반응형

[원문 : http://www.ciokorea.com/insider/35849?page=0,0]

머신러닝(Machine Learning)은 발빠른 조직 사이에서 빠르게 확산되고 있지만 대부분의 기업들에게는 여전히 모호한 존재다.


문제는 경쟁사들이 이미 기초 작업을 수행하고 있을지도 모른다는 점이다. IDC는 전 세계 AI 시스템 매출이 올 해 약 2배 증가한 125억 달러일 것이며 이런 속도로 계속 성장하여 2020년에는 460억 달러에 달할 것으로 전망했다.

기업들은 이러한 예산을 어디에 쓰고 있을까? 지출 중 일부는 머신러닝 시스템을 구동하는 하드웨어에 투자되지만 별도의 하드웨어 인프라나 데이터 과학자 조직 없이도 예산이 활용되는 지점들이 있다. 실질적인 방법으로 머신러닝을 활용할 수 있는 다양한 툴과 서비스들이다. 규모와 업종을 막론해 어느 조직에게나 머신러닝 기술을 테스트하거나 활용하는데 도움이 될 만한 9가지 IT 프로젝트을 정리했다. 

Image Credit : Getty Images Bank



고객 서비스 챗봇(Chatbot)
기업 내에 고객용 FAQ 목록이 있다면 이를 마이크로소프트 QnA 메이커(Microsoft QnA Maker)를 활용해 챗봇으로 변환할 수 있다. 물론, 꼭 고객 지원이 아니어도 상관 없다. 새로운 직원을 위한 HR 혜택을 알려주거나 업무 지원 센터 문의 방법을 안내하는 봇(Bot)을 생성할 수 있다.

FAQ의 URL을 제공하거나 질문과 답변이 있는 스프레드시트 및 문서를 업로드하면 QnA 메이커가 이런 질문과 답변의 쌍을 생성해 검토 및 훈련한 후 API로 호출할 수 있게 된다. 단순한 텍스트 답변 외에 좀 더 흥미로운 인터페이스를 원한다면 .NET SDK와 마이크로소프트 봇 프레임워크(Microsoft Bot Framework)를 사용해 사진 및 여타 풍부한 콘텐츠를 보여주는 봇을 생성할 수 있다.

무 서버 접근방식을 선호한다면 QnA 메이커가 애저 봇 서비스(Azure Bot Service)에서 템플릿으로 사용되도록 하면 된다. 이를 통해 이메일, 그룹미(GroupMe), 페이스북 메신저(Facebook Messenger), 킥(Kik), 스카이프(Skype), 슬랙(Slack), 마이크로소프트 팀즈(Microsoft Teams), 텔레그램(Telegram), 문자 메시지/SMS, 트윌리오(Twilio)에서 작동하는 봇을 생성할 수 있다.

장기적으로 챗봇은 아마존 알렉사와 마이크로소프트 코타나 같은 지능형 에이전트로 발전할 것이다. 하지만 에이전트는 단순히 개별적인 질문에 답하기보다는 고객이 문제를 해결할 수 있도록 돕는 ‘목표 지향적인’ 대화를 생성한다. 그런데 이는 이는 표 판매 또는 프로젝트를 연결할 수 없는 이유 진단 등에 필요한 요소다.

마이크로소프트는 얼마 전 다이나믹스 365(Dynamics 365)에 고객 관리 솔루션을 추가했으며, 여기에서는 가상의 에이전트가 솔루션을 제안하고 문제를 해결하지 못하는 경우 대화 세부사항 및 제안사항과 함께 고객을 인간 지원 부서로 이관하며 교훈을 축적한다. HP, 메이시즈(Macy’s), 마이크로소프트의 자체 지원 서비스는 이미 온라인 지원을 위해 이 에이전트를 활용하고 있다.

마케팅 자동화 및 분석
마케팅 부서가 새로운 기술을 실험하는 경우가 많다. 어도비 마케팅 클라우드(Adobe Marketing Cloud), 다이나믹스 365, 세일즈포스(Salesforce) 같은 마케팅 서비스가 등장한 배경이다.

이들은 고객을 위해 관련 제품을 추천하는 것부터 개인화된 검색 결과를 보여주고 판매 안내문을 분류하며 거래가 감소할 때 경고를 제공하고 잠재적인 고객 기업의 대체 연락처를 찾으며 연락 방법과 시기를 제안하는 작업 등을 위한 머신러닝 예측을 제공하기 시작했다. 어쨌든, 고객 이탈 예측 모델은 전망과 계획에 도움이 될 수 있다.

마케팅팀 외에도 유사한 분석에서 혜택을 얻을 수 있는 기타 부서를 찾아볼 만하다. 보험사 AXA는 텐서플로우(TensorFlow) 딥 머신러닝(Deep Machine Learning) 모델과 함께 70개의 변수를 활용하여 1만 달러 이상을 지불해야 하는 사고가 발생할 가능성이 높은 고객을 예측함으로써 보험료를 최적화하고 있다. 기존의 모델은 그리 유용하지 않았지만 예측 정확도가 40%에서 78%로 증가하면서 잠재적인 고객을 대상으로 삼을 시기를 고려할 단계에 이르렀다.

사기 감지
사기 및 비정상 거래 감지는 전통적인 데이터 분석 문제이지만 규모가 커지면 머신러닝이 유효해진다. 트리거(Trigger) 한계 이내에서 복수 결제를 수행하는 사기꾼, 이례적인 행동을 보이는 새로운 무역상, 겉으로는 정상으로 보이지만 사기꾼 네트워크에 연결되어 있는 고객 등 문제가 되는 활동을 찾는데 도움이 된다.

프러이드닷넷(Fraud.net)은 아마존 머신러닝(Amazon Machine Learning)을 활용하여 가능한 모든 종류의 사기를 기록하는 단일 모델을 생성하는 대신에 일련의 사기 활동을 찾도록 여러 머신러닝 모델을 훈련하고 있다.

머신러닝은 기존 고객들에 의한 사기를 포착하는 것 외에도 유용한 기능이 많다. 보험사들은 증권을 발행하기 전에 이미 손상된 차량에 대해 청구할 생각인 신규 지원자를 찾고 싶어한다.

악의적인 거래 차단에 한정되지 않는다. 포드(Ford)의 신용 사업부는 제스트파이낸스(ZestFinance)의 머신러닝 툴을 활용해 특정 대출자가 대출을 상환할 가능성을 예측하여 신용 점수가 낮은 사람들에게도 대출을 제공할 수 있도록 하고 있다.

이는 자동차 판매량이 전반적으로 감소하면서 포드로서는 잠재적인 구매자를 추가로 찾게 되면서 사업에 큰 도움이 될 수 있다. 즉 머신러닝은 위험 속에서 건전한 고객을 더욱 신속하게 파악하는데 도움이 될 수 있다.

ERP 재고 계획
공급망 자동화가 새로운 것은 아니지만 머신러닝 덕분에 더욱 보편화되고 있다. 단순한 판매 데이터 이력 대신에 머신러닝을 통해 고객들이 온라인으로 구매를 조사하는 방식, 날씨가 쇼핑 습관에 미치는 영향, 수요를 예측함으로써 재고를 관리하기 위한 기타 내외부적인 트렌드에 대한 데이터를 활용할 수 있다.

아마존은 매일 특정 색상과 사이즈의 셔츠가 얼마나 판매되는지 정확하게 예측할 수 있다고 주장했다. 타깃(Target)은 머신러닝 예측 모델 덕분에 매출이 15-30% 성장했다고 밝혔다. 온라인 독일 소매 기업 오토(Otto)는 머신러닝을 활용해 90%의 정확도로 향후 30일 동안의 판매 제품을 예측함으로써 과잉 재고를 1/5이나 줄이면서 반품되는 제품의 수를 연간 200만 개나 줄일 수 있었다.

회사의 자동화된 구매 시스템은 제 3자 공급자로부터 월 20만 개의 물품을 주문하고 판매될 것으로 예상되는 색상과 스타일을 선택한다.

물류 경로 계획
순회 세일즈맨 문제(travelling salesman problem)는 컴퓨터 공학의 전통적인 난제이다. 왕복 이동 시 영업팀이 이동해야 하는 모든 장소들 사이의 최단 경로는 무엇일까?

원문보기: 
http://www.ciokorea.com/insider/35849?page=0,0#csidx88016f2680c47cd90599a5b6b3fdef8 

 

영업 직원들이 고객에 제품을 제공하거나 가장 많은 고객을 유입할 수 있는 비즈니스 위치를 선택하는 등의 문제에 있어서 경로 설정 및 여행 계획은 기업에 큰 영향을 끼친다.

빙(Bing)과 구글 맵스(Google Maps) API의 예측 트래픽 서비스를 활용하면 거리뿐만이 아니라 이동 시간도 보여주는 등시선 지도를 생성하거나 한 명의 엔지니어가 여러 출발 지점에서 15분 거리를 운전하여 도달할 수 있는 고객의 수를 비교하거나 최적의 배송 시간을 찾을 수 있게 된다.

일례로 빙 맵스 트럭 루팅 API(Bing Maps Truck Routing API) 프리뷰를 활용하면 일반 차량보다 큰 상용 및 서비스 차량의 경로를 확인할 수 있다.

자산 추적 및 위치 트리거를 추가하고 자신만의 물류 솔루션을 생성할 수 있다. 또는 표준 가격 이하를 제시하여 마진을 잃거나 너무 높은 견적을 제시하여 사업을 잃는 대신에 비용을 정확히 반영한 견적 요금으로 물류의 수익성을 높일 수 있다.

비즈니스 소통 기업 R.R. 도넬리(R.R. Donnelley)는 R과 애저 머신러닝 스튜디오(Azure Machine Learning Studio)를 활용해 이력 데이터를 날씨, 연료비, 시장 조건 등의 변수와 조합하여 더 나은 가격 모델을 수립함으로써 운송 입찰을 따내는데 방해가 되는 보수적인 견적을 줄였다.

주어진 경로에 대해 실시간 견적을 생성하는 자동화된 시스템을 통해 해당 기업은 이미 입찰 성공률이 4%나 증가했고 전세화물 중개 사업의 규모가 4배까지 성장할 것으로 기대하고 있다. 이런 종류의 예측 모델은 건전한 모델을 구축하기 위한 데이터가 충분하다면 다른 용도에서도 유용할 것이다.

IoT 예측 유지관리
기계가 고장 난 후에 고친다면 다운타임(Downtime)과 함께 고객 불만이 발생한다. 유지보수를 위한 시스템의 오프라인 상태가 너무 빈번하면 생산량이 감소한다.

티센크룹(ThyssenKrup)은 자사가 설치하고 서비스를 제공하는 110만 대의 엘리베이터에 대한 유지보수 기록을 분석하기 시작하면서 과거보다 유지관리 시간이 꽤 길어졌다는 사실을 발견했다.

해당 기업은 마이크로소프트의 애저 IoT 스위트(Azure IoT Suite)를 활용하여 센서를 원격으로 모니터링하고 고장을 예측하며 설비를 미리 보수함으로써 문제가 발생하기 전에 해결하여 고객 만족도를 높였을 뿐 아니라 첫 방문 시에 더 많은 문제를 해결하고 재고로 확보해야 하는 예비 부품을 더욱 잘 예측함으로써 비용을 낮췄다.

이를 제조 라인에도 적용하여 생산량을 개선할 수 있다. 액센추어(Accenture)의 2016 산업 IoT 보고서에 따르면 예측적 유지관리가 예약 수리 비용을 12%나 절감하고 유지관리 비용을 30%나 절감하며 고장률을 최대 70%나 낮출 수 있는 것으로 나타났다.

보안을 위한 머신러닝
복잡한 보안 세계에서 머신러닝이 만능은 아니지만 정상적인 활동으로 인한 로그와 경보에서 누락될 수도 있는 공격을 찾는데 도움이 될 수 있다. WDATP(Windows Defender Advanced Threat Protection)는 그 이름과는 다르게 안티바이러스 소프트웨어가 아니다. 이는 윈도우 10 엔터프라이즈(Windows 10 Enterprise)로 구동하는 네트워크에서 PC의 거동을 분석하고 보안팀에 공격이 악의적인 프로세스, 소셜 엔지니어링, 문서 익스플로잇 공격(Exploit)인지 여부를 알려주는 머신러닝 서비스다. 이러한 머신러닝 보안 툴은 로를 분석 및 결과에 대응하는 작업을 완전히 없애주지는 않지만 잡음을 줄이는데 도움이 될 수 있다.

편견이 없는 인재 채용
기업 내에서 다양성에 대한 압박이 커지고 있다. 그러나 인재 채용팀이 무심코 작성하는 구인 요건이 광범위한 지원자들이 의욕을 꺾을 수 있다. 보다 많은 사람들이 지원할 수 있도록 AI를 활용하여 구인 광고 및 인재 채용 이메일에서 기업 용어, 상투적인 문구, 저급한 고정 관념, 기타 당혹스러운 표현을 찾아내는 텍스티오(Textio)를 사용해 보자. SAP SF(SuccessFactors)도 유사한 툴이다.

제조 현장의 안전을 위한 이미지 인식
건축 현장과 제조 라인에는 위험한 설비들이 즐비하다. 카메라와 센서를 이용해 이미지 및 안면 인식을 활용함으로써 설비를 안전하지 못하게 사용하는 경우 또는 안전 교육을 통과하지 못한 사람이 사용하는 경우를 감지할 수 있다.

히타치(Hitachi)는 독일인공지능연구센터(German Research Center for Artificial Intelligence)인 DFKI와 함께 웨어러블과 동공 추적 안경을 사용하는 딥러닝(Deep Learning) 시스템을 구축했다.

마이크로소프트는 자사의 빌드(Build) 컨퍼런스에서 애저 펑션스(Azure Functions), 마이크로소프트 코그니티브 서비스(Microsoft Cognitive Services), 애저 스택(Azure Stack)을 활용하여 유사한 솔루션을 시연했다.

완벽한 직장 안전성 솔루션은 구축이 어려울 수 있지만 TSC(The Safety Compass) 같은 스마트폰 앱이 도움을 줄 수 있다. 이 앱은 인텔렉트 SEEC(Intellect SEEC)의 머신러닝 리스크 애널리스트(Risk Analyst)를 통해 작업자들이 사진을 촬영하고 세부사항을 작성함으로써 직장 내 위험을 표시할 수 있으며 위험에 접근하는 작업자에게 경고를 제공한다. ciokr@idg.co.kr

원문보기: 
http://www.ciokorea.com/insider/35849?page=0,1#csidxfcff4dad938afa88e0787554cd27682 

반응형
반응형

중국의 전기차 시장은 생각보다 거대합니다.

일전에 중국에서 1가구당 자동차 하나씩만 산다면 기름값이 폭등한다는 말이 있었습니다.
그런 농담반 이야기 중에 나온 전기차에 대한 이야기들이 이제는 엄청난 성장을 하게 된 상황까지 왔습니다. 초기의 전기차는 심할정도로 부실하다는 생각까지 갖게 만들었지만 이제는 테슬라라는 도전상대를 놓고 키우고 있는군요.

내연기관은 줄이고 전기차를 늘리는 마일리지 제도를 수립하여 자연스럽게 전기차 생산과 소비를 늘리는 구조를 만들어 나가고 있습니다.

유럽, 미국 등 전기차에 대한 투자가 커지는 와중에 중국까지 가세한 상황에서 우리나라의 대처가 시급할 듯 하네요.


[관련기사]
중국판 테슬라 만들기 위해 中 꺼낸 비장의 카드
솽지펀(双积分). 두개의 마일리지 제도라는 뜻.
지난 6월 중국 공업 정보화 부서가 발표한 친환경 자동차 정책.

http://mnews.joins.com/article/22010499?cloc=flipboardnews

반응형
반응형


<UC 버클리대가 개발한 AI 수술 로봇>

이미 AI의 의료분야의 진입은 빠르게 진행되고 있습니다.
현재는 판독에 대한 부분이 주로 적용되고 있는 상황이지만 그 범위가 점점 확대되는 추새입니다.

또한 외과수술의 경우 이미 로봇을 활용하여 수술을 집도하고 있기도 합니다.
로봇팔을 인간이 조종해서 수술하는 것으로 인간이 미세한 떨림없이 정교하게 수술이 가능하게 되어 암수술, 뇌수술 등 정교한 작업이 필요한 곳에 활용 중에 있습니다.

만약 이렇게 수술한 것을 AI가 학습하고 그것을 통해서 직접 수술을 한다면 어떻게 될까!
기사에서는 10년 언급을 하였으나 더 빠르게 도입이 될 수도 있지 않나 합니다.

예컨데 의료분야는 분석과 정밀한 작업이 필요함에 따라서 수술적인 부분은 AI를 통한 로봇의 집도가 충분히 가능할 것으로 보입니다. 하지만 수술 중 발생되는 다양한 Case와 윤리적 결정이 필요한 것이 필요할 경우 문제가 생길 수 있지 않을까 합니다.

또한 의료사고의 경우 법적인 부분에서도 해결될 문제가 많아서 기술이 개발되더라도 한동안 제도적 한계에서 벗어나지 못할 듯 합니다. 

[관련기사]
[미래직업 리포트] 암 수술하는 ‘AI 외과의사’ 10년 안에 나온다
"10년 안에 인공지능 수술 로봇이 숙련된 외과 의사를 대신할 겁니다"
http://mnews.joins.com/article/22007412?cloc=joongang%7Cmarticle%7Cflipboard_money#home

 

반응형
반응형


<로봇 페퍼 - 소프트뱅크>

 4차산업 관련 내용을 접할 때 항상 느끼는 것 중 하나가 바로 우리의 현실이 아닌가 하네요.

한미일은 AI에 대한 투자를 정말 무섭게 하죠. 인재에 대한 부분도 폭식가깝게 하다보니 국내 AI 이외 빅데이터 분야의 인력까지 사전에 다 포섭한다고 합니다.

거기에 최근 애플은 6명인 신생업체를 인수했다는 소식을 보면서 AI에 대한 투자는 한계가 없는 듯 합니다. 네이버도 그런 맥락에서 최근 해외 업체를 인수했는데 여전히 글로벌 기업에 비하면 투자에 한 부분은 큰 차이를 보이는듯 합니다.

아직 삼성의 투자규모는 나오지 않았지만 글로벌 업체들의 AI의 투자는 그에 비례하여 기술력의 차이도 만드는 것이 아닌가 합니다.

아마존의 애코닷에서 보듯이 아마존의 투자도 만만치 않고 일본의 손정의가 이끄는 소프트뱅크도 계속 치고나가고 있는 상황에서 한국의 투자규모는 미미하다는 생각입니다.

더 격차가 벌어지면 원천기술은 아에 손도 못대고 그들의 AI를 활용한 응용서비스에 초점을 맞추어야 할지 고민되는 시점이죠. LG는 그래서 구글의 AI를 적극 도입하는 모양새로 과연 어떤 판단이 현명할지 지켜봐야 할듯 합니다.



[관련기사]
美日中기업 나선 'AI 세계대전'…천문학적 자본 투입 경쟁
http://www.edaily.co.kr/news/NewsRead.edy?SCD=JH41&newsid=03958966616092264&DCD=A00804&OutLnkChk=Y

반응형
반응형

 


VR기기를 사용할때 항상 걸리는 부분은 바로 뭔가 연결을 해야 한다는 점이죠.

케이블은 좌우로 움직이다 보면 걸리적 거리기도 하고 스마트폰을 연결하면 의외로 무겁죠.

VR을 말한다면 결과적으로 선이 없으면서 좌우 이동의 무게감이 없도록 해야 보다 더 실감나는 체험이 가능하리라 생각하였습니다.

이런 생각으로 오큘러스에서 이런 고민을 해결해 주었다고 하는군요.

그만큼 포기함에 따라서 잃는 것도 있겠죠. 선명함, 좌우이동에 대한 부분의 제약 등 여전히 해결되어야 할 고민들도 같이 있는듯 합니다.

하지만 이런 노력들이 결과적으로 우리에게 최상의 VR 기기를 제공할 날이 오겠죠!!

 

[관련내용]
PC도, 스마트폰도, 케이블도 필요없는 독립형 VR 헤드셋‘오큘러스 고’ 공개

원문보기: 
http://www.itworld.co.kr/news/106693#csidx7da7dbae739c5ad9efffffb1df41661  

반응형
반응형

나중에 클라우드 관련 내용을 포스팅 할 예정인데 클라우드를 사용하는 사람들이 증가함에 따라서 여러가지 이슈들이 많이 있습니다. 추후에 그 내용은 올리도록 하겠습니다.

이번 내용은 클라우드를 도입하는 기업들의 증가에 따라서 아시아 지역에 클라우드 관련 열린 커뮤니티를 오픈한다는 내용입니다.

클라우드에 대해서 여러 긍정적 언급이 많지만 실제 도입하는데는 그렇게 접근하기 쉽지 않은 경우가 많이 있습니다. 또한 원하는 서비스를 찾는 것부터 관련 내용 또는 질문등을 하기 위해서는 별도의 돈을 내고 컨설팅을 받는 경우도 많습니다.

이번 클라우드 28+는 이런 불편함을 해소하고 다양한 업체들과의 협력을 통해서 고객에게 맞춤 서비스를 제공할 수 있다는 점입니다.

개인적으로 매력적인 것이 바로 열린 커뮤니티로 클라우드 도입에 따른 여러가지 어려움을 극복하는데 도움이 되지 않을까 합니다. 더욱이 사용에 대한 비용도 무료라니 더 매력적이지 않을까 하네요.

 

[관련내용]
HPE, 원스톱 클라우드 구매 서비스 제공
http://www.zdnet.co.kr/news/news_view.asp?artice_id=20171012181016

반응형
반응형

영화에서나 보던 일이 현실이 될 수 있나 봅니다.

미국 MIT 연구진이 코너에 있는 물체를 볼 수 있는 카메라의 기술을 개발했다고 하는데 이런 생각을 할 수 있었다는 것 자체가 놀랍다는 생각입니다.

기본적으로 우리가 보이지 않는 것을 보기 위해서는 눈이 되어줄수 있는 대신의 물체가 코너를 볼 수 있는 위치로 간 다음에 전송을 통해서 보는 구조였는데 이 기술은 코너에서 반사되는 빛을 분석해서 물체를 식별한다고 하는군요.

눈으로 보이지 않는 빛의 변화를 감지하는 카메라기술을 통해서 굳이 코너쪽을 보기 위해서 이동을 하지 않고도 물체의 유무를 파악할 수 있다고 하는군요.

이제는 첩보영화에서도 해당 기술이 들어간 안경만 쓰고 나타나는 것도 볼 수 있을듯 합니다.

 

[관련기사]
모퉁이 뒤에 숨은 물체 보는 '코너카메라' 나온다
모퉁이 뒤에 숨은 사람의 옷 색깔이 바닥에 일부 반사
사람 눈에는 보이지 않지만 디지털 카메라로 감지 가능
자동차 충돌 방지·조난자 탐색… 우주 연구에도 활용할 수 있어
http://biz.chosun.com/site/data/html_dir/2017/10/11/2017101103252.html

반응형
반응형

 가상화폐에 대한 관심이 많다보니 요즘 가상화폐에 대해서 관심을 가지고 지켜보고 있는데 핫하긴 한듯 합니다. 10월 12일 기준으로 보니 비트코인이 550만원 정도하는데 1개월 전에 400만원이였던것을 보면 정말 급등락은 어쩔 수 없나 봅니다.

사실 이런 가상화폐가 가능하게 된 것에는 바로 핵심인 블록체인이 있기에 가능한것이죠.
그런데 개념상으로 이해는 하는데 실제 구현하는 것까지의 단계는 어려움이 있는듯 합니다.

블록체인이 나타나면서 공인인증서를 대체할 수 있다는 것으로 화제가 되었지만 지금은 조용한 상황입니다. 블록체인을 간단하게 말하면 거래정보를 모든 사용자가 가지고 있어서 이런 모든 사용자의 정보를 해킹할 수 없다는 것에서 신뢰성을 가지게 되었습니다.

본 내용에는 블록체인의 기술발전을 구분지어서 나타내고 있습니다.
특히 블록체인 3.0은 금융을 넘어 새로운 비금융권까지의 확대를 모색하고 있다는 것인데 만약 그 부분이 가능하다면 시장의 파급효과는 상당할듯 합니다.

하지만 아직 넘어야 할 산도 많다는 것이죠. 모든것을 블록체인이 해결할 수 있다는 맹신은 버리는 것이 필요하죠. 거래 당사자가 적을 경우 블록체인을 활용하는 것은 의미가 없을 수 있는 것처럼...

블록체인에 관심이 있는 분들이라면 꼭 보시기를 추천합니다.

[관련내용]
초연결사회 함께 갈 차세대 '블록체인 3.0'을 말하다
http://dongascience.donga.com/news.php?idx=20056

반응형

+ Recent posts