새로운 시대의 인공지능(AI)은 지속적으로 발전하고 있으며 기존 방법의 한계를 발견하고 있는 연구자들에게 기술이 진화함에 따라 등장하고 있습니다. Google의 DeepMind AI 연구실 CEO인 Demis Hassabis는 AI 연구에서 “다음 단계”의 AI 능력을 구현하기 위해 기초적인 폭발적인 발전의 필요성을 강조했습니다. 깊은 학습(deep learning)과 생성 모델(generative model)과 같은 전통적인 방식은 유용한 결과물을 얻기 위해서 상당한 자원과 시간이 소요됩니다. 이러한 도전에 대처하기 위해 전 테슬라 엔지니어인 조지 모건(George Morgan)은 Symbolica AI라는 스타트업을 설립했습니다.
모건은 테슬라에서의 시간 동안 인공지능 연구에서 최우선적인 솔루션으로 자주 활용되는 컴퓨팅 파워 확장이 장기적으로 지속 가능한 방법이 아니라는 것을 깨달았습니다. Symbolica AI는 대신에 더 낮은 데이터 요구 사항, 감소된 학습 시간, 그리고 더 낮은 비용으로 더 큰 정확도를 달성할 수 있는 혁신적인 모델을 개발하는 것을 목표로 하고 있습니다. 이러한 모델은 대량의 데이터 집합만에 의존하는 대신, 데이터의 기본 구조를 인코딩하는 것에 주안점을 두는 구조화된 AI라는 이름으로 알려져 있습니다.
구조화된 모델의 기반인 Symbolic AI는 수십 년 동안 존재해오며, 지식을 기호와 규칙 세트를 통해 표현하는 이념에 뿌리를 둔다. 통계 근사와 예시 학습에 의존하는 신경망과 다르게, Symbolic AI는 특정 작업을 해결하기 위해 기호를 다루고 규칙을 사용하는 방식으로 구축되어 있습니다. 모건은 Symbolic AI가 신뢰성, 투명성, 그리고 설명 가능성을 비롯한 여러 이점을 제공한다고 주장하고 있습니다.
Symbolica AI는 코드 생성 및 수학적 정리 증명과 같은 작업을 위해 특별히 설계된 구조화된 AI 모델을 만드는 도구 모음을 개발했습니다. 회사의 16명의 팀은 이러한 작업을 위해 사전에 교육된 모델을 제공하기 위해 열심히 일하고 있습니다. 비즈니스 모델은 아직 정해지지 않았지만, Symbolica AI는 기술을 활용하여 맞춤형 모델을 구축하길 원하는 기업들을 위한 컨설팅 서비스와 지원을 제공할 계획입니다.
Symbolica AI는 최근 은폐 모드에서 나오면서, Khosla Ventures를 중심으로 한 3,300만 달러의 투자를 유치했습니다. Khosla Ventures의 창립자인 비노드 코슬라는 Symbolica AI가 AI 산업에서 중요한 도전 과제에 도전하고 높은 기술력을 보유한 팀을 취합했다고 믿고 있습니다.
그러나 Symbolic AI의 효과에 대해 의견은 분분합니다. 비판자들은 Symbolic AI 모델이 잘 정의되고 구조화된 데이터에 크게 의존하기 때문에 취약하며 맥락에 따라 변할 수 있다고 주장합니다. Symbolic AI 모델을 위한 필수 지식을 정의하는 것 역시 노동 집약적인 과정일 수 있습니다. 그러나, 몇몇은 심층 학습과 Symbolic 접근 방식의 장점을 결합하는 데 잠재성을 보고 있습니다.
모건은 Symbolic AI의 구조화된 AI 모델이 현재의 학습 방법에 대한 유망한 대안을 제공한다고 자신감을 가지고 있습니다. AI에 대한 수요가 계속해서 증가함에 따라, Symbolica AI는 미래를 위해 전략적으로 자리잡았다고 보고 있습니다. 자금이 보증되었으며 비교적 작고 비용 효율적인 모델로, Symbolica AI는 다양한 목적으로 AI를 활용하고자 하는 기업의 요구를 충족시키려 합니다.
FAQ:
구조화된 AI란 무엇인가요?
구조화된 AI는 기호와 규칙을 사용하여 데이터의 기본 구조를 인코딩하는 인공지능의 한 분야이며, 신경망이 통계 근사에 의존하는 것과는 달리 구조화된 AI는 기호 조작과 특정 작업을 위해 설정된 규칙 세트를 통해 작업을 해결합니다.
Symbolica AI는 전통적인 AI 접근법과 어떻게 다른가요?
Symbolica AI는 더 낮은 데이터 요구 조건, 감소된 학습 시간, 그리고 더 낮은 비용으로 더 높은 정확도를 달성하는 혁신적인 모델을 개발하는 것을 목표로 합니다. 전통적인 AI 접근법은 주로 컴퓨팅 파워를 확대하는 데 초점을 맞추지만 Symbolica AI는 데이터의 구조를 인코딩하는 것이 더 지속 가능하고 효율적인 해결책을 제공한다고 믿습니다.
Symbolica AI의 구조화된 추론 능력의 잠재적인 응용 분야는 무엇인가요?
Symbolica AI의 구조적 추론 능력은 코드 생성을 비롯한 상업적으로 엄청난 영향을 미칠 수 있습니다. Symbolica AI는 대규모 코드베이스를 분석하고 유용한 코드를 생성함으로써, 기존 제품들이 이 분야에서 단점을 보일 수 있는 부분에서 대안을 제공합니다.
Symbolica AI의 투자자들은 누구인가요?
Symbolica AI는 Khosla Ventures를 중심으로 한 3,300만 달러의 투자를 유치했으며, 이에 참여한 투자자로는 Abstract Ventures, Buckley Ventures, Day One Ventures, General Catalyst 등이 포함되어 있습니다.
원문 출처: TechCrunch
업계, 시장 예측, 그리고 AI 산업 또는 제품과 관련된 문제에 대한 추가 정보:
최근 몇 년간 인공지능(AI) 산업은 다양한 분야에서의 응용 프로그램을 통해 상당한 성장을 경험했습니다. Grand View Research의 보고서에 따르면, 2020년 전 세계 AI 시장 규모는 623.5억 달러로 평가되었으며, 2021년부터 2028년까지 42.2%의 연평균 성장률로 성장할 것으로 예상됩니다. 이러한 성장은 의료, 금융, 자동차 등 다양한 산업에서 AI 기술의 채택이 증가하고, 머신 러닝 알고리즘과 자연어 처리 기술의 발전을 통해 이루어졌습니다.
그러나 AI 연구에서 얻은 진전들에도 불구하고 해결해야할 과제와 한계가 여전히 존재합니다. 핵심 문제 중 하나는 심층 학습 모델을 교육하기 위해 대규모 데이터 세트에 대한 강력한 의존성입니다. 방대한 양의 데이터가 필요하기 때문에 데이터 수집이 복잡하거나 한정된 도메인에서는 이것이 장벽이 될 수 있습니다. Symbolica AI가 낮은 데이터 요구 조건을 요구하는 구조화된 AI 모델을 개발함으로써 이러한 도전을 극복하고 보다 넓은 응용 분야에 AI를 활용할 수 있을 것으로 기대됩니다.
AI 산업에서 또 다른 과제는 AI 시스템의 투명성과 설명 가능성의 부족입니다. 심층학습 모델은 종종 “블랙 박스”처럼 작동하여 특정 결정이나 예측을 내리는 방식을 이해하기 어렵게 만듭니다. 규칙 세트와 기호 조작을 강조하는 Symbolic AI는 신뢰성, 투명성, 그리고 설명 가능성 측면에서 잠재적인 이점을 제공합니다. 이는 특히 의료 또는 금융과 같이 신뢰와 해석가능성이 중요한 분야에서 중요할 수 있습니다.
심층 학습과 Symbolic AI 접근법의 결합은 두 가지 방법의 한계를 극복하는 데 유망한 가능성을 가지고 있습니다. 심층 학습은 패턴 인식과 구조화되지 않은 데이터 처리에 뛰어나지만, Symbolic AI는 더 논리적이고 추리적인 추론 접근 방식을 제공합니다. 이 두 접근 방식을 통합함으로써, AI 연구자와 개발자는 더 견고하고 유연한 AI 모델을 개발하여 보다 다양한 작업과 데이터 유형을 처리할 수 있을 것으로 기대됩니다.
전반적으로, AI 산업은 Symbolica AI와 같은 연구진과 스타트업이 가능한 범위 내에서의 경계를 넓히며 계속해서 진화하고 있습니다. 기술이 발전하고 새로운 폭발적인 발전이 이루어짐에 따라, AI가 산업을 변화시키고 현저한 변화를 제공할 가능성이 여전히 잠재적으로 높아져 있습니다.
The source of the article is from the blog lisboatv.pt