[AI summit]

이향기·2021년 12월 8일

자율 주행 & AI : 질주하는 자율 주행 그리고 AI의 역할은?

Q. 우리는 레벨 4,5 사이 어디에 있나?
A. 레벨4이다. 로봇 택시가 특정한 지역에 서비스 되고있음. 어디에서나 서비스 되어야 함. 기업들이 계속해서 시스템을 확산시키고 업그레이드 해야 레벨5로 넘어갈 수 있음.

Q. AI를 통해 무인자동차 사용 -> 사고율이 내려가지 않을까 합니다. 로라에게, 딥러닝이 예상치 못했던 도로의 상황들(눈, 어두운 상황)을 어떻게 학습할까?
A. 중요한 부분. 예전의 전통적인 접근법에서는 다이나믹한 상황까지 다루기 위해 예측까지 활용. 언젠가는 인간이 개입해야만 한다. 커맨드 센터가 있고, 시나리오에 개입하여 시스템 개선. 공사장, 고장난 신호등, 교차로 등의 시나리오에는 인간이 개입(로그인)하여 가이던스를 줘야만 로보택시 가능.

Q. 2023 아이코닉?
A. 아이코닉5 사용할 것. 라스베가스에서.

Q. 안전이 가장 중요. 최근 테슬라는 레이더를 없앤다고 선언. 이선형CEO는 카메라 비전 테크놀로지가 레이더를 어떻게 대출할 수 있는것인가?
A. 비전 인식에 대하여 테슬라가 경계를 넓히는 것에 대하여 기대중. 하지만 안전과 리던던시 문제가 있다. 사람이 디스인게이지먼트 없이 움직이는 것이 중요. 리던던시가 중요. 리던던시를 보장할 수 있는 방법이 있음. 여러개의 카메라/센서를 사용하는 것.

Q. 이러한 오토파일럿 시스템에 대해 어떻게 생각하시나요?
A. 리던던시, 중복성은 상당히 중요. 레벨5에서는 표준이 중요. 시스템-백업시스템 있는게 당연. 모든 시스템은 한계가 있음. 가격적인 측면이 중요하다. 전반적으로 안정성을 확보하는 것은 중요하다.

Q. 로라께, 자율주행차에 대해 어떻게 생각하는지?
A. 10년 전에는 이런 기술이 없었다. 몇년전부터 가능한지 아닌지 고민했고, 우리는 이미 가능하다는 것을 입증했다. 안전에 대해 완전 자율주행하는 회사는 없다. 이미 무인 주행차가 상용화되고 있고, 본격적으로 서비스를 확장할 필요가 있다. 기술/적용성이 높아지고 있다. 다양한 시나리오까지 고려해야한다. 자율주행이 더 광범위하게 쓰였으면 좋겠다.

AI 기술과 미래 : 초거대 (a large scale) AI의 현주소, 비전 그리고 미래

이문태 : 일리노이 대학교 교수, LG AI 랩장
하정우 : 네이버 클로바

초거대 AI(Hyper-scale AI)의 발전현황과 그 이후 방향
-초거대 AI(하정우) : 정보를 저장하는 공간이 굉장히 커진다 -> 학습에 사용되는 데이터도 상당히 많아진다 -> 모델 저장공간도 많아진다, 하드웨어 인프라도 커진다...전반적인 사이즈/스케일이 점점 커진다
-초거대 AI의 고유 기능(이문태) : 소프트웨어의 개발 비용은 . 빅데이터 시대, 고비용의 학습 필요. 초거대 AI에서는 training셋이 많이 필요 없이 학습이 가능하다는 것이 특징.

-LG는 어떻게 개발? : 전문가들을 위한 AI 지향. 각 산업별 화학/계열사 등 백신 개발, 공장에서 수요 예측. 각 산업별 전문가를 대체/보조하는 AI개발이 목표.
-몇 가지 사례 : sentiment analysis 콜센터 고객 응대. 고객의 감정 판독.
text summarization. 문단 요약. 연구자들의 논문 요약. 고객의 기존 이력 요약. Q^A .
신약개발 시 리드 물질의 개발. 약 3.5년이 걸리는데, 초거대 모델을 활용해서 단 몇개월로 줄임.
항암치료제. 개인에게 맞는 물질.
연구를 할 수 있는 커뮤니티도 중요. DB화 하여 준비.

-네이버의 방향 : 하이퍼클로바. 엄청 큰 트레인드 모델. 자기소개서 작성, 글쓰기 가능. 서비스에 어떻게 적용? 대화 생성. 클로바 MD. 신조어도 잘씀. 기획자도 만족. 자동 부정어 필터링. 케어콜(안부콜) to 노인. 부산 사투리도 잘 인식. 음성인식 기술. 클로바 스튜디오.
-초거대 AI로 플랫폼 사용자들이 좋아지도록. 착한 AI/사회 공헌에도 힘씀. 인재 확보에도 힘씀.(서울대,카이스트,해외)

-기술 수준이 어느 정도인지?
-미국 기업들(구글, 페이스북,...)은 이미 먼저 시작.

-협업을 통한 AI. 기회를 통한..

(Future Insight) 초고속 성장 메타버스: 요소 기술, 인터페이스 그리고 AI

메타버스로 비즈니스 기회?
-메타버스 구성요소 : 하드웨어/소프트웨어/킬러웨/인프라
-메타버스를 위해 필요한 인프라를 위한 서비스 제공
-플랫폼 : 기존에 없었던(생각지 못했던) 새로운 비즈니스 모델을 만들 것
-혹은, 기존의 서비스가 그대로 옮겨갈 수 있을 것
AI가 메타버스에서 중요한 역할을 한다?
-메타버스와 AI는 어떻게 연결되나?
-개방화, 표준화. 지금 메타버스 개방화/표준화는 기술+법률+사회적 합의도 필요.
-결국 사람이 중요. 사람은 아바타다. 아바타끼리도 할 일이 많다. 결혼, 출산 등. 이런것들을 AI로 자동화 할 것이다.
메타버스에 AI가 잘 적용되려면 어떤 조건이 필요한가?
-AI가 유명해진다 5년되었다 from 알파고
-AI는 지금 곳곳에 산업현장에 스며들었다
-이미 AI는 보편화 되었지만, ROI가 진짜 더 높냐는 논의 대상.
-AI가 없으면 메타버스는 아예 동작하지 않을 것
-Front AI : e.g. 스피커. 메타버스에서는 좀 적절하지 않을까
당장 메타버스를 위해 일반 기업들은 무엇을 준비해야하나?
-함께 하는 것.
-혼자 커다란 모노폴리를 만드는 것이 아니라, 작은 플랫폼들을 연결하는 것
-구글에 의존하지 않은 메타버스를 만드는 것이 중요..

AIㅇㅇㅇ

연구원의 6가지
-자율(Autonomy) : 누가 시키지 않도록

전문가 네트워크
-자부심이 중요한 시대 : 커뮤니티에서 네임드가 되는게 중요
-SNS, 블로깅(Git) 등을 회사차원에서 잘 활용하는게 중요
디지털 리터러시
-기업 전반에 디지털에 대한 커뮤니케이션이 되어야한다
인재

(AI Start up) 파괴적인 AI 비즈니스를 만드는 성공 요소는 무엇인가?

한국의 AI산업
-4개 회사 : 에이블리, 당근마켓, 오늘의 집, 매스프레소 4개 회사 소개
한국이 AI분야는 세계 3위다
-구글이 바둑(한국)을 택했다
-AI칩을 개발한다
-유니콘 기업 많다
-교육의 경제 민주화 : 콴다, 1-2만원이면 수학과외를 한다(정말 그런가..),
-새로운 직업, 고용 창출 : 파괴적 혁신 e.g. 크라우드워커
-삶의 질 : 주 4일
당근마켓
-MAU 기준 압도적 1등
-ESG 도움..?
-AI 측면. 당근에서 사기꾼을 어떻게 알까? 내용, 말투, 주로 상품 등을 학습해서 90%정도는 알 수 있다..?
오늘의 집
-인테리어 상품(이미지)를 AI로 분석 : 제품의 가격 정보, 제품 상세 내역 제공
-버킷플레이스 :
-컨텐츠, 커머스, 커뮤니티 결합
-Image detection & 상품 link
-쿠팡 11번가 지마켓 오늘의집 에이블리 (커머스 순위)
에이블리

콴다
-교육의 경제민주화
-야 콴다하지마라! -> 선생님도 콴다한다

어떤 기술로 AI를 비즈니스 모델로 접목했냐?
에이블리 : 왓챠 창업 팀, 두번째가 에이블리
-AI, 추천 테크, 이런 것들에 원래 관심과 경험이 많음
-e-commerce에서 문제를 정의하고 해결할 때, AI가 좋은 도구가 되겠다
-이커머스에서 쇼핑 플랫폼을 만들때는 1) 셀러가 많이 모여서 상품이 많고 2)개개인의 유저에게 잘 보여주는것 이 제일 중요
-2) 유저 : 어떤 유저에게 가장 적합한 상품을 빠르게 보여줄 수 있을까?
-왓챠의 컨텐츠 추천 알고리즘을 그대로 가져옴
-결제율 기존 2-3% -> 8% 로 올라갔다!
-1) 셀러 : 요즘은 마이크로 셀러가 대세. 이런 분들은 기존 플랫폼에서는 노출 기회가 거의 없어 망하는 것이 대부분.
-역시 추천기술 활용. 파레토 법칙ㅋ
-에이블리는 1위 셀러가 1%정도.. 공평하게 노출 기회를 주려고 한다.
콴다 : 인공지능 회사 아니고, 대학생들-학생들 질문 매칭 플랫폼
-똑같은 질문이 너무 많다.
-학생들의 VOC : 더 빠른 답변, 더 빨리, 10분만에->1분안에
-데이터베이스에서 질문을 찾아서 보여줄 수 있도록
-기존에는 네이버 지식인
-하루에 300만 문제.
-하나의 문제에 대해 여러 개의 답변을 볼 수 있음
-질문에 따라 필요한 강의, 추가적인 문제를 제공하고 싶다
-클러스터링, 라벨링,
-유형을 자동으로 분류하고 이에 따른 문제 추천
-장기적으로는 교육도 AI화 되어 컨텐츠화 되지 않을까
에이블리의 추천 알고리즘
-아마존도 인정한! 독자적인 알고리즘
-추천 서비스 : 외부 알고리즘을 API로 사용하는 형태. 아마존의 알고리즘. 아마존이 가장 튜닝 잘했다고 올려주기도 함.
-아마존의 추천 알고리즘 : 휴지를 사러 오면 가장 싼/빨리 오는 휴지로 도배가 됨.
-패션은 컨텐츠처럼 다양한 옷을 보여주는 알고리즘 필요
콴다는 어떻게 적용
-딥러닝 모델은 글자인식 / 자연어처리 글자인식
-비전 : 수식이 인식이 안된다!
-어쩔 수 없이 자체 개발...
-콤비네이션이 있으면 콴다가 제일 잘해..
-글자 인식 잘한다.
-DB만들기, 검색 결과 질 높이기
-데이터 flow 구성이 중요!
에이블리 목표
-기존 MD 큐레이션 -> 인공지능 추천
-이렇게나 데이터가 많은데, 왜 사람이 해야하나? 상품 기획, 상세페이지 구성 까지도 다 컴퓨터가 가이드 해줄 수 있지 않을까?
-메타버스 결합: 모델도 아바타로!
-글로벌리 휩쓸도록..
콴다
-모든 학생이 수능을 준비 -> 획일적인 인강
-학습할때에는 학생 개개인이 달라서 학원이
-선생님마다 다 다르게 태깅
-컨텐츠를 vector화 -> 추천이 가능하지 않을까?
-knowledge graph
-직업에 대한 것들도..
-데이터, 딥러닝 기술이 필수

AI를 반영하려는 기업들에게 1마디 ㅎ
에이블리
-AI는 도구다
-비즈니스 정의가 훨씬 더 중요하다
-기술은 많이 공개되어있다. 처음부터 다 내가 만드는 게 아니라, 다양한 기술을 칵테일처럼 활용하는 것이 좋다!
-데이터가 더 중요할 수 있다..! 처음부터 염두에 두고 data flow를 설계하는 것이 좋다
-상품 찜 : 데이터 활용
-한국인의 취향지도를 그린다.
콴다
-데이터의 초기 판을 잘 설계해라.
-노가다는 필수다..? 데이터의 선순환이 돌아간다는 확신을 가지고 노가다를 해야할 수 있다..!
-알고리즘도 평준화 되고 있다. 문제 정의, 데이터 순환구조, 데이터 스노우볼 굴리기가 중요.

해외 확장성 - 해외 비즈니스에 대해
콴다
-해외에서 더 잘된다
-AI비즈니스도 네트워크 이펙트가 있어서, 글로벌리 선점하는 것이 더 유리할수도 있다
에이블리
-Front gate
-셀러/상품을 모으고, 개인화된 경험으로 제공하는 파이프라인.

(Media & Entertainment / Power industry) (신정호) Media 산업의 AI 스토리: 가상 모델에서 메타 사피엔스까지 (Meta Sapiens) / (Luis F. Gonzalez) 에너지 산업: 탈산소화 흐름에서의 AI의 역할

메타 사피언스
-축 : Plugged/Unplugged , Fact/Desire
호모 사피엔스 vs. 메타 사피엔스
-구성 : 원자 <-> 비트
-호모 : 인간은 진리를 천착하고 이를 위해 문자를 만들어 보이지 않는 것을 믿게 만든다
-메타 : 경제적 가치+기술로 흘러간다
-성체까지 : 24년 <-> 1개월
메타사피언스에게 지력을 부여하는 방향
ㅇㅇ
-98%가 인터넷 활용
-8개의 아이디
-몇개의 얼굴로 메타버스를 살아가게 될까?

옴니 메타버스
-즐거운 세상을 살고싶다면, 상상의 힘이 중요하다!

에너지 산업: 탈산소화 흐름에서의 AI의 역할
사회적 책임
-전력 산업은 괴롭다
-중앙화된 파워 모델 : 1800년대 후반. 기본적으로 효율적. 그런데 지속가능하게 하려면 이 모델을 벗어나야 한다.
-전기에서 AI를 어떻게 쓰나?
-AI는 시뮬레이션을 할 수 있는 좋은 기회다

원자력이 그렇게 나쁜것만은 아니다

(ML Use Case) 머신러닝 & 시맨틱(semantic) 분석을 통한 GRAB의 고객 VOC 분석 방법

고객 피드백에 대한 시맨틱 분석
-소비자들은 다양한 경험에 대해 피드백을 준다
-다국적 언어 : 말뭉치 분석 등이 제대로 안되고 있음
Topic modeling
-Sentence vector
-Masked Language Modeling
-Multilingual sentence
-Cosine Distance
-vectorizing sentnece
-점 : 주제어
Sentiment Modeling
어떻게 사용되는가?
어려움
-하나의 토픽으로 정의 X
여러 피드백을 도표화
-주제를 세부 주제로 나누었다
-즉각 대응을 할 수 있는 메커니즘이 있다
-서비스에 대한 피드백 제공
그래버들의 가격/제품에 대한 여러 피드백을 채널별로 나누어 수집
-어떤 세그먼트에서 어떤 토픽이 나왔는지 분석
-85%의 정확도를 가진 Sentiment 분석
Any pitfalls?
-Don't expect to get it right from the start
: 작은, 심플한 단위에서 우선 시작하고, 반복해서 디벨롭하라
-Not every problem is solve, and that's ok
: 모든 문제를 해결할 수는 없다..! 즉각적으로 처리하지 못한다고 해서 엄청 큰 문제는 아니다!
-Avoid treating as on off
: 비즈니스 모델은 계속해서 변화한다. 데이터 사이언티스트들의 업무도 그에 따라 변화한다. 이것을 받아들여라
But, all that said, ...feedback is a gift!

[강연 정리 시간]

국내 모빌리티 강연

(Data) AI프로젝트의 빠른 도입을 위한 기술전략

1) AI 프로젝트가 도입되는 것은 정말 어렵다

왜?
-고용안정성 위협(추천알고리즘 vs MD)
-부서간 갈등
-하기 싫어서(변화는 원래 힘든것)
-제대로 된 AI 모델이 아니어서
-사실은 AI 모델이 필요 없어서 (안정적인 조직)
소카 사례
-차량 증가 대비, 직원 수 증가는 없었다.
-생산성의 증대! e.g. 차량 정비 관리 :과거 4대 -> 2018년 200대 -> 현재 1000대
우리도 AI한다 -> AI를 활용하지 않으면 살아남을 수 없다

2) 서비스와 프로세스

Riiid : 산타 토익, AI 튜터
-토익문제 잘 풀게 해주는 회사
원티드 : 채용
-데이터 <-> 서비스가 AI에 어울리도록 설계되어있어야 한다
소카 :
-차량 파손 부위 판단 AI 모델 :
-데이터 규격화 : 데이터 품질 좋아짐
AI프로젝트를 통해 우리도 좋아지겠지 -> AI도입을 위한 프로세스/비즈니스모델 개선은 필수

AI Backbone
-도메인에서 특수한 문제를 해결하는 모델들을 대량 생산해야함
-AI Backbone이라는 기본 모델을 만들고, Transfer learning을 효율적으로 쓰자
-초기 prototyping에서 100여장의 작은 모델로 시작하는 것도 좋다
데이터 퀄리티
-[데이터]
-데이터가 존재하는가?
-데이터가 충분한가?
-[쏘카의 접근]
-레이블링은 까다롭게!
MLPos - SoMLier
-이름 커엽

(Manufacturing) 스마트 팩토리와 AI 이노베이션

-인도에서 연결

-에너지 배출 제로를 위한 노력 중

AI가 모든 것을 해결할 수 있다고 하는데..전혀 구체적이지 않다
-AI가 적용이 되었을 때, 이것이 좋아진다. 저것이 좋아진다.고 하는데 와닿지 않고...매직키워드로 활용하는 느낌이 들었다.
에너지 절감
-조정된 방식으로 AI 적용
-탈탄소로 나가기 위해서 디지털화 필요, 다양한 도구 활용 가능