인공지능이 바꾸는 미래 변화 시나리오 12가지
안녕하세요
오늘은 인공지능 기술이 바꾸는
미래사회에 대해 소개해드릴게요.
지금도 다양한 분야에서 인공지능 기술을
발빠르게 활용하고 있고 앞으로는 더욱
그 비중이 늘어날 것입니다.
그럼 어떤 분야에서 인공지능 기술이
활발하게 적용이 될까요?
위 네가지와 같은 분야에서 인공지능은
더욱 깊숙히 침투할 것으로 전망하고 있습니다.
그러면 실제로 어떻게 인공지능이 미래사회를 바꾸어 가고 있는지
하나하나 분야별로 사례를 살펴볼게요!
1. 범죄수사
현재도 3D 스캐너를 활용해 범죄현장을
재구성하고 있는데요.
여기에 AI 기술이 접목되고 있습니다.
2. 법률분야
두번째로는 법률분야입니다.
법률 분야에서 AI 기술이
활용될 수 있는 업무는 정말 많은데요.
아래와 같습니다.
3. 의료분야
의료분야는 이미 AI 기술을 적극 도입하고 있으며
가장 투자가 활발한 분야입니다.
앞으로는 의원급 병원까지 AI 기술을 활용한
진단이 보편화될 것 같습니다.
4. 교육 영역
미래사회에선 AI가 교육 지식도
전달할 것으로 보고 있으며,
다양한 관리업무도 대행할 수 있을 것으로 보고 있습니다.
5. 개인비서
이미 어시스턴트 서비스들이 많이 나와있지만
개인화가 가능한 AI 어시스턴트 서비스가
다양하게 출현할 것으로 보입니다.
7. AI 수제자
나의 능력을 학습시킬 수 있는 AI가
등장한다고 합니다.
나의 업무를 일부분 덜어주고 자동화할 수 있게
도와줄 것입니다.
7. 가사도우미
가사를 도와주는 로봇이 등장할 것이며
가사노동으로부터 자유로워질 수 있는 날이
머지 않았습니다.
8. 가정용 요리봇
내가 먹고싶은 요리를 로봇이 직접 만들어주는 생활이
현실화될 것입니다.
9.대중교통
자율주행 자동차가 일반 대중 뿐 아니라
대중교통에도 적용되어 운행될 것이라고 합니다.
10) 교통량 및 신호체계
대중교통 뿐 아니라 신호체계 또한
인공지능 기술이 적용되어 교통량을 분석해
탄력적으로 자동화 운용이 가능해진다고 하네요!
11) 도로 관리
도로 관리를 위해 센서를 부착하여 데이터를 수집하고
데이터를 바탕으로 AI가 도로 상태를 분석해
관리를 용이하게 만들어 줍니다.
도로관리 뿐 아니라 다양한 공공시설로 확장해
관리할 수 있습니다.
12. 물리보안
공공 CCTV에 AI 기술을 적용해
시민들의 안전과 위험 상황을 모니터링할 수 있습니다.
디피니트 또한 관련 기술을 활용해
스타트업의 핵심 AI 모델을 개발한 경험이 있습니다.
오늘은 AI가 변화시키는 미래사회에 대해 알아보았습니다.
이미 적용되고 있는 분야도 있고
이제 막 적용이 시작된 분야도 있는데요.
분명한 것은 AI 기술이 대부분의 분야에 스며들것이라는 점입니다.
위에서 보여드린 사례들은 주관적으로 작성한 것이 아니며
이미 2017년도 정보화진흥원의
인공지능 미래생활 시나리오에 나온 자료입니다.
이런 자료를 미리 캐치해서 주식에 투자한다면..
정말 큰 수익을 얻을 수도 있을 것 같다는 생각이 들었네요.
미래에 대한 정보를 선점하고
빠르게 적응하는자가 시대에서 살아남을 수 있다는 것을
이번 포스팅을 통해 느꼈네요.
변화를 두려워하지 말고 빠르게
적응하려는 노력이 필요한 시대인 것 같습니다.
살아남는 것은 가장 강한 종이나 가장 똑똑한 종들이 아니라,
변화에 가장 잘 적응하는 종들이다. – Charles Darwin
오늘날 좋은 AI 사이버 보안은 어떤 모습일까요?
인공지능 (AI)이 사이버 범죄에 혁명을 일으키고 있으며, 보안 업계가 이를 따라잡기 위해 노력하고 있습니다. 방어적 AI는 공격적인 AI 로부터 보호하는 데 도움이 될 수 있지만 , 전문가들은 AI 범죄가 너무 빠르게 진화하여 AI 지원 보안 소프트웨어로도 이를 막을 수 없으며 '제로 트러스트' 와 같은 데이터 잠금 전략이 유일한 방법일 수 있다고 경고합니다.
우리가 2022년 AI 보안 상태를 조사했을 때 , 범죄 집단은 기존 보안 도구로는 탐지할 수 없는 비디오 딥페이크 , 스피어 피싱 및 기타 표적 공격을 고안하는 데 도움이 될 만큼 정확한 통찰력을 얻기 위해 방대한 데이터를 탐색하기 위해 AI 기능을 수용하는 데 바빴 습니다. 2023년에는 생성적 AI와 머신러닝 (ML)이 사이버 범죄에 확립되었으며, 거래 도구는 더 이상 다크웹 에만 국한되지 않습니다 . 갱단은 ChatGPT 와 같이 널리 사용되는 챗봇을 사용하여 산업 규모의 맞춤형 공격 생성 및 배포를 자동화합니다.
보안 공급업체는 자체 도구의 AI 기능을 강화하여 대응했지만 비즈니스 리더는 그 어느 때보다 두려워하고 있습니다. 최근 BlackBerry 조사에서 IT 의사 결정자 의 절반 이상(51%)이 2023년 말까지 ChatGPT에 의한 성공적인 사이버 공격이 있을 것이라고 믿었습니다. 6월 Yale CEO Summit에서는 42%가 AI에 잠재력이 있다고 답했습니다. 5~10년 안에 인류를 멸망시키겠다는 것이다.
자율 AI 악성코드의 시작
최근 AI의 가장 큰 발전은 누구나 콘텐츠를 만드는 데 사용할 수 있는 자연어 학습 모델 (LLM)을 기반으로 하는 오픈 소스 생성 AI 챗봇입니다. ChatGPT가 대중에게 공개된 지 몇 주 후, 소프트웨어 회사인 CircleCI가 생성 AI를 사용하여 피싱 이메일을 생성 하고 취약점을 검색하는 공격을 받았습니다. 2023년 4월까지 Darktrace는 새로운 사회 공학 공격이 135% 증가했다고 보고했습니다.
가장 기본적인 수준에서 공격자는 LLM 챗봇을 사용하여 단순히 정보를 수집합니다. IEEE 회원이자 Ulster University의 사이버 보안 교수인 Kevin Curran은 ITPro에 "챗봇이 멘토 역할을 할 수 있습니다."라고 말했습니다. "약점이나 악용 여부에 대해 스마트 계약 코드를 분석하는 데 AI 챗봇이 사용되는 사례가 있었습니다."
Freeform Dynamics 분석가 Tony Lock은 AI 해커 고용 증가에 힘입어 야심찬 공격자들이 생성 AI를 사용하여 피싱 작업을 개선했다고 밝혔습니다. "그들은 음성 사운드와 가짜 이미지를 생성하고 사람들의 게시된 글쓰기 스타일을 복사하기 위해 챗봇을 사용하고 있습니다. 이 모든 것이 2023년에 훨씬 더 정교해지고 산업화되었습니다."
보안 회사인 Resistant AI의 CEO이자 프라하 대학교 강사인 Martin Rehak은 이미 AI 기반 범죄자가 조직의 AI 기반 보안 시스템을 악용하는 것을 목격하고 있다고 말합니다. "범죄자들은 보안 시스템을 공격하는 대신 기업이 온라인 비즈니스를 수행하는 데 사용하는 자동화 및 AI 시스템을 공격하고 있습니다."
이 모든 것을 자율적으로 수행할 수 있는 생성 AI의 잠재력은 AI 업계에서 간과되지 않았습니다. ChatGPT 개발자 OpenAI 의 CEO인 Sam Altman은 챗봇이 스스로 대규모 허위 정보를 배포하고 악성 코드를 작성할 수 있는 능력에 대해 "걱정"하고 있음을 인정했습니다.
보안 업계에서 보내는 메시지는 AI 위협에 맞서려면 AI 방어가 필요하다는 것입니다. CrowdStrike 에서 Google 에 이르는 브랜드는 AI를
기업 보안 시스템의 중심에 두고 있으며, 50명의 CIO를 대상으로 한 Freeform Dynamics 설문 조사 에 따르면 응답자가 만난 모든 공급업체 중 거의 모든 공급업체(82%)가 자사 제품에 AI가 사용되었다고 주장했습니다.
AI가 보안 팀의 생산성을 어떻게 높일 수 있는지 알아보세요.
이에 따라 글로벌 AI 보안 시장은 2021년 132억9000만 달러에서 2022년 165억2000만 달러로 성장했고, 스카이퀘스트는 2030년에는 941억4000만 달러에 이를 것으로 전망했다.
기존 엔드포인트 보안과 달리 AI는 시스템에 진입하기 전에 가장 작은 잠재적 위험을 감지할 수 있습니다. 예를 들어 Microsoft Azure의 보안 연구 환경은 스마트 자동화를 사용하여 사용자의 비즈니스 데이터를 감독하고, 이상이 감지되면 ML이 즉시 조치를 취할 준비가 되어 있습니다. 알고리즘이 클라우드 에서 공유되는 샘플을 통해 자신의 경험과 다른 조직으로부터 학습함에 따라 응답 시간이 지속적으로 단축됩니다 .
클라우드 보안 회사인 Vercara의 솔루션 SVP인 Carlos Morales는 "AI 도구는 글로벌 규모로 정보를 구성할 수 있습니다."라고 말합니다. "다양한 방어 솔루션의 데이터 간 상관관계를 파악하고 새로운 공격을 사전에 감지하고 조치를 취할 수 있습니다."
이제 많은 AI 보안 서비스에는 양성 활동과 악성 활동의 차이를 자동으로 즉각적으로 "알는" 방법을 학습하는 효과적인 인공 두뇌인 딥 러닝 및 신경망 요소가 포함되어 있습니다. 딥 러닝은 네트워크 침입을 자동으로 감지하고, 무단 액세스 시도를 찾아내고, 공격이 진행 중임을 나타낼 수 있는 비정상적인 동작을 거의 실시간으로 강조할 수 있습니다.
이제 AI는 공격으로 인한 피해를 제한하는 데 도움을 줄 수도 있습니다. 보안 플랫폼 OmniIndex의 CEO인 Simon Bain은 "사고에 대응하여 정해진 방어 절차가 시작됩니다."라고 말합니다. "특정 데이터베이스나 블록체인 노드가 공격을 받으면 AI는 피해를 해당 단일 위치로 격리하고 다른 지역으로 확산되는 것을 막을 수 있습니다."
엄청난 양의 혼란스러운 데이터에서 매우 빠르게 조언을 생성하는 생성 AI의 능력은 방어자에게도 유용합니다. 보안 챗봇은 시스템의 보안 제어 및 구성을 검사하여 차이점을 지적하고 정책을 추천할 수 있습니다. 이 급속한 발전의 다음 단계는 AI 시스템이 보안 제어를 자율적으로 감사, 평가 및 검증하는 것입니다.
보안 팀은 이미 생성적 AI를 사용하여 알려진 에이전트가 작성한 악성 코드를 탐지하고, 다음에 수행할 작업을 예측하며, 공격이나 변종이 탐지되면 자동으로 조치를 취하는 데 도움이 되는 모델을 구축했습니다.
Darktrace를 포함한 기업은 가장 창의적인 AI 기반 해커의 행동을 자동으로 예측하고 차단하는 스마트 공격 시뮬레이션을 개발했습니다 .
Darktrace의 사이버 혁신 담당 부사장인 Max Heinemeyer는 "선제적 보안과 시뮬레이션은 놀라울 정도로 강력할 것입니다."라고 말합니다. "이것은 악의적인 행위자에 대한 상황을 뒤집어 보안 팀이 알려지지 않은 AI 기반 위협으로부터 조직을 미래에 대비할 수 있는 방법을 제공할 것입니다."
필연적으로 보안 공급업체는 자사 제품의 AI 기능에 대해 확신을 가지고 있습니다. 그러나 비즈니스 리더들은 보안 제품에서 AI에 대한 과대광고를 두려워하며 여전히 경계하고 있습니다. Freeform Dynamics 응답자의 절반 이상(54%)은 AI 기능에 대한 공급업체의 주장에 대해 "신중"하거나 "의심"한다고 답했습니다.
이러한 의심이 타당하든 그렇지 않든 기업은 AI 지원 보안 소프트웨어를 마법의 총알로 보는 것을 거부하는 것이 현명하다고 Curran은 말합니다.
"다른 기술 혁신과 마찬가지로 AI는 특히 사이버 보안 분야에서 과장되는 경향이 있습니다."라고 Curran은 말합니다. "그러나 이는 향후 몇 년 동안 조직이 스스로를 보호하는 방식에 큰 영향을 미치고 영향을 미칠 수 있는 잠재력을 가지고 있습니다."
생성적 AI의 범죄적 악용은 이메일과 코드 작성을 훨씬 넘어서는 것입니다. 대부분의 LLM 챗봇은 무료로 사용할 수 있고 조직의 기술 스택 외부에 존재하므로 보안 팀이 이를 제어할 수 없으며 데이터 유출 위험이 가득합니다 .
제로 트러스트가 최선의 방어인가?
당신이 제품 제안서를 작성하는 제품 관리자이고 ChatGPT와 같은 LLM을 사용하여 문서의 가독성과 명확성을 확인한다고 상상해 보십시오. 이 교환에는 매우 기밀인 비즈니스 정보가 포함될 가능성이 높습니다. 그러나 이 예는 단지 이론적인 것과는 거리가 멀다. 지난 7월 Deloitte는 400만 명의 영국 근로자가 업무에 생성 AI 도구를 사용하고 있다고 보고했으며 이 숫자는 계속 증가할 것입니다.
데이터 유출과 생성 AI는 우리가 이미 맞서 싸워야 하는 현실입니다. 3월에는 ChatGPT 사이드바에 사용자의 채팅 기록과 제목이 노출되는 결함이 있었습니다. OpenAI는 버그를 패치한 것으로 추정되지만, 그럼에도 불구하고 Apple은 추가 보안 예방 조치로 모든 직원에 대해 ChatGPT를 금지했습니다. 보안 전문가 Group-IB는 지난 6월 100,000개가 넘는 악성 코드 로그에서 도난당한 ChatGPT 자격 증명을 발견했습니다.
보안 솔루션은 AI를 활용하여 위협 행위자가 훔친 자격 증명을 사용하는 것을 방지합니다 . 예를 들어 Human Security의 제품은 플랫폼에서 손상된 자격 증명을 실시간으로 식별하고 차단하는 것을 목표로 합니다. 그러나 Forrester 및 Google Cloud 의 분석가를 포함한 많은 전문가들은 이러한 공격에 대한 유일한 효과적인 방어 방법은 제로 트러스트 보안 모델을 구현하는 것이라고 믿습니다. 제로 트러스트 접근 방식은 모든 데이터를 신뢰할 수 없는 것으로 취급하고 개인 전화를 포함한 모든 장치에 대해 엄격한 액세스 제어를 시행합니다.
특히, 이 기사를 위해 우리가 인터뷰한 영국 기반 전문가 중 제로 트러스트를 특별히 옹호한 사람은 없었습니다. Gartner는 개인 정보 보호에 중점을 둔 영국에 비해 미국에서 채택률이 더 높다고 제안했습니다. 대부분의 분석가는 특히 원격 작업의 경우 데이터 공유 및 확인 에 대한 직원 교육 개선의 중요성을 강조했습니다 .
전문 IT 기관인 CompTIA의 사이버 개발 프로그램 부사장인 Ron Culler는 "AI가 생성한 피싱에 대한 최선의 방어는 강력한 정책입니다."라고 말합니다. "나쁜 행위자가 자격 증명 정보를 훔치려고 시도하는 스피어 피싱을 예로 들어 보겠습니다. 조직은 두 번째 사람이 요청을 확인하도록 요구하거나 신원 확인을 위해 PIN 코드를 사용하도록 요구하는 이중 인증 정책을 구현하여 이러한 공격 시도로부터 보호할 수 있습니다."
AI 보안의 한계
무인 자동차가 운송 수단을 변화시키듯이 자율 AI 보안 시스템도 언젠가 인간의 감독을 불필요하게 만들 수 있습니다. 이제 기업은 AI와 ML을 사용하여 기술 격차를 해소 하고 대규모 보안 결함으로 이어지는 인간 실수 유형을 최소화할 수 있습니다. 예를 들어, D2iQ 의 새로운 AI Navigator 'copilot' 도구는 열악한 보안 구성과 같은 문제를 지능적으로 감지합니다.
그러나 2024년이 다가옴에 따라 AI로 강화된 방어 전략에 있어 인간의 투입은 여전히 중요합니다. 잘못된 데이터에 대해 훈련된 생성적 AI는 잘못된 결정과 부정확한 정보를 제공할 수 있으며, 이를 확인하지 않으면 비즈니스 보안에 득보다 실이 더 클 수 있습니다. 많은 AI 지원 시스템과 마찬가지로 AI Navigator에도 연중무휴 인간 지원 팀이 함께 제공된다는 점을 알 수 있습니다.
WatchGuard의 CSO인 Corey Nachreiner는 "이러한 시스템은 보안 지표에 관한 한 밀과 왕겨를 분리하는 데 충분하지만 나머지 주요 사항을 조사하려면 인간 사고 대응자가 여전히 필요합니다."라고 말합니다. "그들은 또한 그들이 가져온 데이터가 부정확하거나 나쁜 경우 매우 나쁜 결정, 즉 환각을 내릴 수 있습니다. 그들은 실제로 생각하지 않습니다."
Malwarebytes의 사이버 보안 전도사인 Mark Stockley는 "우리는 AI의 한계에 대해 현실적이어야 합니다."라고 말합니다. "잠재적으로 부하를 줄일 수 있지만 아직은 전문적인 인간 위협 사냥꾼의 역할이 있을 것입니다."
일상 생활 속의 AI, 12가지 사례
자율주행 차량을 비롯해 표절 적발 등 다양한 분야서 활용
AI의 지속적 발전에 따라 생산적인 삶 영위 방법도 더 많아져
오늘날 우리의 일상속에서 인공지능(AI)이 영향을 미치고 있는 것은 무엇이 있을까?
인기가 점점 높아지고 있는 AI는 요리부터 의료까지 다양한 방식으로 적용될 수 있는 잠재력을 가지고 있다. 사실 인공지능은 이미 우리 주위에서 다양하게 활용되고 있다. 미국의 IT전문지 ‘아이티프로포털(ITProPortal)’이 14일 ‘일상 생활 속 AI 12가지 사례’라는 제목의 기사에서 짚어 본 내용을 아래에서 소개한다.
1. 자율주행 차량
자율주행 차량은 많은 센서 데이터를 이용해 임무를 수행하는 동시에 교통상황에 대응하는 방법을 학습하고 실시간 의사 결정을 내리면서 지속적으로 개선된다. 자율주행 차량은 운전자의 제어 없이 운행하기 위해 AI 기술과 기계학습(Machine Learning)을 사용한다.
2. 스마트 디지털 도우미
시리, 구글어시스턴트, 알렉사 및 코타나 등 유비쿼터스 스마트 디지털 도우미를 살펴보자. 기본적으로 명령을 하면 듣고 응답하여 행동으로 바꿀 수 있는 제품들이다. 시리를 누르면 ‘친구에게 전화 걸기’와 같은 명령을 내릴 수 있다. 이 기능은 몇 초 만에 사용자가 말한 내용을 분석하고 음성을 둘러싼 모든 배경 소음을 걸러내고 명령을 해석하여 실제로 수행한다.
이러한 도우미들이 더욱 스마트해지면서 명령 프로세스의 모든 단계를 개선하고 있다. 몇 년 전처럼 명령을 구체적으로 지정할 필요가 없어졌다. 또한 가상 도우미가 실제 명령에서 불필요한 배경 소음을 걸러내는 기능이 더욱 향상되고 있다.
3. 마이크로소프트(MS)의 ‘프로젝트 인너아이(InnerEye)’
가장 잘 알려진 AI 프로젝트 중 하나는 MS가 운영하는 프로젝트다. MS의 ‘프로젝트 InnerEye’는 세계를 변화시킬 수 있는 최첨단 연구다. 이 프로젝트의 목표는 뇌, 특히 뇌의 신경계를 연구하여 뇌의 기능을 보다 잘 이해하는 것이다. 이 프로젝트의 목적은 다양한 신경학적 질병을 진단하고 치료하는 데 인공 지능을 사용할 수 있도록 하는 것이다.
4. 표절 적발
인터넷을 이용하면 표절을 쉽게 할 수 있다. 오늘날 정보 및 데이터의 양은 무제한에 가까워서 비양심적인 사람들이 이를 쉽게 활용할 수 있다. 실제로 어떤 에세이를 존재하는 모든 데이터와 비교하고 대조할 수 있는 사람은 없다. AI는 다르다.
AI는 대량의 정보를 확인하고 관련 텍스트와 비교하며 일치하는 정보가 있는지 여부를 확인할 수 있다. 또한 이 분야의 발전과 성장 덕분에 일부 도구는 실제로 외국어로 된 출처뿐만 아니라 이미지와 오디오도 확인할 수 있다.
5. 콘텐츠 추천 기능
특정 플랫폼에서 추천 기능이 갈수록 좋아지고 있다. 넷플릭스, 유튜브, 스포티파이 등의 사례가 그렇다. AI와 머신 러닝 덕분이다. 이들 세 가지 플랫폼은 이용자가 이미 보고 좋아한 것을 고려한다. 그런 다음 수 천의 다른 콘텐츠와 비교하고 대조한다. 이들은 기본적으로 사용자가 제공하는 데이터로부터 정보를 얻은 다음 자신의 데이터베이스를 사용하여 사용자의 요구에 가장 적합한 콘텐츠를 제공한다.
예를 들어 유튜브의 이 프로세스를 단순화해 보면 이 플랫폼은 태그 등의 데이터, 나이 또는 성별과 같은 인구 통계학적 데이터 및 다른 미디어를 사용하는 사람들의 동일한 데이터를 사용한다. 그런 다음 이를 합치고 일치시켜 추천 콘텐츠를 제안하게 된다.
6. 은행
미국의 많은 대형 은행에서는 스마트폰을 통해 수표를 입금하는 옵션을 제공한다. 실제로 은행으로 가는 대신 단지 두 번의 두드림만으로 입금할 수 있다. 전화를 통해 은행 계좌에 접근할 때는 수표는 확실한 안전장치 외에 서명도 요구한다.
현재 미국의 은행에서는 AI와 머신 러닝 소프트웨어를 사용하여 손글씨를 읽고 이전에 은행에 제공한 서명과 비교하여 수표를 승인하는데 안전하게 사용한다. 일반적으로 머신 러닝과 AI 기술은 은행 내 소프트웨어가 수행하는 대부분의 작업을 가속화한다. 이 모든 것이 작업을 보다 효율적으로 실행해 대기 시간과 비용을 줄여준다.
7. 신용 사기 방지
은행은 매일 업무를 진행하면서 엄청난 양의 거래를 처리한다. 은행은 이 모든 것을 추적하고, 분석한다. 보통 사람에게는 불가능한 일이다. 사기 등 부정한 거래는 매일 변경되는 양상을 보여준다. AI 및 머신 러닝 알고리즘을 사용하면 1초에 수천 개의 거래를 분석할 수 있다. 또 문제를 일으킬 수 있는 거래를 파악하고 향후 문제에 대비하도록 할 수 있다.
대출을 신청하거나 신용 카드를 신청할 때마다 은행은 신용 점수, 재무 기록 등 여러 가지 요소를 확인할 필요가 있다. 은행은 이 모든 것을 소프트웨어로 처리할 수 있다. 이로 인해 승인 대기 시간이 단축되고 실수 여지가 줄어든다.
8. 챗봇
많은 기업들이 이용자와 상호 작용하는 방법으로 챗봇을 사용하는 경우가 많다. 챗봇은 질문에 답변하거나 질문에 응답할 수 있는 충분한 직원이 없는 기업의 고객 서비스 옵션으로 사용되는 경우가 많다. 이러한 기업은 챗봇을 사용하여 고객들로부터 중요한 정보를 얻는 동시에 직원의 시간을 다른 작업에 할애할 수 있다.
블랙프라이데와 같이 접속량이 많은 시간대에 챗봇은 유용하게 쓰인다. 많은 질문에 답할 수 있으며 이를 통해 이용자에게 보다 나은 서비스를 제공할 수 있다.
9. 스팸으로부터 보호
일반적인 스팸 필터에는 사용자에게 도달할 수 있는 스팸의 양을 최소화하는 여러 규칙과 알고리즘이 있다. 이를 이용하면 성가신 광고 등으로부터 벗어날 수 있을 뿐만 아니라 신용 카드 사기, 신원 도용 및 악성 소프트웨어 방지에도 도움을 받을 수 있다.
좋은 스팸 필터를 효과적으로 만드는 것은 바로 이 필터를 실행하는 AI이다. 필터 뒤에 있는 AI는 이메일 메타데이터를 사용한다. 즉, 특정 단어나 문구를 지속적으로 주시하고 일부 신호에 초점을 맞춰 스팸을 걸러낸다.
10. 비디오 요약
비디오 요약과 같은 일상적인 AI의 측면은 넷플릭스를 통해 매우 널리 사용되고 있다. 웹 사이트의 많은 썸네일과 특정 스트리밍 앱이 짧은 동영상으로 대체되고 있다. 이렇게 될 수 있었던 주된 원인 중 하나가 바로 AI와 머신 러닝이다.
AI는 편집자들이 긴 비디오를 단축하거나, 필터링하거나 3초 분량의 비디오로 잘라내는 데 수백 시간을 소비하지 않아도 되게 한다. 수백 시간 분량의 컨텐츠를 분석한 후 짧은 분량으로 요약할 수 있다.
11. 레시피 및 요리
AI는 요리와 같은 예기치 않은 영역에서도 잠재력을 갖고 있다. 라사(Rasa)라는 회사는 음식을 분석한 후 냉장고와 식료품 저장고에 있는 재료를 기준으로 레시피를 추천하는 AI 시스템을 개발했다. 이러한 유형의 AI는 요리를 좋아하지만 식사 계획에 너무 많은 시간을 허비하고 싶지 않은 사람들에게 좋은 방법이라고 할 수 있다.
12. 얼굴 인식
AI와 머신 러닝은 모든 기술을 더욱 효과적이고 강력하게 만든다. 얼굴 인식도 다르지 않다. 이제 얼굴 인식에 AI를 사용하는 앱이 많이 등장했다. 사회관계망 서비스(SNS)인 스냅챗(snapchat)은 AI 기술을 사용하여 실제로 사람의 얼굴을 인식하는 얼굴 필터를 적용한다. 페이스북은 이제 특정 사진에서 얼굴을 식별하고 다른 사람을 초대하여 태그를 지정할 수 있다.
그리고 얼굴을 이용한 휴대폰의 잠금 해제 기능도 제대로 작동하려면 AI와 머신 러닝이 필요하다. 애플의 ‘Face ID’는 설치할 때 얼굴을 스캔하고 약 3만 개의 규칙을 규정한다. 이는 다양한 각도에서 얼굴을 인식하는 데 도움이 되는 마커(marker)로 사용된다. 이를 통해 다양한 상황과 조명 환경에서 얼굴을 사용해 휴대폰을 잠금 해제하는 동시에 다른 사람이 같은 작업을 하지 못하도록 방지할 수 있다.
결론
AI 기술은 계속해서 발전해 나가고, 성장하며, 모든 산업과 일상 생활의 거의 모든 측면에서 점점 더 중요해지고 있다.
인공 지능은 앞으로 우리 삶의 새로운 영역에서 지속적으로 발전할 것으로 예상된다. 혁신적인 응용 프로그램이 개발됨에 따라 AI를 통해 쉽고 생산적인 삶을 영위할 수 있는 방법을 더 많이 알게 될 전망이다.
'인공지능, 머신러닝, 딥러닝' 카테고리의 다른 글
| 엔비디아, 차세대 AI칩 블랙웰 공개…황 CEO "새 산업혁명 구동" [엔비디아, 새로운 AI 컴퓨팅 시대 여는 블랙웰 GPU 플랫폼...조 단위 매개변수의 AI 모델 구현] (1) | 2024.03.19 |
|---|---|
| 뇌에 프로그램된 강력한 의지력과 추진력이 인생을 변화시킵니다 | 학습 공부 목표달성 (0) | 2024.02.21 |
| 딱 3개월! 나이든 뇌를 젊고 건강하게 만드는 필수 영양보조제 6가지 [ 10분 만에 뇌를 바꾸는 10가지 방법 / 7시간 숙면을 위한 6가지 솔루션] (0) | 2024.02.21 |
| 구글의 새로운 AI 로봇, 기술 업계 전체를 놀라게 하다 [가격+CL-1 휴머노이드+모바일 알로하] (0) | 2024.02.16 |
| 전 세계가 놀란 중국의 양자기술 수준... (1) | 2024.01.25 |
