Artificial intelligence(Translation)

[푸르나]

요즘 인공 지능에 대한 관심이 높아지고, 앞으로 20~30년 후에는 인공 지능과 함께 살아가는 시대가 될 것이라 하죠. 그에 따른 좋은 점과 나쁜 점이 공존할 것이고, 이 기사에서는 인공 지능 시대로 진입함에 있어서 무엇보다도 소수가 지식을 독점하지 않는 오픈 소싱과 토론을 강조하고 있네요. 인공 지능 로봇을 일상적으로 경험할 수 있을 만큼 건강한 모습으로 오래 살고 시푸요...

Artificial intelligence

인공 지능

Million-dollar babies

백만 달러 아기

As Silicon Valley fights for talent, universities struggle to hold on to their stars

실리콘 밸리가 인재를 얻기 위해 강력히 경쟁하는 것처럼, 대학이 자신의 인재들을 붙잡기 위해 고투한다.

Apr 2nd 2016 | SAN FRANCISCO | From the print edition, Economist

THAT a computer program can repeatedly beat the world champion at Go, a complex board game, is a coup for the fast-moving field of artificial intelligence (AI). Another high-stakes game, however, is taking place behind the scenes, as firms compete to hire the smartest AI experts. Technology giants, including Google, Facebook, Microsoft and Baidu, are racing to expand their AI activities. Last year they spent some $8.5 billion on deals, says Quid, a data firm. That was four times more than in 2010.

컴퓨터 프로그램이 복잡한 보드 게임인 Go에서 반복적으로 세계 챔피언을 이길 수 있다는 것은 변화가 빠른 인공지능 분야의 혁명이다. 그러나 또 다른 큰 이권 게임은, 기업들이 가장 똑똑한 인공지능 전문가 고용 경쟁을 하면서, 무대 뒤에서 일어나고 있다. 구글, 페이스 북, 마이크로 소프트와 바이두를 포함한 기술 거대 기업들이 자신들의 인공지능 활동 확장을 위해 경주하고 있다. 작년에 그들은 약 85억 달러를 거래하는 것에 지출했다고, 데이터 회사인 퀴드가 말한다. 이는 2010년보다 4배 이상이었다.

In the past universities employed the world’s best AI experts. Now tech firms are plundering departments of robotics and machine learning (where computers learn from data themselves) for the highest-flying faculty and students, luring them with big salaries similar to those fetched by professional athletes.

과거에는 대학에서 세계 최고의 인공 지능 전문가를 고용했다. 이제는 기술 기업들이 최고 교수진과 학생들을 위한 학습로봇과 기계부서(컴퓨터가 데이터 자체에서 배우는 곳)를 전문 운동선수들에게 주는 것과 비슷한 큰 급여로 유혹하면서, 약탈하고 있다.

Last year Uber, a taxi-hailing firm, recruited 40 of the 140 staff of the National Robotics Engineering Centre at Carnegie Mellon University, and set up a unit to work on self-driving cars. That drew headlines because Uber had earlier promised to fund research at the centre before deciding instead to peel off its staff. Other firms seek talent more quietly but just as doggedly. The migration to the private sector startles many academics. “I cannot even hold onto my grad students,” says Pedro Domingos, a professor at the University of Washington who specialises in machine learning and has himself had job offers from tech firms. “Companies are trying to hire them away before they graduate.”

지난해 콜택시 회사인 위버는 카네기 멜론 대학의 국립 로봇 공학 센터의 140명 직원 중 40을 모집하고, 무인 차량 작업부를 마련했다. 이런 행위는 위버가 국립 로봇 공학 센터에서 직원 빼가기를 결정하기 전에 연구 자금을 지원하기로 약속했기 때문에 (언론의 표제를 장식 할 만큼) 관심을 끌었다. 다른 기업들은 더 조용하게, 그러나 끈질기게 인재를 찾고 있다. 민간 부문으로의 이런 이동은 많은 학계를 깜짝 놀라게 한다. “나는 내 대학원 학생들도 보유 할 수 없다. 기업들이 졸업도 하기 전에 학생들을 고용하기 위해 노력하고 있다."라고 위싱턴 대학 교수이면서 기계 학습 전문가이고 자신이 기술 회사로부터 일자리 제공을 받았던 페드로 도밍고는 말한다.

Experts in machine learning are most in demand. Big tech firms use it in many activities, from basic tasks such as spam-filtering and better targeting of online advertisements, to futuristic endeavours such as self-driving cars or scanning images to identify disease. As tech giants work on features such as virtual personal-assistant technology, to help users organise their lives, or tools to make it easier to search through photographs, they rely on advances in machine learning.

기계 학습 전문가들은 제일 인기있는 직종이다. 큰 기술 기업들은 스팸을 걸러내고 온라인 광고를 더 효율적으로 하는 기본적인 작업에서부터 자율 운전 차량이나 질병 식별을 하는 영상스캔 같은 미래 지향적 노력을 위한 (많은) 분야에서 기계 학습 전문가를 사용하고 있다. 기술 거대기업들은 사용자가 자신의 삶을 구성할 수 있도록 가상 개인-보조 기술과 같은 기능이나, 사진 검색을 쉽게 하는 도구 작동을 기계 학습 발전에 의존하고 있다.

Tech firms’ investment in this area helps to explain how a once-arcane academic gathering, the Conference on Neural Information Processing Systems, held each December in Canada, has become the Davos of AI. Participants go to learn, be seen and get courted by bosses looking for talent. Attendance has tripled since 2010, reaching 3,800 last year.

이 분야의 기술 기업 투자는 캐나다에서 12월마다 열리는 신경 정보 처리 시스템 회의인 비밀 학술 모임 방법을 설명하는 데 도움이 되며, 인공 지능의 다보스(스위스의 휴양지 Davos에서 매년 열리는 World Economic Forum의 속칭)가 되었다. 참가자들은 배우기 위해 가고, 인재를 찾는 거물들의 영입 대상이 된다. 출석률은 작년에 3천8백명에 이르면서, 2010년 이래 3배가 되었다.

No reliable statistics exist to show how many academics are joining tech companies. But indications exist. In the field of “deep learning”, where computers draw insights from large data sets using methods similar to a human brain’s neural networks, the share of papers written by authors with some corporate affiliation is up sharply (see chart).

얼마나 많은 학자들이 기술 회사로 합류하는지를 보여주는 신뢰성 있는 통계는 없지만, 지표가 있다. 컴퓨터가 인간 뇌신경 네트워크와 유사한 방법을 사용하여 대용량 데이터 세트에서 통찰력을 끌어내는 "깊은 학습" 분야에서, 일부 기업의 제휴로 쓴 논문 공유율이 급격히 증가하고 있다.

***large data sets; 컴퓨터상의 데이터 처리에서 한 개의 단위로 취급하는 데이터의 집합

Tech firms have not always lavished such attention and resources on AI experts. The field was largely ignored and underfunded during the “AI winter” of the 1980s and 1990s, when fashionable approaches to AI failed to match their early promise. The present machine-learning boom began in earnest when Google started doing deals focused on AI. In 2014, for example, it bought DeepMind, the startup behind the computer’s victory in Go, from researchers in London. The price was rumoured to be around $600m. Around then Facebook, which also reportedly hoped to buy DeepMind, started a lab focused on artificial intelligence and hired an academic from New York University, Yann LeCun, to run it.

기술 기업들이 항상 그런 관심과 자원을 인공 지능 전문가들에게 쏟은 것은 아니다. 이 분야는 대체로 무시되었고 1980년대와 1990년대의 “인공 지능 겨울”에는 재정이 열악한 형편이었다. 이때는 기업이 인공 지능으로 세련되게 접근하는 방식이 자신의 초기 약속과 일치하지 못했다. 지금의 기계-학습 붐은 구글이 인공 지능에 초점을 맞춘 거래를 하기 시작했을 때 본격적으로 시작되었다. 예를 들어 구글은 2014년에 런던 연구원들로부터 컴퓨터의 승리 스타트업인 딥마인드를 샀다. 가격은 약 6백만 달러로 소문이 났다. 당시 딥마인드를 사고 싶어 했던 페이스북도 인공 지능에 초점을 맞추고 뉴욕 대학의 얀 레쿤 교수를 고용하여 이것을 실행하기 위한 연구실을 열었다.

The firms offer academics the chance to see their ideas reach markets quickly, which many like. Private-sector jobs can also free academics from the uncertainty of securing research grants. Andrew Ng, who leads AI research for the Chinese internet giant Baidu and used to teach full-time at Stanford, says tech firms offer two especially appealing things: lots of computing power and large data sets. Both are essential for modern machine learning.

기업은 학자들에게 자신의 아이디어를 신속하게 시장에 접근할 수 있는 기회를 제공한다. 많은 분야가 그런 것처럼. 민간 부문 일자리는 학자들을 연구비 확보의 불확실성에서 자유롭게 할 수도 있다. 중국 인터넷 대기업인 바이두의 인공 지능 연구를 선도하며 스탠포드 대학에서 풀타임을 가르치는 앤드류 응은 기술 기업이 특히 매력적인 두 가지(많은 컴퓨팅 파워와 대규모 자료 세트)를 제공한다고 말한다. 둘 다 현대적인 기계 학습에 필수적이다.

All that is to the good, but the hiring spree could also impose costs. One is that universities, unable to offer competitive salaries, will be damaged if too many bright minds are either lured away permanently or distracted from the lecture hall by commitments to tech firms. Whole countries could suffer, too. Most big tech firms have their headquarters in America; places like Canada, whose universities have been at the forefront of AI development, could see little benefit if their brightest staff disappear to firms over the border, says Ajay Agrawal, a professor at the University of Toronto.

모든 게 좋지만, 법석대는 고용행위가 비용을 부과할 수도 있다. 하나는 너무 많은 인재들이 영구적으로 유인되거나 기업들을 가르치는 계약 때문에 (대학)강당에 집중할 수 없는 경우, 경쟁력 있는 급여를 제공할 수 없는 대학들이 타격을 입을 것이다. 국가 전체적으로도 더 나빠질 것이다. 가장 큰 기술 기업은 미국에 자신의 본사를 가지고 있다; 인공 지능 개발 최전선에 있는 대학들이 있는 캐나다 같은 곳은 인재들이 국경을 넘어 있는 기업으로 사라질 경우 이익을 거의 볼 수 없다고, 아제 아그라 왈, 토론토 대학 교수는 말한다.

Another risk is if expertise in AI is concentrated disproportionately in a few firms. Tech companies make public some of their research through open sourcing. They also promise employees that they can write papers. In practice, however, many profitable findings are not shared. Some worry that Google, the leading firm in the field, could establish something close to an intellectual monopoly. Anthony Goldbloom of Kaggle, which runs data-science competitions that have resulted in promising academics being hired by firms, compares Google’s pre-eminence in AI to the concentration of talented scientists who laboured on the Manhattan Project, which produced America’s atom bomb.

또 다른 위험은 인공 지능에 대한 전문 지식이 몇 기업에 과도하게 집중되는 경우이다. 기술 기업들은 공개출처를 통해 자신의 연구 일부를 공개한다. 그들은 또한 직원들에게 논문을 쓸 수 있음을 약속한다. 그러나, 실제로 많은 유리한 결과는 공유되지 않는다. 일부는 이 분야에서 선도적인 기업인 구글이 지적 독점에 가까운 무언가를 설정할 수 있다고 우려한다. 기업이 고용한 유망한 학자들의 데이터 과학 대회를 운영하는 캐글 창업자 앤서니 골드블룸은, 인공 지능에서 탁월한 구글을 미국의 원자 폭탄을 제조한 맨하튼 프로젝트 과학자들 집중과 비교한다.

***캐글(Kaggle)은 전 세계 데이터 과학자들이 특정 문제의 해결법을 놓고 경쟁을 벌이는 온라인 플랫폼이다

Ready for the harvest?

수확을 위한 준비인가?

The threat of any single firm having too much influence over the future of AI prompted several technology bosses, including Elon Musk of Tesla, to pledge in December to spend over $1 billion on a not-for-profit initiative, OpenAI, which will make its research public. It is supposed to combine the research focus of a university with a company’s real-world aspirations. It hopes to attract researchers to produce original findings and papers.

인공 지능 미래에 너무 많은 영향력을 미치는 어떤 한 기업의 위협이 텔사의 엘론 머스크를 포함한 기술 거목들로 하여금 12월에 연구를 공개할 비영리사업인, 열린 인공 지능,에 10억 달러 지원을 약속하도록 촉구했다. 열린 인공 지능은 회사의 실제 포부와 대학의 연구 초점을 결합할 예정이며, 원래의 연구 결과와 논문을 생산하는 연구자들을 유치하고 싶어 한다.

Whether tech firms, rather than universities, are best placed to deliver general progress in AI is up for debate. Andrew Moore, the dean of Carnegie Mellon University’s computer-science department, worries about the potential for a “seed corn” problem: that universities could one day lack sufficient staff to produce future crops of researchers. As bad, with fewer people doing pure academic research, sharing ideas openly or working on projects with decades-long time horizons, future breakthroughs could also be stunted.

기술 기업이든 아니든, 오히려 대학이든, 인공 지능의 일반적인 진행 과정을 가장 잘 전달하는 것은 토론에 달려 있다. 카네기 멜론 대학의 컴퓨터 과학 학부의 학장인 앤드류 무어는, "종자 옥수수"문제 가능성을 우려한다: 대학이 어느 날 연구원들의 미래 작물을 생산할 수 있는 충분한 직원이 부족할 수 있었다는 것. 나쁜 것으로, 적은 수의 사람들이 순수한 학문적 연구를 수행하고, 수십 년 긴 시간동안 함께 프로젝트를 진행하고 아이디어를 공개적으로 공유하면서, 미래 혁신이 성장을 방해 받을 수도 있다.

But such risks will not necessarily materialise. The extra money on offer in AI has excited new students to enter the field. And tech firms could help to do even more to develop and replace talent, for example by endowing more professorships and offering more grants to researchers. Tech firms have the cash to do so, and the motivation. In Silicon Valley it is talent, not money, that is the scarcest resource.

하지만 이런 위험이 반드시 실현되는 것은 아닐 것이다. 이 분야로 들어오는 신입생들은 인공 지능에 제공되는 추가적인 자금에 흥분했다. 그리고 기술 기업들이 예를 들어 더 많은 교수직을 부여하고 연구원들에게 더 많은 보조금을 제공하는 것으로, 재능을 대체하고 개발도 더 할 수 있도록 도움을 줄 수 있다, 기술 기업들은 그렇게 할 수 있는 현금과 동기를 가지고 있다. 실리콘 밸리에서 가장 부족한 자원은 돈이 아니라, 바로 재능이다.

(Correction: This article has been amended to make clear that the $8.5 billion spent by technology companies was on deals and did not include money spent on research and hiring.

수정: 이 기사는 기술 회사가 거래를 위해서 85억 달러를 지출했고 연구 및 채용에 소요되는 비용을 포함하지 않았음을 명확히 하기 위해 수정되었다.)

[신재길]

experts---- demand
제일 인기있는 직종이 기계 학습 전문가이다

[신재길]

participants---
거물들의 (구애를 받는다)영입 대상이 된다