Forrester에 따르면 AWS, IBM, Google 및 Microsoft는 AI를 1.0에서 2.0으로 전환하고 있다.
많은 회사가 아직 인공 지능 플랫폼을 구현하는 초기 단계에 있지만 얼리 어답터는 AI 2.0으로 이동하고 있는. Forrester의 새로운 보고서인 “AI 2.0 : 5 개의 차세대 AI 발전으로 기업 업그레이드”는 이러한 변화가 무엇이며 왜 중요한지 설명하고 있다.
AI 1.0이 패턴 인식 작업별 모델과 중앙 집중식 교육 및 배포에 초점을 맞춘 것으로 설명하는 반면 AI 2.0은 언어, 비전 및 기타 일반 데이터 생성 모델이 특징이며 모든 곳에 포함하고 있다.
Transformer networks
자연어 처리 및 생성과 같은 시간 또는 컨텍스트 요소로 작업을 처리 할 수 있는. 이러한 발전으로 인해 개별 모델이 별도로 작동하는 것보다 더 높은 정확도와 적은 데이터로 한 번에 여러 작업을 수행하도록 거대 모델을 교육 할 수 있는. 보고서에 따르면 Microsoft는 자연어 검색, 이미지 자동 캡션, 부적절한 게이머 언어 조정 및 자동화된 고객 지원과 같은 비즈니스 응용 프로그램에서 이러한 변환기 네트워크를 사용. Salesforce Research의 Photon은 이러한 네트워크를 사용하여 비즈니스 사용자의 질문을 자동으로 생성된 SQL 쿼리로 변환
Synthetic data
AI는 데이터에서 실행되며 모델을 교육하고 엔터프라이즈 사용 사례를 구축하는 데 필요한 데이터 양을 확보하는 것은 쉽지 않거나 저렴하지 않은. 보고서에 따르면 합성 데이터는 이러한 문제를 해결하고 모델의 정확성, 견고성 및 일반화 가능성을 개선. MDClone 과 같은 회사 는 의료 환경에서 합성 데이터를 사용하여 데이터 격차를 메우고 환자의 개인 정보를 보호. 이것은 사내에서 합성 데이터를 생성하지 않으려는 회사에이 서비스를 제공하는 벤더의 새로운 에코 시스템의 한 예
Reinforcement learning
새로운 기능을 통해 기업은 데이터 변경에 신속하게 대응할 수 있는. 강화 학습은 과거 데이터에 의존하는 대신 시행 착오를 통해 실제 또는 시뮬레이션 된 환경과 상호 작용하여 학습. 한 석유 및 가스 탐사 회사는 Microsoft의 Project Bonsai를 사용하여 지하 수평 시추를 위한 가장 유망한 경로를 찾고 있는.
Federated learning
AI 학습의 광범위한 배포에 대한 한 가지 장벽은 여러 소스에서 데이터를 전송해야한다는 것. 이 데이터를 전송하는 것은 “보안, 개인 정보 보호 또는 경쟁력 측면에서 비용이 많이 들고 어렵고 위험 할 수 있습니다.” 연합 학습을 사용하면 별도의 AI 모델이 기본 데이터 대신 모델을 공유 할 수 있는. 즉, 인텔리전스는 단일 조직 내에서 그리고 여러 조직간에 “신속하고 저렴하며보다 안전하게”공유 될 수 있는. 보고서는 Google의 Android 11이 연합 학습을 사용하여 스마트 답장을 생성하고 이모티콘을 제안하는.
Causal inference
이 기술은 데이터가 지원하는 관계를 제안 할 수 있는 변수 간의 인과 관계를 식별 할 수 있는. 이것은 인과 관계를 증명할 수는 없지만 성능이 저조한 모델을 기반으로 한 잘못된 비즈니스 결정을 쉽게 피할 수 있는. 이 기능은 다른 네 가지 요소에 비해 개발 초기 단계에 있는.
Forrester는 기업이 이러한 새로운 기능을 기존 AI 작업에 통합하기 위해 다음 단계를 수행 할 것을 권장.
1. 2.0 기능의 토대를 마련하면서 AI 1.0 여정을 계속하십시오.
2. AI 2.0 전문 지식을 가진 사람이 아직 존재하지 않기 때문에 기존 직원 교육에 투자하십시오.
3. 비즈니스 가치와 기술적 타당성 모두에서 높은 점수를 받은 사용 사례를 찾으세요.
4. Amazon Web Services, Google, IBM 및 Microsoft의 AI 2.0 제품을 찾아보십시오.
5. Killer A킬러 사용 사례 또는 기술적 혁신을 주시하세요.
