반응형 AI · 인공지능/AI 칼럼61 새로운 AI 개발 사상「데이터 중심의 AI」입문 92%의 AI 실무자가 만난 「데이터 캐스케이드」 문제 머신러닝 모델의 오류가 누적되는 현상을 데이터 캐스케이드(Data Cascade) 현상이라고 합니다. 기존의 AI 연구 개발에서 중시되어 온 것은 AI 시스템의 핵심이 되는 AI 모델이었습니다. AI 개발자는 AI 시스템의 정확성을 향상하기 위해 AI 모델에 다양한 기법을 구사하는 것에 익숙했습니다. 이러한 가운데 2021년 5월, Google의 조사 팀은 지금까지 당연히 생각해 온 AI 모델 중심의 개발 사상을 비판적으로 검토한 논문인 「모두가 데이터가 아닌 모델을 다루는 일을 하고 싶어 한다」： Data Cascades in High-Stakes AI를 발표했습니다. 이 논문에서는 학습 데이터의 품질이 AI 시스템에 미치는 영향을 고찰합니다. 다.. 2022. 8. 31. 왜 AI는 언어와 예술 분야에서 빠르게 진화하는가? 왜 기계는 지수 함수적으로 지능을 높여가는가, 이 현상의 핵심이 되는 패러독스 기계가 하는 일이라고 하면, 주로 조립 라인의 조작이나 자동차의 조립이었다. AI는 그러한 일을 자동화하기 위한 것이었고, 그런 일에 나는 위화감을 느끼지 못했다. 그러나 2020년의 사건이 모든 것을 바꾸어 버렸다. 인류는 기술과 오랜 시간을 함께 해 왔지만 불과 몇 개월 만에 현대 인공지능은 그 관계를 졸업한 것이다. 그해 6월 GPT-3 가 일반에 공개됐다. 그리고 12월에는, 생성적 머신에 의한 Art의 가장 충격적인 진보 중 하나인 VQGAN이, 큰 물결을 일으키며 나타났다. AI가 처음으로 인간의 창조성을 재현한 것이다. 예술, 디자인, 언어 등, 종래에는 인간의 본질이라고 생각되던 개념이, 더 이상 그렇게 여길 수.. 2022. 8. 27. AI 엔지니어의 장래성과 그만두는 이유 5가지 「AI 엔지니어가 되고 싶지만, 그 힘든 노력을 갈아넣기에는 진짜 장래성이 있는지 불안하다」라는 생각이 듭니다. 최근 AI는 다양한 분야에서 활용이 진행되고 있으며, 모든 업계를 변화시키며 우리의 생활과 밀접한 관계를 맺고 있습니다. AI의 발전이 진행되는 현대에서 AI 엔지니어는 세계적으로 주목받는 직업이며, 그 수요도 높고 인기 있는 직업 중 하나입니다. 그러나 「AI 엔지니어에 대한 주목과 수요가 언제까지 계속될지 모르겠다」라고 생각하는 분들도 있을 것입니다. 그래서 이번에는 AI 엔지니어의 현재와 장래성, AI 엔지니어를 그만두는 다섯 가지 이유에 대해 알아보겠습니다. AI 엔지니어란? AI 엔지니어는 기계 학습 시스템을 설계 및 구축하는 AI 전문 엔지니어입니다. 다양한 데이터를 AI에 제공하고.. 2022. 8. 13. [AI] 분류 - 재현율과 적합률 : 영화 '맨 인 블랙'을 이용한 설명 한 그룹에서 어떤 특징을 가지고 멤버를 식별하는 분류 문제에서는 혼합 행렬로부터 산출되는 각종 지표가 성능 평가에 사용됩니다. 이러한 지표에는 재현율(recall)과 적합률(precision)이라는 것이 있는데, 그 산출법에 대해 알아봐도 좀처럼 의미가 와닿지 않습니다. 그래서 Prabhat 씨는 분류 문제를 영화 '맨 인 블랙'에 비유하여 재현율과 적합률의 의미를 이해하기 쉽도록 설명하고 있습니다. 예를 들면 핼러윈 파티 속에 인간으로 변장한 외계인들이 섞여 있고, 그러한 외계인을 식별하는 능력을 평가하는 경우 재현율과 적합률은 다음 표와 같이 설명할 수 있습니다. 외계인 검출 문제에 있어서 재현율과 적합률의 장단점 재현율 적합률 지표의 의미 가능한 많은 외계인을 찾는 능력을 측정 외계인으로 잘못 찾는.. 2021. 8. 16. 해석 가능한 머신러닝(Interpretable Machine Learning) 번역본 블로그 돌아다니다 좋은 자료를 발견해서 링크 남겨둡니다. 해석 가능한 머신 러닝 저자 : Christoph Molnar 번역 : TooTouch( 허재혁 : https://tootouch.github.io/ ) 원본 Molnar, Christoph. “Interpretable machine learning. A Guide for Making Black Box Models Explainable”, 2019. Interpretable Machine Learning Machine learning algorithms usually operate as black boxes and it is unclear how they derived a certain decision. This book is a guide for.. 2021. 6. 6. Kaggle 그랜드 마스터에게 들어 봤다 저자인 Parul Pandey 씨는 세계 각지에 거점이 있는 AI 스타트업 H2O.ai의 데이터 사이언스 책임자를 맡고 있습니다. 그는 최근 Medium에 투고한 기사에서 H2O.ai 소속 Kaggle 그랜드 마스터에게 Kaggle의 대처 방법에 대해 인터뷰했습니다. 데이터 과학자인 Philipp Singer 씨는 오스트리아 그라츠 공과 대학에서 박사학위를 받은 후, 자신의 지식을 적용할 기회를 찾고 데이터 과학 업계에 들어갔습니다. 그가 Kaggle을 시작한 것은 단순한 정보 수집이 계기였지만, 우수한 성적을 거두며 Kaggle에 열중했습니다. 그런 그의 Kaggle 작업법 및 Kaggle에서 배운 요점을 정리하면 다음과 같습니다. Kaggle의 필승법은 없지만, 다양한 공모전에서 사용할 수 있는 노하.. 2021. 3. 3. 누가 NeurIPS 2020에서 AI 연구를 선도하는가?(후편) 추가 분석 NeurIPS 2019와 비교한 2020년도 세계 기관 톱 10 순위 변화 구글 : 1위 자리 지킴 스탠퍼드 대학 : 2위 자리에 머무름 MIT : 4위에서 3위로 상승 UC 버클리 : 6위에서 4위로 상승 카네기 멜론 대학 : 3위에서 5위로 하락 마이크로 소프트 : 5위에서 6위로 하락 옥스퍼드 : 7위에 머무름 칭화대 : 13위에서 8위로 크게 상승 페이스북 : 8위에서 9위로 하락 프린스턴 : 10위에 머무름 NeurIPS 2019와 비교한 2020년도 세계 톱 50 기관의 PI 변화 1. 구글 (미국) : 94.5에서 128.0로 33.5 (35 %) 상승 2. 스탠퍼드 대학 (미국) : 57.8에서 67.0로 9.1 (16 %) 상승 3. MIT (미국) : 46.7에서 61.1로 .. 2021. 2. 2. 누가 NeurIPS 2020에서 AI 연구를 선도하는가?(전편) 저자인 Gleb Chuvpilo 씨는 AI와 로봇의 스타트업에 투자하는 벤처 캐피털 Thundermark Capital에서 관리 파트너를 맡고 있습니다. 그는 최근 Medium에 투고한 기사 "누가 NeurIPS 2020에서 AI 연구를 선도하는가? 리딩 AI 콘퍼런스의 고찰과 AI 연구 랭킹'에서는 NeurlPS 2020의 동향이 자체 지표를 바탕으로 분석되고 있습니다. ICML과 함께 세계적인 AI 연구 학회인 NeurlPS 2020에서 채택된 1,990 개의 논문에 대해 그는 Nature Index에서 영감을 받은 독자적인 지표(Publication Index : 줄여서 PI - 이 지표의 설명은 기사 본문에서 설명)에 근거하며, 논문을 제출한 기관, 대학, 기업의 동향을 고찰했습니다. 이러한 고찰.. 2021. 2. 1. 일본의 머신러닝 엔지니어 연봉은 얼마? 연령별 수입 및 미국과의 차이점 최근 AI 붐에서, 그 근간을 담당하고 있는 것이 기계학습 기술입니다. 기계 학습에 대한 관심이 높아짐과 동시에 기계 학습 모델을 만드는 데 있어 빠질 수 없는 직업 "기계 학습(머신러닝) 엔지니어"에 관심이 집중되고 있습니다. 현재 인력부족으로 인해 기계 학습 엔지니어는 귀하신 몸입니다. 기술의 변천과 함께 그 시장 가치는 변할 가능성이 있지만, 기계 학습 엔지니어는 높은 소득과 대우를 기대할 수 있습니다. 그래서 이번 글은 기계 학습 엔지니어의 평균 연봉을 테마로 소개하고 있습니다. 기계 학습 엔지니어란? 기계 학습 엔지니어는 간단히 말하자면 기계 학습 모델을 구축하는 엔지니어입니다. 때로는 "AI 엔지니어"나 "ML 엔지니어"라고도 부릅니다. AI 관련 직업 중에서도 특히 주목받고 있는 직업으로 대.. 2020. 12. 15. 틱톡(TikTok)은 왜 사용자를 사로잡은 것일까? - 사용자를 매혹시키는 AI 알고리즘[후편] 목차 3. TikTok 추천의 흐름 0 단계 : 사용자 생성 콘텐츠(UGC)에 관한 듀얼 감시 시스템 1 단계 : 콜드 스타트 2 단계 : 지표에 따른 평가 3 단계 : 사용자 프로필 증폭기 4 단계 : 부티크 트렌드 풀 기타 단계 : 지연 발화 제한 : 트래픽 피킹 왜 이런 추천 시스템을 만들었는가 참고 URL 3. TikTok 추천의 흐름 TikTok은 그 핵심 알고리즘을 결코 공개하지 않았습니다. 그러나 회사를 통해 게시된 단편적인 정보와 리버스 엔지니어링 기술을 사용하여 사람들이 발견한 흔적을 따라 저는 다음과 같은 결론을 이끌어 냈습니다.(이것은 저의 추정이며, TikTok이 실제로 실행하고 있는 것과 상이할 수 있습니다.) 단계 0 : 사용자 생성 콘텐츠(UGC)에 관한 듀오 감사 시스템 Ti.. 2020. 11. 20. 이전 1 2 3 4 5 ··· 7 다음 반응형
