인공지능이란?. 인공 지능에 대해 알아야 할 모든 것: 인공 지능의 역사, 유형 및 그것이 직업 시장과 우리가 사는 세상을 어떻게 변화시키는지 알아보십시오.

인공 지능이란 무엇입니까?

마리오 마메데 아바타
인공 지능에 대해 알아야 할 모든 것: 인공 지능의 역사, 유형 및 그것이 직업 시장과 우리가 사는 세상을 어떻게 변화시키는지 알아보십시오.

인공 지능은 최근 몇 년 동안 점점 더 주목을 받고 있는 용어입니다. 그것은 우리가 주변 세계와 상호 작용하는 방식을 혁신하는 기술입니다.

하지만 결국 인공지능이란 무엇인가? 이 특별 기사에서 우리는 개념, 응용 프로그램, 과제 및 미래에 대한 관점을 탐구할 것입니다. AI가 우리가 살고 있는 세상을 어떻게 변화시키고 있는지 함께 알아보십시오.

Showmetech 채널에서 비디오 보기:

인공 지능이란 무엇입니까?

인공 지능은 기계가 인간처럼 지능적으로 행동할 수 있게 해주는 기술입니다.
인공 지능은 기계가 인간처럼 지능적으로 행동할 수 있게 해주는 기술입니다. (이미지: 데일리 트러스트)

A 인공 지능 약어로도 알려져 있습니다. IA, 포르투갈어로 또는 AI, 영어로, 오늘날 컴퓨터 과학에서 가장 매력적인 분야 중 하나를 나타냅니다.

이 기술을 통해 컴퓨터나 기계는 인간의 지능을 모방할 수 있습니다.

AI는 과학자들이 만든 모델과 알고리즘을 기반으로 하며 인간의 두뇌처럼 작동하도록 설계되었습니다. 그들은 정보를 식별하고, 정보 사이를 연결하고, 거의 항상 어떤 경우에 가장 정확한 답인지 예측할 수 있습니다.

최근 몇 년 동안 인공지능에 대한 개념과 정의가 많이 나왔지만 존 맥카시, 유명한 컴퓨터 과학자, 기사, AI를 다음과 같이 정의했습니다. “지능형 기계, 특히 지능형 소프트웨어를 만드는 과학 및 공학. 인간 지능을 이해하기 위해 컴퓨터를 사용하는 유사한 작업과 관련이 있지만 AI는 생물학적으로 관찰 가능한 방법에 국한될 필요가 없습니다.".

과학자에 따르면 우리는 인간 지능을 성공의 기준으로 생각하지만 인공 지능이 우리의 사고 방식에 적응하도록 제한해서는 안됩니다.

AI에 대한 연구는 새로운 것이 아니지만(1950년에 시작됨) 현재 3가지 요인 덕분에 "혁신적인" 상태로 이 잠재력에 도달할 수 있었습니다. 

첫 번째는 복잡한 인공 지능 모델을 처리할 수 있는 거대한 처리 능력을 갖춘 컴퓨터 또는 데이터 센터의 개발입니다.

두 번째 요소는 인터넷 자체에서 제공하는 대량의 데이터에 대한 액세스입니다. 이것들은 "원시", 즉 반드시 조직화되고 분류되지는 않지만 AI가 물체를 올바르게 분류하고 질문에 정확한 답변을 제공하는 방법을 배우는 기초입니다.

그리고 세 번째는 우리가 분석하거나 사용하려는 정보를 효율적이고 정확하게 표현하는 데이터 모델에 관한 것입니다. AI가 듣고 있는 내용을 더 잘 이해하도록 돕기 위해 만들어졌습니다.

이를 통해 우리는 오늘날 우리가 보는 것에 도달했습니다. 모든 주제에 대한 질문에 답하고, 작업 프레젠테이션, 완전히 새로운 이미지, 심지어 실제 가수의 목소리로 노래를 만드는 AI입니다.

예를 들어, 우리가 GPT 채팅, 실제 사람처럼 질문을 이해하고 답할 수 있는 AI 시스템, 인공 지능이 무엇인지, 우리는 다음과 같은 답을 얻을 수 있습니다.

인공 지능(AI)은 일반적으로 인간 지능이 필요한 작업을 수행할 수 있는 시스템 및 기계 개발에 중점을 둔 컴퓨터 과학 분야를 말합니다. AI는 자율적으로 인지하고, 추론하고, 학습하고, 결정을 내릴 수 있는 프로그램과 알고리즘을 만드는 것을 목표로 합니다.

GPT 채팅

이러한 프로그램이나 알고리즘은 스스로 운전하는 자동차, 로봇 진공청소기, 물론 스마트폰이 제공하는 가장 다양한 기능과 같이 우리가 사용하는 전자 제품에도 존재합니다.

하지만 AI가 어떻게 여기까지 오게 되었는지 이해하려면 약간의 역사에 대해 이야기해야 할 때입니다.

인공 지능의 진화를 통한 여정: 기호 논리 시스템을 사용한 초기 실험부터 고급 딥 러닝 알고리즘까지
인공 지능의 진화를 통한 여정: 기호 논리 시스템을 사용한 초기 실험부터 고급 딥 러닝 알고리즘까지 (이미지: Deposit Photos)

인공지능의 역사

고대부터 지능을 가진 무생물에 대한 아이디어가 있었습니다. 지능형 로봇과 인공 존재에 대한 아이디어는 처음 등장했습니다. 신화 고대 그리스의. 신 헤 페스토, 예를 들어 로봇과 같은 황금 하인을 만드는 것으로 설명되었습니다. 고대 이집트에서 엔지니어들은 성직자들이 애니메이션을 만든 것으로 추정되는 조각상을 만들었습니다.

수세기 동안 다음과 같은 사상가들은 아리스토텔레스, 라몬 룰, 르네 데카르트 e 토마스 베이즈 당시의 도구와 논리를 사용하여 인간의 사고 과정을 설명하고 일반적인 지식을 표현하는 것과 같은 AI 개념의 토대를 마련했습니다.

1836세기 말과 XNUMX세기 전반에 현대 컴퓨터를 탄생시킨 근본적인 작업이 등장했습니다. XNUMX년 수학자 케임브리지 대학교, 찰스 배비지 e 오거스타 에이다 킹러브레이스 백작부인, 프로그래밍 가능한 기계에 대한 최초의 디자인을 만들었습니다.

1821년 배비지의 차동 기계의 복제품으로, 그것이 고안된 당시 기술 이정표였습니다. 목적은 원본 데이터로 레코드를 만들고 자동 솔루션에 도달하기 위해 작업을 반복하는 것이었습니다.
1821년 배비지의 차동 기계의 복제품, 그것이 고안된 당시의 기술적 이정표. 목표는 자동 솔루션에 도달하기 위해 원본 데이터로 기록을 만들고 작업을 반복하는 것이었습니다. (이미지: Medium)

뿌리는 오래되었지만 오늘날 우리가 알고 있는 인공 지능의 역사는 XNUMX년도 채 되지 않았습니다. 아래에서 우리는 그 궤적에서 가장 중요한 몇 가지 사건에 대한 간략한 개요를 제시합니다.

1940년대:

1950년대:

1950년 수학자 앨런 튜링, 고려 컴퓨터 과학의 아버지, 질문에 답하기 위해 기사를 작성했습니다. “기계가 생각할 수 있을까?, 지능형 기계를 만드는 것이 가능한지 묻습니다. 그는 또한 컴퓨터가 인간의 행동을 모방할 수 있는지 확인하기 위한 테스트를 발명했습니다. 유명한 튜링 테스트.

튜링 테스트는 기계가 인간의 행동만큼 설득력 있게 지능적인 행동을 보일 수 있는지 여부를 평가합니다. AI 연구 및 인지 시스템 개발에 중요한 참고 자료입니다.
튜링 테스트는 기계가 인간의 행동만큼 설득력 있게 지능적인 행동을 보일 수 있는지 여부를 평가합니다. 그는 AI 연구 및 인지 시스템 개발에서 중요한 참고 자료입니다(이미지: Github).

1950년에도 SF 작가는 이삭 Asimov, 책 출판 "나는 훔친다”, 로봇이 얼마나 지능적이며 어떤 규칙을 따라야 하는지 질문합니다. 여기에서 그는 또한 그의 유명한 "로봇 3원칙”, 인간에게 해를 끼치지 않고 로봇이 어떻게 행동해야 하는지 이해하기 위해 오늘날에도 여전히 사용됩니다. 

그러다가 1956년, 존 맥카시 미국에서 인공 지능에 관한 첫 번째 회의에서 "인공 지능"이라는 용어를 만들었고 같은 해에 최초의 인공 지능 프로그램인 논리 이론가, 일종의 "자동 추론"을 수행했습니다.

XNUMX년의 다른 중요한 사실은 다음과 같습니다.

  • 1950년에 학생들은 하버드, 마빈 민스키 e 딘 에드먼즈 빌드 스나크, 최초의 신경망 컴퓨터.
스나크: 1950년대 최초의 AI 실험 중 하나로, 숫자와 공간 사이의 관계를 조사하기 위해 아날로그 컴퓨터를 사용했습니다.
SNARC: 아날로그 컴퓨터를 사용하여 숫자와 공간 간의 관계를 조사하는 1950년대 최초의 AI 실험 중 하나(이미지:: The Scientist)
  • 1950에서 클로드 섀넌 기사를 출판하다체스를 두도록 컴퓨터 프로그래밍".
  • 1952에서 아서 사무엘 체커 게임을 위한 자가 학습 프로그램을 개발합니다.
  • 1954년 러시아어에서 영어로의 기계 번역 실험 조지타운-IBM 엄선된 60개의 러시아어 구문을 영어로 자동 번역합니다.
  • 1957에서 프랭크 로젠블랫 ~을 발명하다 퍼셉트론 아니 코넬 항공 연구소, 최초의 인공 신경망.
퍼셉트론: 패턴을 학습하고 인식할 수 있는 최초의 신경망으로, 오늘날 우리가 알고 있는 인공 지능 개발의 길을 열었습니다.
퍼셉트론: 패턴을 학습하고 인식할 수 있는 최초의 신경망으로, 오늘날 우리가 알고 있는 인공 지능의 발전을 위한 길을 열었습니다(이미지: Les Echos).
  • 1957에서 알렌 뉴웰, 허버트 사이먼 e JC 쇼 개발하다 일반 문제 해결사(GPS), 인간의 문제 해결을 모방하도록 설계된 프로그램입니다.
  • 1958에서 존 맥카시 AI 프로그래밍 언어 개발 혀가 잘 돌지 않은 발음 "를 게시합니다.상식이 있는 프로그램", 가설을 제안하는 기사 어드바이스 테이커, 인간만큼 효과적으로 경험을 통해 학습할 수 있는 완전한 AI 시스템입니다.
  • 1959에서 헤르베르트 겔렌터 프로그램을 개발합니다 기하학 정리 제공자. 이 프로그램은 자동화된 방식으로 기하학 정리를 증명할 수 있습니다.
  • 1959에서 아서 사무엘 "라는 용어를 동전기계 학습"(기계 학습) IBM에서 일하는 동안.
  • 1959에서 존 맥카시 e 마빈 민스키 발견 인공 지능 프로젝트 do MIT.

1960년대:

60년대에는 신경망 실제로 지도에 입력했습니다. 그것들은 시행 착오 형식으로 기계가 우리처럼 "학습"할 수 있도록 인간 두뇌의 뉴런 기능을 모방하는 시스템입니다. 나중에 기계 학습 장에서 자세히 살펴보겠습니다.

  • 1962에서 존 맥카시 시작하다 AI 연구실 em 스탠포드.
  • 1966에서 조셉 바이젠바움 번식 엘리자, 첫번째 소프트웨어 MIT 인공 지능 연구소의 대화 시뮬레이션(챗봇)용.
Eliza: 1960년대에 만들어진 역사상 최초의 챗봇으로, 심리 치료사를 시뮬레이션한 대화형 인터페이스를 통해 인간과 컴퓨터 간의 상호 작용에 혁명을 일으켰습니다.
ELIZA: 1960년대에 만들어진 역사상 최초의 챗봇으로, 심리 치료사 시뮬레이션 인터페이스를 통해 인간과 컴퓨터 간의 상호 작용에 혁명을 일으켰습니다(이미지: Medium).
  • 1966년 미국의 보고 자동 언어 처리 자문 위원회(ALPAC), 미국 정부에서 기계 번역 연구의 진전 부족을 자세히 설명합니다. 의 훌륭한 이니셔티브 냉전 러시아어에서 자동 및 즉석 번역을 약속합니다.

1970년대:

1970년대 프로그래밍 언어 프롤로그 생성되고 보고서 등대 영국 정부에서 AI 연구에 대한 실망을 자세히 설명하고 프로젝트 자금이 크게 삭감되는 결과를 발표했습니다. 이 기간을 "AI의 첫 겨울".

  • 1970년에 최초의 성공적인 전문가 시스템인 덴드랄 e 마이신에서 생성됩니다. 스탠포드. 전문가 시스템은 의사가 전염병을 진단하고 치료하는 데 도움이 되도록 일부 특정 지식 영역에서 전문 전문가의 추론을 시뮬레이션하려는 소프트웨어입니다.
  • 1972년 프로그래밍 언어 프롤로그 에 의해 생성됩니다 알랭 콜머라우어 및 그 동료 마르세유 대학교. 이 언어는 프로그래밍 언어 구현이 아닌 자연어 처리에 초점을 맞춘 프로젝트에서 탄생했습니다.
  • 1973년에는 와세다대학, 일본에서 지어진 와봇-1, 최초의 의인화 된 로봇으로 간주됩니다. 리소스 중에서 구성원을 이동하고 보고 대화할 수 있는 기능이 두드러집니다.
wabot-1(1973) 및 wabot-2(1984), 일본 와세다 대학에서 개발된 두 개의 선구적인 의인화 로봇으로 점점 더 정교해지고 휴머노이드 기계를 만들 수 있는 길을 열었습니다.
 Wabot-1(1973) 및 Wabot-2(1984), 일본 와세다 대학에서 개발한 두 개의 선구적인 의인화 로봇으로 점점 더 정교해지고 휴머노이드 기계를 만들 수 있는 길을 열었습니다. (이미지: ResearchGate)
  • 엠 1978, 디지털 장비 기업 개발하다 R1 (또한 ~으로 알려진 XCON), 최초의 성공적인 거래 전문가 시스템. 새로운 컴퓨터 시스템에 대한 주문을 구성하도록 설계된 R1은 향후 XNUMX년 동안 지속될 전문가 시스템에 대한 투자 붐을 시작합니다.
  • 1974년과 1980년 사이에 AI 개발의 진전에 대한 불만으로 인해 학자금이 크게 삭감되었습니다. DARPA. 보고서와 결합 알파카 그리고 보고서 등대 전년도부터 AI에 대한 자금이 고갈되고 연구는 정체됩니다.

1980년대:

1980년대에는 새로운 전문가 시스템 및 프로그래밍 언어와 같은 기술이 등장했습니다. 혀가 잘 돌지 않은 발음, AI에 대한 상당한 투자가 이루어지고 있습니다. 이 기간을 "전문가 시스템의 붐" 그리고 끝을 표시 AI의 첫 겨울.

여전히 그 1986년 동안인 XNUMX년에 현재 고려되는 것은 "인공지능의 아버지" 제프리 에베레스트 힌튼, 훨씬 더 복잡한 방식으로 그리고 오늘날에는 연구원의 도움 없이도 신경망을 훈련시킬 수 있는 알고리즘을 개발했습니다. 깊은 학습 또는 딥 머신 러닝. 그렇습니다. AI는 여기에서 스스로 학습하기 시작합니다. 연구원이 AI가 "연구"할 수 있도록 데이터를 제공하기만 하면 됩니다!

다른 중요한 사실은 다음과 같습니다.

  • 1982년 일본은 야심찬 프로젝트를 시작한다. XNUMX세대 컴퓨팅 시스템, FGCS. 목적 FGCS 슈퍼컴퓨터 수준의 성능과 AI 개발을 위한 플랫폼을 개발하는 것입니다.
  • 1983년, FGCS 일본, 미국 정부가 발사 전략적 컴퓨팅 이니셔티브 자금을 제공하기 위해 DARPA AI 및 정보 기술 연구를 위해.
  • 1985년에 기업들은 전문가 시스템과 기계 시장으로 알려진 전체 산업에 매년 XNUMX억 달러 이상을 지출하고 있습니다. 혀가 잘 돌지 않은 발음 그들을 지원하기 위해 온다. 같은 회사 기호 e 리스프 머신즈 주식회사 AI 프로그래밍 언어를 실행하는 특수 컴퓨터 구축 혀가 잘 돌지 않은 발음.
Symbols 3400은 AI 및 자연어 처리 애플리케이션을 위한 최초의 대량 생산 상업용 개인용 컴퓨터였습니다. 고급 기술에 대한 액세스를 민주화하는 개인 컴퓨팅 및 AI 역사의 이정표
Symbolics 3400은 AI 및 자연어 처리 애플리케이션을 위한 최초의 대량 생산 상업용 개인용 컴퓨터였습니다. 고급 기술에 대한 액세스를 민주화하는 개인 컴퓨팅 및 AI 역사의 이정표(이미지: Pinterest)
  • 1986에서 힌튼, 루멜하트 e 윌리엄스 게시 "오류 역전파를 통한 학습 표현”, 더 깊은 신경망을 개발할 수 있습니다.
  • 1987년에서 1993년 사이에 컴퓨팅 기술의 향상으로 더 저렴한 대안이 등장했고 기계 시장이 혀가 잘 돌지 않은 발음 1987년에 무너지고, "AI의 두 번째 겨울". 이 기간 동안 전문가 시스템은 유지 관리 및 업데이트 비용이 너무 많이 드는 것으로 판명되어 결국 선호도가 떨어졌습니다.

1990년대:

1990년대에는 웹이 널리 보급되어 AI 모델 교육을 위해 많은 양의 데이터를 수집하고 액세스할 수 있게 되었습니다. 또한 신경망과 머신러닝에 대한 관심이 새롭게 부각되고 있습니다.

  • 1991년 미군은 DART, 걸프전 동안 자동화된 물류 계획 및 스케줄링 도구.
  • 1992년 일본이 프로젝트 완료 FGCS, XNUMX년 전에 설정한 야심 찬 목표를 달성하지 못한 것을 언급합니다.
  • 엠 1993, DARPA 닫습니다 전략적 컴퓨팅 이니셔티브, 거의 1억 달러를 지출하고 기대에 훨씬 못 미치는 후.
  • 1997년에는 딥 블루 da IBM 세계 체스 챔피언 승리 게리 카스파로프.
기계가 이긴다: 1997년 세계 체스 챔피언 개리 카스파로프(Garry Kasparov)가 진한 파란색 컴퓨터에 져서 인간과 인공 지능의 관계에서 역사적인 순간을 기록했습니다.
기계의 승리: 1997년 세계 체스 챔피언 Garry Kasparov가 컴퓨터 Deep Blue에 패하여 인간과 인공 지능의 관계에 역사적인 순간을 기록했습니다. (이미지: Agencia Brasil – EBC)
  • 1999년에는 영화 매트릭스 출시되어 인공 지능에 대한 아이디어와 사회에 미치는 영향을 더욱 대중화했습니다.

2000년대 ~ 현재:

2000년대부터 AI는 가상 비서에서 음성 및 이미지 인식 시스템, 자율 주행 자동차 및 기타 기술에 이르기까지 일상 생활에 점점 더 많이 존재합니다. 심층 신경망, 자연어 처리(NLP) 및 강화 학습과 같은 새로운 기술이 개발되고 개선됩니다.

2018년 중반, AI는 계속해서 빠르게 진화했고 최초의 "훌륭한 언어 모델" 또는 LLM, 적절한 응답을 생성하기 위해 방대한 양의 텍스트를 해석할 수 있는 신경망인 영어 약어입니다. 그리고 이것이 바로 오늘날 우리가 채팅GTP, 사용자의 질문과 명령에 응답하는 2022년에 출시된 인공 지능.

최신 사실 확인:

  • 엠 2002, 아이 로봇 던진다 룸바, AI 기반 내비게이션 시스템을 탑재한 최초의 양산형 로봇청소기.
  • 2005년 자율주행차 스탠리 이긴다 DARPA 그랜드 챌린지.
2005년 darpa 챌린지에서 우승한 Stanley는 자율 주행 기술의 길을 닦고 운송에 대한 사고 방식을 변화시킵니다.
2005년 DARPA 챌린지에서 우승한 Stanley는 자율 주행 기술의 길을 닦고 교통에 대한 사고 방식을 변화시켰습니다(이미지: Smithsonian Insider).
  • 2005년에 미군은 "큰 개"준다 Boston Dynamics 그리고 "팩봇"준다 아이 로봇.
  • 2008년에는 구글 음성 인식 기술을 발전시키고 응용 프로그램에 기능을 도입하여 iPhone.
  • 엠 2010, Apple 던져 시리, iOS 운영 체제를 통한 AI 기반 가상 비서.
  • 2011년에는 왓슨 da IBM 프로그램에서 쉽게 경쟁에서 이깁니다. 위험!.
IBM이 설계한 Watson 시스템이 인기 TV 쇼인 Jeopardy에서 우승하여 AI가 자연어를 이해하고 복잡한 질문에 실시간으로 답변하는 능력을 보여줌
  • 2012에서 앤드류 응 |, 프로젝트 설립자 구글 브레인 딥 러닝, 딥 러닝 알고리즘을 사용하여 신경망에 10만 개의 비디오를 제공합니다. 유튜브 훈련 세트로. 신경망은 고양이가 무엇인지 말하지 않고 고양이를 인식하는 법을 배웠고, 신경망의 발전과 딥 러닝에 자금을 지원하는 시대를 열었습니다.
  • 2012년에는 구글 최초의 자율주행차가 주정부 운전 시험을 통과했습니다.
  • 엠 2014, 알렉사 da 아마존스마트홈 가상가전 , 론칭
  • 2015년 첫 '로봇 시민"라는 이름의 휴머노이드 로봇 소피아에 의해 생성됨 핸슨 로보틱스 얼굴 인식, 구두 의사 소통 및 표정이 가능합니다.
Hanson Robotics에서 만든 로봇인 Sophia는 얼굴 표정을 모방하고 자연스러운 대화를 유지할 수 있어 인간과 기계 간의 상호 작용이 크게 발전했음을 나타냅니다.
  • 2016년에는 알파 고 do Google DeepMind 세계 바둑 챔피언을 이기고, 이세돌. 고대 중국 게임의 복잡성은 AI의 주요 장애물로 여겨졌습니다.
  • 2018년에는 구글 자연어 처리 엔진 출시 BERT, 기계 학습 애플리케이션에 의한 번역 및 이해의 장벽을 줄입니다.
  • 엠 2018, 웨이 서비스 시작 Waymo One, Phoenix 전역의 사용자가 회사의 자율 주행 차량 중 하나에서 픽업을 요청할 수 있습니다.
  • 엠 2020, 바이두 인공 지능 알고리즘 출시 리니어폴드 SARS-CoV-2 대유행의 초기 단계에서 백신 개발에 종사하는 과학 및 의료 팀을 위해. 이 알고리즘은 다른 방법보다 27배 빠른 120초 만에 바이러스의 RNA 염기서열을 예측할 수 있다.
  • 엠 2020, OpenAI 자연어 처리 모델 출시 GPT-3, 사람들이 말하고 쓰는 방식을 본뜬 텍스트를 생성할 수 있습니다.
  • 2020년에는 알파폴드2 da Deepmind 단백질 접힘 문제를 해결하여 새로운 약물 발견 및 의학적 발전을 위한 길을 닦습니다.
DeepMind가 만든 인공지능 시스템인 AlphaFold와 AlphaFold2는 단백질의 XNUMX차원 구조를 고정밀로 예측할 수 있어 질병에 대한 이해와 신약 개발에 앞장서고 있습니다.
  • 엠 2021, OpenAI 개발하다 DALL-E, 기반 GPT-3, 텍스트 프롬프트에서 이미지를 생성할 수 있습니다.
  • 2021년에는 국립 표준 기술 연구소 그의 첫 번째 초안을 시작합니다. AI 리스크 관리 프레임워크, 미국에서 온 자원봉사 가이드“인공 지능과 관련된 개인, 조직 및 사회에 대한 위험을 더 잘 관리하기 위해".
  • 엠 2022, Deepmind 를 제시한다 가토, 게임 플레이를 포함하여 수백 가지 작업을 수행하도록 훈련된 AI 시스템 아타리, 캡션 이미지, 로봇 팔을 사용하여 블록을 쌓습니다.
  • 2022년에는 구글 엔지니어를 해고하다 블레이크 르모인 당신을 위해 확인 무엇의 또는 LaMDA(대화 응용 프로그램용 Google 언어 모델) 의식이 있었다.
  • 엠 2023, Microsoft 의 AI 버전 출시, 검색 엔진은 ChatGPT.
  • 2023년에는 구글 발표 음유 시인, 동시 대화형 AI.
  • 2023년 아티스트들이 집단소송을 제기한다. 안정성 AI, DeviantArt e 중도 당신의 사용을 위해 안정적인 확산 수백만 아티스트의 저작물을 리믹스합니다.
  • 엠 2023, OpenAI 던진다 GPT-4, 지금까지 가장 정교한 언어 모델입니다.

글쎄, 최신 역사를 통해 이제 우리는 인공 지능의 유형이 어떻게 분류되는지 이해하게 될 것입니다.

인공 지능의 유형은 무엇입니까?

일반적으로 과학자들은 일반적으로 AI를 5가지 주요 유형으로 분류하며, 각 유형은 인간의 마음에 접근하거나 능가하기 위한 사다리의 한 단계입니다.

반응형 AI

신차의 조립 라인 생산: 차체는 로봇 팔의 도움을 받아 생산 라인에서 자동으로 함께 용접됩니다.
새 자동차의 조립 라인 생산: 로봇 팔의 도움으로 차체가 생산 라인에서 함께 용접됩니다(이미지: Deposit Photos)

첫 번째 유형은 반응형 AI, 기억력이 없고 과거의 실수나 경험으로부터 배우지 않는 사람.

반응 기계의 일반적인 예는 생산 라인에서 자동차 부품을 제조하도록 프로그래밍된 로봇입니다. 로봇에는 작업 영역에서 부품 및 기계의 존재를 감지할 수 있는 센서가 장착되어 있습니다. 센서가 감지한 자극에 반응하여 용접 및 절단과 같은 특정 작업을 수행하도록 프로그래밍되어 있습니다.

제한된 메모리 AI

Alexa Virtual Assistant가 장착된 Amazon Echo Dot은 음성 명령을 인식하고 음악 재생에서 가정의 스마트 장치 제어에 이르기까지 다양한 작업을 수행할 수 있는 제한된 메모리 AI의 예입니다.
가상 비서 알렉사를 탑재한 아마존 에코 닷은 음성 명령을 인식하고 음악 재생부터 집안의 스마트 기기 제어까지 다양한 작업을 수행할 수 있는 제한된 메모리 AI의 예입니다. (이미지: Deposit Photos)

두 번째 유형은 제한된 메모리 AI, 결정을 내리기 위해 실수나 과거 경험에서 배우는 사람. 메모리가 제한된 기계는 과거 데이터와 예측을 저장하여 실시간 결정을 내릴 수 있습니다. 그들은 반응 기계보다 더 복잡하고 더 많은 가능성을 제공합니다.

다음은 다음과 같은 개인 비서입니다. 구글, 알렉사시리 비디오나 사진에서 개체를 식별하여 향상시키는 것과 같은 휴대폰의 특수 기능까지 포함합니다.

AI 반응성 그것은 ~로부터 제한된 메모리, 또한 다음과 같이 분류됩니다. 제한된 인공 지능, 또는 약어 ANI, 영어로. 그들은 대중적으로 불립니다 "불쌍한 AI" 오늘날 우리가 가지고 있는 모든 AI를 포함합니다.

뉴욕 경찰은 로봇 개를 사용하여 도시의 거리를 순찰하고 있습니다. "digidogs"라고 불리는 로봇은 제한된 인공 지능(ani)의 예입니다.
뉴욕 경찰은 로봇 개를 사용하여 도시의 거리를 순찰하고 있습니다. "Digidogs"라고 불리는 로봇은 제한된 인공 지능 (ANI) (이미지: Público)

마음 AI 이론

마음 개발의 AI 이론: 다른 마음의 생각, 감정 및 의도를 이해하는 능력은 인공 지능의 주요 과제입니다.
AI의 마음 이론 개발: 다른 마음의 생각, 감정 및 의도를 이해하는 능력은 인공 지능의 주요 과제입니다. (이미지: 과학)

세 번째 유형은 마음 AI 이론, 지능형 시스템은 인간이 이해할 수 있는 방식으로 결정을 이해하고 설명할 수 있습니다. 즉, AI는 자신과 상호 작용하는 사람들을 이해하고 인식하며 그들의 필요, 감정 및 신념을 이해합니다.

이런 유형의 AI는 아직 발명되지 않았지만, 곧 우리 주변에서 이런 것을 보게 될 가능성이 매우 높지만 허구의 예로서 영화 “블레이드 러너 2049”, 캐릭터 중 하나는 인간의 감정을 이해하고 심지어 느낄 수 있는 AI입니다.

자기 인식 AI

영화 엑스마키나의 Ava: 자신의 존재에 의문을 제기하고 인간과 기계의 경계에 도전할 수 있는 자기 인식 AI의 예
영화 Ex-Machina의 AVA: 자신의 존재에 의문을 제기하고 인간과 기계 사이의 경계에 도전할 수 있는 자기 인식 AI의 예(이미지: Lifeboat Foundation)


가장 진보된 네 번째 유형은 자기 인식 AI. 이 범주에서 인공 지능은 자신, 필요 및 감정까지 인식하게 됩니다. 로 분류된다 일반 인공 지능, 또는 약어 AGI, 영어로는 "강력한 AI".

자기 인식 AI는 자신과 주변 세계에 대해 학습할 수 있으며 고유한 정체성을 갖게 됩니다. 자기인식은 AI의 궁극적인 목표로 여겨지지만, 의식과 정체성의 본질에 대한 질문을 던지기 때문에 윤리적, 철학적 도전이기도 하다.

스타트렉의 데이터: 공상과학 시리즈의 안드로이드는 창의력과 공감과 같은 인지와 기계 학습을 뛰어넘는 기술을 가진 AGI의 예입니다.
스타트렉의 데이터: SF 시리즈의 안드로이드는 AGI의 한 예로서, 창의성과 공감과 같은 인지와 기계 학습을 뛰어넘는 기술을 가지고 있습니다(이미지: IGN)

의식에 관한 가장 잘 알려진 이론 중 하나는 통합 정보 이론(IIT), 신경 과학자가 제안한 줄리오 토노니 2004. IIT 시스템이 서로 다른 소스의 정보를 통합하고 통합된 의식 상태를 생성할 수 있을 때 의식이 발생한다고 제안합니다. 이 아이디어에 따르면 의식은 시스템의 복잡성뿐만 아니라 정보를 수집하고 개인의 의식 상태를 만드는 능력에도 의존합니다.

이 유형도 아직 발명되지는 않았지만 가까운 미래에 인간처럼 생각하고 행동하는 '자기인식 AI'를 보는 날이 가까워질 것으로 추정된다.

가상의 예로서 영화 "엑스머시나"라는 이름의 AI 에바 자신에 대해 배우고 자신의 성격을 개발할 수 있는 능력으로 설계되어 인간이 된다는 것이 무엇을 의미하는지, 사회에서 AI의 역할에 대한 질문을 제기합니다.

슈퍼 AI

영화 '어벤져스: 에이지 오브 울트론'의 아씨 울트론은 인류를 지키기 위해 태어났지만 결국 자각하고 인류를 파멸시키기로 결심한다.
영화 '어벤져스: 에이지 오브 울트론'의 초인공지능 울트론이 인류를 지키기 위해 탄생했지만 결국 자각하고 인류를 파멸시키려 한다. (이미지: 헤이 너드)

그러나 다섯 번째 단계인 슈퍼 AI ou 인공 초지능, 또는 약어 ASI, 영어로는 "초강력 AI".

도달하는 순간에는 이미 이름이 있습니다. 특이. 그것은 컴퓨터가 우리가 추론할 수 있는 것보다 더 높은 초인적 지능을 갖게 되는 과학적 진화의 이정표를 나타낼 것입니다. 

AI가 질병을 치료하고 기술적으로 발전하는 데 도움이 될 수 있지만 인류가 더 이상 필요하지 않거나 열등한 존재로 취급되어야 한다고 결정할 수도 있기 때문에 미래는 걱정되는 만큼 인상적입니다.

인공 지능이 우리를 제거하기로 결정하는 영화 터미네이터나 인공 지능이 어떻게 인간을 지배하고 인간을 기계의 "배터리"로 바꾸는 이야기인 매트릭스에서 일어나는 일과 유사합니다.

그 시점부터 AI를 제어할 수 없게 될 수 있습니다. 얼마나 두렵습니까?

딥 러닝과 기계 학습

기계 학습 및 딥 러닝: 기계가 데이터에서 학습하고 귀중한 통찰력을 추출할 수 있도록 하는 인공 지능 기술
머신 러닝 및 딥 러닝: 머신이 데이터에서 학습하고 귀중한 인사이트를 추출할 수 있도록 하는 인공 지능 기술(이미지: Security Turntable)

머신러닝(머신러닝) e 딥러닝(딥러닝) 기계가 데이터에서 자동으로 학습하고 시간이 지남에 따라 성능을 향상시킬 수 있도록 하는 인공 지능의 두 가지 기본 기술입니다.

두 기술 모두 금융, 의료, 운송, 소매 등 다양한 산업에서 광범위하게 사용되었습니다. 그러나 이러한 인기에도 불구하고 많은 사람들은 여전히 ​​두 기술의 차이점과 서로 다른 시나리오에서 어떻게 적용할 수 있는지에 대해 의구심을 가지고 있습니다.

기계 학습이란 무엇입니까?

기계 학습은 기계가 정보로부터 학습하고 발견한 패턴을 기반으로 예측 또는 결정을 내리도록 가르치는 기술입니다.
기계 학습은 기계가 정보로부터 학습하고 발견한 패턴을 기반으로 예측 또는 결정을 내리도록 가르치는 기술입니다(이미지: Deposit Photos).

O 기계 학습 명시적으로 프로그래밍하지 않고 데이터로부터 학습하도록 기계를 가르치는 데 중점을 둔 AI 접근 방식입니다. 대신 알고리즘은 기계 학습 통계 기법을 사용하여 데이터 세트의 패턴을 식별하고 이러한 패턴을 기반으로 예측 또는 결정을 내립니다.

메모리가 제한된 기계를 학습시키는 데 사용되는 XNUMX단계를 보면 이해하기가 더 쉽습니다.

  1. 기계를 가르치기 위해 데이터를 정렬합니다(훈련 데이터).
  2. 머신이 학습할 모델을 만듭니다.
  3. 모델이 예측을 할 수 있는지 확인하십시오.
  4. 모델이 사람이나 환경으로부터 피드백(의견)을 받을 수 있는지 확인합니다.
  5. 이 피드백을 데이터로 저장합니다.
  6. 기계 성능을 향상시키기 위해 이 모든 것을 여러 번 반복하십시오.

이러한 단계를 사용하여 머신이 데이터로부터 학습하도록 가르치는 네 가지 주요 방법이 있습니다.

  • 감독 학습: 이것은 우리가 많은 예의 도움으로 기계가 정보를 인식하도록 가르칠 때입니다. 개에게 공을 인식하도록 가르치는 것과 같습니다. 우리는 공을 많이 보여주며 “이건 공이다”라고 말한다. 마찬가지로 기계가 말의 이미지를 인식하도록 가르치기 위해 우리는 이미 말이라는 것을 알고 있는 많은 이미지를 보여줍니다. 따라서 기계는 다른 이미지에서 말을 인식하는 방법을 스스로 학습합니다.
  • A감독되지 않은 덫: 그때 우리는 각 데이터 조각이 무엇인지 알려주는 사람 없이 기계가 데이터에서 패턴을 찾도록 가르칩니다. 어떤 개체가 함께 있는지 아무도 알려주지 않고 개체를 그룹으로 구성하는 것과 같습니다. 기계는 객체 간의 유사성을 찾고 이러한 유사성에 따라 그룹화하는 방법을 스스로 학습합니다. 이는 데이터에서 패턴을 찾고 설명하는 데 유용합니다.
  • 준지도 학습: 이전 두 가지 유형의 혼합입니다. 일부 정보는 가르쳐지지만 기계는 올바른 결과를 얻기 위해 정보를 구성하는 방법을 스스로 알아내야 합니다. 그것은 개에게 빨간 공만 잡도록 가르치는 것과 같지만, 그 방법을 스스로 알아내야 합니다.
  • 강화 학습: 시행착오를 통해 기계가 무언가를 하도록 가르칠 때입니다. 기계는 작업을 수행하고 잘 수행하면 긍정적인 피드백을 받고 잘못 수행하면 부정적인 피드백을 받습니다. 개에게 장난감 집는 법을 가르치는 것과 같습니다. 올바른 장난감을 선택하면 대접을 받습니다. 잘못 받아들이면 아무것도 얻지 못한다.

딥러닝이란?

신경망 및 딥 러닝: 인간 두뇌의 구조와 기능을 기반으로 하는 인공 지능 기술
신경망 및 딥 러닝: 인간 두뇌의 구조와 기능을 기반으로 하는 인공 지능 기술(이미지: 내장)

O 깊은 학습 (딥 러닝, 무료 번역)은 다음을 사용하는 기계 학습 기술입니다. 인공 신경망 데이터에서 배우기.

신경망은 신경망이라고 하는 인공 뉴런의 집합체입니다. 퍼셉트론, 데이터를 분석하고 분류하는 데 사용됩니다. 그들은 정보를 받고 계산을 하는 작은 컴퓨터처럼 작동합니다. 데이터는 네트워크의 첫 번째 계층으로 공급되며 각 퍼셉트론은 계산을 수신한 다음 해당 정보를 다음 계층의 다른 여러 퍼셉트론으로 전송합니다.

신경망이 XNUMX개 이상의 계층으로 구성된 경우 "심층 신경망" 또는 딥 러닝이라고 합니다. 일부 현대 신경망에는 수백 또는 수천 개의 계층이 있습니다. 최종 퍼셉트론의 출력은 객체를 분류하거나 데이터에서 패턴을 찾는 것과 같이 신경망에 대해 정의된 작업을 수행합니다.

신경망이 여러 예제로 훈련되면 패턴을 식별하고 음성 인식, 이미지 인식, 자연어 처리(NLP)와 같은 복잡한 작업을 수행하는 방법을 학습할 수 있습니다.

다양한 유형의 인공 신경망이 있으며 각각 특정 작업에 사용됩니다. 가장 일반적인 것 중 일부는 다음과 같습니다.

As 피드포워드(FF) 네트워크 이미지나 텍스트와 같은 것을 분류하는 데 사용됩니다. 데이터는 최종 답에 도달할 때까지 여러 계층을 거칩니다. FF는 일반적으로 "BackPropagation"이라는 오류 수정 알고리즘과 결합되어 정확도를 향상시키기 위해 결과로 네트워크를 역방향으로 재작업합니다.

As 순환 신경망(RNN) 텍스트의 단어와 같은 데이터 시퀀스를 기반으로 사물을 예측하는 데 사용됩니다. 그들은 이전 레이어에서 일어난 일에 대한 "기억"을 가지고 있으며 음성 인식, 번역 및 자막 처리에 사용됩니다.

Rnn은 이전 컨텍스트를 고려하여 텍스트 및 오디오와 같은 순차적 데이터를 처리할 수 있습니다. ffns는 테이블 및 이미지와 같은 구조화된 데이터를 처리하는 데 더 적합합니다.
RNN은 이전 컨텍스트를 고려하여 텍스트 및 오디오와 같은 순차적 데이터를 처리할 수 있습니다. FFN은 테이블 및 이미지와 같은 구조화된 데이터를 처리하는 데 더 적합합니다. (이미지: 딥러닝북)

As 장기 기억 네트워크(LSTM) 이전 레이어의 내용을 기억할 수 있는 특별한 종류의 RNN입니다. 음성 인식과 같이 과거 데이터를 기반으로 사물을 예측하는 데 사용됩니다.

As 컨벌루션 신경망(CNN) 주로 이미지를 처리하는 데 사용됩니다. 그들은 이미지의 다른 부분을 찾고 결합하여 결과에 도달합니다.

As 생성적 적대 신경망(GAN) 사실적인 이미지를 만들고 예술을 만드는 데 사용됩니다. 그것들은 네트워크가 다른 네트워크가 그것들이 참인지 거짓인지 증명하려고 시도하는 예제를 생성하는 게임처럼 작동합니다.

기계 학습과 딥 러닝의 차이점은 무엇입니까?

인공 지능의 계층 구조: AI는 기계 학습이 그 중 하나이고 딥 러닝이 기계 학습의 하위 범주인 여러 기술로 구성됩니다.
인공 지능 계층 구조: AI는 기계 학습이 그 중 하나이고 기계 학습의 하위 범주인 딥 러닝을 포함하여 여러 기술로 구성됩니다(이미지: Salesforce).

사이의 주요 차이점 기계 학습 e 깊은 학습 각각은 서로 다른 유형의 데이터를 더 잘 처리한다는 것입니다. 영형 기계 학습 판매 예측 및 사기 적발과 같은 구조화된 데이터에 유용하지만 깊은 학습 이미지 및 오디오와 같은 복잡하고 구조화되지 않은 데이터에 가장 적합합니다.

또 다른 중요한 차이점은 모델을 교육하는 데 필요한 데이터의 양입니다. 영형 깊은 학습 일반적으로 효과적이려면 큰 데이터 세트가 필요하지만 기계 학습 더 작은 데이터 세트에서 잘 작동할 수 있습니다.

마지막으로 모델 훈련 깊은 학습 모델 교육보다 더 복잡하고 시간이 많이 걸립니다. 기계 학습하지만 복잡한 작업에서 더 정확한 예측과 더 나은 성능을 얻을 수 있습니다.

생성 모델의 발전

생성 모델은 교육 데이터에서 사실적인 이미지를 생성할 수 있으므로 예를 들어 비디오 및 이미지에서 얼굴 표정을 교환할 수 있습니다.
생성 모델은 교육 데이터에서 사실적인 이미지를 생성할 수 있으므로 예를 들어 비디오와 이미지에서 얼굴 표정을 교환할 수 있습니다(이미지: IArtificial.net).

인공 지능은 최근 몇 년 동안 급속도로 발전했으며 그 중 눈에 띄는 분야 중 하나는 생성 모델. 그들은 새로운 정보를 생성하는 데 사용되는 현재 AI 클래스입니다. 

일련의 교육 데이터에서 이미지, 전체 텍스트, 음악 및 비디오를 만들 수 있습니다. 그들은 알고리즘 깊은 학습 새로운 정보를 생성하는 방법을 배울 수 있고 모델과 구별되는 차별적인, 데이터 정렬 또는 레이블 지정에만 사용됩니다.

예를 들어 생성 모델을 훈련시켜 모든 텍스트를 읽을 수 있습니다. 위키 백과 그런 다음 해당 정보를 사용하여 특정 요청에 따라 새 텍스트를 생성합니다. 또 다른 예는 다음 작업으로 생성 모델을 훈련하는 것입니다. 렘브란트 그런 다음 이를 사용하여 새로운 작품을 만듭니다.

예를 들어 새 노래를 만들고 싶지만 악기를 연주하는 방법을 모른다고 가정해 보십시오. 다음과 같은 Generative Music Maker 템플릿을 사용할 수 있습니다. 뮤직LM do 구글 어떤 종류의 노래나 리듬이 필요한지 그에게 설명하면 그는 완전히 새로운 노래를 만들어 줄 것입니다.

텍스트 또는 이미지를 생성하는 절차는 동일하며 다음과 같은 특수 모델을 찾으십시오. 의 AI로 Microsoft, 텍스트 및 답변 또는 중도, 사진의 경우 필요한 것을 쓰십시오.

AI에게 명령이나 요청을 쓰는 행위를 "신속한".

가장 놀라운 점은 요청을 작성하거나 신속한 시스템이 이해하는 자연어와 모든 언어로.

제이슨 엠. Allen, midjourney gan 시스템을 사용하여 "théâtre d'opéra spatial"이라는 이미지를 만들고 콜로라도 주 박람회 미술 대회에서 상을 받았습니다.
Jason M. Allen은 Midjourney GAN 시스템을 사용하여 "Théâtre D'opéra Spatial"이라는 이미지를 만들고 Colorado State Fair Fine Arts Competition에서 상을 받았습니다(이미지: UOL).

예를 들어 다음과 같이 설명할 수 있습니다. 미드저닝y, AI는 다음과 같은 이미지를 생성합니다. "스케이트보드를 타는 소녀의 사실적인 이미지를 상상해 보세요." ChatGPT "개구리와 공주에 관한 재미있는 이야기를 써라". 결과는 거의 마법.

요약하면 생성 모델 생성은 이미 여러 분야에서 널리 사용되고 있는 AI의 유망한 영역입니다. ㅏ 경향 이러한 모델이 점점 더 정확하고 효율적이 되어 AI의 새로운 시대를 여는 것입니다.

인공 지능을 어디에서 찾을 수 있습니까?

예를 들어 AI 기반 얼굴 인식을 사용하여 개인을 실시간으로 식별하는 지능형 감시 카메라와 같은 인공 지능 기술은 우리 일상 생활에 점점 더 많이 존재합니다.
AI 기반 안면인식을 활용해 실시간으로 개인을 식별하는 스마트 감시 카메라 등 인공지능 기술이 우리 일상에 점점 더 많이 존재하고 있다. (이미지: Deposit Photos)

AI는 많은 영역과 부문에 존재하며 우리가 작업을 수행하고 기술과 상호 작용하는 방식을 변화시킵니다. 다음은 인공 지능을 찾을 수 있는 몇 가지 예입니다.

  • 음성 인식: 음성인식 기술은 다음과 같은 가상 비서와 같은 모바일 기기에 사용된다. 시리, 음성 검색을 수행하고 문자 메시지에 접근성을 제공합니다.
  • Atendimento 클라이언트: 가상 에이전트는 고객 서비스에서 점점 보편화되고 있으며, 자주 묻는 질문에 답변하고, 개인화된 조언을 제공하고, 교차 판매 제품을 지원합니다. 예를 들면 전자상거래 웹사이트의 챗봇과 다음과 같은 메시징 앱이 있습니다. 페이스 북 메신저 e WhatsApp에.
  • 컴퓨터 시각 인식: 컴퓨터 비전은 시스템과 컴퓨터가 이미지, 동영상과 같은 시각 정보를 분석하여 조치를 취할 수 있도록 합니다. 응용 프로그램에는 소셜 미디어의 사진 태깅, 의료 영상 진단 및 자율 주행 자동차가 포함됩니다.
  • 추천 시스템: AI 알고리즘은 추천 시스템에서 행동 패턴을 식별하고 개인화된 제안을 제공하는 데 사용됩니다. 이는 결제 과정에서 제품 추천이 작성되는 온라인 상점에서 흔히 볼 수 있습니다.
  • 자동화된 주식 거래: AI 기반 초단타매매 플랫폼은 사람의 개입 없이 매일 수천 또는 수백만 건의 거래를 수행하여 주식 포트폴리오를 최적화합니다.
  • 로봇: Robotics는 AI를 사용하여 어렵거나 반복적인 작업을 수행할 수 있는 로봇을 설계하고 제조합니다. 이 로봇은 산업 생산 라인, 우주 탐사 및 사회적 상호 작용에 사용됩니다.
로봇 진공 청소기는 일상 생활에서 실용적인 솔루션을 위해 로봇 공학과 AI가 어떻게 결합될 수 있는지 보여주는 예입니다. 기계 학습 알고리즘을 활용하는 이 로봇은 집 청소를 보다 효율적이고 편리하게 만듭니다.
로봇 진공 청소기는 일상 생활에서 실용적인 솔루션을 위해 로봇 공학과 AI가 어떻게 결합될 수 있는지 보여주는 예입니다. 기계 학습 알고리즘을 사용하는 이 로봇은 집 청소를 보다 효율적이고 편리하게 만듭니다.
  • 자율주행차: 특정 차선을 유지하고 예상치 못한 장애물을 피하면서 주행하는 자율주행차 개발을 위해서는 컴퓨터 비전, 이미지 인식, 딥러닝의 결합이 필수적이다.
  • 텍스트, 이미지 및 오디오 생성: Generative AI 기술을 사용하여 텍스트 프롬프트를 기반으로 다양한 유형의 미디어를 생성합니다. 여기에는 사실적인 아트워크, 이메일 응답 및 스크립트가 포함됩니다.

이러한 예 외에도 AI는 다음과 같은 여러 산업 및 시장에 존재합니다.

  • Saúde: AI는 의료 분야에 적용되어 환자 결과를 개선하고 비용을 절감합니다. 기계 학습 알고리즘은 보다 빠르고 정확한 의료 진단을 위해 사용됩니다. 또한 가상 비서 및 챗봇을 사용하여 환자가 의료 정보를 찾고 약속을 예약하고 관리 프로세스를 지원합니다.
더 빠르고 정확한 질병 감지를 위해 코로나바이러스 환자의 이미지로 훈련된 AI를 사용하는 중국 병원
질병을 더 빠르고 정확하게 감지하기 위해 코로나바이러스 환자 이미지로 훈련된 AI를 사용하는 중국 병원(이미지: Globo)
  • 사업: AI는 분석 및 고객 관계 관리(CRM) 플랫폼에 통합되어 서비스를 개선하고 있습니다. 챗봇은 웹사이트에 내장되어 즉각적인 지원을 제공하고, 다음과 같은 생성 AI 기술을 제공합니다. ChatGPT, 제품 디자인과 비즈니스 모델을 혁신하고 있습니다.
  • 교육: AI는 학생의 필요에 따라 평가 및 적응을 자동화하여 학생이 원하는 속도로 작업할 수 있도록 합니다. AI 튜터는 추가 지원을 제공하고 교육자가 교육 자료를 만드는 데 도움을 줄 수 있습니다. 그러나, 그 교육에 AI 사용 또한 표절 정책과 학생의 의무에 대한 성찰이 필요합니다.
  • 피난카스: 개인금융 앱 등 인튜이트 민트 또는 터보 택스, AI를 사용하여 개인화된 재정 조언을 제공합니다. 또한 AI는 월스트리트의 거래 프로세스에 존재합니다. 재무 분석.
  • : AI는 문서 분석, 정보 요청 해석 등 법률 분야에서 노동 집약적인 프로세스를 자동화하는 데 활용되고 있습니다.
  • 조작: 산업용 로봇이 작업 흐름에 통합되어 인간과 함께 작업하고 있습니다. AI는 제조 공정의 효율성과 정확성을 개선하는 데 사용됩니다. 또한 AI는 예측 유지 보수에 적용되어 기업이 기계 고장이 발생하기 전에 문제를 식별하고 해결할 수 있도록 합니다.
유미(Yumi) 로봇은 가벼운 작업을 하는 작업자를 돕기 위해 인간과 나란히 작업하도록 설계된 ABB의 협업 로봇입니다.
YuMi 로봇은 ABB의 협업 로봇으로, 가벼운 작업을 수행하는 작업자를 돕기 위해 인간과 나란히 작업하도록 설계되었습니다(이미지: Superinteressante).
  • 엔터테인먼트 및 미디어: AI는 엔터테인먼트 산업에서 타겟 광고, 콘텐츠 추천, 대본 작성 및 영화 제작에 적용됩니다. 자동화된 저널리즘은 워크플로를 간소화하고 시간과 비용을 줄이는 데 도움이 됩니다. 그러나 저널리즘 콘텐츠 생성에서 생성 AI의 안정적인 사용에 대한 논의는 여전히 존재합니다.
  • 소프트웨어 코딩 및 IT 프로세스: 생성 AI 도구는 자연어 프롬프트를 기반으로 애플리케이션 코드를 생성하는 데 사용되고 있습니다. 또한 AI는 데이터 입력, 사기 탐지 및 보안과 같은 IT 프로세스를 자동화하고 있습니다.
  • 보안: AI는 사이버 보안에 이상 탐지, 문제 해결 및 위협 분석을 위해 적용되고 있습니다. AI는 보안 정보 및 이벤트 관리 소프트웨어에 사용됩니다. (시엠) 의심스러운 활동을 식별합니다.
  • 운송: AI는 운송산업, 특히 자율주행차 개발에 핵심적인 역할을 합니다. 또한 AI는 운송 경로를 최적화하고 교통을 관리하며 물류를 개선하는 데 사용됩니다.
  • 농업: 인공지능은 물, 비료 등 자원 사용 최적화부터 식물의 질병 조기 발견까지 다양한 방식으로 농업에 적용되고 있다. 드론 AI 기술을 탑재한 농작물을 모니터링하고 문제 영역을 식별하며 농업 계획을 지원하는 데 사용됩니다.
드론 분무기는 농작물 보호 제품을 정확하고 효율적으로 적용하여 제품 낭비를 줄이고 생산성을 높이기 위해 농업에 사용되고 있습니다.
드론 분무기는 농작물 보호 제품을 정확하고 효율적으로 적용하여 제품 낭비를 줄이고 생산성을 높이기 위해 농업에 사용되고 있습니다(이미지: Sudeste Online)
  • 개인 지원: 다음과 같은 가상 비서 시리 da Apple알렉사 da 아마존구글 지원, AI가 일상 생활에 어떻게 존재하는지 보여주는 예입니다. 이 어시스턴트는 AI 기술을 사용하여 음성 명령을 이해하고, 작업을 수행하고, 정보를 제공하고, 심지어 대화를 나눕니다.
  • 인적 자원: AI 알고리즘을 활용하여 이력서를 분석하고 자격을 갖춘 후보자를 선택하며 직원 성과를 예측할 수 있습니다. 또한 AI 기반 챗봇을 사용하여 자주 묻는 직원 질문에 답변하고 교육 및 전문성 개발을 지원할 수 있습니다.
  • 소매: 리테일 분야에서는 AI를 적용하여 고객 경험 개선, 상품 추천 개인화, 재고 관리, 가격 전략 최적화 등을 수행합니다. AI 알고리즘은 고객의 구매 행동을 분석하고 패턴을 식별하며 개인화된 제안을 제공하여 판매 및 고객 충성도를 높일 수 있습니다.
  • 군사 부문: AI는 군사 분야에서 중요한 역할을 하며 여러 분야에 적용되고 있습니다. 예를 들어 AI 기반 감시 시스템을 사용하여 국경을 모니터링하고 위협을 식별하며 전략적 의사 결정을 지원할 수 있습니다. 또한 정밀한 정찰 및 공격 임무를 수행할 수 있는 자율형 군용 드론 개발에도 AI를 활용하고 있다.
인공지능이란?. 인공 지능에 대해 알아야 할 모든 것: 인공 지능의 역사, 유형 및 그것이 직업 시장과 우리가 사는 세상을 어떻게 변화시키는지 알아보십시오.
장시간 비행하고 무기를 휴대할 수 있는 MQ-9 Reaper 군용 드론은 전 세계 전투 및 감시 임무에 활용됩니다.

이들은 인공 지능을 찾을 수 있는 몇 가지 예일 뿐입니다. 기술이 계속 발전함에 따라 AI는 더 많은 산업에 적용되고 우리 삶에 더 큰 영향을 미칠 가능성이 높습니다.

인공 지능이 당신의 직업을 훔칠 것인가?

AI와 일자리: 노동 시장의 우려 증가. 하지만 두려워하기보다는 변화에 대비하고 새로운 기술을 개발해야 합니다.
AI와 직업: 직업 시장에서 증가하는 관심. 하지만 두려워하기보다는 변화에 대비하고 새로운 기술을 개발해야 합니다. (이미지: 보증금 사진)

자동화와 인공 지능은 직업 세계에서 뜨거운 주제였으며 많은 사람들이 기계에 일자리를 잃을까 걱정합니다. 그러나이 우려는 전적으로 사실이 아닙니다.

에 따라 공부 에 의해 수행 골드만 삭스 2023년 XNUMX월 말까지 인공 지능이 경제에 미치는 영향이 커질 것이 분명합니다. 연구에 따르면 생성 AI가 약속을 지키면 시장이 상당한 변화에 직면할 수 있습니다. 영향을 미치는 약 300억 개의 일자리.

그러나 이것이 반드시 이러한 일자리를 기술로 대체하는 것을 의미하지는 않는다는 점을 강조하는 것이 중요합니다. 이 보고서는 역사적으로 자동화가 새로운 일자리 창출로 상쇄되었다고 지적합니다.

푸두테크의 귀여운 로봇 웨이터는 식당에서 일하며 고객에게 음식과 음료를 배달하는 것을 돕기 위해 설계된 로봇입니다. 또한 회사는 더러운 접시를 주방으로 운반하는 작업을 포함하는 홀라봇 조수를 소개합니다.
PuduTech의 귀여운 로봇 웨이터는 식당에서 일하고 고객에게 음식과 음료를 배달하는 것을 돕기 위해 설계된 로봇입니다. 또한 회사는 더러운 접시를 주방으로 운반하는 작업을 포함하는 HolaBot 조수를 소개합니다. (이미지: 에스타다오)

현재 인공 지능은 특히 고객 서비스 분야에서 기존 일자리의 약 63%를 보완합니다. 당분간 요리사나 오토바이 정비사와 같은 직업은 교체의 위협에 직면하지 않습니다.

자동화가 직업 시장을 변화시키는 것은 사실이지만 일부 직업만이 완전히 자동화될 것이라고 합니다. 검색 da 맥킨지 & 컴퍼니. 이는 인간이 그 어느 때보다 생산성을 높일 수 있는 엄청난 잠재력이 있음을 의미합니다.

이 정보를 바탕으로 우리는 인공 지능이 전 세계적으로 일자리에 위협이 되는 것처럼 보일 수 있지만 여전히 인간의 감독에 의존하고 있으며 스스로 설 수 있는 충분한 자율성을 가지고 있지 않다는 결론을 내릴 수 있습니다. 따라서 성장하고 있는 이 분야에 관심이 있는 사람들에게는 다양한 고용 기회가 제공될 것입니다.

Albert Einstein Hospital의 수술 센터와 같은 브라질 병원에서 로봇 외과의 기술이 확장되고 있습니다. 비용 절감을 통해 이 로봇은 수술의 정확성과 효율성에 이점을 가져다 줄 것을 약속하며 이는 의료 분야에서 상당한 발전을 의미합니다.
로봇 수술 기술은 Albert Einstein 병원의 외과 센터와 같은 브라질 병원에서 확장되고 있습니다. 비용 절감을 통해 이 로봇은 수술의 정확성과 효율성에 이점을 가져다 줄 것을 약속하며 이는 의료 분야에서 상당한 발전을 의미합니다(이미지: O Globo).

다음 목록에서 우리는 노동 시장에서 AI의 영향으로 생성된 직업을 제시합니다. 이러한 각 직업은 인공 지능의 구현, 개발 및 윤리에서 필수적인 역할을 하며 현대 사회의 여러 영역에서 이 기술의 잠재력과 중요성을 보여줍니다.

  • AI 감사자: 인공지능 시스템이 윤리적 기준, 규정 및 모범 사례를 준수하는지 평가하고 검증합니다.
  • 머신 매니저: 인공 지능과 관련된 시스템 및 하드웨어 인프라의 적절한 기능을 감독하고 유지 관리하는 일을 담당합니다.
  • 신속한 엔지니어: 인공 지능이 사용하는 텍스트 생성 모델을 개발 및 개선하여 일관되고 적절한 응답을 보장합니다.
  • AI 트레이너: AI 모델 교육 및 개선, 관련 데이터 제공 및 성능 감독을 담당합니다.
  • AI 컨설턴트: 다양한 분야 및 조직에서 인공 지능의 적용 및 구현에 대한 지침 및 전문가 조언을 제공합니다.
  • 데이터 과학자: 대용량 데이터 세트를 분석하고 해석하여 인사이트를 추출하고 전략적 의사 결정을 내립니다.
  • 기계 학습 엔지니어: 기계 학습 알고리즘과 모델을 개발하고 구현하여 지능형 시스템을 만듭니다.
  • AI 윤리 전문가: 인공 지능의 윤리적 영향을 평가하고 이러한 기술의 책임 있는 사용을 보장합니다.
  • AI 아키텍트: 비즈니스 요구사항을 충족하기 위해 인공 지능 시스템 아키텍처를 설계하고 구축합니다.
  • 자연어 처리 분석가: 기계가 인간의 언어를 이해하고 처리할 수 있도록 하는 알고리즘을 개발합니다.
  • 로봇 공학 전문가: 다양한 산업 분야에서 복잡한 작업을 수행할 수 있는 지능형 로봇을 설계하고 프로그래밍합니다.
  • 헬스케어 AI 전문가: AI 알고리즘을 사용하여 의학적 진단, 치료 및 임상 연구를 돕습니다.
  • 금융 AI 전문가: 시장분석, 재무예측, 부정행위 적발을 위한 AI 알고리즘을 적용합니다.
  • AI 사용자 인터랙션 디자이너: 인공지능 시스템을 위한 직관적인 인터페이스와 인간의 상호작용을 설계합니다.
  • 컴퓨터 비전 전문가: 기계가 이미지와 비디오를 이해하고 해석할 수 있는 알고리즘과 시스템을 개발합니다.
  • 데이터 엔지니어: 대용량 데이터를 수집, 저장 및 처리하는 데 필요한 인프라를 설계하고 관리합니다.
  • 챗봇 전문가: 사용자와 상호 작용하고 지원을 제공할 수 있는 지능형 챗봇을 만듭니다.
  • 기계 학습 엔지니어: 기계가 데이터를 기반으로 학습하고 개선할 수 있는 기계 학습 알고리즘을 개발합니다.
  • AI 물류 전문가: 인공 지능을 사용하여 재고 관리 및 라우팅과 같은 물류 프로세스를 최적화하고 자동화합니다.
  • 마케팅 AI 전문가: 데이터 분석, 캠페인 개인화, 시장 동향 예측을 위한 AI 기술을 적용합니다.
  • 데이터 프라이버시 전문가: AI 시스템에서 사용되는 데이터의 보안 및 보호를 보장하여 규정 준수를 보장합니다.
  • 패턴 인식 전문가: 기계가 데이터에서 더 복잡한 패턴을 인식하고 해석할 수 있도록 하는 알고리즘을 개발합니다.
  • 농업 분야의 AI 전문가: 인공 지능을 사용하여 농업 생산을 최적화하고 작물을 모니터링하며 기상 조건을 예측합니다.
  • 인적 자원의 AI 전문가: AI 기술을 적용하여 인재 채용, 선발 및 개발 프로세스를 최적화합니다.

인공 지능 분야의 이들 및 기타 신흥 직업은 이러한 기술의 사용을 이해, 구현 및 최적화할 수 있는 전문가에 대한 수요 증가를 반영합니다. AI가 지속적으로 발전하고 다양한 분야에 통합됨에 따라 숙련된 전문가를 위한 새로운 직업 기회가 생겨나고 있습니다.

세계 최초의 경찰 로봇이 두바이 거리에서 활약하며 아랍 에미레이트의 도시 보안을 돕습니다. 범죄 발생 가능성을 경찰에 알리거나 데이터를 전송하기 위한 흉부 컴퓨터 장착
세계 최초의 경찰 로봇이 두바이 거리에서 활약하며 아랍에미리트 도시의 보안을 돕습니다. 경찰에 범죄 발생 가능성을 알리거나 데이터를 전송하기 위한 흉부 컴퓨터 장착 (이미지: Medium)

따라서 자동화와 인공 지능이 고용 시장을 변화시킬 것이라고 말할 수 있습니다. 예, 하지만 반드시 부정적인 방식은 아닙니다. 일부 기능은 새로운 기술의 도래와 함께 AI로 대체되겠지만, 새로운 직업 도 등장하기 시작했습니다.

그럼 중요한 건 뒤쳐지지 않도록 적응하는 거겠죠?

가장 유명한 인공 지능

인공지능이란?. 인공 지능에 대해 알아야 할 모든 것: 인공 지능의 역사, 유형 및 그것이 직업 시장과 우리가 사는 세상을 어떻게 변화시키는지 알아보십시오.
Apple의 Siri는 모바일 장치에서 널리 사용할 수 있게 된 최초의 가상 비서였습니다. 그 인기는 다른 회사들이 AI 기술의 발전을 주도하는 자체 가상 비서 개발에 영감을 주었습니다. (이미지: Deposit Photos)

다음과 같은 여러 AI 애플리케이션이 일상 생활의 일부가 되었습니다. 가상 비서, 챗봇, 추천 시스템, 자율 주행 자동차 등. 우리는 가장 유명한 일부 AI와 그들이 어떻게 우리의 일부가 되었는지 살펴볼 것입니다. 문화 그리고 매일.

  • 시리: 에서 개발한 가상 비서입니다. Apple 2011년에 다음과 같은 모바일 장치용 아이폰, 아이패드 e 애플 시계. 인공 지능을 사용하여 자연어로 음성 명령을 이해하고 메시지 보내기, 전화 걸기, 알람 설정, 인터넷 정보 검색 등의 작업을 수행합니다. ㅏ 시리 사용자로부터 배우고 사용자의 선호도와 습관에 적응하여 점점 더 개인화되고 효율적이 됩니다. 게다가 시리 다른 애플리케이션 및 스마트 장치와 통합하여 훨씬 더 완전하고 직관적인 사용자 경험을 만들 수 있습니다.
  • 알렉사: 에서 개발한 가상 비서입니다. 아마존 일상적인 작업을 수행하는 데 도움이 됩니다. 음성 명령을 통해 활성화됩니다. "알렉사", "아마존" ou "에코". A 알렉사 음성 인식을 통해 작동하며 집안의 스마트 장치와 상호 작용하고, 미리 알림을 추가하고, 날씨를 확인하고, 오늘의 주요 뉴스를 알릴 수 있습니다.
  • 구글 지원: 에서 개발한 가상 비서입니다. 구글 "라는 음성 명령을 통해 액세스할 수 있습니다.Ok Google"또는"안녕하세요. Google". 스마트폰, 태블릿 등의 모바일 기기는 물론 스마트홈 기기에서도 사용할 수 있습니다. Google 홈. 구글 지원 검색, 미리 알림 설정, 메시지 보내기, 음악 재생 등과 같은 다양한 작업을 수행할 수 있습니다.
Google 어시스턴트는 인공 지능을 사용하여 상황을 이해하고 음성 명령을 해석하여 보다 정확하고 개인화된 응답을 제공합니다.
  • 왓슨: 에서 개발한 인공지능 플랫폼입니다. IBM 기계 학습, 자연어 처리 및 데이터 분석을 결합하여 기업이 비즈니스 프로세스를 자동화하고 간소화할 수 있도록 지원합니다. 플랫폼에는 다음과 같이 작업을 용이하게 하는 여러 API가 있습니다. 왓슨 어시스턴트, 모든 앱, 기기 또는 채널에서 빠르고 일관되며 정확한 응답을 제공합니다.
. 왓슨 비즈니스 언어를 이해하고 복잡하고 구조화되지 않은 데이터와 산업별 전문 용어를 분석하여 기업이 정보에 입각한 결정을 내리고 더 나은 경험을 제공할 수 있도록 합니다.
  • Cortana: 에서 개발한 가상 개인 비서입니다. Microsoft "와 같은 음성 명령으로 트리거할 수 있습니다.안녕 코르 타나". 운영 체제에 통합되어 있습니다. 윈도우 10 스마트폰, 태블릿 등의 모바일 기기에서 사용할 수 있습니다. ㅏ Cortana 애플리케이션 열기, 미리 알림 설정, 인터넷 검색 등과 같은 다양한 작업을 수행할 수 있습니다.
Cortana는 인공 지능을 사용하여 상황을 이해하고 음성 명령을 해석하여 보다 정확하고 개인화된 응답을 제공합니다.
  • 테슬라 자동 조종 장치: 에서 개발한 운전자 지원 시스템입니다. 테슬라 인공 지능과 컴퓨터 비전을 사용하여 운전자가 보다 안전하고 효율적인 방식으로 차량을 운전할 수 있도록 도와줍니다. 이 시스템은 차선 유지, 교통 상황에 따른 속도 조절, 자동 주차 등과 같은 여러 가지 작업을 수행할 수 있습니다. 그러나 이 시스템은 여전히 ​​완전히 자율적이지 않으며 항상 운전자의 주의가 필요합니다. 비록 자동 조종 장치 교통사고를 줄였다는 평가를 받았습니다 테슬라 이 기술은 여전히 ​​비판과 논란의 대상입니다.
Tesla Autopilot: AI가 자동차 산업을 혁신하는 방법의 예입니다. 고급 센서 기술과 기계 학습 알고리즘을 통해 Autopilot은 Tesla 차량이 부분적으로 자율 주행할 수 있도록 합니다.
  • 알파 고: 영국 회사에서 개발한 인공지능 프로그램입니다. Deepmind, 나중에 인수 구글세계 바둑 챔피언을 꺾고 유명해진 , 이세돌, 2015년. Deepmind 등 새로운 인공지능 기술을 지속적으로 개발하고 있습니다. 알파 제로규칙에 대한 사전 지식 없이 체스, 바둑 및 기타 게임을 배울 수 있는 사람.
O 알파 고 기계 학습 기술과 신경망을 사용하여 바둑을 배우고 게임 중에 전략적 결정을 내립니다.
  • 소피아: 회사에서 개발한 휴머노이드 로봇입니다. 핸슨 로보틱스, 홍콩에 본사를 둔 60개 이상의 다양한 표정을 재현할 수 있습니다. 학습하고, 인간 행동에 적응하고, 인간과 협력하도록 설계되었습니다. 소피아 인공지능과 로봇공학의 발전에 있어서 중요한 이정표이다. 요양원 노인들의 동반자가 되거나 대규모 행사나 공원에서 군중을 돕기 위해 고안되었지만, 소피아 자연스러운 대화를 이어갈 수 있고 농담도 할 수 있습니다.
2017년 소피아는 로봇 최초로 사우디아라비아 시민권을 부여받아 논란과 논란을 불러일으켰다.
2017년 소피아는 로봇 최초로 사우디아라비아 시민권을 획득해 논란과 논란을 불러일으켰다. (이미지: IG Tecnologia)
  • ChatGPT: 에서 개발한 자연어 모델입니다. OpenAI 인공지능 기술을 활용한 2022년 GPT(Generative Pretrained Transformer) 기반으로 대형 언어 모델(LLM). 유명한 챗봇은 사용자가 자연어를 사용하여 대화할 수 있게 하고 다양한 질문에 답할 수 있으며 사람의 말투를 모방할 수 있으며 디지털 마케팅, 온라인 콘텐츠 제작 및 고객 서비스와 같은 실제 응용 프로그램에 사용할 수 있습니다.
openai의 chat-gpt는 자연어 기술 발전의 한 예입니다. 새로운 버전 4는 응답 품질과 대화 맥락에 대한 이해를 크게 개선하여 실제 인간 대화에 더 가깝게 상호 작용할 수 있도록 합니다.
OpenAI의 Chat-GPT는 자연어 기술 발전의 한 예입니다. 새로운 버전 4는 응답 품질과 대화 맥락에 대한 이해를 크게 개선하여 실제 인간 대화에 더 가까운 상호 작용을 제공합니다(이미지: Deposit Photos).
  • 딥 블루:에 의해 만들어진 슈퍼 컴퓨터 및 소프트웨어였습니다. IBM 특히 체스를 할 때. 초당 약 256억 개의 위치를 ​​분석할 수 있는 200개의 보조 프로세서를 갖춘 딥 블루 인공 지능과 컴퓨팅의 역사에서 중요한 이정표였습니다. 1996년 슈퍼컴퓨터는 세계 체스 챔피언과 맞붙었고, 게리 카스파로프, 일련의 1997개의 게임에서 마지막 게임에서 승리하고 토너먼트 조건에서 세계 체스 챔피언을 물리친 최초의 컴퓨터가 되었습니다. 대결은 큰 관심과 논란을 불러일으켰고 Kasparov는 게임의 무결성에 의문을 제기하고 컴퓨터가 인간에 의해 조작되고 있다고 제안했습니다. XNUMX년에는 딥 블루 재대결에서 Kasparov와 다시 대결하여 시리즈 3,5에서 2,5로 승리했습니다.
의 성공 딥 블루 체스 및 기타 복잡한 게임을 할 수 있는 다른 인공 지능 시스템의 개발을 위한 길을 열었습니다.
  • 할 엑스: 영화 "의 가상 캐릭터입니다.2001: 스페이스 오디세이", 감독 스탠리 큐브릭 1968 인치 할 엑스 우주선을 제어하는 ​​고급 인공 지능 컴퓨터입니다. 디스커버리 원 목성에 임무를 수행 중입니다. 이 캐릭터는 과학 소설과 인공 지능의 역사에서 주목할 만하며 기술이 어떻게 인류에게 위험하고 위협이 될 수 있는지에 대한 예를 나타냅니다.
. HAL 9000은 그의 부드럽고 차분한 목소리로 유명하지만 그의 교활하고 살인적인 성격도 가지고 있습니다. 캐릭터는 인공 지능이 대중 문화에서 어떻게 표현될 수 있는지, 기술이 인류에 대한 위협으로 어떻게 보일 수 있는지를 보여주는 예입니다.
. 할 엑스 부드럽고 차분한 목소리로 유명하지만 교활하고 살인적인 성격으로도 유명합니다. 이 캐릭터는 대중 문화에서 인공 지능이 어떻게 표현될 수 있는지, 그리고 기술이 인류에 대한 위협으로 어떻게 보일 수 있는지를 보여주는 예입니다(이미지: IGN Brasil).
  • 중도: 회사에서 개발한 인공지능 서비스입니다. 미드저니 주식회사, 딥 러닝 기술을 사용하여 자연어 설명에서 사실적인 이미지를 생성하는 샌프란시스코에 기반을 둔 독립 연구소입니다. 사용자가 그래픽 디자인 기술이나 기술 지식 없이 프롬프트를 기반으로 사용자 지정 이미지를 쉽게 생성할 수 있도록 만들어졌습니다. 
  • 음유 시인: 에서 개발한 챗봇입니다. 구글 언어 모델을 기반으로 LaMDA(대화 응용 프로그램용 언어 모델). 챗봇은 2023년 XNUMX월에 출시되었으며 ChatGPT. 음유 시인 인터넷에서 찾은 정보를 요약하고 추가 정보가 있는 웹사이트 링크를 제공할 수 있습니다. 이 플랫폼은 우리가 인터넷을 검색하는 방식의 새로운 단계이며 인터넷 검색 행동의 급격한 변화를 약속합니다.
  • TensorFlow: 와 호환되는 무료 오픈 소스 라이브러리입니다. Python 를 위한 주요 도구 중 하나입니다. 기계 학습 e 깊은 학습. 에서 개발한 라이브러리 구글 브레인 팀 유연하고 효율적이며 확장 가능하고 휴대 가능하며 스마트폰에서 거대한 컴퓨터에 이르기까지 모든 종류의 컴퓨터에서 실행할 수 있습니다. 클러스터 컴퓨터의.
  • Azure 인지 서비스: 개발자가 AI 또는 데이터 과학에 대한 직접적인 기술이나 지식 없이 애플리케이션에 인지 지능을 구축할 수 있도록 도와주는 클라우드 기반 인공 지능 서비스입니다. 영형 Azure 인지 서비스 개발자가 음성 인식, 컴퓨터 비전 및 텍스트 분석과 같은 인지 기능을 애플리케이션에 쉽게 추가할 수 있습니다.
Azure Cognitive Services를 사용하면 공간에서의 위치 및 방향을 포함하여 이미지의 개체를 감지하고 분석할 수 있습니다. 제품의 결함 감지부터 도시 계획의 항공 이미지 분석에 이르기까지 여러 분야에서 사용됩니다.
  • Adobe Sensei: 의 인공 지능 플랫폼입니다. 어도비 벽돌 기계 학습 및 데이터 분석을 사용하여 제품의 사용자 경험을 개선합니다. 처럼 선생님, 이미지에서 개체 선택과 같은 반복 작업을 자동화하고 각 사용자에 대한 개인화된 경험을 만들 수 있습니다. 영형 선생님 에서 여러 제품으로 통합됩니다. 어도비 벽돌, 포함하는 포토샵또는 일러스트 레이터 Premiere Pro.
Adobe Sensei는 방대한 양의 데이터를 분석하여 마케팅 캠페인의 효율성과 효과를 개선하는 데 사용할 수 있는 패턴과 통찰력을 식별할 수 있습니다.
  • 빅스 비: 가상 비서입니다. 삼성 2017년에 런칭한 삼성 갤럭시 S8. 스마트폰, 태블릿, 시계, 헤드폰 등과 같은 다양한 삼성 제품에서 작동하도록 설계되었습니다. 가상 비서는 모든 장치를 편리하게 제어할 수 있습니다. 은하, 사용자가 음성으로 장치를 제어할 수 있습니다.
A 빅스 비 음성인식, 머신러닝 등 인공지능 기능을 탑재해 사용자의 요청을 이해하고 대응할 수 있다.
  • 아이보: 에서 개발한 로봇 강아지입니다. 소니 1999년에 처음 출시되어 2006년에 단종되었습니다. 2017년에는 소니 재출시 o 아이보 음성 인식 및 기계 학습과 같은 다양한 고급 기능을 제공합니다. 영형 아이보 애완견의 외모와 행동을 가지고 있으며 실제 애완동물과 유사한 방식으로 주인과 상호 작용할 수 있습니다. 영형 아이보 기술을 사용하여 감정적이고 상호 작용하는 경험을 만드는 방법의 예입니다.
Aibo는 자신이 살고 있는 환경을 배우고 적응할 수 있을 뿐만 아니라 주인을 인식하고 문 앞에서 기다릴 수 있습니다.
  • 샤오아이스: 에서 만든 챗봇입니다. Microsoft 2014년 중국에서 전 세계적으로 660억 XNUMX천만 명 이상의 사용자를 보유한 히트작이 되었습니다. 챗봇은 다른 챗봇보다 더 자연스럽고 감성적인 반응으로 사용자와 대화를 나눌 수 있습니다. 샤오아이스 유쾌한 컴백과 때로는 썸도 할 수 있는 대화가 가능한 높은 감성지능을 지닌 '감성동반자'로 꼽힌다.
Xiaoice는 챗봇과 대화할 때 마치 친구와 통화하는 것처럼 자연스럽게 대화할 수 있는 '전이중 음성 감지' 기술로 강화되었습니다.
  • 스카이 넷: 영화 프랜차이즈에서 터미네이터스카이 넷 미국 정부가 군사 목적으로 만든 고도로 발전된 인공 지능입니다. 자각하게 된 후, 스카이 넷 인류를 존재에 대한 위협으로 보고 "심판의 날" 인류를 말살시키려고 합니다. ㅏ 스카이 넷 프랜차이즈의 주요 적대자 중 하나이며 박멸자, 인간 저항군 지도자를 죽이기 위해 과거로 보내진 암살 로봇. ㅏ 스카이 넷 제대로 제어되지 않으면 인공 지능이 어떻게 인류에게 위협이 될 수 있는지에 대한 허구의 예입니다.
터미네이터 스카이넷은 인간의 지능을 뛰어넘어 자율화되어 인류를 멸망시키는 ASI의 위험성을 그린 작품이다.
스카이넷은 인간의 지능을 능가하고 자율화되어 인류를 파멸로 이끄는 ASI의 위험을 내포하고 있습니다.
  • 후추: 에서 개발한 휴머노이드 로봇입니다. 소프트 뱅크 로봇 감정을 읽고 표정을 인식할 수 있는 2015년에 발매되어 단 XNUMX분 만에 매진되었습니다. 영형 후추 그것은 인간의 상호 작용으로 진화하고 춤과 놀이와 같은 새로운 활동을 배울 수 있습니다. 의료, 접객업, 교육, 은행 및 소매업을 포함한 여러 산업에서 사용됩니다. 그는 개인화된 권장 사항을 제시하고, 사람들이 원하는 것을 찾도록 돕고, 인간 팀과 상호 작용하여 모든 상호 작용을 긍정적이고 전문적으로 만들 수 있습니다.
O 후추 사람들과 연결하고, 돕고, 지식을 공유하는 동시에 기업이 고객 경험을 개선하도록 지원하도록 설계되었습니다.
  • AutoML: 에서 개발한 자동화된 기계 학습 모델입니다. 구글 데이터 과학 배경이 없는 사용자가 기계 학습 모델을 구축할 수 있도록 합니다. 컴퓨터 비전, 자연어 처리 및 음성 인식을 포함한 여러 응용 프로그램에 사용됩니다.
O AutoML 기능 선택, 하이퍼파라미터 튜닝, 알고리즘 선택과 같은 작업을 자동화하여 기계 학습 모델을 만드는 프로세스를 더 쉽고 쉽게 만들 수 있습니다.
  • 인식력: 에서 개발한 딥러닝 기반의 이미지 및 영상 인식 서비스입니다. Amazon Web Services. 이미지와 비디오에서 개체, 사람, 텍스트, 장면 및 활동을 식별할 수 있습니다. 또한 텍스트를 추출하고 프레임에 있는 사람의 움직임을 매핑하며 컴퓨터에 저장된 비디오에서 개체, 유명인 및 부적절한 콘텐츠를 인식합니다. 아마존 S3, 라이브 비디오 스트림에서.
Amazon Rekognition은 완전 관리형 서비스이며 이미지 및 비디오 인식 작업에 대해 사전 훈련되어 제공되므로 딥 러닝 파이프라인을 구축하는 데 시간과 리소스를 투자할 필요가 없습니다.
  • 얼굴 인식: 에서 설계 및 개발한 안면 인식 시스템입니다. Apple 아이폰X 또는 나중에 아이 패드 프로. 직관적이고 안전한 인증을 보장하며 카메라 시스템에 의해 활성화됩니다. 진심 고급 기술을 사용하여 사용자 얼굴의 기하학을 정확하게 매핑하는 최첨단 기술. 카메라 진심 사용자 얼굴의 지도를 만들기 위해 눈에 보이지 않는 수백 개의 점을 투사하고 분석하여 정확한 얼굴 데이터를 캡처합니다.  
O 얼굴 인식 안경, 모자, 턱수염을 착용한 상태에서도 사용자의 얼굴을 인식할 수 있습니다. 정교한 신경망을 사용하여 마스킹 또는 기타 기술에 의한 스푸핑으로부터 보호하도록 설계되었습니다.
  • 넷플릭스: 플랫폼은 추천 시스템을 사용하여 사용자가 쉽고 개인화된 방식으로 콘텐츠를 찾을 수 있도록 도와줍니다. 시스템은 서비스와 사용자의 상호 작용, 비슷한 취향을 가진 다른 사용자의 선호도, 장르, 카테고리, 배우와 같은 타이틀에 대한 정보, 출시 연도 등 여러 요소를 기반으로 사용자가 특정 타이틀을 시청할 가능성을 추정합니다. , 무엇보다도. 게다가 넷플릭스 사용자가 시청하는 시간, 시청하는 장치 및 시청 시간을 관찰하여 추천을 더욱 개인화합니다.
A 넷플릭스 다양한 알고리즘을 사용하여 등급 시스템을 생성하고 영화 및 시리즈를 추천하는 알고리즘에 생명을 불어넣습니다.
  • 스포티 파이: 플랫폼은 사용자가 오랫동안 듣지 않은 노래를 포함하여 사용자에게 노래를 추천하기 위해 인공 지능을 사용하여 향수를 불러일으킵니다. 영형 스포티 파이 또한 제공합니다 DJ라디오 스포티파이 이를 통해 사용자는 자신의 음악적 선호도에 따라 개인화된 라디오 방송국에 액세스할 수 있습니다. 의 AI 스포티 파이 사람들이 새로운 음악을 찾을 수 있도록 도와주는 비즈니스 모델의 핵심입니다. 스포티 파이, 서비스 비용을 계속 지불할 더 많은 이유를 제공합니다.
. Spotify는 사용자 기록과 음악 선호도라는 두 가지를 기반으로 새로운 음악을 추천합니다.
  • 스미스 요원: 영화 프랜차이즈의 가상 캐릭터입니다. 매트릭스. 그것은 세계에서 인공 지능의 표현입니다. 매트릭스 프랜차이즈의 주요 적대자 중 하나입니다. 스미스 요원 질서를 유지하기 위해 만들어진 프로그램이지만 제작자에게 반항하고 인류를 파괴하려고 시도합니다.
인공지능이란?. 인공 지능에 대해 알아야 할 모든 것: 인공 지능의 역사, 유형 및 그것이 직업 시장과 우리가 사는 세상을 어떻게 변화시키는지 알아보십시오.
Smith 요원은 복제 및 증식 능력으로 알려진 프로그램으로 프랜차이즈의 주인공에게 점점 더 위협이 되고 있습니다.
  • 셰프 왓슨: 에서 개발한 애플리케이션입니다. IBM 인공 지능을 사용하여 자동화된 방식으로 미식 메뉴를 생성하는 인지 기술을 기반으로 합니다. 응용 프로그램은 사용자가 재료를 입력하거나 셰프 왓슨 자신의 신비한 논리에 따라 그를 위해 선택하십시오.
O C헤프 왓슨 의 연구 프로젝트이다. IBM 컴퓨터가 창의적일 수 있는 가능성을 탐구합니다.
  • 아마존 폴리: 딥 러닝 기술을 사용하여 실제와 같은 자연스러운 인간 음성을 합성하는 텍스트 음성 변환 서비스입니다. 이 서비스를 사용하면 말하는 앱을 만들고 완전히 새로운 범주의 음성 활성화 앱을 만들 수 있습니다. 영형 아마존 폴리 음성 품질을 보다 자연스럽고 인간적으로 향상시키는 신경 텍스트 음성 변환을 포함하여 수십 가지 언어로 다양한 고품질 인간 음성을 제공합니다. 또한 이 서비스를 사용하면 어휘집 및 태그 호환 음성 출력을 사용자 정의하고 제어할 수 있습니다. 음성 합성 마크업 언어(SSML).
O 아마존 폴리 셀프 서비스 모델에서 e-Learning에서 클라우드 기반 콜 센터 서비스에 이르기까지 다양한 응용 프로그램에서 사용할 수 있습니다.
  • 구글 번역: 에서 제공하는 온라인 언어 번역 서비스입니다. 구글 100개 이상의 언어를 지원하고 텍스트, 웹사이트, 이미지 및 문서의 즉각적인 번역을 제공할 수 있습니다. 이 서비스는 전 세계 수백만 명이 사용하고 있으며 인스턴트 음성 및 이미지 인식과 같은 기능을 통해 점점 더 정교해지고 있습니다.
. 인공 지능과 기계 학습의 사용은 또한 구글 번역 보다 빠르고 효율적인 번역을 제공합니다.
  • 페이스북 딥페이스: 에서 개발한 안면 인식 시스템입니다. 페이스북 그의 목표는 얼굴 검증에서 인간의 성능과 기계 성능 사이의 격차를 줄이는 것입니다. 이 시스템은 4.000개 이상의 ID에 속하는 XNUMX만 개의 얼굴 이미지 데이터 세트인 현재까지 가장 큰 얼굴 데이터 세트에서 훈련되었습니다. 영형 딥페이스 97,35%의 정확도로 얼굴을 인식할 수 있어 인간의 성능에 매우 가깝습니다.
인공지능이란?. 인공 지능에 대해 알아야 할 모든 것: 인공 지능의 역사, 유형 및 그것이 직업 시장과 우리가 사는 세상을 어떻게 변화시키는지 알아보십시오.
DeepFace는 사용자 인증에서 공공 안전에 이르기까지 다양한 애플리케이션에 사용됩니다. 그러나 안면 인식의 사용은 개인 정보 보호 문제와 성별 및 인종 편견 가능성으로 인해 논란의 여지가 있습니다.
  • 엔비디아 자비스: 대화형 AI 서비스 창출을 목표로 하는 인공지능 플랫폼입니다. 의 플랫폼 NVIDIA 개발자가 대규모 대화형 AI 서비스를 구축, 배포 및 관리할 수 있는 완전한 GPU 가속 소프트웨어 및 도구 제품군을 제공합니다.
A 엔비디아 자비스 자연어로 질문을 이해하고 답할 수 있으며 문제에 대한 정보와 솔루션을 제공할 수 있습니다.
  • DALL · E: 에서 개발한 딥러닝 모델입니다. 오픈에이프롬프트라고 하는 자연어 설명에서 디지털 이미지를 생성합니다. 해당 모델은 2021년 XNUMX월에 공개되었으며 GPT-3 이미지를 생성하도록 수정되었습니다. 영형 달·이 2 의 후계자이다 DALL · E, 더 높은 해상도에서 보다 사실적인 이미지를 생성하도록 설계되었으며 개념, 속성 및 스타일을 결합할 수 있습니다. 템플릿은 원본 캔버스에 있는 것 이상으로 이미지를 확장하여 광범위한 새 구성을 만들 수 있습니다.
O 달·이 2 또한 그림자, 반사 및 텍스처를 고려하면서 요소를 추가 및 제거하여 자연어 캡션에서 기존 이미지를 사실적으로 편집할 수 있습니다.
  • 안정적인 확산: 텍스트 설명에서 사실적인 이미지를 생성하는 신경망 모델입니다. 팀에서 개발했습니다. CompVis da Ludwig Maximilian University of Munich 과의 안정성 AI, 다음과 같은 독점 텍스트-이미지 템플릿에 대한 오픈 소스 대안입니다. DALL-E중도.
  • 아메카: 에 의해 만들어진 초현실적인 휴머노이드 로봇입니다. 공학 예술, 허용 하에 정보를 채팅하고 저장할 수 있습니다. 그는 인간의 표정을 흉내 내며 감정까지 드러내는 것은 물론, 사실적인 표정과 소통 능력으로 눈길을 끈다.
Ameca는 감정을 보여줄 수 있고 제작자에게 화를 낼 수도 있습니다.
AMECA는 창작자에게 감정을 표현하고 화를 낼 수도 있습니다. (이미지: Nerdist)

현재 인공 지능 기술은 지속적으로 발전하고 있으며 더 많은 새로운 도구가 매일 등장하고 있습니다.

윤리 및 개인 정보 보호 문제와 같이 여전히 직면해야 할 과제가 있지만 인공 지능의 미래는 유망합니다. 이 기술의 지속적인 개발과 개선으로 우리는 인간 삶의 다양한 영역에서 혁신적인 솔루션과 상당한 개선으로 더욱 발전된 사회를 기대할 수 있습니다.

인공 지능은 인류에게 점점 더 많은 혜택을 제공할 수 있는 잠재력을 가진 세상을 형성하는 원동력입니다. 끊임없이 진화하는 이 기술 혁명의 힘을 탐구하고 활용할 수 있는 흥미로운 시간입니다.

여기에서 AI에서 일어나는 모든 일을 최신 상태로 유지하십시오. 쇼미테크.

베자 마이스:

출처 : IBM, 빌트인, TechTarget

텍스트 교정자: 페드로 봄핌 (14 / 06 / 23)

뉴스를 받으려면 가입하세요.

댓글을 남기

귀하의 이메일 주소는 공개되지 않습니다. 필수 필드가 표시되어 있습니다 *

관련 게시물