인공지능이 잘 해결하는 6가지 문제

85% 이상의 데이터 과학 프로젝트가 테스트를 넘어 프로덕션 단계로 넘어가지 못합니다. 모두가 머신 러닝/인공지능 프로젝트를 시작하고 있다면 어디에서 문제가 발생하고 있을까요? 

 

 

이 포스팅을 통해 인공지능이 잘 해결하는 문제 유형에 집중하는 데 도움이 될 것입니다. AI를 사용하여 자동화를 향상시킴으로써 실제로 이점을 얻으려면 올바른 데이터를 확보하고, 충분한 데이터를 보유하고, 데이터 포인트로 정의할 수 있는 방법론을 갖추고, 팀 워크플로우의 일부에 솔루션을 적용하거나 제작하는 방법을 창의적으로 이해해야 합니다.

AI를 통한 문제 해결의 예

1) 분류(결정)

  • 이진 결정: 매수 또는 매도, 예 또는 아니오, 시작 또는 중지 
  • 분류: 승인, 거부 또는 추가 검토를 위해 플래그 지정; 라벨링 데이터 
  • 감정: 부정, 중립, 긍정 및 극성 점수까지 표시합니다.

2) 추출(자동화된 데이터 입력)

  • 소스 문서, 웹사이트, PDF 또는 양식 구문 분석
  • 해당 정보를 추출하여 데이터베이스에 깔끔하게 자동으로 입력하세요. 
  • 회사의 내부 및 고객 대시보드에서 데이터를 보거나 액세스하세요.

3) 요약

더 큰 텍스트에서 가장 관련성이 높은 문장을 추출하는 것이 목표입니다. 추출 모델은 요약에 포함할 전체 문장을 선택하고, 추상 모델은 컴퓨터가 생성한 단어 및 다른 문장의 일부와 결합되는 문장의 일부를 선택합니다.

4) 추천

일련의 문서(또는 기사, 콘텐츠, 특허, 고객 프로필 등)가 주어지면 검색 중인 데이터베이스 내에서 유사한 콘텐츠를 식별합니다.

5) 추정

스프레드시트에 10만 개가 넘는 행과 많은 변수가 있어 Excel을 열면 컴퓨터가 다운될 정도로 데이터가 많은 경우가 아니라면 더 나은 추정 모델을 구축하기 위해 인공지능이 필요하지 않을 수 있습니다. 머신러닝은 모든 변수의 중요도가 확실하지 않은 경우 수백 개의 차원에 대해 최적화할 수 있습니다.

 

 

평생의 인구 데이터를 사용하여 개인의 건강에 영향을 미치는 모든 요인을 모델링하는 것과 우편번호, 침실 수, 크기를 기준으로 주택 가격을 모델링하는 것을 생각해 보세요.

6) 이상 징후 탐지

사이버 보안을 생각해보세요. IT 부서는 모든 회사 직원의 정상적인 활동을 파악하고 있으며, 회사에 실제 위험이 발생했을 때 경고를 받아야 합니다. 예: 해커가 네트워크에 침입하여 회사의 IP를 도용하고 있습니다. 

 

실제 공격의 형태를 미리 예측하는 것은 불가능할 수 있지만, 이상 징후 탐지 모델을 배포하여 로그인 또는 해외에 위치한 서버로 향하는 아웃바운드 트래픽이 10,000% 급증하는 것과 같은 행동의 편차를 찾아낼 수 있습니다.

ko_KR한국어