 로그 데이터는 이제 AI 기반 봇을 디지털 인력으로 만드는 훌륭한 자원이 되었다.   AI 기반 스마트 봇 시대 개막 초기 RPA는 단순한 업무 자동화에 딱 맞는 도구로 사전에 정의할 수 있는 정적인 업무에 적용하는 데 최적화된 소프트웨어 로봇이었다. 초기 RPA의 봇은 나름 훌륭한 역할을 했는데, 단순 반복적인 작업을 사람보다 더 빠르고, 정확하게 처리했다. 업무 프로세스 중심으로 RPA를 바라보던 시절에는 충분히 제 역할을 다했지만, 2019년 현재 시점에서 바라보면 초기 RPA는 기업이 추구하는 미래 기업의 모습에 안 맞는다.  기업에서 생성하고 관리하는 데이터 중 80% 이르는 다크 데이터(Dark Data)를 어떻게 더 효율적으로 다루느냐에 따라 조직의 운영 방향이 크게 달라진다. 이런 이유로 많은 기업이 다크 데이터를 다루는 업무 자동화를 원하지만, 전통적인 RPA는 문서, 이미지 등 다크 데이터에 접근해 업무를 처리하는 데 명확한 한계가 있다. 기존 봇은 스프레드시트, 데이터베이스 등 봇이 쉽게 인식할 수 있는 정형화된 데이터 처리에 능하다 보니, 업무 진행에 있어 주어진 형식과 조건을 벗어날 경우 적절한 대응을 못한다. 주어진 시나리오에 충실한 봇이다 보니 상황을 판단할 필요도 없고, 업무 흐름의 맥락을 이해할 이유도 없다. 하지만 다크 데이터를 다루려면 봇은 자신에게 주어진 상황과 조건을 알아야 한다. 이 때문에 최근 RPA 관...

RPAAI RPA 인공지능 2020.06.16

RPA에 AI가 필요한 이유

RPA의 성과와 성장에도 불구하고, 봇은 자신이 수행하도록 훈련받은 업무만 수행할 수 있습니다. 봇의 경직성과 학습 능력 부재는 다음과 같은 두 가지 방식으로 RPA를 제한했습니다. • 봇은 구조화된 데이터만 처리할 수 있습니다. 따라서 데이터가 스프레드시트, 데이터베이스 또는 애플리케이션 프로그래밍 인터페이스(API)와 같이 표준화되고 쉽게 인식할 수 있는 형식으로 정리되어 있어야 했습니다. • 봇은 모호한 상황을 판단할 능력이 없습니다. 기존 RPA 봇은 특정 시나리오에 맞는 엄격한 규칙을 통해 간단한 결정만을 다룰 수 있습니다. 하지만 시나리오가 더 복잡해지면 어려워합니다. 예를 들어, 10만 달러 이상의 모든 PO(구매 주문서)는 승인을 위해 구매 담당 부사장에게 전달되어야 한다는 것을 봇에게 알려 두었다고 가정해 봅시다. 하지만 기존 봇은 그 10만 달러의 PO가 회사 자금을 유용하게 사용하는 것인지는 판단할 수 없습니다. 인간의 판단이 개입되어야 합니다. 이것이 바로 '인지 봇'이 필요한 이유입니다.   인지 자동화의 4가지 장점 Automation Anywhere는 AI와 머신러닝을 활용하여 민감한 데이터를 기업 외부로 유출하지 않고도 정보를 처리할 수 있습니다. 당사의 AI 기반 제품은 다음과 같은 네 가지 요소를 통해 봇을 더 스마트하게 만듭니다. 1. 인지 봇은 다양한 형식의 문서를 이해할 수 있습니다. 기존 RPA 봇은 스프레드시트와 같은 표준화된 형식의 데이터 처리에 매우 효율적입니다. 하지만 기업이 처리해야 하는 정보의 유형은 무척 다양한 형태를 하고 있습니다. 송장 처리와 같은 간단한 작업을 예로 들 수 있습니다. 이런 문서들은 다양한 형식과 스타일로 제공되기 때문에, 각각에 맞는 개별 봇을 만드는 것은 비효율적이고 시간이 많이 걸리며 궁극적으로 무의미합니다. 인지 봇은 송장, 건강 기록, 보험 청구, 금융 문서 등 형식에 관계없이 데이터를 쉽게 분석하고 분류하며 처리할 수 있습니다. 언어(맞춤법 검사, 번역 및...

RPA.AI 인공지능 RPAI 2020.06.16

지능형 자동화의 TCO 추정 및 최적화 방법

지능형 자동화(IA)는 자동화의 최전선에서 인공지능과 인지 기능을 로보틱 프로세스 자동화(RPA)에 결합함으로써 기업이 새로운 사용 사례의 해결책을 찾고 더 나은 결과를 도출할 수 있도록 돕습니다. 비용 최적화 및 생산성 향상과 관련하여 입증된 장점으로 인해, 지능형 자동화가 현재 기업에서 가장 높은 우선 순위를 가진 디지털 혁신 원동력 중 하나라는 사실에는 이견이 없습니다. 하지만 기업은 주로 비용 추정 과정에서 막혀 주목받지 못하는 비즈니스 사례로 인해 어려움을 겪고 있습니다. 지능형 자동화의 TCO 추정 및 최적화 방법을 살펴봅니다.    주요 내용 - 지능형 자동화 솔루션 TCO 추정의 어려움 - 무인 자동화: 비용 컴포넌트 및 이들이 TCO에 미치는 영향 - 지능형 자동화에 드는 실제 비용  - 유인 자동화: 컨택센터 배포 TCO 및 최적화 방법    

지능형자동화 TCO IA 2020.06.16

인공지능 개인화 상품 추천 백서

다양한 상품 확보, 즉 상품 구색을 갖추기 위한 소싱(Sourcing) 역량은 이커머스 기업에 있어서 필수 불가결한 경쟁요소다. 다만 이커머스 서비스(온라인 쇼핑몰)가 취급하는 상품과 정보량이 급증하면서 이로 인해 고객이 상품 선택에 어려움을 겪거나 피곤함을 느낀다면 매우 아이러니한 일이 아닐 수 없다. 이러한 상황에서 상품 추천 시스템은 고객에게 보다 나은 쇼핑 경험을 제공하여 충성도를 높이고 궁극적으로는 매출 향상을 달성하는 중요한 서비스 전략이 된다. 본 백서에서는 초기의 상품 추천 유형과 한계를 짚어보는 것을 시작으로 딥러닝 등의 인공지능 기술을 활용한 최신의 다양한 상품 추천의 동작 원리 및 비즈니스 현장에서의 활용전략까지 소개한다. 만약 이커머스 서비스 전략의 중요한 한 축이 되는 추천 시스템의 도입이나 개선을 고민하는 마케터나 서비스 운영자라면 이 백서를 통해 해답의 실마리를 찾는 계기가 될 것이다. <24p> 주요 내용 - 초기 상품 추천의 유형과 한계 - 본격적인 개인화 추천의 시작 - 그루비 시즌 2의 인공지능(AI) 개인화 상품 추천 - 전략적인 상품 추천 활용

인공지능 이커머스 상품추천 2020.06.08

토픽 브리핑 | "폭발적 성장에도 걸림돌은 있다" 딥 러닝의 현황과 과제

지난 10년 간 인공지능(Artificial Intelligence)의 세계는 엄청난 발전을 보여 각 산업계에서 잘 활용하고 있을뿐만 아니라 IT 산업의 모든 분야에서 없어서는 안될 요소가 됐다. 애플리케이션, 개발 툴, 컴퓨팅 플랫폼, DBMS, 미들웨어, 관리 및 모니터링 툴 등 거의 모든 IT 분야에 영향을 미치고 있다. 심지어 AI를 개선하는 데도 사용힌다.  2020년대 인공지능 기술 동향 예측 하지만 일반 기업이 인공지능이나 머신러닝(Machine Learning)을 사용하기에는 아직도 기술 장벽이 높다(사실 높을 것으로 오해하는 측면이 많다). 특히 딥 러닝(Deep Learning)은 더욱 그그렇다.  “비즈니스 결과물로 직결되는” AI, 머신러닝, 딥 러닝 이해와 활용 가이드 딥 러닝은 서로 연결된 한계 스위치(Threshold switches)를 통해 만든 인공 신경망(Artificial Neural Network)을 학습시켜, 동물의 뇌와 신경계처럼 패턴을 인식할 수 있게 만들 수 있다는 개념이다. 그래서 딥 러닝은 일반적으로 인공지능, 머신러닝을 거론할 때 떠오르는 인간의 머리, 두뇌와 같은 이미지에 가장 적합한 용어다. 딥 러닝은 데이터에 존재하는 패턴을 복잡한 다계층 네트워크로 모델화하는 머신러닝의 일종으로, 상당히 풀기 어려운 컴퓨터 비전이나 자연어 처리와 같은 문제를 해결하는데 사용한다. 하지만 학습과 배포에 있어 일반적인 컴퓨팅 역량으로는 감당하지 못해 GPU, TPU, FPGA 같은 하드웨어 엑셀레이터(가속기)가 필요하다.   폭발적인 발전을 거듭하는 "딥 러닝" 이해하기 딥 러닝과 머신러닝의 차이점 이해하기  딥 러닝이 좋다고 해서 머신러닝의 모든 영역을 차지하는 것은 아니다. 컴퓨터 비전과 같이 딥 러닝이 필수적인 영역도 있지만, 표 형태의 데이터와 같이 딥 러닝과 잘 맞지 않는 영역도 있다. 성능 좋은 노트북에서 몇 분이면 학습이 가능한 머신러닝 방식을 놔두고 비슷한 정확...

딥러닝 머신러닝 인공지능 2020.06.05

SAS AI-Enhanced Analytics : AI 기반의 의사결정 지원을 위한 SAS의 전략

기업 조직 전체에서 데이터 기반의 의사결정을 실현하기 위해서는 AI를 특정 영역이 아닌 분석 라이프 사이클 전반으로 확대하고, 이 라이프 사이클은 의사결정 프로세스와 연결돼야 합니다. 개방된 플랫폼에서 분석 시간을 줄이고, 그 결과를 운영시스템에 빠르게 적용하여 더 큰 비즈니스 가치를 실현하도록 돕는 것. 이것이 바로, SAS AI-Enhanced Analytics입니다. 본 백서에서는 AI와 머신 러닝의 트렌드, AI를 쉽게 적용하도록 돕는 AutoML의 개념, 전세계 AI 소프트웨어 플랫폼 시장을 이끌고 있는 SAS의 AI-Enhance d Analytics 전략과, SAS 솔루션의 주요 AI 기능도 함께 살펴봅니다. 주요 내용 - AI가 주도하는 분석 인사이트 - 비즈니스를 움직이는 AI - AI를 만드는 AI, AutoML - 기업 환경에 적합한 AutoML 선택 전략 - SAS, 데이터 사이언스 및 머신 러닝 플랫폼 리더 - SAS가 바라보는 확장된 AutoML  

인공지능 AutoML 머신러닝 2020.05.20

인도 최대의 OTT 사업자 ZEE5, 애피어의 AI 플랫폼으로 고객 참여 확대

인도 최대의 OTT 콘텐츠 플랫폼 지파이브 인디아(ZEE5 India)는 인공지능(AI) 선도기업 애피어(Appier)와의 제휴를 통해 고객 인게이지먼트를 크게 향상시킨 결과 클릭률 및 비디오 샘플링 수치가 3배 증가했다고 밝혔다.  지파이브 인디아(이하 ZEE5)는 디지털 콘텐츠 플랫폼으로 2018년 출범 이후 고속 성장을 이어가고 있으며, 2019년 12월 기준 일일 최대 사용자 수가 1,140만 명에 달한다. ZEE5는 시청자 기반이 확대되면서 이들을 개별 단위로 이해하고 초개인화하여 가장 관련성 높은 콘텐츠를 최적의 타이밍에 제공하고자 했다. 이를 위해서는 AI를 사용하여 시청자 데이터를 효과적으로 분석함으로써 고객 여정의 어느 단계에 있는지, 그리고 이들의 콘텐츠 소비 패턴은 어떠한지 이해하는 것이 관건이다. 이러한 인사이트가 있으면 커뮤니케이션 채널, 콘텐츠 및 시청 시간대를 전략적으로 구성하여 고객 획득률, 시청률 및 유지율을 모두 높일 수 있기 때문이다.  ZEE5는 마케터 스스로 모든 장치 및 채널에서 고객의 참여를 유도할 수 있는 애피어의 AI 기반 프로액티브 고객 인게이지먼트 플랫폼 아이쿠아(AIQUA)를 도입하여, 여러 군데 흩어져 있는 데이터 소스를 간소화하고 관련성 높은 고객 참여 유도 캠페인을 운영했다.  ZEE5의 바니 딕싯 고객 라이프사이클 관리 책임자는 “ZEE5는 최고의 콘텐츠와 고객서비스를 제공하는 데 도움을 줄 수 있는 뛰어난 기술 파트너를 항상 찾고 있다. 지속적으로 시청자의 관심사와 연관성 높은 콘텐츠를 제공하고 참여를 끌어내기 위해서는 AI를 통해 데이터를 효율적으로 활용함으로써 고객을 제대로 이해하고 이들이 행동할 가능성이 가장 높은 타이밍에 도달해야 한다. 애피어의 도움으로 소비자의 콘텐츠 시청 경험을 고도로 개인화할 수 있는 방법을 찾을 수 있었다. 인도 최대의 오리지널 콘텐츠 제작사로서 소비자들이 ZEE5 플랫폼상에서 보다 직관적으로 콘텐츠를 접하고 완벽한 시청 경험을 누릴 수...

개인화 마케팅 인공지능 2020.05.14

글로벌 칼럼 | 인공지능 편향성을 확인하는 것은 인간의 몫

인공지능(AI)의 근본적 문제는 ‘인공’이라는 부분과 ‘지능’ 부분이다. 우리는 로봇 지능이 인간의 편견에서 벗어났다고 생각하지만, 실제로는 AI가 오히려 인간의 단점을 반복하는 경우가 많다. 한 번에 하나의 데이터 세트로 말이다.   데이터 과학자인 한나 데이비스에 따르면, ‘데이터 세트는 세계관’이고 주관적인 의미로 가득 차 있다. 그렇다고 AI를 포기할 수는 없다. 대신 AI에 영향을 주는 데이터를 개선할 수 있는 몇 가지 방법을 살펴보자. 데이비스가 지적한 것은 다음과 같다.   AI는 항상 사람에 관한 것이었다 우리가 얼마나 ‘데이터 중심적’인지 가식적으로 보여주는 것이 바로 AI다. 데이터의 사용에 전적으로 의존한다고 해도 과언이 아니다. 예를 들어, 머신러닝 알고리즘의 놀라운 점은 패턴을 찾아 반응하기 위해 산더미 같은 방대한 데이터를 놀랍도록 빠르게 걸러낸다는 사실이다. 그러나 이러한 모델은 반드시 학습시켜야 하는데, 데이터 과학자가 고품질 데이터 세트에 관심을 두는 이유다. 그러나 데이비스에 따르면, 데이터 세트는 중립적이지 않다. "(하나의) 데이터 세트는 하나의 세계관이다. 연구원이든 예술가든 기업이든 상관없이 데이터를 긁어모으고 수집하는 사람의 세계관을 반영한다. 이름을 붙이는 사람(labeler)의 세계관도 포괄한다. 수동으로 혹은 자신도 모르는 사이 반영되거나, 메커니컬 터크(Mechanical Turk) 같은 제3자 서비스를 통해 반영된다. 이 경우 데이터셋에는 해당 서비스 업체의 고유 분류법에 대한 세계관까지 망라하는데, 이들 기업의 활동 목표가 높은 삶의 질과 직접적으로 양립할 수 없는 경우가 종종 있다" 문제가 파악되는가? 머신러닝 모델은 이를 제공하는 데이터 세트의 수준만큼만 똑똑할 뿐이며, 이 데이터 세트는 이를 만드는 사람에 큰 영향을 받는다. 가디언에 따르면, 기계는 인간과 같은 실수를 단지 더 빠르게 저지른다. AI는 데이터에서 유형을 특정할 수 있는 능력을 기계에 불어넣어서 인간보다 더 빠르게...

인공지능 AI 편향성 2020.04.27

AI 기반의 디셉션 기술 현황, '배포 속도 높이고 결과 향상'

지난 몇 주 동안 사이버보안 환경에 급격한 변화가 일어났다. 직원들이 집에서 일하면서 노출된 공격 표면이 늘고 비일상적인 사용자 행동 패턴이 폭증했다. 또한 원격 협업 플랫폼 중에서는 철저한 평가를 거치지 않은 채 배포된 경우도 있다.   사이버보안 업계에서 이와 같은 새로운 위험 요소에 대처하는 데 도움이 될 분야가 있다면 바로 디셉션(Deception) 기술이다. 이전에는 허니팟(honeypot)이라는 명칭으로 불린 디셉션 기술은 정상 사용자에게는 보이지 않는 '우발적으로 유출된' 것처럼 꾸민 가짜 자격 증명과 미끼 데이터베이스, 모형 서버를 환경 곳곳에 뿌리고 공격자가 접근하기를 기다린다. 오탐지율이 낮으므로 기업은 즉시 IP 주소 차단, 감염된 시스템 격리 등의 자동 교정 조치를 실행할 수 있다. 디셉션 기술은 관리 편의성과 오버헤드 측면에서 비판을 받기도 하지만 인공 지능(Artificial Intelligence)과 머신러닝(Machine Learning) 덕분에 가장 큰 몇몇 문제가 해결됐고 일부 기업은 이미 실제 환경에 투입하고 있다. 아플락, AI로 디셉션 기술 구축 속도 높여 예를 들어 보험 업체인 아플락(Aflac)은 3년 전에 디셉션 기술에 주목하고 여러 공급업체를 통해 개념 증명을 실시했다. 아플락의 보안 및 위협 관리 책임자인 DJ 골드워디는 “우리가 원했던 것은 공격 불가지론적(attack agnostic) 기술이었다. 즉 시그니처나 행동 패턴에 의존하지 않고, 어떤 유형의 공격이든 탐지할 수 있는 기술을 원했다”고 말했다. 골드워디는 디셉션 기술이 첫 방어선과 마지막 방어선을 제공했고 저수준 탐침 공격부터 이미 회사 네트워크에 침투한 APT(Advanced Persistent Threats)에 이르기까지 폭넓은 공격으로부터 회사를 보호하는 데 도움이 됐다는 점에서 끌렸다고 말했다.  아플락이 선택한 플랫폼인 아티보(Attivo)는 인공 지능을 사용해 디셉션 그리드를 구축하고 엔드포인트 기기와 네트워크, ...

인공지능 AI 머신러닝 2020.04.17

AI 확장 준비와 코어 기아 현상으로 인한 어려움 : IDC 백서

지난 몇 년 동안 IDC는 많은 기업이 광범위한 AI 기능 개발을 시작하는 것을 목격했습니다. 이와 동시에 IT 부서 역시 AI를 실행하는 인프라 측면에서 학습 곡선을 경험하게 되었습니다. 이제 딥 러닝 학습 또는 추론 작업을 위한 인프라 요구 사항 및 제품화 환경을 위한 확장 방법은 매우 명백합니다.  딥 러닝 학습에는 다른 워크로드과 구별되는 특정한 인프라가 필요합니다. 딥 러닝 학습에는 강력한 프로세서, 대용량 코프로세서, 고속 상호 연결, 대규모 I/O 대역폭, 대규모 메모리가 준비된 클러스터드 노드가 필요합니다. 이제 IT 부서가 해야 할 최선의 의사 결정은 AI 워크로드에 사용할 노드당 성능을 어떻게 할지 결정하는 것입니다. <16p> 주요 내용 - 클라우드 대비 온프레미스 - 코어 기아 현상 - AI 인프라 고려 사항 - IBM POWER SYSTEM AC922 - 당면 과제와 기회, 향후 전망

코어 인공지능 AI 2020.04.08

“클라우드와 AI로 완성하는 RPA 여정” 전사적 RPA 구현을 위한 과제와 해법 - IDG Tech Insight

이미 대세로 자리 잡았다는 평가를 받는 RPA이지만, 기업이 RPA를 제대로 구현해 전사적으로 확산하는 데는 많은 장애물이 있다. 따라서 이런 장애물을 극복하기 위한 RPA의 진화 역시 계속되고 있다. 클라우드와 AI가 RPA의 다음 여정으로 주목받는 이유는 여기에 있다. 클라우드 RPA는 기업의 초기 도입 부담을 덜어주는 것은 물론, 확장성이나 가용성 등 기업 핵심 비즈니스를 위한 조건도 만족한다. AI는 RPA의 효율성을 극대화할 뿐만 아니라 기업의 장기적인 AI 전략을 실현하는 시작점이 된다. RPA의 가능성을 다시 한번 확인하고, AI와 머신러닝, 클라우드가 기업의 RPA 여정에서 어떤 역할을 하는지 살펴본다. AI를 결합한 클라우드 네이티브 RPA를 표방하는 오토메이션애니웨어 엔터프라이즈 A2019는 이런 차세대 RPA의 전형을 보여줄 것이다. 주요 내용 - “RPA와 AI의 결합” 한층 똑똑해진 비즈니스 프로세스 자동화  - “모두를 위한 RPA가 온다” 대세로 부상하는 클라우드 기반 RPA  - 더 똑똑해진 디지털 워크포스 플랫폼 ‘오토메이션애니웨어 엔터프라이즈 A2019’  - 초자동화(Hyper Automation)로의 여정을 가속화하는 방법

인공지능 클라우드 머신러닝 2020.04.07

2020년 클라우드, 제2막이 다가온다∙∙∙ IDG MarketPulse

2020년은 클라우드 대중화 원년이 되며, 이제 곧 국내에도 클라우드 2막이 시작될 전망이다. 그렇다면 현재 국내 클라우드 도입 현황은 어떠하며, 올해 클라우드 도입 전망은 어떨까? 이에 대한 해답을 찾기 위해 한국IDG가 국내 IT전문가 660명을 대상으로 현재 어떤 유형의 클라우드를 도입했고, 향후 어떤 유형을 도입할 예정이며, 클라우드의 업무 활용률은 얼마나 달라지고, 예산은 얼마나 증액 편성했으며, AI를 업무에 얼마나 활용하는지 등을 조사했다. 주요 내용 -하이브리드 클라우드 ‘주류’로 -IT전문가 650명에게 듣는 ‘클라우드 활용∙계획∙예산’ -현재는 ‘퍼블릭’, 향후 방향은 ‘하이브리드’ -클라우드를 업무에 활용하는 비중 77%->92% -AI를 업무에 활용하는 비중 51%->79% -기술 전문성 부족, 가장 큰 클라우드 도입 난관 -‘민첩성∙유연성’과 ‘디지털 혁신 가속화’ 기대 -응답자 42%, 퍼블릭 예산 증액∙∙∙ 프라이빗은 ’36%’ -멀티 클라우드 고려, ‘보안’과 ‘기술 지원 및 운영’ 중시 -데이터 전략 살펴보니∙∙∙ 기업 규모별 차이 뚜렷 -RPA 대세∙∙∙ 거의 모든 집단에서 최우선 검토 -성공적인 하이브리드 멀티 클라우드 도입 위한 과제 -클라우드 많이 쓸수록 핵심 앱 현대화, AI에 ‘적극적’  

CIO KB손해보험 멀티 클라우드 2020.03.31

이글루시큐리티, 인공지능 관련 특허 3건 취득

이글루시큐리티(www.igloosec.co.kr)는 ‘지도학습기반의 경보분석과 비지도학습기반의 이상행위탐지 기법을 혼용한 지능형 보안관제 시스템 및 그 방법’과 ‘준지도학습을 통한 인공지능 기반 보안이벤트 분석시스템 및 그 방법’ 및 ‘비지도학습 이상탐지를 위한 모델 선택 시스템 및 그 방법’에 관한 특허 등록을 각각 완료했다고 밝혔다.  이글루시큐리티가 이번에 취득한 3건의 특허는 양질의 보안 데이터를 학습한 AI 알고리즘이 스스로 판단 기준을 만들어 새로운 보안 데이터를 실시간으로 판단하게 함으로써, 고도화된 사이버 공격에 대한 대응 능력을 강화하고 보안관제의 효율성을 높이는데 목적을 두고 있다.   ‘지도학습기반의 경보분석과 비지도학습기반의 이상행위탐지 기법을 혼용한 지능형 보안관제 시스템 및 그 방법’에 대한 특허는 지도학습과 비지도학습을 병행해 경보 예측의 정확성을 높이고 알려지지 않은 공격에 대한 탐지력을 높이는 기술이다. AI 알고리즘이 자동 식별한 고위험군 이벤트와 이상행위를 시간의 흐름과 공격 단계 별로 분석함으로써, 우선 대응해야 할 고위험군 이벤트를 정확히 선별하고 기존 보안 장비로는 탐지하기 어려운 신·변종 위협도 탐지해 보안 공백을 최소화할 수 있게 된다. ‘준지도학습을 통한 인공지능 기반 보안이벤트 분석시스템 및 그 방법’에 대한 특허는 지도학습과 비지도학습을 혼합한 준지도학습을 통해, 보안 이벤트에 정답을 달아주는 레이블링 작업에 소요되는 시간을 최소화하고 보안 정책의 정확도를 높이는데 중점을 두고 있다. 군집화된 데이터 중 일부에만 레이블을 붙이고 알고리즘이 레이블된 데이터를 토대로 나머지 데이터에 대한 판단을 내리게 하는 방식이다. 준지도학습 결과에 대한 지속적인 피드백을 통해 알고리즘과 보안 정책의 정확성을 높이게 된다. ‘비지도학습 이상탐지를 위한 모델 선택 시스템 및 그 방법’에 대한 특허는 입력 값에 대한 목표치가 레이블링된 데이터셋을 학습한 이상탐지 모델 평가 기준을 토대로 레이블링되지 않은 ...

이글루시큐리티 인공지능 2020.03.25

딥러닝에 대한 10가지 질문

데이터 과학 문제, 더 구체적으로는 인공 지능(AI) 영역에서 성공적으로 딥러닝(Deep Learning)을 사용하기 위한 전략을 설명하는 기사는 흔히 볼 수 있다. 그러나 딥러닝 자체와 딥러닝이 그렇게 강력한 이유, 그리고 실제 사용 환경에서 딥러닝이 취하는 다양한 형태에 대한 명확한 설명은 찾기가 쉽지 않다. 딥러닝, 신경망, 중요한 혁신, 가장 널리 사용되는 패러다임, 딥러닝이 효과적인 분야와 그렇지 않은 분야, 그리고 딥러닝의 간략한 역사에 대해 더 자세히 알기 위해 몇 가지 질문을 던지고 답을 구했다.   딥러닝이란 정확히 무엇인가? 딥러닝은 전통적인 신경망의 현대적 발전이다. 실제로 고전적인 피드 포워드(feed-forward), 완전 연결, 역전파(backpropagation) 학습, 다층 퍼셉트론(MLP)에 “더 깊은” 아키텍처가 추가된 것이다. 더 깊다는 것은 순환망, 합성곱망의 경우와 같이 숨겨진 층이 더 많고 몇 가지 새로운 신경 페러다임이 더 있다는 것을 의미한다. 딥러닝과 신경망의 차이는 무엇인가? 차이점은 없다. 딥러닝 네트워크가 곧 신경망이고, 단지 1990년대에는 학습이 불가능했던 수준의 더 복잡한 아키텍처가 추가됐을 뿐이다. 예를 들어 순환신경망(RNN)의 장단기 메모리(LSTM) 유닛은 1997년 호크라이터와 슈미트후버에 의해 고안됐지만 계산 시간이 길고 계산 리소스의 요건이 높았던 탓에 오랜 시간 도입되지 못했다. 두 개 이상의 숨겨진 층이 있는 다층 퍼셉트론 역시 나온 지 오래된 개념이고 그 혜택도 이미 명확히 알려졌다. 중대한 차이점은 현대의 연산 자원 덕분에 이제 이와 같은 개념을 실제로 구현할 수 있게 됐다는 것이다. 딥러닝을 좌우하는 요소는 결국 더 강력한 컴퓨팅 자원인가? 일반적으로 더 빠르고 더 강력한 연산 자원은 더 강력하고 유망한 신경 아키텍처의 구현과 실험을 가능하게 해준다. 신경망 학습에 며칠씩 소비하는 방식은 같은 신경망을 GPU 가속의 도움을 받아 몇 분만에 학습시키는 방법과 경쟁할 수...

인공지능 딥러닝 신경망 2020.03.16

그리드원, “인공지능 기반 자동화 전문 인재 양성 나선다”

​​그리드원은 4월에 인공지능 기반의 자동화 기술을 전문적으로 교육하는 ‘그리드원 아카데미’를 설립한다고 밝혔다. 그리드원 아카데미는 ▲인공지능의 기본 원리 ▲인공지능의 자동화 활용 방안 ▲인공지능 기반 자동화 기술 개발 ▲자동화 솔루션 실습 등의 기술 교육을 진행한다. 또한 ▲프로세스 자동화 업무 분석과 선정 ▲자동화 업무 운영 및 관리 등 사업적 측면의 교육도 함께 이뤄진다. ​그리드원은 이미 지난해부터 많은 교육 기관들과 인공지능 기반의 자동화 교육 개설을 운영해 왔으나, 보다 전문화되고 즉시 투입이 가능한 인재를 양성하기 위해 교육기관을 설립하게 됐다고 설명했다. ​이를 위해 지난해 기술 교육 전문가를 영입, 커리큘럼과 교재를 개발했으며 내부직원 교육 등을 통해 실무적으로 요구하는 교육 사항을 확인해 왔다. 특히, 그리드원 아카데미에서는 인공지능 기반 자동화 기술의 대중화를 위해 고객사의 업무 자동화 담당자뿐만 아니라 대학생이나 일반인을 위한 무료 과정도 함께 운영한다. ​아울러 명지대, 한성대, 폴리텍대학교 등 협력 교육 기관과 연계해 교육 과정 제공 및 교육을 병행하는 방안도 검토 중이다. 그리드원 ​김계관 대표는 “현 시점에서 업무 프로세스 자동화에 가장 필요한 기술은 인공지능”이라며, “그리드원 아카데미를 통해 하이퍼오토메이션(Hyperautomation)을 선도할 수 있는 인공지능 기반의 자동화 전문 인력을 양성하고 산업계의 일자리 창출에 기여하겠다”라고 말했다. editor@itworld.co.kr

인공지능 그리드원 2020.03.10

“더 빠르고 더 정확한 데이터 마케팅의 시작” AI를 활용한 예측 기반 잠재 고객 세분화 전략 – IDG Summary

본 자료를 다운로드 받으신 분들 중 추첨을 통해 [스타벅스 카페라떼 기프티콘] 을 드립니다. (5명) 구매 확률이 높은 사람에게만 마케팅한다면 효율이 상당히 높아진다. 모든 마케터는 정교한 잠재 고객 세분화를 위해 노력하고 있지만, 노동 집약적 마케팅 프로세스와 난이도 높은 데이터 분석 때문에 효율 극대화에 어려움을 겪고 있다. AI는 이런 어려움을 극복해주는 기술로 주목받고 있다. 마케터 대신 데이터를 분석하고 패턴을 학습해 전환율이 높은 잠재 고객을 추출해주기 때문이다. 애피어(Appier)의 아익슨(AIXON)을 중심으로 AI를 활용한 예측 기반의 잠재 고객 세분화 전략을 알아본다. 주요 내용 - “노동 집약적 프로세스” 사용자별 타깃팅의 어려움 - 쌓이기만 하는 데이터, 활용은 누가? - 번거롭고 어려운 예측 분석, AI가 해결한다 - VIP 고객과 닮은 잠재 고객 찾기도 거뜬 - AI를 활용한 최적 세그먼트 탐색, 애피어 아익슨(AIXON) - “CTR은 높이고, CPC는 내리고” AI가 찾아준 새로운 세그먼트의 결과 - “7시간 작업량을 단 5분 만에” 마케터를 위한 ‘쉬운’ AI - AI, 더 빠르고 더 정확한 데이터 마케팅의 시작  

자동화 아익슨 세그먼트 2020.03.09

회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512
| 등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규
| 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2023 International Data Group. All rights reserved.