당신은 주제를 찾고 있습니까 “아마존 인공 지능 – Amazon 인공 지능 기술 그 혁신의 비밀은? | 윤석찬 – AWS 수석 테크에반젤리스트“? 다음 카테고리의 웹사이트 ppa.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://ppa.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 Channy Yun – 윤석찬 이(가) 작성한 기사에는 조회수 33,635회 및 좋아요 15개 개의 좋아요가 있습니다.
아마존 인공 지능 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 Amazon 인공 지능 기술 그 혁신의 비밀은? | 윤석찬 – AWS 수석 테크에반젤리스트 – 아마존 인공 지능 주제에 대한 세부정보를 참조하세요
아마존은 지구상에서 가장 고객 중심 기업을 지향하는 장기적인 관점에서 고객의 필요를 새롭게 발명하는 아마존의 기업 문화를 토대로 아마존닷컴의 추천 서비스와 로봇과 드론을 활용한 물류 센터, 아마존 고 등 인공 지능 적용 사례도 살펴봅니다. 이러한 아마존의 혁신을 클라우드 서비스로 녹인 AWS의 인공 지능, 로봇 서비스, 우주 산업을 통해 어떻게 비즈니스 진입 장벽을 낮추는지 통찰력을 키워 보시기 바랍니다.
※ Amazon Innovation Day 전체 세션 보기 – https://www.youtube.com/watch?v=2J3VBuN0KKQ
※ 고지 사항(Disclaimer)
본 컨텐츠는 AWS 서비스 교육 및 설명을 위해 온라인 세미나용으로 별도로 제작, 제공된 것입니다. 만약 AWS 사이트와 컨텐츠상에서 차이나 불일치가 있을 경우, AWS 사이트(aws.amazon.com)가 우선합니다. 또한 AWS 사이트 상에서 한글 번역문과 영어 원문에 차이나 불일치가 있을 경우(번역의 지체로 인한 경우 등 포함), 영어 원문이 우선합니다. AWS는 본 컨텐츠에 포함되거나 컨텐츠를 통하여 사용자에게 제공된 일체의 정보, 콘텐츠, 자료, 제품(소프트웨어 포함) 또는 서비스를 이용함으로 인하여 발생하는 여하한 종류의 손해에 대하여 어떠한 책임도 지지 아니하며, 이는 직접 손해, 간접 손해, 부수적 손해, 징벌적 손해 및 결과적 손해를 포함하되 이에 한정되지 아니합니다.
아마존 인공 지능 주제에 대한 자세한 내용은 여기를 참조하세요.
인공 지능 서비스 – AWS
Amazon.com 및 ML 서비스를 구동하는 것과 동일한 딥 러닝 기술이 사용되므로 지속적으로 학습하는 API의 품질 및 정확성을 얻을 수 있습니다. 가장 좋은 점은 기계 학습에 …
Source: aws.amazon.com
Date Published: 8/12/2021
View: 650
AWS 기계 학습에 기반한 AI
… 요구 사항을 충족하는 가장 완벽한 기계 학습과 인공 지능 서비스를 제공합니다. … 관리형 서비스인 Amazon SageMaker를 통해 기계 학습 모델을 신속하게 구축, …
Source: aws.amazon.com
Date Published: 7/12/2022
View: 5381
기계 학습 및 인공 지능 – Amazon Web Services
AWS Machine Learning(ML)을 통해 비용을 절감하는 동시에 데이터에서 더 깊은 인사이트를 확보하세요. AWS는 가장 포괄적인 인공 지능(AI) 및 기계 학습 서비스, …
Source: aws.amazon.com
Date Published: 7/11/2022
View: 5049
인공 지능(AI)이란 무엇입니까? – AWS
ML 모델 또는 다른 개별 예측을 사용하려는 경우 이러한 평가 점수는 의사 결정에 중요한 역할을 합니다. Amazon에서는 기계 학습을 어떻게 사용합니까? Amazon.com은 기계 …
Source: aws.amazon.com
Date Published: 3/8/2021
View: 4265
AWS CLOUD SEOUL | AI/ML
Amazon Rekognition을 이용한 이미지 분석 서비스에 이어 Amazon Rekognition Veo는 실시간 및 저장된 동영상에서 객체 추출과 정보를 분석하여 서비스에 바로 적용 …
Source: aws.amazon.com
Date Published: 4/17/2022
View: 410
모두를 위한 아마존의 3가지 AI기술 계층 – 지디넷코리아
아마존 인공지능(Amazon AI) 기술 스택은 AWS 인프라와 상위 애플리케이션 서비스를 포함해 아래와 같은 3개의 주요 계층으로 나뉜다.
Source: zdnet.co.kr
Date Published: 10/26/2021
View: 3480
아마존 채용 AI는 왜 남성을 우대했나 – 한국일보
지난 칼럼에 이어 인공지능 윤리의 5대 문제 중 AI 편향성 문제 사례와 바람직한 해결 방안을 살펴보고자 한다. 2016년 미국 탐사보도매체 ‘프로퍼블 …
Source: www.hankookilbo.com
Date Published: 6/8/2022
View: 9255
주제와 관련된 이미지 아마존 인공 지능
주제와 관련된 더 많은 사진을 참조하십시오 Amazon 인공 지능 기술 그 혁신의 비밀은? | 윤석찬 – AWS 수석 테크에반젤리스트. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 아마존 인공 지능
- Author: Channy Yun – 윤석찬
- Views: 조회수 33,635회
- Likes: 좋아요 15개
- Date Published: 2019. 5. 10.
- Video Url link: https://www.youtube.com/watch?v=YfTShfKaPHw
인공 지능 서비스
“그동안 신흥 시장에서는 자격 증명 확인 및 검증이 주요 당면 과제였습니다. 사용자를 적절히 식별하는 능력은 신흥 시장에서 수십억 명의 사람에 대한 신용 정보를 구축하는 데 있어 큰 장애 요소입니다. 모바일 애플리케이션에서 신원 확인을 위해 Amazon Rekognition을 사용하면서 검증 오류가 크게 감소하고 확장성이 향상되었습니다. 이제 사람의 개입 없이 실시간으로 개인의 신원을 탐지하고 확인할 수 있게 되어 제품에 대한 액세스 속도가 개선되었습니다. 우리는 광고를 통해 알게 된 다양한 솔루션을 시도해 보았지만 널리 사용되는 대안 중 다양한 피부색을 정확하게 식별하는 솔루션은 없었습니다. Amazon Rekognition은 우리 시장에서 고객의 얼굴을 효과적으로 인식하는 데 도움이 되었습니다. 또한, KYC와 함께 중복되는 프로필과 중복 데이터 세트를 발견하는 데 도움이 되었습니다.”
AWS 기계 학습에 기반한 AI
고객 경험 개선, 생산성 향상, 비즈니스 프로세스 최적화, 혁신 가속화 및 확장 등 AWS는 원하는 모든 비즈니스 요구 사항을 충족하는 가장 완벽한 기계 학습과 인공 지능 서비스를 제공합니다. AWS는 기존의 경험이나 업계의 사용 사례가 없어도 기계 학습을 구현할 수 있는 서비스를 제공합니다. 하나의 통합된 환경에서 기계 학습 개발 수명 주기의 모든 단계에 필요한 도구를 제공하는 완전관리형 서비스인 Amazon SageMaker를 통해 기계 학습 모델을 신속하게 구축, 훈련 및 배포할 수 있습니다.
이것이 바로 대기업부터 스타트업에 이르기까지 10만개가 넘는 고객사가 다른 클라우드 플랫폼이 아닌 AWS Machine Learning을 선택하는 이유입니다.
Amazon Web Services
책임감 있는 AI 및 ML 사용은 인류의 가장 어려운 문제를 해결하고, 인간의 수행 능력을 증대시키며 생산성을 최대화하는 데 있어서 중요한 역할을 합니다. AWS는 공정하고 정확한 AI 및 ML 서비스를 개발하고 AI 및 ML 애플리케이션의 책임감 있는 구축에 필요한 도구와 지침을 고객에게 제공하는 데 전념합니다.
자세히 알아보기 »
인공 지능(AI)이란 무엇입니까? — Amazon Web Services
인공 지능(AI)은 학습, 문제 해결, 패턴 인식 등과 같이 주로 인간 지능과 연결된 인지 문제를 해결하는 데 주력하는 컴퓨터 공학 분야입니다. 보통 “AI”로 줄여서 부르는 인공 지능은 로봇 공학이나 미래의 모습을 내포하고 있을 수도 있지만, AI는 공상 과학 소설에 나오는 작은 로봇을 넘어 첨단 컴퓨터 공학의 현실이 되고 있습니다. 이 분야의 저명한 과학자인 Pedro Domingos 교수는 논리와 철학에 기원을 둔 상징주의자, 신경 과학에서 유래한 연결주의자, 진화 생물학과 관련된 진화론자, 통계와 개연성을 다루는 베이지안, 그리고 심리학에 기반을 둔 유추론자로 구성된 기계 학습의 “5가지 집단”을 설명합니다. 최근에 통계 컴퓨팅 효율성이 개선되면서 베이지안이 “기계 학습”이라는 분야에서 몇 가지 영역을 성공적으로 발전시킬 수 있게 되었습니다. 이와 마찬가지로 네트워크 컴퓨팅이 발전하면서 연결주의자도 “딥 러닝”이라는 이름으로 하위 분야를 더욱 발전시킬 수 있게 되었습니다. 기계 학습(ML)과 딥 러닝(DL)은 모두 인공 지능 분야에서 파생된 컴퓨터 과학 분야입니다.
이러한 기법은 크게 “감독된” 학습 기법과 “감독되지 않은” 학습 기법으로 나뉘며, “감독된” 기법은 원하는 출력값이 포함된 교육 데이터를 사용하고 “감독되지 않은” 기법은 원하는 출력값을 제외한 교육 데이터를 사용합니다.
AI는 더 많은 데이터를 통해 “점점 더 똑똑”해지고 더 빠르게 학습하고 있으며, Amazon Redshift와 같은 데이터 웨어하우스에서 집계되고 추출되든, Mechanical Turk의 “대중”의 힘을 통한 실측 자료이든, Kinesis Streams를 통해 동적으로 수집되든 관계없이 기업은 기계 학습과 딥 러닝 솔루션을 실행하는 데 필요한 이러한 연료를 매일 생성하고 있습니다. 또한, IoT가 출현하면서 센서 기술이 분석할 데이터양을 기하급수적으로 늘리고 있습니다. 이는 이전에는 거의 손대지 않았던 소스, 장소, 객체 및 이벤트의 데이터입니다.
AWS CLOUD SEOUL
Amazon Rekognition을 이용한 이미지 분석 서비스에 이어 Amazon Rekognition Video는 실시간 및 저장된 동영상에서 객체 추출과 정보를 분석하여 서비스에 바로 적용이 가능합니다. 단순 객체 정보 외에 환경에 대한 정보와 개인 트래킹 정보를 제공하며 새로운 비디오 분석 서비스를 소개합니다. 또한 대량의 동영상 데이터를 저장하고 다른 서비스와 연계할 수 있는 Kinesis Video Streams 서비스를 소개합니다.
연사 : 김기완 솔루션즈 아키텍트, 아마존웹서비스
아마존 채용 AI는 왜 남성을 우대했나
편집자주 가속화한 인공지능 시대. 인간 모두를 위한, 인류 모두를 위한 AI를 만드는 방법은? AI 신기술과 그 이면의 문제들, 그리고 이를 해결할 방법과 Good AI의 필요충분조건
지난 칼럼에 이어 인공지능 윤리의 5대 문제 중 AI 편향성 문제 사례와 바람직한 해결 방안을 살펴보고자 한다. 2016년 미국 탐사보도매체 ‘프로퍼블리카’는 미국 내 많은 법원에서 사용 중인 AI 재판 지원시스템 컴파스(COMPAS)에 대한 기사를 보도했다.
컴파스는 피고인의 데이터를 종합하여 재범 가능성을 예측하는 인공지능인데, 프로퍼블리카의 보도에 따르면 컴파스를 통하여 미국 플로리다에서 체포된 범죄자 1만 명을 대상으로 재범가능성을 예측해보았더니 흑인의 재범 가능성이 백인보다 2배 이상 높게 나타났다는 것이다. 하지만 실제 현실에서는 흑인의 재범률이 백인보다 더 높지 않았다.
인공지능 컴파스는 왜 이런 잘못된 예측을 했을까? ‘MIT 테크놀로지 리뷰’에 따르면, 실제 사례에서 흑인 피고와 백인 피고와의 검거율 차이가 그 원인임을 밝혀냈다. 곧 실제 흑인 피고는 52%가 체포됐지만, 백인 피고는 39%만이 체포됐다는 것이다.
이 같은 결과는 인공지능은 죄가 없다는 것을 보여준다. 인공지능은 학습을 위해 제공받은 데이터들을 토대로 판단했을 뿐, 데이터 자체가 편향되어 있었기 때문이다. 오히려 컴파스 사례는 데이터의 편향도 결국 사회 구조와 사회 문화의 편향(?) 때문이라는 점을 시사하고 있다.
2018년에는 글로벌 기업 아마존에서 인공지능 채용 프로그램 논란이 있었다. 아마존에서 AI 채용 프로그램을 개발했는데, 실제 적용하기 전 최종 시뮬레이션 과정에서 남성 지원자가 여성 지원자보다 지속적으로 더욱 높은 점수를 받는 편향이 일어났다.
원인을 분석했고, 아마존이라는 기업의 직원 구성에 그 원인이 있었다. 인공지능 채용 프로그램은 해당 기업에서 높은 성과와 좋은 평가를 받았던 직원들의 데이터를 기준으로 판단하게 되는데, 아마존은 IT 기업으로써 개발직군이 전체 직원수의 70% 이상을 차지했고, 그러한 개발직군 중 남자 직원수가 여성보다 압도적으로 많았기 때문이다.
결국 모수에서 남성 직원 중에 고성과자가 훨씬 더 많을 수밖에 없었으므로 이를 근거로 판단한 인공지능은 당연히 남성 지원자를 우대할 수밖에 없었던 것이다. 결국 아마존은 데이터를 수정하거나 알고리즘을 고치는 것만으로는 한계가 있다고 판단하여 해당 AI 채용 프로그램을 폐기했다.
우리나라에서도 작년 9월, 국회 교섭단체 대표연설 관련 기사가 한 포털사이트에서 정당에 따라 편향적으로 노출되었다고 한 국회의원이 주장하면서 AI 편향성 논란이 일었다. 해당 포털사이트는 메인페이지의 뉴스 섹션 편집은 인공지능이 하고 있기 때문에 인간의 개입은 없다고 항변했다.
하지만 위의 세 가지 사례를 통해 본 것처럼, 인간과 사회 구조, 사회 문화에 따라 데이터가 편향될 수밖에 없다면, 인공지능 역시 편향될 수밖에 없다. 따라서 현재 인공지능 기술 수준에서 완벽한 인공지능, 완벽한 알고리즘을 기대하는 것보다는 그 한계점을 먼저 인정하는 것이 출발점이 된다.
그리고 우리는 AI 편향성을 기획부터 출시, 운영과정까지 지속적으로 검증하고, 보완하고, 또 검증하고, 보완할 수밖에 없다. 결과에 대해 충분한 시뮬레이션을 반복하고 그렇게 검증 과정에서 나온 오류들을 수정하고, 또다시 시뮬레이션하고 그 결과를 다시 검증하고 보완하는 절차를 반복해야 한다.
물론 이러한 작업은 AI 스타트업들이 하기에는 쉽지 않다. 그래서 정부와 기업, 유관기관들이 협력하여 이러한 AI 편향성을 테스트하고 검증할 수 있는 시스템을 개발, 보급하는 것이 필요하다. 또한 그러한 편향성을 검증하고 가이드할 수 있는 중립적인 기구를 설치하여 우리 기업들을 지원하는 것도 좋은 방안이 될 것이다.
전창배 한국인공지능윤리협회 이사장
0 0 공유 카카오
페이스북
트위터
이메일
URL 기사저장
이 기사와 관련된 기사
기업별 인공지능 활용 사례(아마존, 구글, 마이크로소프트, 애플, 넷플릭스)
반응형
인공지능은 큰 산업입니다. 회사들은 그들의 제안을 활용하고 고객들에게 더 나은 서비스를 제공하기 위해 이 기술에 계속 돈을 투자합니다. 여느 때처럼 거대 기업들은 경쟁 우위를 확보하고 새로운 제품과 서비스를 고안하는 방법을 연구하면서 최전선에 서 있습니다. 국내외 기업들의 AI, 머신 러닝, 딥 러닝의 연구, 적용 사례를 정리해 봤습니다.
인공지능이란?
인공지능(Artificial Intelligence, AI)은 컴퓨터 시스템으로 인간의 지능을 시뮬레이션한 것입니다.
자세한 것은 다음 링크를 확인해보세요.
1. 아마존
아마존의 인공지능 활용 사례를 살펴볼까요?
Amazon에서는 기계 학습을 어떻게 사용합니까?
Amazon.com은 기계 학습 기반 시스템상에 많은 비즈니스를 구축하고 있습니다. ML 없이는 Amazon.com 이 비즈니스를 성장시키고, 고객 경험과 선택을 개선하며, 물류 속도와 품질을 최적화할 수 없었을 것입니다. Amazon.com은 다른 비즈니스에서도 Amazon.com 이 사용하는 것과 같은 IT 인프라를 활용하고 민첩성과 비용 혜택을 받을 수 있게 하려고 AWS를 시작했으며, 이제 모든 비즈니스에서 사용할 수 있도록 ML 기술을 계속해서 대중화하고 있습니다.
아마존은 인공지능과 자동화를 일찍 채택한 기업으로서, 비즈니스 효율성을 개선하기 위해 AI를 사용하는 데 항상 우위를 점하고 있었습니다. 고객 경험을 높이기 위해 AI를 활용했을 뿐만 아니라 내부적으로도 집중했습니다.
신제품 구매 의향이 있는 고객의 수를 예측하기 위해 AI를 사용하는 것부터 계산원이 없는 식료품점을 운영하는 것까지 아마존의 AI 기능은 고객에게 맞춤형 추천을 제공하도록 설계되었습니다. 보고서에 따르면 아마존의 추천엔진이 전체 매출의 35%를 견인하고 있다고 합니다.
위에서 아래로 AI를 통합합니다.
아마존은 조직 곳곳에 인공지능을 활용할 수 있도록 조직 개편과 구조조정을 한 기업입니다. 현재 아마존의 추천 엔진은 전체 매출의 35%를 견인하고 있습니다.
아마존이 지속적인 AI를 적용하고 있는 주요 분야 중 하나는 고객 검색 질의와 특정 제품을 찾는 이유가 무엇인지 더 잘 이해하기 위해서입니다. 전자상거래 회사가 고객에게 관련 추천을 하려면 고객이 무엇을 검색했는지 파악하는 것뿐만 아니라 고객이 왜 상품을 검색하는지 이해하는 것도 중요합니다. 맥락을 파악하면 유통업체가 고객에게 보완 품목을 추천하는 데 도움이 될 수 있는데, 아마존은 이 문제에 AI를 적용해 이 퍼즐을 풀겠다는 것입니다.
심지어 아마존의 창고도 스마트 로봇으로 자동화되고 있습니다.
Amazon Worldwide Operations 팀은 주문 센터당 1-4백만 개의 제품 보관함을 가지고, 지속적으로 프로세스를 개선하고 기술을 활용하여 동일한 상자에 함께 속한 제품을 동시에 주문해야 하는지 실시간으로 판단합니다.
이 팀은 이미지를 분석하는 컴퓨터 비전 시스템을 활용하여 창고 전체에서 각 품목의 위치를 안전하게 추적합니다. 이 창고는 일반적으로 맨해튼 스타일의 그리드로 설정되며 제품 포드가 따라올 수 있는 구체적이고 구조화된 경로를 가지고 있습니다. 각 포드는 네 면 모두에 제품을 담을 수 있는 약 9줄의 선반이 있으며, 각 창고의 크기는 일반적으로 600,000에서 100만 평방피트 사이입니다.
비록 아마존은 완전 자동화된 배송 창고가 적어도 10년 이상 남았다고 말하지만, 로봇은 현재 아마존의 175개 이상의 주문 처리 센터 중 26곳에서 인간과 조화를 이루며 이 제품 포드를 운영하고 있습니다. 2003년 Amazon.com의 자회사로 설립된 Amazon Robotics가 선도하는 이행 센터 자동화는 자율 이동 로봇, 정교한 제어 소프트웨어, 언어 인식, 컴퓨터 비전, 깊이 감지, 기계 학습, 객체 인식, 댓글의 의미 이해 등의 기술을 기반으로 합니다.
이 회사는 또한 인공지능을 이용하여 고객이 구매할 것으로 예상되는 특정 제품의 개수가 얼마인지 파악하는데, 이는 제품이 어디에 비축되어 있는지를 반영하여 제품을 구매할 사람들에게 최대한 가까이 다가갈 수 있도록 합니다.
플라이휠 접근 방식을 사용합니다.
그렇다면, 아마존의 비밀은 무엇일까요? 그들은 어떻게 인공지능을 그들의 사업에 성공적으로 접목시켰을까요?
아마존은 인공지능에 플라이휠(flywheel) 접근 방식을 사용합니다. Amazon 플라이휠 또는 Amazon 선순환은 고객 경험을 활용하여 플랫폼 및 타사 셀러로 트래픽을 유도하는 전략입니다. 그것은 상품의 선택을 향상시키고 아마존은 가격 구조를 더욱 개선하여 플라이휠을 회전시키는 가격을 낮출 수 있습니다.
이 과정은 Amazon 내에 잘 알려져 있으며 Amazon Worldwide Consumer의 CEO인 Jeff Wilke가 설명한 바와 같이 이 아이디어는 2001년에 Jeff Bzos에 의해 처음 스케치되었으며 향후 몇 년 동안 Amazon 마케팅 전략이 될 것입니다. 그것은 아마존 비즈니스 모델 성공에 기여했습니다.
이는 도구 이상의 사고방식으로, 비효율성이 지배적인 업계 내에서 기회를 포착하는 방법입니다. 동시에 고객 경험에 최대한 투자하여 성장 속도를 높일 수 있도록 지원합니다.
플라이휠처럼, 인공지능을 사용하는 것은 시작하는 데 많은 에너지가 필요합니다. 하지만 일단 바퀴가 돌기 시작하면, 계속해서 작은 힘을 줌으로써 그것을 계속하는 것이 훨씬 더 쉽습니다.
인공지능은 나름의 추진력이 있고, 아마존은 그 추진력을 그 조직 안에서 계속 유지할 계획을 세웠기 때문에 그들의 노력은 결코 뒤처지지 않았습니다. 이것은 AI 노력의 최대한의 이익을 보장하는 장기적인 전략입니다.
아마존이 한 또 다른 큰 일은 그들의 AWS에 머신 러닝을 활용한 것이었습니다. 아마존과 AI에 관한 흥미로운 사실은 그 회사가 기술에 대해 취하는 접근법입니다. 그들은 이것을 플라이휠이라고 부르며 그것은 지속적인 지식의 저장과 회사 전체의 고른 분배를 의미합니다. 그래서 아마존은 AI를 최대한 활용하는 진정한 AI 주도형 사업이라고 할 수 있습니다.
2. 구글
스마트폰 비서부터 이미지 인식, 번역까지 매일 사용하는 구글 서비스들 안에 수많은 AI 기능이 숨어 있습니다.
구글 검색엔진: 구글의 검색 엔진의 알고리즘들은 일련의 명확한 규칙과 같았습니다. 구글의 엔지니어는 이러한 규칙을 쉽게 변경하고 개선할 수 있었습니다. 하지만 이제 구글은 검색 엔진에 딥 러닝을 활용합니다. 그리고 AI의 책임자가 검색을 맡으면서, 그 회사는 이것이 앞으로 나아가는 길이라고 믿는 것 같습니다. 구글 광고: 머신러닝을 활용해 방식의 자동 입찰 시스템인 스마트 입찰을 통합합니다. 구글 지도: 운전 모드는 사용자의 목적지를 예측하고 명령 없이 탐색할 수 있도록 도와줍니다. Youtube: Safe Content는 머신러닝 기법을 사용하여 불쾌한 콘텐츠 옆에 브랜드가 표시되지 않도록 합니다. 구글 포토: 친구와 공유할 사진을 제안하는데 인공지능(AI)이 사용됩니다. Gmail: 스마트 회신에서 받은 이메일과 사용자의 스타일과 일치하는 응답을 제안합니다. Google 드라이브: 스마트 스케줄링은 사용자의 기존 일정 및 습관에 따라 회의 일정을 제안합니다. Google 캘린더: 빠른 액세스 기능은 성능과 사용자 환경을 향상하는 데 사용할 파일을 예측합니다. 구글 번역: 번역의 유창성과 정확도를 높이기 위해 구글 신경 기계 번역이라고 불리는 인공 신경망을 사용합니다. 구글 크롬: 구글 검색에서 항목을 검색하는 동안 동영상의 짧고 관련성이 높은 부분을 표시합니다. 웹 사이트의 이미지를 분석하고 시각장애인 또는 저시력을 가진 사용자를 위해 오디오 설명 또는 Alt 텍스트(사용 가능한 경우)를 재생합니다. 구글 뉴스: 인공지능(AI)을 활용해 관련된 사람, 장소, 사물을 이해하고, 구글 블로그에서 설명한 것처럼 서로 어떤 관계를 맺고 있는지를 기준으로 정리합니다. 구글 어시스턴트: 스마트폰 또는 웨어러블용 음성 비서로, 도착 시 항공편 상태 또는 날씨를 온라인으로 검색할 수 있습니다. 구글 어시스턴트는 당신이 이미 말한 것을 기억하고 이해하며, 시를 읽어주고, 농담을 해주고, 게임을 합니다.
3. 마이크로소프트
마이크로소프트는 AI에 크게 투자해 온 기업 중 하나입니다. 마이크로소프트는 2017년에 처음으로 회사 비전에 “인공 지능” 이라는 용어를 도입하여 지능형 도구와 응용 프로그램이 운영의 핵심이라는 사실을 강조했습니다.
마이크로소프트 AI 앱
마이크로소프트 365(Microsoft 365): 이 응용 프로그램을 통해 AI는 사용자가 더 나은 작성 및 디자인, Excel의 지도 및 차트 시각화, 받은 편지함 간소화를 지원할 수 있는 혁신적인 앱을 강화합니다. 이 응용 프로그램은 사무실 앱이 사용하기 쉽고 안전하며 협업이 더 용이하도록 합니다. 코타나(Cortana): Cortana 는 AI를 사용하여 Microsoft 365에서 자연어 상호 작용을 통합합니다. 음성 요청을 사용하여 메시지를 보내고, 일정을 확인하고, 회의에 참여하고, 작업을 추가하는 등의 작업을 수행할 수 있습니다. 사용자가 회의 준비를 지원하는 것부터 받은 편지함을 자동으로 관리하는 것까지 사용자가 중요한 측면에 집중하고 더 많은 시간을 절약할 수 있도록 도와줍니다. 마이크로소프트 다이나믹스 365(Microsoft Dynamics 365): 이 애플리케이션은 사용자의 비즈니스 프로세스를 개선할 목적으로 소비자 통찰력 및 데이터, LinkedIn 통합 및 기계 학습 및 예측 분석과 같은 지능형 기술을 채택하는 클라우드 비즈니스 애플리케이션을 통해 사용자의 디지털 혁신을 주도합니다. 빙(Bing): 이 웹 검색 엔진은 AI를 채택하여 사용자가 검색하는 것을 더 쉽게 찾을 수 있도록 합니다. 동적 웹 이해를 통해 Bing 은 복잡한 쿼리에 대해서도 빠르고 잘 구성된 응답을 제공합니다. 또한 사용자는 이미지 내에서 검색하여 보고 싶은 것을 감지할 수 있습니다. 마이애널리틱스(MyAnalytics): 사용자의 작업 패턴을 분석하고 보다 효과적인 방식으로 작업하는 방법을 학습하도록 돕기 위해 AI를 채택합니다. 이 응용 프로그램은 Microsoft 365를 적용하는 방법을 기반으로 개인 통찰력을 통해 사용자의 초점, 웰빙 및 공동 작업을 향상시킵니다. 파워 BI(Power BI): 이 애플리케이션을 통해 사용자 조직은 업데이트된 데이터 분석 및 통찰력을 통해 집중적이고 단호한 결정을 내릴 수 있습니다. 사용자는 각 장치에서 사용할 수 있는 세부 대시보드를 통해 비즈니스를 모니터링하고 신속한 응답을 얻을 수 있습니다. 마이크로소프트 픽스(Microsoft Pix): 이것은 사진을 향상시키기 위해 AI를 사용하는 지능형 카메라 응용 프로그램입니다. 이 앱은 사용자의 베스트 샷 선택 및 향상, 초점 선명화, 얼굴 미세 조정, 문서 사진 정리 및 많은 유사한 기능에 사용할 수 있습니다.
마이크로소프트 AI 서비스
Microsoft Azure AI: 개발자와 데이터 과학자를 지원하도록 설계된 AI 서비스 포트폴리오입니다. 이 플랫폼은 개발자와 데이터 과학자가 AI 솔루션을 쉽게 생성하는 동시에 생산성을 높이는 데 도움이 되도록 설계된 최신 AI 도구 및 서비스를 제공합니다. Cognitive Services: 사전 구축된 서비스는 인지 능력을 갖춘 앱을 강화하여 개발자가 애플리케이션을 더욱 매력적이고 지능적으로 만들 수 있도록 합니다. 이러한 서비스는 듣고, 말하고, 검색하고, 이해하고, 가속화할 수 있는 기능을 제공하는 고품질 지능형 API입니다. 애저 머신러닝 스튜디오(Azure Machine Learning Studio): 데이터 과학자 및 개발자를 위한 완전 관리형 클라우드 서비스로 데이터를 완벽하게 준비하고 사용자 지정 모델을 구축하고 교육하는 데 도움이 됩니다. 에지에서 클라우드에 이르기까지 사용자는 모든 장치를 통해 서비스에 자유롭게 액세스 할 수 있습니다. Data Science Virtual Machines: Azure에서 유지 관리할 수 있는 즉시 사용 가능한 이미지를 제공하여 개발자의 시간을 절약하는 데 도움이 됩니다. 이미지는 데이터 분석, 기계 학습 및 AI 교육에 일반적으로 채택되는 주요 도구와 함께 사전 설치, 구성 및 테스트된 상태로 제공됩니다. 이러한 가상 머신은 대규모 프로젝트를 위한 주문형 탄력적 용량과 사용한 만큼만 지불하는 구조를 제공합니다. 지식 마이닝(Knowledge Mining): 지식 마이닝은 혼란스러운 데이터를 처리하고 개발자가 필요한 정보를 찾는 데 방해가 되는 문제를 관리하는 데 도움이 됩니다. 지식 마이닝은 AI에 우선순위를 부여하고 기본 제공 코그너티브 서비스를 통해 Azure Search에 의해 구동되는 콘텐츠 이해 접근 방식입니다. 이 서비스는 여러 Azure 데이터 원본을 통해 데이터를 추출하고 지식을 추출하는 다양한 구성 가능한 인지 기술을 구현합니다. 그런 다음 이 지식을 구성하고 검색 색인에 보관하여 데이터를 탐색하는 동안 새로운 경험을 제공합니다. 대화형 AI(Conversational AI): Microsoft는 지능형 봇의 개발을 지원하기 위해 광범위한 대화형 AI 기술을 지원합니다. 쉬운 QnA 봇이든, 채널 전반에서 원활하고 개인화된 상호 작용을 지속적으로 학습하고 유지할 수 있는 가상 에이전트이든 상관없습니다. 이 플랫폼은 기업이 사용자와 보다 자연스러운 방식으로 의사소통하는 대화형 인터페이스를 구축하도록 지원하여 탁월한 고객 경험을 생성하고 직원이 시간을 최대화할 수 있도록 지원합니다. 개발자가 자체 대화형 봇을 개발하려는 경우 플랫폼은 Azure Bot 서비스와 Cognitive Services Language API를 통해 업계 최고의 NLP 기능을 제공합니다. 이러한 언어 서비스는 앱이 화자의 쿼리의 의미를 이해하고 자연어를 통해 응답하도록 하는 데 도움이 됩니다.
4. 애플
애플은 어떻게 인공지능을 활용하고 있을까요?
우리는 세계에서 가장 많이 사용되는 가상 비서 중 하나인 시리를 가지고 있습니다. 얼굴 인식 기능이 있어 놀기도 재미있고 보안도 강력합니다. 애플도 AI를 이용해 사기를 감지하고 배터리 사용을 최적화하며 경쟁사와 대등한 경쟁자로 보입니다.
하지만 애플의 인공지능은 동급의 다른 기업에 비해 뒤쳐진다고 평가받습니다. 시장에 먼저 진출했음에도 불구하고 구글과 아마존은 애플의 노력을 빠르게 뛰어넘었습니다. 더 나은 알고리즘을 구축하려면 많은 데이터가 필요하고, 컴퓨터가 정보를 이해해야 하는데 애플은 경쟁사의 우위가 부족했습니다.
구글 검색, 지도, 유튜브, 아마존 닷컴, 에코, 파이어 TV 그리고 다른 서비스들은 많은 유용한 정보를 제공합니다. 구글 클라우드와 아마존 웹 서비스는 세계에서 가장 강력한 클라우드 컴퓨팅 네트워크 중 하나입니다. 하지만 애플의 비즈니스 모델은 하드웨어에 있습니다. 담당자들은 AI 소프트웨어 개발을 소홀히 한 것으로 보입니다.
애플은 CreateML 프레임워크를 iOS 기기에서 실행하고 대부분의 회사가 클라우드에서 ML 모델을 훈련하는 것에 비해 로컬로 접근한다. 개인의 프라이버시를 강조하면서요. 이러한 접근방식으로 많은 팬을 보유하고 있지만, 많은 업계 전문가들은 로컬 개발의 제약 때문에 CreateML보다는 구글의 텐서 플로우를 선택할 것으로 말하기도 합니다.
또한 애플은 5년 전부터 자율주행차 사업을 시작했습니다. 2014년 팀 쿡 최고경영자(CEO)는 전직 포드 기술자를 선임해 전기자동차의 개발 가능성을 타진했습니다. 이 프로젝트의 이름은 타이탄으로 타이탄 프로젝트팀이 애플 본사에서 몇 마일 떨어진 곳에 있었다고 보도되었습니다.
5. 넷플릭스
넷플릭스의 성공의 기반에는 인공지능이 있습니다. 넷플릭스가 인공지능을 활용한 분야를 알아보겠습니다.
영화 추천의 개인화: A를 시청하는 사용자는 B를 시청할 가능성이 높습니다. 이것은 아마도 넷플릭스의 가장 잘 알려진 특징일 것입니다. 넷플릭스는 취향이 비슷한 다른 사용자들의 시청 이력을 이용하여 여러분이 다음에 보는 것에 가장 관심이 있을 수 있는 것을 추천하여 여러분이 월별 구독을 계속하도록 합니다. 미리 보기 이미지 자동 생성 및 개인화: 기존 영화나 쇼의 수천 개의 비디오 프레임을 썸네일 생성의 출발점으로 사용하여 넷플릭스는 이러한 이미지에 주석을 붙인 다음 클릭을 일으킬 가능성이 가장 높은 썸네일을 식별하기 위해 각 이미지에 순위를 매깁니다. 이러한 계산은 당신과 비슷한 다른 사람들이 무엇을 클릭했는지에 기초합니다. 특정 배우/영화 장르를 좋아하는 사용자가 특정 배우/이미지 속성이 있는 미리 보기를 클릭할 가능성이 더 높다는 것이죠. 영화 제작 장소: 영화 촬영 장소와 시기를 결정하는 데에도 도움이 되는 데이터 사용합니다. 영화 편집: 음성이나 자막의 싱크가 안 맞는 등 과거에 품질 관리 점검이 실패했을 때의 기록 데이터 사용해 편집 품질을 개선합니다. 스트리밍 품질: 과거 데이터를 사용하여 대역폭 및 사용량을 예측하고 수요가 몰릴 경우를 예측해 더 빠른 로딩 시간을 위해 로컬 서버를 캐싱을 진행합니다.
반응형
아마존, AI로 ‘분노의 포장’ 혁신···세마리 토끼 잡았다
▲아마존 물류배송센터의 물품 포장 직원들. 사진=셔터스톡
소매 유통 거인 아마존의 제프 베이조스 최고경영자(CEO)는 수년 전만 해도 상품 포장 개선 방안을 직접 챙겨왔다. 그런 그가 많은 사람들에게 ‘분노의 포장(wrap rage)’으로 불리는 과대 포장을 이해하고 바꿀 필요성을 느끼게 된 계기는 우연히 찾아왔다. 아이들과 함께 집으로 배달된 꽁꽁 포장된 크리스마스 선물을 풀려고 낑낑대던 경험 때문이었다. 이어 그는 인공지능(AI)을 도입해 이러한 포장 문제 해결에 나섰다. AI는 자원 재활용을 통한 환경보호, 더많은 물품 배송, 여기에 더해 비용절감이라는 세 마리 토끼를 잡을 수 있게 해줬다.
트리플펀디트는 27일(현지시각) 아마존이 AI를 도입해 배송물품 포장에 혁신을 가져온 사례에 주목했다. 우리나라 소매 유통업계도 관심 가질 만한 대목이 있어 보인다.
베이조스는 크리스마스 사건 이후 아마존 포장 방식을 현재 아마존이 내세우고 있는 ‘불만없는 포장(frustration-free packaging)’으로 바꾸었다. 이는 열기 쉽고, 완전히 재활용되며, 복합 재료를 피하는 포장을 의미한다.
◆AI 활용하자 포장 요구량 33% 감소
아마존은 지난 5년 동안 AI를 활용함으로써 포장 요구량을 33%나 줄이는 데 도움을 받았다. 이는 91만5000톤 이상의 포장재를 절약한 것으로서, 16억 개의 배송 상자를 없앤 것과 같다.
AI시스템 구축은 배송물품마다 다른 포장 요구에 따른 기계학습 시스템 구축을 위한 포장 경험 팀과 아마존 웹 서비스(AWS) 사업부 간 파트너십을 통해 달성됐다. 이 팀은 클라우드 기반 머신러닝 앱인 세이지메이커(SageMaker)를 활용해 유통물류배송*(fulfillment)센터의 포장 선택을 자동으로 최적화했다.
이는 궁극적으로 모든 배송용 주문물품 포장 방법에 더 큰 유연성을 갖게 해 주었다.
◆AI가 조용히 지속가능한 포장에 앞장선다
아마존은 AI를 도입하면서 즉각적으로 보다 지속 가능한 상품 포장 결정을 내릴 수 있게 됐다.
▲아마존 물류배송창고 제품 분류 작업. 사진=아마존
사람이 아마존의 모든 주문상품에 걸맞은 포장재를 수동으로 분류토록 하는 것은 불가능한 일이다. 아마존의 고객 포장 담당 이사는 이에 대해 “목록에 있는 제품의 실제 크기와 변동성 때문이며, 이는 날이 갈수록 변화하고 있기 때문”이라고 말했다.
매튜 베일스 아마존 고객 패키징 팀 연구 과학 책임자는 “AI 알고리즘이 손쉽게 달성할 수 있는 것을 인간이 수행하려면 인간이 지구에 등장한 시간(약 200만 년)보다도 더 많은 시간이 걸릴 것”이라고 말했다.
아마존은 올해 7월에만 4억1500만개 이상의 상품을 배송한 것으로 추산된다. 이런 상황에서 AI는 왜 아마존의 ‘지속 가능한 포장’ 성능 향상을 위한 매력적 도구가 되고 있는지 말해 준다.
◆AI는 어떻게 아마존의 물류창고의 제품포장 혁신을 이뤘나
간단히 말해 AI는 아마존의 비즈니스 모델이 요구하는 엄청난 출하량과 복잡성을 처리할 수 있는 더 많은 포장 혁신을 가져 왔다.
아마존에 따르면 AI 알고리즘은 아마존의 포장을 여러 가지 방법으로 최적화한다. 예를 들어, 알고리즘은 특정 품목이나 배송품에 상자를 사용하는 대신 패딩이 들어간 배송봉투를 지정해 포장된 물품을 더 가볍게 만들 수 있다.
이는 모든 아마존 배송차량에 더 많은 포장물품이 들어갈 수 있다는 것을 의미한다. 궁극적으로 재활용될 포장재의 양을 줄일 수 있다. 결과적으로 이는 물품별 탄소 배출 총량을 줄이는 동시에 배송 비용까지 아낄 수 있어 일석삼조다.
AI 알고리즘은 또한 실제 고객 불만 데이터를 사용해 결정을 내린다. 이를 통해 아마존은 고객이 파악한 대로 통상적으로 과대 포장되는 품목을 식별할 수 있다.
알고리즘은 또한 카트 안에 함께 포장될 수 있는 물품을 제안할 수 있다. 예를 들면 딱딱한 물품 주변에 포장할 수 있는 부드러운 물품은 추가 배달·추가 상자 및 봉투를 제거하는 데 도움이 된다. 이 알고리즘은 아마존 프라임 가입자들을 위한 아마존 프라임 데이 판매에도 적용된다.
◆아마존의 지속가능한 포장은 기후 공약과도 부합
이 모든 것은 아마존의 기후 친화 약속(Climate Pledge Friendly) 프로그램과 부합한다.
이 공약은 10년 전 체결된 국제적 탄소배출 저감 약인 파리협약에 따르겠다는 회사 약속의 일환이기도 하다. 아마존은 오는 2040년까지 탄소를 전혀 발생시키지 않는 것을 목표로 삼고 있다. 아마존은 기후 친화적 라벨 표시 시스템을 도입함으로써 쇼핑객들을 좀 더 지속 가능한 구매로 이끌기를 희망한다고 말한다.
▲이른바 ‘불만 없는 패키징’은 100% 재활용이 가능한 소재로 제작돼 개봉이 쉽고 제품을 원래 포장에 담아 배송할 수 있도록 설계된 패키징으로, 추가 배송상자가 필요 없다. 이는 제품을 과대포장에서 해방시키고 폐기물을 감소시키는 데 기여했다. 사진=아마존
아마존은 현재 판매 파트너들이 탄소발자국이 낮은(탄소를 더 조금 배출하는) 제품에 투자해 포장을 덜 필요로 하는 더 작은 제품을 만들도록 장려하는 인센티브제를 시행하고 있다.
또한 아마존은 새로이 크레이들투크레이들제품혁신연구소(Cradle to Cradle Products Innovation Institute)와 손잡고 있다.
이 파트너십은 보다 지속 가능한 제품과 조달 관행을 장려하도록 돕기 위해 마련됐으며, 이는 자원 순환 경제 활성화에 도움이 될 수 있다.
◆아마존 자원 재활용 포장의 장애물도 있다
USA 투데이는 소식통을 인용, 미국인들이 마분지(골판지)의 60~70%를 재활용하지만 이 비율이 주로 온라인 주문의 급증으로 인해 감소하고 있다고 보도했다. 오프라인 소매 유통업자와 식료품상들은 손쉽게 중고 골판지 상자를 구겨 재활용업자들에게 팔았고 이는 재활용에서 큰 비중을 차지해 왔다.
하지만 아마존은 재활용이나 재사용을 위해 포장을 반납받는 물리적 매장이 부족하다.
반면 쓰레기 포장지 재활용에 앞장서고 있다고 밝힌 월마트는 최근 현장 재활용 시설을 확충하고 오프라인 매장에서 소비자 대상 재활용 교육 행사를 열고 있다.
아마존은 AI에서 성공적 발전 과정을 밟아나가고 있지만 재활용과 순환성 성능 향상에서는 여전히 큰 도전에 직면해 있다.
예를 들어 베이조스가 소유하고 있는 워싱턴 포스트는 배송효율 향상을 위해 아마존의 얇고 가벼운 배달용 플라스틱 봉투를 사용하고 있지만 이는 대부분의 쓰레기 재활용 과정에서는 분류가 불가능한 것으로 지적된다.
이 회사는 혁신을 계속하고 있으며 지속 가능한 패키징과 재활용 성능을 향상시키기 위해 제 역할을 할 것이라고 말하고 있지만 앞으로 헤쳐가야할 많은 일들이 닥칠 것이다.
키워드에 대한 정보 아마존 인공 지능
다음은 Bing에서 아마존 인공 지능 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 Amazon 인공 지능 기술 그 혁신의 비밀은? | 윤석찬 – AWS 수석 테크에반젤리스트
- Amazon
- AI
- Innovation
Amazon #인공 #지능 #기술 #그 #혁신의 #비밀은? #| #윤석찬 #- #AWS #수석 #테크에반젤리스트
YouTube에서 아마존 인공 지능 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 Amazon 인공 지능 기술 그 혁신의 비밀은? | 윤석찬 – AWS 수석 테크에반젤리스트 | 아마존 인공 지능, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.