[머신, 플랫폼, 크라우드] 1장~3장

[폴리]

1장 삼중혁명

<머신>

바둑: 경우의 수가 너무 많아 승리할 만한 일관된 규칙을 코드화하기 힘듬

휴리스틱- 경험에 의존하여 어림짐작으로 판단하는 것.

이세돌같은 대가는 이 경험법칙을 넘어서서 말로 설명할 수 없는 어떤 능력과 감각에 의하여 바둑을 두게된다.

마이클 폴라니-‘우리는 말할 수 있는 것보다 더 많이 안다’

폴라니의 역설-바둑을 두는 컴퓨터를 개발하려는 모든 사람들이 직면하는 중대한 장애.

설명할 수 없는 것은 코드를 짤 수 없기 때문

2016년 1월 머신러닝 전문기업 구글 딥마인드의 연구진이 쓴<심층신경망>:

스스로 학습할 수 있는 시스템. .일종의 자율학습. 2016년 3월 이세돌과 알파고 대국전

<플랫폼>

2015년 3. 톰 굿인이 플랫폼 기업의 패턴을 지적

알리바바. 에어비앤비. 우버. 페이스북:

전통적인 기업자산을 소유하지 않으면서 엄청난 매출을 올리고 있는 신생기업들.

<크라우드>

GE의 오팔실험.

↳1896년 다우존스산업평균지수가 도입된 이래 아직까지 살아남은 유일한 기업.

-21세기에 크로톤빌과 GE 전체에서 마케팅능력을 심화시키기위한 중대한 계획 진행. 모든 사업분야에서 고객의 필요를 이해한 다음 충족시키자..전통적인 마케팅에 대한 개념혁신 시도.

- 2014년 GE와 루이빌대학→퍼스티빌리지출범

공동사업단.제품을 출시하는 방법을 바꾸는 공동창작커뮤니티. 온라인상에도 존재하고 시제품을 만드는데 필요한 도구와 재료를 갖춘 마이크로 공장도 지닌 조직

-2015년 너깃제빙기 온라인 대회.멕시코의 라모스가 만든 스톤콜드 우승

GE는 제빙기의 이름을 오팔로 짓고 온라인 크라우드펀딩 커뮤니티 인디고고를 통해 제빙기 선구매 자금 모집(투자금이 아닌 참여한다는 의미의 자금)-15만달러(1달러당 1000원으로 단순계산했을 때 (1억 5천만원) 목표에 270만 달러(27억) 모임.인당 499달러(50만원)으로 제한

●모든 기업에는 기계. 플랫폼, 군중에 대응하는 것이 있다.

인간의 마음, 생산물(상품과 서비스). 조직의 핵심역량, 이런 것들은 시대에 뒤떨어진 것이 아니라 인간의 능력, 훌륭한 상품과 서비스, 강한 조직역량은 기업성공의 필수적인 요소이다.

그러나 최근의 기술변화로 기업이 마음과 기술 사이, 생산물과 플랫폼사이, 핵심역량과 군중사이에 균형을 이루는 것에 대하여 다시 생각해볼 필요가 있다는 것에 방점.

※제 2의 기계시대.

1단계: 디지털 기술이 대량의 일상적인 일을 떠맡음으로써 경제계에 충격을 미친 시기

1990년대 중반쯤이라고 봄

2단계: 2010년 대. 프로그램으로 짜거나 루틴으로 만들 수 없을 거라고 생각했던 것을 기술이 할 수 있다는 것을 보여주기 시작한 시기..바둑을 이기고, 질병을 정확히 진단하고. 사람과 상호작용하고. 물건을 설계하는 등 창의적인 일에 종사.

기계스스로 문제를 푸는 법을 배우고 있음→현재 기계가 다루고 있는 응용과 업무범위 확장

,.수억명이 컴퓨터(스마트폰)과 함께 생활하고 서로 연결되어 있어 서로 상호작용을 함

정형적이지 않은 비루틴형태의 일을 해낼 수 있는 컴퓨터와 인류의 디지털 연결은 둘 다 몇 년 사이에 일어난 현상→뿌리깊은 관행들이 뒤집히고 있음

※100년 전에 증기동력에서 전기동력으로 바뀌어가는 과정에서 수많은 기업들이 사라져감.

전기전환의 잠재력을 충분히 깨닫는데 많은 시간이 걸린 이유는 개념적인 변화가 이루어져야 했기 때문.

2장 우리가 받아들이기 가장 어려운 것

※무어(인텔 및 페어차일드 반도체의 창립자 고든 무어)의 법칙-마이크로칩의 성능이 매 2년마다 두 배로 증가한다는 경험적 예측

※전사적 시스템(다양한 정보시스템 연결. 상호간 정보교환이 쉬워지고 조직의 효율성과 경영성과를 증진시킬 수 있는 시스템) 빠르게 확장. 1999년까지 <포천>의 1000개 기업중 60%이상이 채택

※월드와이드 웹등장-전사적 시스템의 적용법위와 힘을 컴퓨터와 휴대폰을 통해 개별소비자에게 까지 확장, 인터넷을 텍스트전용 통신망에서 음성을 비롯한 미디어를 처리할 수 있는 통신망으로 급속전환시킴

-위 세 가지 요인으로 인해 기계가 대량의 업무를 처리할 수 있게 되면서 사람들의 유용한 판단력이 부각됨

사람들은 두가지 방식으로 추론

◎시스템 1. 직관적. 노력이 거의 필요 없는 사고양식. 보고 듣고 반복하고 경험적으로 실패와 성공을 되풀이하면서 강화되는 것. 빠르고 자동적. 진화적으로 오래됨. 살면서 많은 사례를 보고 경험하는 것만으로 더 자연스럽고 폭넓게 향상됨. 유능한 소방관, . 바둑기사.

◎시스템 2. 느리고 의식적. 많은 노력 수반. 행위성. 선택., 집중이라는 주관적인 경험과 관련. 수학이나 논리학 공부를 하면서 다듬어짐. 병리학자는 생화학을 연구하고 병든 조직과 건장한 조직의 사례를 아주 많이 봄으로써 실력을 갈고 닦음.

경영훈련의 주된 방식은 두 시스템을 결합하는 것

사람마다 시스템 1과 시스템2의 능력차이가 있다.

※표준적 파트너십; 직관과 판단력을 계발하고 훈련하고, 수학과 기록은 컴퓨터에게 맡겨라.

◉ 그러나 과연 인간은 기계보다 나을까?

사례1. 사회학자 크리스 스네이더르스

네델란드 기업들이 구입한 5200대의 컴퓨터장비 사용. 각 거래의 예산 준수, 운송시간. 구매자의 만족도를 예측하는 수학모형 구축 →담당자들보다 더 나은 예측

사례2. 경제학자 오를레이 아셴펠더

날씨에 관한 공개적으로 구할 수 있는 네 가지 변수만을 사용. 보르도와인의 품질과 가격을 출시되기 한참 전에 성공적으로 예측하는 단순모형 구축. 새 와인가격은 숙련된 와인 전무가들의 견해에 크게 영향을 받음. 실험결과 전문가견해가 와인품질을 결정하는 요소들과 무관

사례3. 에릭

주택거래량과 가격을 예측하는 단순모형개발→전문가들보다 23.6%나 더 나은 예측결과 나옴

사례4. 샤이단징거 연구진

이스라엘 판사들의 비합리적인 가석방선고 가능성 밝혀냄

사례5. 플로리다 주 브로워드 카운티의 학군에서 영재추천

편견이 지배하는 사회 밝혀냄

인간의 판단력이 우수하다는 개념의 연구사례중 46%가 숫자와 공식보다 현저히 더 안좋은 결과가 나옴, 인간이 확실하게 뛰어난 결과가 단지 4%??

<탁월하지만 오류투성이인 인간의 마음>

시스템1은 자동적으로 작동하고 마음대로 끌 수 없기 때문에 직관적 사고의 오류를 피하기 어려울 때가 많다. 편향도 항상 피할 수 있는 것은 아니다.

시스템2가 오류를 전혀

없을 수도 있기 때문.

우리는 우리의 직관을 간파하는 능력이 형편없다.

폴라니의 역설을 묘하게 뒤틀면- 우리는 자신이 말할 수 있는 것보다 덜 알고 있기도 하다

또다른 연구결과-시스템1이 편향된 어떤 결론을 내리면 시스템2가 그 이유를 설명하기 위해 동원됨. 판단과 정당화는 별개의 과정

대부분의 기업에서 쓰는 주된 의사결정방식-히포. 보수를 가장많이 받는 사람의 의견.

자동적인 제 2의 경제

완전히 자동화된 의사결정의 최초의 사례중 하나는 전사적 시스템이 도입된 시기에 나타남

1956년 빌 페어와 얼 아이작: 페어코퍼레이션 설립. FICO신용점수 계산. 곧 자동화된 신용평가가 표준이 됨

2007년 연준 이사회는 신용점수 모델이 개인의 특징이나 인종, 민족을 비롯하여 법으로 금지한 기타요인에 영향을 받을 가능성을 줄이는데 도움이 될 것이라 발표

요즘 자동화된 결정이 주변에서 흔히 이루어짐

※오바마 대통령 선거.-표적 광고 가능

인간은 자신의 편견을 인정하도록 만들기조차 힘듬.

그러나 인간이 가진 엄청한 이점-오래된 상식.

많은 사례들에서 컴퓨터의 결정이 타당한지 사람이 검토하는 것을 적절한 개념으로 보고있음

- 우버의 할증요금. 시드니 인질극 때와 파리의 테러사건-인간의 판단과 알고리즘이 협력하는 것이 현명한 방식임을 보여줌.

그러나 알고리즘의 결정과 인간의 결정중 어느 쪽이 더 정확한지 계속 추적해야함

◉구글의 구조화면접-기계와 인간의 역전된 파트너십. 인간의 판단을 알고리즘의 입력물로 삼음. 동일한 질문에 답하는 유형에 따라 점수를 매김

예측을 덜하고 실험을 더하라.

전문가들이 바꾸려고 하는 현안들을 머리맞대고 오래도록 고민하는 시간에 온라인에서 단순히 검사하는 것이 대게 더 빠르고 정확. 혹은 다매장 기업에서 실험.가구판매-몇개의 매장에서 실험

예측과 실험은 쉽게 자동화할 수 없지만 데이터를 모르고 엄밀한 분석을 하기는 매우 어려움

데이터와 분석은 시스템2, 그리고 제 2의 기계시대의 주된 도구

※시스템 1과 그 구성요소인 직관 판단, 축적된 개인적 경험은 적어도 좋은 결정을 내리는 쪽에서 물러난 만큼 정확한 예측을 내리는 영역에서도 물러날 필요가 있다, 히포는 조직내에서 멸종 위기종이 될 필요가 있다.

3장 인간처럼 생각하는 기계

<인공지능의 두가지 길>

존 매카시; 인공지능이란 지적인 기계를 만드는 과학과 공학

초창기 인공지능 학계

1. 규칙기반, 상징적 인공지능추구-성인이 언어를 배우는 방식

장애물-만족스런 규칙을 코드화하기란 너무나 어려움.ex) 언어나 가구

인간은 편견과 오류를 지닌다하더라도 우리 세계의 복잡성과 모순성이라는 온갖 장애물을 헤치고 나감. 규칙에 들어맞지 않아도 수긍하기도 함. 말로는 할 수 없어도 문제해결을 하기도 함..따라서 규칙기반의 시스템은 한계가 많아보임

2. 통계적 패턴인식 시스템-어린아이가 언어를 배우는 방식.경험과 반복 , 피드백을 통하여

폴라니의 역설은 규칙기반의 인공지능울 추구하는데 절대적인 장애물처럼 보인다. 어떤 존재든 무언가를 성취하는데 쓰는 규칙들을 알지 못하면 불가능

그래서 다른 쪽 진영에선 경험과 반복, 피드백을 통해서 폴라니의 역설을 극복하려고 시도

- 우리 뇌의 1000억개의 세포들. 복잡하게 얽혀있지만 깊이 상호연결 되어있고, 피드백을 통하여 가중치가 달라지게 신경세포에 자극을 가하는 기이하고 복잡한 뇌의 구조를 모방.

※퍼셉트론-이를테면 개와 고양이를 분류하는 식. 뇌와 약간 비슷하게 구성(신경망)

초창기엔 기본적인 분류과제를 성취할 수 없을 것처럼 보이기도 했고, 너무 느리기도 했지만

최근에는 상황이 많이 달라짐.

●알파고-그 핵심에는 머신러닝시스템. 심층신경망을 씀,

알파고에 쓰인 새로운 접근법은 바둑기사들에 의한 지도학습과 스스로 바둑게임을 하면서 매우는 강화학습의 새로운 조합을 통해 훈련.

<인공지능의 융성>

무어의 법칙-급속하게 빨라지고 성능이 향상됨

크라우드 컴퓨팅-비용이 점점 저렴해짐 (정보처리를 자신의 컴퓨터가 아닌 인터넷으로 연결된 다른 컴퓨터로 처리하는 기술, 컴퓨터자산을 구매하는 대신 빌려쓰는 개념)

빅데이터 -끊임없이 자료를 공급받음(주고받는 데이터의 양이 폭증)

머신러닝 개발에 성공한 지오프 힌튼은 머신러닝의 성공은 그저 데이터의 양과 계산의 양에 달려있다고 겸손하게 말함.

○신경망이 적절히 배치되고 충분히 강력하다면 인간의 훈련이나 지도가 전혀 필요없이 기본적으로 스스로 학습할 수 있음을 보여줌.

머신러닝의 지도학습과 자율학습접근법이 둘다 힌튼 연구진이 2006년에 발표한 알고리즘을 이용하므로 그것들은 현재 흔히 딥러닝 시스템이라 불린다,

※머신러닝-많은 사례를 접함으로서 패턴을 알아내고 이기는 전략을 세울 수 있는 소프트웨어 시스템을 구축하는 기술 및 과학.

※딥마인드-2010년 신경과학을 응용한 인공지능 회사를 런던에서 세운 게 최초.(데미스 허사비스, 세인 레그, 무스타파 슐레이만 공동창업). 머신러닝으로 스스로 정보를 처리함으로써 특정분야에 국한되지 않고 다양한 분야에서 활용할 수 있는 학습 알고리즘을 만드는 것이 목표. 최초이름. 딥마인드 테크놀로지

2015년 구글이 4500억을 주고 인수. 현재 구글 딥마인드