Exam Prep Plan Overview: AWS Certified AI Practitioner

인공지능, 머신러닝, 딥러닝, 생성형 AI의 상관관계는 위와 같다.

 

인공지능(AI)은 전통적으로 인간의 지능을 필요로 하는 작업을 수행할 수 있는 지능형 기계를 만들거나 적어도 모방하는 것을 목표로 하는 광범위한 분야다. 이러한 작업에는 자연어 이해와 시각적 인식부터 의사 결정 및 문제 해결까지 모든 것이 포함될 수 있다. 많은 AI 시스템의 공통점 중 하나는 확률적 결과를 추구한다는 것에 있다. 즉, 본질적으로 높은 수준의 확실성을 가지고 예측이나 결정을 생성하며, 종종 인간 판단의 복잡성을 반영하기도 한다. 이러한 시스템은 지식 작업을 자동화하거나 강화하는 데 사용될 수 있다.

 

오늘날 AI의 상당 부분은 머신러닝(ML)을 기반으로 구축된다. 머신러닝은 컴퓨터가 데이터를 통해 학습하고 데이터를 기반으로 의사 결정을 내릴 수 있도록 하는 기술을 개발하는 데 중점을 둔 AI의 한 분야다. 머신러닝 모델은 명시적인 프로그래밍에 의존하는 대신, 사례를 일반화하여 다양한 응용 분야에 매우 유연하게 활용할 수 있다. 머신러닝의 다양한 기술 중 하나인 딥러닝은 다층 신경망을 사용하여 데이터의 복잡한 요소를 분석하는 특수한 하위 집합이다. 딥러닝은 특히 이미지나 텍스트와 같은 비정형 데이터를 처리하는 데 능숙하며, 이미지 및 음성 인식과 같은 수많은 복잡한 작업에서 획기적인 발전을 가져왔다.

 

딥 러닝 분야에서 새롭게 떠오르는 기능 중 하나는 생성적 AI(Generative AI)로, AI가 새롭고 독창적인 콘텐츠를 생성하거나 제작할 수 있도록 한다. 이 혁신적인 하위 분야는 인간의 사고 및 추론 능력을 모방하는 결과물을 생성할 수 있는 능력으로 점점 더 그 이름을 각인시키고 있다. 컴퓨팅 성능, 데이터 가용성, 그리고 알고리즘 혁신의 발전은 생성적 AI를 가능하게 했으며, 엔터테인먼트, 예술, 과학 연구에 이르기까지 광범위한 응용 분야의 길을 열고 있다.

 

이러한 하위 분야와 기술은 인공지능의 다층적이고 상호 연관된 환경을 형성하며, 각각은 점점 더 광범위한 작업을 자율적으로 수행할 수 있는 시스템 개발에 기여한다. AI의 응용 분야와 역량은 계속해서 빠르게 확장될 것으로 예상되며, 이는 AI를 우리 일상생활의 필수적인 부분이자 복잡한 문제를 해결하는 중요한 도구로 만든다는 것을 확정한다.

 

그렇다면 기업은 AI를 어떻게 활용하고 있는가? 

 

① 챗봇 및 가상 비서

AI 기반 챗봇과 가상 비서는 사람과 유사한 맥락 인식 대화를 제공함으로써 고객과의 상호 작용을 혁신한다. 그리고 자연어 쿼리에 지능적이고 일관된 응답을 제공함으로써 고객 지원, 가상 비서 역할 및 콘텐츠 생성 분야에서 탁월한 성과를 거두고 있다. 이러한 AI 모델은 시간이 지남에 따라 지속적으로 학습하고 개선되므로, 고객 만족도와 운영 효율성을 높이는 개인화된 경험을 보장한다. 물론 여기서 개인식별정보는.. 문제가 되고 있지만 말이다.

 

세계 최대 온라인 브로커 중 하나인 Deriv의 경우, 고객 지원, 마케팅 및 채용 플랫폼 전반에 걸친 데이터 관리를 위해, AI 기반 비서를 도입했다. Deriv는 AI를 활용하여 신입 직원의 온보딩 시간을 45% 줄이고, 채용 작업 시간을 50% 단축하였다.

 

② 지능형 문서 처리

AI는 이메일, PDF, 이미지 등의 비정형 형식에서 의미 있는 데이터를 간편하게 추출하여, 실행 가능한 인사이트로 변환한다. 지능형 문서 처리(IDP)는 자연어 처리(NLP), 딥 러닝, 컴퓨터 비전 등의 고급 기술을 사용하여, 문서 중심의 워크플로를 간소화한다.

 

잉글랜드와 웨일스 지역 부동산 소유권 증서의 87% 이상을 관리하는 HM Land Registry는 AI를 도입하여 법률 문서 비교를 자동화했다. HMLR은 AI를 활용해 문서 검토 시간을 50% 단축하고 부동산 양도 승인 절차를 가속화했다.

 

③ 애플리케이션 성능 모니터링

AI 기반 애플리케이션 성능 모니터링은 문제가 사용자에게 영향을 미치기 전에 예측하고 방지함으로써 기업이 최상의 성능을 유지하도록 지원한다. 이러한 도구는 과거 데이터를 분석하여 사전 예방적 솔루션을 추천함으로써 지속적인 가동 시간과 운영 효율성을 보장한다.

 

Atlassian은 AI 기반 APM 도구에 의존하여, 애플리케이션 문제를 지속적으로 모니터링하고 우선순위를 지정했다. Atlassian 팀들은 기계 학습 추천 시스템을 활용함으로써 성능 문제를 더 빠르게 해결하고 애플리케이션 신뢰성을 향상시킬 수 있었다고 한다.

 

그리고 당연하게도 명이 있으면 암이 있는 법이고, AI도 당면한 과제는 많다. AI가 점점 더 혁신적으로 변모함에 따라, 조직은 시민의 자유나 인권을 침해하지 않으면서 혁신을 주도하는 시스템을 구축해야 하는 과제를 안고 있는 것이다. 그런 과제들은 다음과 같다.

 

① AI 거버넌스

데이터 거버넌스 정책은 규제 제한 사항 및 개인 정보 보호법을 준수해야 한다. AI를 구현하려면 데이터 품질, 개인 정보 보호 및 보안을 관리해야 한다. 고객 데이터 및 개인 정보의 보호에 대한 책임은 해당 조직에 있다. 데이터 보안을 관리하려면, 조직은 각 계층에서 AI 모델이 고객 데이터를 어떻게 사용하고 상호 작용하는지 이해해야 한다.

 

② 높은 기술적 난이도

기계 학습으로 AI를 훈련시키려면 막대한 리소스가 소모된다. 딥 러닝 기술이 작동하기 위해서는 높은 수준의 처리 능력이 필수적인 것이다. AI 애플리케이션을 실행하고 모델을 훈련시키려면 강력한 컴퓨팅 인프라도 있어야 한다. 처리 능력은 자연스레 고비용을 요구하며, 이는 AI 시스템의 확장성을 제한할 수 있다.

 

③ 데이터 제한

편향되지 않은 AI 시스템을 훈련시키려면 방대한 양의 데이터를 입력해야 한다. 또한, 훈련 데이터를 다루고 처리할 수 있는 충분한 스토리지 용량이 있어야 한다. 마찬가지로, 훈련에 사용하는 데이터의 정확성을 보장하기 위해 효과적인 관리 및 데이터 품질 프로세스를 마련해야 하는 과제가 있다.

 

한편, AWS 기반 AI에는 즉시 사용 가능한 지능형 기능을 위한 사전 훈련된 AI 서비스 및 성능 극대화와 비용 절감을 위한 AI 인프라가 포함된다.

 

① 사전 훈련된 AI 서비스

- Amazon Rekogniton은 이미지 인식 및 영상 분석을 자동화하고 간소화하며 확장한다.
- Amazon Textract는 인쇄된 텍스트를 추출하고, 필기체를 분석하며, 모든 문서에서 데이터를 자동으로 캡처한다.
- Amazon Transcribe는 음성을 텍스트로 변환하고, 동영상 파일에서 중요한 비즈니스 인사이트를 추출하며, 비즈니스 성과를 향상시킨다.

 

② AI 인프라

- Amazon Bedrock은 선택 가능한 다양한 고성능 FM과 광범위한 기능을 제공한다. 다양한 최상위 FM을 실험해 보고, 자신의 데이터로 해당 FM을 맞춤화할 수 있다.
- Amazon SageMaker는 내부적으로 사용할 수 있도록 FM을 처음부터 새로 사전 훈련시키는 도구를 제공한다.
- AWS Trainium 칩으로 구동되는 Amazon Elastic Compute Cloud (EC2) Trn1 인스턴스는 생성형 AI 모델의 고성능 딥 러닝(DL) 훈련을 위한 목적으로 특별히 구축되었다.