aitect.co.kr로 이전

• 인터넷에는 위키피디아로부터 ChatGPT에 이르기까지 엄청난 정보가 있다.
• 단순히 암기를 통한 이해의 교육은 별 의미가 없어지는 시대이다.
• AI는 지능, 창의력, 이해력은 없다.
  • 그러나 이들의 특성을 보이는 행동을 한다.
  • 진정 없다고 우리는 이야기할 수 있는 것인가?
  • 얕은 사고의 특성을 보여주고 있다.
• 다른 생각과 창의성이 중시되는 교육의 필요성이 더욱 강조되고 있다.
  • 인간은 깊은 사고를 할 수 있어야 한다.
  • 모호함을 수용하고 처리할 수 있어야 한다.
  • 상황을 이해하여 조심할때와 과감할 때를 알아야 한다.
  • 자신이 무엇을 알고 있고, 무엇을 모르는지를 알아야 한다.
  • 현재의 한계를 이해하고 이를 넘을 수 있도록 교육해야 한다.

• AI는 우리가 인식하지 못하는 사이 우리 삶의 일부가 되었다.
  • 음성 인식 기술로 사용되고 있습니다.
    • 지니, 시리, OK구글 등의 이름으로 
    • 집에서 차에서
    • 스피커와 휴대폰과, 스피커를 통하여 사용되고 있다.

• 안면 인식 기술로 사용되고 있다.
  • 많은 프라이버시 논란에도 불구하고
  • 보안이라는 이름으로 
  • 공공장소 등에서 알게 모르게 널리 사용되고 있다.
• 스팸 메일을 걸러내고 있다.
• 이미지 분류 작업에 사용되고 있다.
• 자율주행 기술로 사용되고 있다.
• 예술작품 생성에 사용되었다.
  • 생성된 미술작품이 국제적 상을 수상하였다
  • 이 작품이 경매에서 판매 되었다. 
• 보고서 작성에 사용되기 시작하였다.
  • 금융뉴스 작성에 사용된다.
  • 날씨 보고서 작성에 사용된다.
  • 한계가 있으나 논평 및 설명서 작성에 사용된다.

• 표절 검사에 사용된다.
  • 무한에 가까운 글들을 대조 확인한다. 
• 콘텐츠 추천에 사용된다.
  • 유튜브, 넷플릭스 등 플랫폼에서
  • 각 개인에 적합한 콘텐츠 추천에 사용된다.
• 콘텐츠 작성에 사용된다.
  • 일부 작가들은 벽에 부딪힌 이야기 매듭을 풀기 위해 사용한다.
  • 질문을 통해 아이디어를 얻는다.
  • 세부 내용을 채운다.
• 최근 AI분야는 괄목할 만한 발전을 보이고 있다.
  • 문자를 이미지로 변환하는 분야
  • 대화를 할 수 있는 분야

• 기계학습 machine learning은 컴퓨터가 스스로 학습할 수 있는 알고리즘이다.
  • '기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야 - 아서 사무엘의 정의
  • 기계학습은 마치 도제교육을 연상시킨다. 논리적 가르침의 방식이 아니라, 경험적 학습 방식이다. 명시적이 아닌 암묵적 가르침이라 할 수 있다.

• Deep Learning
  • 기계학습 알고리즘의 한 분야이다.
  • 사람의 사고방식을 컴퓨터에 가르치는 한 방법이다.
  • 인공신경망에 기반한 구조를 가지고 있다.
  • 컴퓨터 비전과 자동음성인식 분야에서 탁월한 성능을 보여주고 있다.

• 인공 신경망
  • 뇌의 뉴런 네트워크 구조를 모방하고 있다.
  • 원 모양의 노드는 뉴런을, 화살표는 뉴런간의 연결을 나타낸다.

• 학습과정
  • 학습을 위한 데이터에 이름을 붙이는 작업(labeling)이 필요하다.
  • 대량 데이터에는 이 작업이 불가능하다.
  • 문제 해결을 위하여 초기 학습 일부 데이터에만 지도학습(supervised learning)을 한다.
  • 나머지 학습 데이터는  비지도 학습(unsurpervised learning) 방식을 사용한다.

이 소프트웨어는 사용이 간편한 이미지 해상도를 높여주는 기능을 하고 있다. 유료 버전과 무료 버전이 있다.

이 소프트웨어의 주요 기능은 다음과 같다.

• 인공 지능을 이용한 사진 해상도를 높여주는 기능을 갖추고 있다. 
• 복잡한 작동을 필요로 하지 않는다. 한 번의 클릭으로 작업을 완성할 수 있다. 
• 사진의 노이즈를 제거하며, 선명한 이미지를 만들어 준다.
• 보정된 이미지를 품질의 손장 없이 확대할 수 있다. 
• 작업에 필요한 시간을 절약하는 기능이 있다. 
• 일괄 처리 옵션도 제공하고 있다.

이 소프트웨어는 4가지 다른 모드를 가지고 있다.

1. 얼굴모드

인공지능 기술이 가장 많이 적용되는 모드이다. 이 모드를 사용하면 얼굴의 이미지를 매우 잘 보정한 해상도 높은 이미지를 만들어 낼 수 있다. 오래된 흑백 사진의 보정과 함께 채색의 기능을 갖추고 있다.

2. 노이즈 제거모드

어두운 조명에서 높은 ISO로 인한 노이즈 많은 이미지를 보정할 수 있다. 노이즈 감소 기술을 적용하여 이미지를 보다 선명하게 만들어 준다.

3. 일반모드

이미지를 밝게하고, 흐린 부분을 보정한다. 풍경과 건물 등이 대상이다. 또한 이미지 샤프너 모드를 선택하면 동식물 사진을 보다 선명하게 만들어 낼 수 있다.

4. 색상 모드

흑백 사진을 컬러 사진으로 만들어 준다. 인공지능 기술을 사용하여 이미지에 색상을 추가하여 보정함으로써 아름다운 칼라 사진을 만들 수 있다. 이 과정에서 사진의 해상도 향상 또한 이루어 진다.

사용 단계

1단계

공식사이트에 접속하여 소프트웨어를 다운로드 받는다.

2단계

소프트웨어를 설치한다. 그 후 보정할 사진을 업로드 한다. 선택' 옵션을 클릭하여 파일을 선택하거나 원본 사진을 창에 끌어다 놓는다. PNG, JPG, JPEG, WEBP 등 30가지 파일 형식 중 원하는 형식을 선택한다.

3단계

이미지 보정을 위한 4가지 AI 모드가 있다. 일반 모드는 보통 장면, 꽃, 동물, 풍경, 건물 등이 있는 사진 보정에 적합하다. 노이즈 제거 모드는 저조도 및 해상도, 높은 ISO의 이미지 보정에 적합하다. 얼굴 모드는 저해상도 혹은 초상화 이미지 보정에 사용할 수 있다. 컬러 모드는 인공지능 기술을 사용하여 흑백 이미지를 컬러 이미지로 변환시킨다.

4단계

사진을 선택하고 원하는 모드를 선택한 후 미리보기 버튼을 클릭하여 변경 사항을 확인한다.

5단계: 만족한 결과가 나오면 내보내기 버튼을 클릭한다.

데이터센터는 에너지 뿐만 아니라, 물의 사용량도 매우 많은 모양이다. 데이터센터는 이미 에너지 사용량이 많은 것으로 널리 알려져 있다. 물의 사용량이 많은 것은 덥혀진 시스템을 식히기 위함일 개연성이 많다. 미국 지역매체 오리건라이브는 지역 도시 댈러스시 사용량의 29%를 사용하고 있다고 밝해고 있다. 이 매체는 시 당국에 공공데이터 기록공개를 기각당하였다. 그 후, 13년에 걸친 법적분쟁을 거쳐 2012년부터 10년 간의 물 사용량 자료를 확보하고 분석한 결과이다.

참고문헌

사람의 성품을 알려면

그 사람이 어떻게 운전하느냐를 보면

대강 이해가 가능하다.

.

급한 사람, 느긋한 사람

규칙을 잘 지키는 사람

아니면 무시를 하는 사람인지.

계획성 있는 사람인지.

.

어떤 도시를 가든

그 도시의 운전 및 주차질서을 보면

그 도시의 도덕지수를 가늠할 수도 있다.

.

이제 개인 차원을 넘어

모바일 데이터를 분석하여

보험, 신용을 평가하는

무서운 세상이 되고 있다.

모빌리티 데이터는 사람과 상품의 이동과 관련한 데이터를 이야기한다. 경로, 교통수단, 이동 시간 등의 정로를 포함한다. 이 데이터는 GPS 추적, 교통 센서 등의 다양한 수단을 이용해 수집된다. 

   대부분의 모빌리티 데이터는 지도로 대변되는 공간정보를 기반으로 한다. 2D 혹은 3D에 기반한 지도 정보와 연관하여 대부분의 모빌리티 데이터가 수집된다. 구글의 경우 2D 지도정보를 일찍부터 구축하여 검색과 연관하여 사용하였다. 또한 3D 공간정보를 수집하기 위하여 SketchUp이라는 CAD 도구를 무료로 배포하여 사용하게 함으로써 구축에 나섰다 그 후 카메라를 이용한 공간정보 구축을 진행하고 있다.

   모빌리티 데이터는 공간정보 위에 자동차를 포함한 모바일 기기의 GPS 추적, 교통 센서 등을 통하여 수집된다. 이를 기반으로 교통 흐름의 이해와 계획과 개선을 위한 노력에 사용될 수 있다. 스마트폰의 보급과 함께 지금 진행되고 있는 자동차의 전장화는 모빌리티 데이터 수집과 다양한 활용을 원활하게 해 주고있다. 이제 실시간 내비게이션이 개인의 이동뿐만 아니라, 배송, 물류 등에 광범위하게 사용되고 있다. 이와 더불어, 운전 습관 데이터를 이용한 운전자 보험료 산정, 개인 생활 이동 패턴에 따른 개인 신용 등급 산정 등 다양한 분야에서의 활용 가능성을 갖추고 있다.  

창의성은 인간의 전유물로

작가, 예술가, 건축가들은

AI의 확산으로부터 안전하리라 생각되었으나

그 모든 것이 무너져 내리고 있다.

.

DALL-E 2는 Art Fair에서

대상작을 만들어 냈으며

ChatGPT는 동료처럼 대화가 가능하다.

수십만 논문을 읽고 수초 내 대답이 가능한

Consensus 시스템의 개발은

한편으로는 연구를 가속화 하며

다른 한편으로는 많은 연구자들의

존재를 위협하고 있다.

.

이제 인간이 할 수 있는 일은

스스로의 존재를 확인하기 위한

놀이를 즐기는 방법 밖에 없다.

노동으로부터 해방일 수 있으며

노동으로부터 추방일 수 있다.

AI로부터 어떠한 직업이 안전할까? 2013년 옥스퍼드대는 반복적이고 상상력이 필요 없는 직업들들이 가장 먼저 사라질 것으로 예측하였다. 반면, 일러스트레이터, 작가, 건축가 등 문화 예술가들의 직업은 상대적으로 안전할 것으로 예상하였다. 그러나 올해 AI에 의하여 이들 창의적 직업 또한 안전하지 않게 되었다. GPT-3 언어학습 모델은 인간과 같이 질문에 답을 하고, 글을 작성하는 능력을 보여주기 시작하였다. 또한 DALL-E 2와 같은 이미지 생성기는 여지껏 없었던 이미지들을 만들어 내고 있다. 올해 Colorado State Fair에서 텍스트를 이미지로 변환하는 프로그램 Midjourney를 사용한 디지털 아트 작품이 1위를 차지하였다.

   생성기술에 기반한 AI는 이제 인간의 한계를 넘으려 하고 있다. 최근 개발 중인 Consensus는 Google Scholor 등에 있는 수 많은 논문을 참조하여 연구자와 대화할 수 있는 시스템이다. 연구자들이 일일이 논문을 검색하고, 읽고 정리하여야 얻을 수 있는 내용을 몇 초 내에 내놀 수 있는 시스템이다. 이제 AI 시스템이 인간을 대신해 읽고, 쓰고, 요약하고, 그리고, 이미지와 오디오를 편집하고, 작곡을 하는 일이 가능한 시대가 도래하고 있다.

진짜와 가짜의 경계는 모호하기만 하다.

어찌보면 가짜의 세상이

더욱 큰 것인지도 모른다.

수 많은 현실은 논픽션화 되고

가짜가 섞여 픽션화 되어간다.

 AI에서 이야기되는 합성데이터는

그리 새로운 것이 아니다.

우리 인간의 세상에 흔한 것이다. 

 소설과, 영화 드라마로

또한 세월이 지난 것은 신화로

후손의 학습 데이터로 기록된 것을

단지 모방한 것에 불과하다.

AI와 ML(Machine Learning) 개발에 있어 실패의 원인 대부분은 훈련 데이터 부족이라 한다. 컴퓨터에 일일이 논리적 법칙을 코드화 하는 노력의 한계로, 이제는 신경망을 이용한 학습에 많은 부분을 의존하고 있는 것이 현재이다.

   데이터를 이용한 학습데이터의 확보 개념은 구글 홈페이지를 보면 이해할 수 있다. 광고와 난삽한 기사들이 난무하고 있는 대부분 사이트들의 홈페이지와는 차별화 되는 모습이다. ‘당신이 원하는 내용을 신경 거슬리지 않고 검색하여 주십시오. 여기는 돗대기 시장이 아닙니다.’라고 이야기하는 것 같다.

   세상에는 수준이이라는 것이 있다. 무슨 생각으로 그러한 행동을 하는 지를 이해하여야 보인다. 올해에도 ‘최고의 검색 능력자’를 선정하여 발표한 것을 보아도 알 수 있다. 최고의 검색 방식을 수 많은 사용자에게 경험하게 하여, 이 데이터를 학습에 사용하는 의미를 이해하여야 한다.

데이터 확보는 AI 개발에 절대적이다. 더 많은 차를 팔고, 이 데이터를 다시 훈련 데이터로 사용하는 테슬라를 다른 자율주행 회사들이 따라가기 어려운 현실의 근본이다. 그렇다면, 이와 같은 훈련 데이터 부족을 극복하는 방법은 없는가?

생각의 전환은 새로운 기회를 가져다 준다. 문제 해결을 위하여, 현실의 논리를 반영한 합성데이터를 활용하면 된다는 생각이 설득을 얻고 있다. 한마디로 가짜 데이터이다. 현실 데이터를 기본으로 통계적으로 가능한 상황을 전제로 만들어진 데이터이다. 현재 그 많은 데이터를 보유하고 있는 테슬라 또한 합성 데이터를 사용하고 있다고 한다.

과연 합성데이터는 가짜 데이터로 보아야 하고, 문제성이 있는 것인가? 아니면 새로운 개념인가? 인공지능은 지능을 모방하는 것으로 출발하였다. 인간 지능 개발을 위하여 우리는 태어난 아이에게 교육을 시킨다. 교육을 학습이라고 한다. 학은 타인의 체험을 배우는 것이며, 습은 스스로 경험을 하는 것이다. 학을 위하여 우리는 체계화된 논리적 내용을 가르치는 한편, 다른 한편으로 다른 사람들의 경험을 겪게한다. 다른 사람이 직접 경험한 것을 기록한 것이 논픽션이며, 가상의 경험이 핏견이다. 소설과 영화 등 다양한 방식으로 사람들을 교육하게 된다.

진짜와 가짜의 경계는 모호하기만 하다. 어찌보면 가짜의 세상이 더욱 큰 것인지도 모른다. 소설과 영화, 드라마 없는 세상은 지루하기만 한 세상이며, 수 많은 현실이 이야기로 뭉뚱그려진 진가짜의 공간으로 옮겨진다 세월이 지남에 따라 신화가 되어 픽션과 논픽션 경계가 없어진 상태로 변화하기도 한다.

생각해 보면, 합성 데이터는 그리 새로운 것이 아니다. 우리 인간의 세상에 흔한 것이다. 우리가 개념화하여 적용하지 못하였을 뿐이다.