AI 인공 지능과 인간과 기계의 상호 작용 방식을 변화시키는 방법

[백산]

AI가 인간과 기계의 상호 작용 방식을 변화시키는 방법

출처  cointelegraph  저자  쉬라즈 자가티     소스:EK 이페어케이 플러스

인공 지능과 자연어 처리가 다양한 기술과의 일상적인 상호 작용을 어떻게 재정의하는지 살펴봅니다

지난 12개월 동안 글로벌 디지털 패러다임은 특히 인간이 기계와 상호 작용하는 방식과 관련하여 엄청나게 발전했습니다. 사실, 이 공간은 급격한 변화를 겪어 모든 연령대의 사람들이 이제 인공 지능(AI) 모델, 가장 널리 사용되는 OpenAI의 ChatGPT에 빠르게 익숙해지고 있습니다.

이 혁명의 주요 원동력은 자연어 처리(NLP)와 대화형 AI의 발전이었습니다. NLP는 일상적인 언어와 음성 패턴을 사용하여 컴퓨터와 인간 간의 상호 작용에 중점을 둔 AI의 하위 분야입니다. NLP의 궁극적인 목표는 사용자가 이해할 수 있고 소화하기 쉬운 방식으로 인간의 언어를 읽고, 해독하고, 이해하고, 이해하는 것입니다.

자세히 설명하자면, 컴퓨터 언어학(즉, 인간 언어의 규칙 기반 모델링)을 기계 학습, 통계 및 딥 러닝과 같은 다른 분야와 결합합니다. 결과적으로 NLP 시스템을 통해 기계는 의미 있고 상황에 맞는 방식으로 인간의 언어를 이해, 해석, 생성 및 대응할 수 있습니다.

또한 NLP에는 품사 태깅, 명명된 엔터티 인식, 감정 분석, 기계 번역 및 주제 추출을 비롯한 몇 가지 주요 작업과 기술이 포함됩니다. 이러한 작업은 기계가 인간의 언어 유형 응답을 이해하고 생성하는 데 도움이 됩니다. 예를 들어, 품사 태깅은 주어진 단어의 문법 그룹을 식별하는 것을 포함하는 반면, 명명된 엔터티 인식은 텍스트에서 개인, 회사 또는 위치를 식별하는 것을 포함합니다.

통신의 경계를 재정의하는 NLP
AI 지원 기술은 최근에야 디지털 주류의 일부가 되기 시작했지만 지난 10년 동안 많은 사람들에게 지대한 영향을 미쳤습니다. 아마존의 알렉사(Alexa), 구글의 어시스턴트(Assistant), 애플의 시리(Siri)와 같은 컴패니언은 우리 일상의 구조에 스며들어 미리 알림을 기록하는 것부터 스마트 홈을 조율하는 것까지 모든 것을 지원합니다.

이러한 도우미 뒤에 숨겨진 마법은 NLP와 AI의 강력한 조합으로 인간의 말을 이해하고 반응할 수 있도록 합니다. 즉, NLP와 AI의 범위는 이제 다른 여러 분야로 확장되었습니다. 예를 들어, 고객 서비스 내에서 챗봇을 통해 기업은 이제 고객 문의에 대한 즉각적인 응답으로 자동화된 고객 서비스를 제공할 수 있습니다.

여러 고객 상호 작용을 동시에 저글링할 수 있는 기능을 갖춘 이러한 자동화된 챗봇은 이미 대기 시간을 단축했습니다.

언어 번역은 NLP와 AI가 괄목할 만한 발전을 이룬 또 다른 개척지입니다. 번역 앱은 이제 텍스트와 음성을 실시간으로 해석하여 언어 장벽을 허물고 문화 간 커뮤니케이션을 촉진할 수 있습니다.

The Lancet의 한 논문은 이러한 번역 기능이 의료 부문을 재정의할 수 있는 잠재력을 가지고 있다고 지적합니다. 연구원들은 이러한 시스템이 의료 제공자가 부족한 국가에 배치되어 해외의 의사와 의료 전문가가 실시간 임상 위험 평가를 제공 할 수 있다고 믿습니다.

 

NLP의 또 다른 응용 프로그램인 감정 분석도 단어 뒤에 숨겨진 감정적 어조를 해독하는 데 사용되어 Google Bard, ChatGPT 및 Jasper.ai 와 같은 플랫폼의 응답을 훨씬 더 인간처럼 만듭니다.

 

성장하는 능력 덕분에 이러한 기술은 소셜 미디어 모니터링 시스템, 시장 조사 분석 및 고객 서비스 제공에 통합될 수 있습니다. 고객 피드백, 리뷰 및 소셜 미디어 채팅을 면밀히 조사함으로써 기업은 고객이 제품이나 서비스에 대해 어떻게 느끼는지에 대한 귀중한 통찰력을 얻을 수 있습니다.

마지막으로 AI와 NLP는 콘텐츠 생성 영역에 도전했습니다. AI 기반 시스템은 이제 뉴스 기사에서 시에 이르기까지 모든 것을 휘젓고, 웹사이트 콘텐츠를 만들고, 개인화된 이메일을 생성하고, 마케팅 카피를 만드는 데 도움을 주면서 인간과 유사한 텍스트를 만들 수 있습니다.

AI와 NLP의 미래
많은 전문가들은 AI와 NLP의 미래가 매우 흥미로울 것이라고 믿습니다. AI 기반 의료 진단 플랫폼인 어쿠스터리(Acoustery)의 공동 창립자이자 최고 과학 책임자인 디미트리 미하일로프(Dimitry Mihaylov)는 코인텔레그래프와의 인터뷰에서 이미지, 오디오 및 비디오 데이터를 포함한 멀티모달 입력의 통합이 AI와 NLP의 다음 중요한 단계가 될 것이라고 덧붙였다.

"이를 통해 텍스트 정보와 함께 시각 및 청각 신호를 고려하여보다 포괄적이고 정확한 번역이 가능해질 것입니다. 감정 분석은 AI 전문가의 또 다른 초점이며, 이를 통해 텍스트로 표현된 감정과 의견을 보다 정확하고 미묘하게 이해할 수 있습니다. 물론 모든 기업과 연구원들이 실시간 기능을 구현하기 위해 노력할 것이기 때문에 대부분의 인간 통역사가 일자리를 잃기 시작할 것입니다."

마찬가지로 AI 프로젝트를 위한 분산형 데이터 라벨링 서비스를 제공하는 플랫폼인 휴먼 프로토콜(Human Protocol)의 프로토콜 디자이너인 알렉스 뉴먼(Alex Newman)은 NLP와 AI가 개인 생산성을 크게 높일 위기에 처해 있다고 믿고 있으며, 이는 AI 자동화로 인한 인력 감소가 예상되는 점을 감안할 때 매우 중요합니다.

Newman은 감정 분석을 핵심 동인으로 보고 있으며, 신경망과 딥 러닝 시스템을 통해 발생하는 데이터에 대한 보다 정교한 해석이 이루어집니다. 그는 또한 전통적으로 번역 서비스에서 제대로 서비스를 받지 못했던 언어에 더 잘 부응하기 위해 데이터 플랫폼의 오픈 소싱을 구상하고 있습니다.

폴카닷의 AI 기반 멀티체인 탈중앙화 애플리케이션 레이어인 아스타 네트워크(Astar Network)의 기술 콘텐츠 편집자인 메간 스카이(Megan Skye)는 특히 AI가 새로운 반복을 자체 조립하고 자체 기능을 확장할 수 있는 능력을 통해 AI와 NLP의 혁신의 한계로 보고 다음과 같이 덧붙였습니다.

"AI 및 NLP 기반 감정 분석은 지식 그래프를 사용하는 YouTube 및 Facebook과 같은 플랫폼에서 이미 진행되고 있으며 블록 체인으로 확장 될 수 있습니다. 예를 들어, 새로운 도메인별 AI가 새로 인덱싱된 블록을 소스 입력 데이터 스트림으로 받아들이도록 구성되어 있고 블록체인 기반 감정 분석을 위한 알고리즘에 액세스하거나 알고리즘을 개발한 경우입니다."

AI 기반 데이터 리포지토리 Space and Time의 최고 기술 책임자인 Scott Dykstra는 엣지와 클라우드 컴퓨팅의 교차점에서 NLP의 미래를 내다보고 있습니다. 그는 코인텔레그래프와의 인터뷰에서 단기에서 중기적으로 대부분의 스마트폰에는 클라우드의 대규모 기본 모델과 함께 작동하는 대규모 언어 모델이 내장될 것이라고 말했다. 그는 "이 설정을 통해 주머니에 가벼운 AI 비서가 있고 데이터 센터에 무거운 AI가 있을 것"이라고 덧붙였다.

앞으로의 길은 도전으로 포장되어 있습니다
AI와 NLP의 미래는 유망하지만 도전 과제가 없는 것은 아닙니다. 예를 들어, Mihaylov는 AI 및 NLP 모델이 교육 및 성능을 위해 대량의 고품질 데이터에 크게 의존한다고 지적합니다.

그러나 다양한 데이터 개인 정보 보호법으로 인해 일부 산업에서는 레이블이 지정되거나 도메인별 데이터를 획득하는 것이 어려울 수 있습니다. 또한 다양한 산업에는 고유한 어휘, 용어 및 문맥적 변형이 있어 매우 구체적인 모델이 필요합니다. "이러한 모델을 개발할 자격을 갖춘 전문가의 부족은 상당한 장벽을 제시합니다." 라고 그는 말했습니다.

Skye는 AI 시스템이 거의 모든 산업에서 잠재적으로 자율적으로 작동할 수 있지만 통합 물류, 워크플로 수정 및 교육에는 상당한 문제가 있다는 점을 지적하면서 이러한 감정을 반영합니다. 또한 AI 및 NLP 시스템은 특히 답변의 품질과 낮은 오류 가능성이 중요한 경우 정기적인 유지 관리가 필요합니다.

 

마지막으로 Newman은 이러한 기술을 사용하려는 각 산업과 관련된 새로운 데이터 소스에 대한 액세스 문제가 해가 갈수록 점점 더 분명해질 것이라고 믿으며 다음과 같이 덧붙였습니다.

"세상에는 많은 데이터가 있습니다. 항상 접근 가능하거나 신선하거나 기계 교육을 위해 충분히 준비된 것은 아닙니다. 산업의 세부 사항, 언어, 규칙, 시스템 및 세부 사항을 반영하는 데이터가 없으면 AI는 어떤 맥락도 인식하고 효과적으로 운영할 수 없습니다."
따라서 점점 더 많은 사람들이 앞서 언급한 기술의 사용에 계속 끌리고 있기 때문에, 특히 AI의 사용이 다양한 산업에 스며드는 빠른 속도를 감안할 때 기존 디지털 패러다임이 어떻게 계속 진화하고 성숙하는지 보는 것은 흥미로울 것입니다.

저자

쉬라즈 자가티 Shiraz는 현재 동남아시아를 횡단하는 암호화폐 저널리스트이자 분석가입니다. 떠오르는 블록체인 생태계를 탐험하지 않을 때 그는 블루스를 연주하고 명상의 세계에 손을 대는 것을 좋아합니다.