* Gartner, Hype Cycle for Artificial Intelligence, 2024, Afraz Jaffri, Haritha Khandabattu, June 17, 2024
가트너는 생성 AI(GenAI)가 기대의 정점을 지나고 있지만, 여전히 이에 대한 관심이 지속되고 있음을 나타냅니다. 2024년 현재, 10개의 기술이 기대의 정점에 위치하고 있습니다. 이 기술들은 다음과 같습니다:: • AI TRISM • Prompt Engineering • Responsible AI • AI Engineering • Edge AI • Foundation Models • Synthetic Data • ModelOps • Generative AI
이 블로그에서는 이러한 10개 기술에 대한 2024년 최신 동향을 살펴보겠습니다.
1. Sovereign AI
개념: Sovereign AI는 특정 국가 또는 지역이 외부의 영향 없이 독립적으로 AI 기술을 개발하고 운영하는 것을 의미합니다. 이는 데이터 주권을 유지하고, 국가 안보를 강화하며, 경제적 독립을 보장하는 데 중점을 둡니다.
동향: 인도 정부는 2024년 ‘Bharat AI’ 이니셔티브를 발표하여, 자국 내 AI 연구와 기술 개발을 촉진하고 외국 기술 의존도를 줄이는 것을 목표로 하고 있습니다. 이 프로젝트는 인도의 디지털 주권과 경제적 자립을 강화하는 데 기여할 것입니다.
추가 정보: : Promises and Pitfalls of India’s AI Industrial Policy
2. AI TRiSM
개념: AI TRiSM(신뢰, 위험, 보안 관리)은 AI 시스템에서 신뢰, 위험, 보안을 통합적으로 관리하는 방법론입니다. 이는 AI 시스템의 투명성, 공정성, 보안을 보장하여 그 책임성을 강화하는 데 중점을 둡니다.
동향: 마이크로소프트는 AI 모델의 보안성과 투명성을 높이기 위해 AI TRiSM 프레임워크를 기업 솔루션에 통합했습니다. 이를 통해 기업들은 AI 시스템 운영에서 법적 및 윤리적 요구 사항을 준수할 수 있습니다.
추가 정보: AI TRiSM: Tackling Trust, Risk and Security in AI Models
3. Prompt Engineering
개념: 프롬프트 엔지니어링(Prompt Engineering) 생성 AI 모델에 원하는 출력을 얻기 위해 입력 프롬프트를 최적화하는 기법입니다. 이는 AI가 특정 작업을 정확하게 수행할 수 있도록 입력 문구를 설계하거나 조정하는 과정을 포함합니다.
동향: 2024년, 구글은 Google Bard에 사용자 프롬프트를 최적화할 수 있는 새로운 기능을 도입하여, 교육 및 연구 분야에서 더욱 정교한 답변을 제공할 수 있게 되었습니다.
추가 정보: Master Gemini AI - Google Bard Prompt Engineering Bootcamp
4. Responsible AI
개념: 책임 있는 AI( Responsible AI)는 AI 기술이 윤리적이고 공정하며 투명하게 개발되고 운영되도록 보장하는 원칙과 관행을 의미합니다. 이는 AI의 사회적 영향을 고려하여 차별과 편향을 방지하고, 투명성과 책임성을 유지하는 것을 강조합니다.
동향: IBM은 AI 개발자가 공정성, 투명성, 책임성을 유지하면서 AI 모델을 구축할 수 있도록 돕는 새로운 책임 있는 AI 툴킷을 출시했습니다.
추가 정보: How your business can prioritize responsible AI with IBM watsonx
5. AI Engineering
개념: AI 엔지니어링(AI Engineering)은 AI 시스템을 설계, 개발, 배포, 관리하는 데 필요한 엔지니어링 원칙과 방법론을 포함합니다. 이는 AI의 성능, 확장성, 유지 보수성을 높이기 위해 소프트웨어 공학과 AI 접근 방식을 융합합니다.
동향: 아마존은 AI 모델의 신속한 배포와 관리를 가능하게 하는 AI 엔지니어링 모범 사례를 반영한 새로운 클라우드 기반 AI 플랫폼을 출시했습니다.
추가 정보: https://www.aboutamazon.com/news/aws/aws-infrastructure-generative-ai
6. Edge AI
개념: 엣지 AI(Edge AI)는데이터를 중앙 서버가 아닌 로컬 장치에서 처리하는 AI 기술을 의미합니다. 이는 실시간 데이터 처리와 빠른 응답이 요구되는 애플리케이션에서 중요한 역할을 합니다.
동향: NVIDIA는 IoT 장치 및 스마트 시티 인프라에 실시간 AI 분석 기능을 제공하는 새로운 엣지 AI 칩을 2024년에 출시했습니다.
추가 정보: https://www.nvidia.com/en-gb/deep-learning-ai/solutions/ai-at-the-edge/
7. Foundation Models
개념: 파운데이션 모델(Foundation Models)은 다양한 하위 작업을 위해 미세 조정할 수 있는 대규모 사전 학습된 AI 모델입니다. 이는 범용성이 높은 모델로 다양한 AI 응용 프로그램의 기반이 됩니다.
동향: 2024년, OpenAI는 다양한 자연어 처리 작업에서 중요한 역할을 하는 최신 파운데이션 모델 GPT-4o (&mini)를 출시했습니다.
추가 정보: Introducing GPT-4o and more tools to ChatGPT free users
8. Synthetic Data
개념: 합성 데이터(Synthetic Data)는 실제 데이터를 모방하여 인공적으로 생성된 데이터입니다. 이는 데이터 부족 문제를 해결하고 AI 모델 훈련 시 개인정보 보호를 강화하는 데 사용될 수 있습니다.
동향: 2024년 유럽의 의료 연구기관들은 환자의 개인정보를 보호하면서도 AI 모델을 훈련시키기 위해 대규모의 합성 데이터를 활용한 임상 연구를 진행했습니다.
9. ModelOps
개념: ModelOps는 AI 및 머신러닝 모델의 배포, 모니터링, 관리, 유지보수를 자동화하고 최적화하는 방법론입니다. 이는 모델의 라이프사이클 전체를 관리하여 효율적인 운영을 가능하게 합니다.
동향: 2024년 Google Cloud는 ModelOps 기능을 강화하여, 기업들이 AI 모델을 빠르고 안정적으로 배포하고 관리할 수 있는 새로운 서비스를 출시했습니다.
추가 정보: Introducing ModelOps to Operationalize AI
10. Generative AI
개념: 생성 AI(Generative AI)는 새로운 데이터(텍스트, 이미지, 비디오 등)를 생성할 수 있는 AI 기술을 의미합니다. 이는 기존 데이터를 학습하여 유사한 패턴을 따르는 콘텐츠를 생성하는 데 사용됩니다.
동향: 많은 기업들이 다양한 비즈니스를 위해 생성 AI 서비스를 개발하고 활용하고 있습니다.
이 10개의 기술은 현재 혁신의 최전선에 있으며, 각각이 AI의 미래를 형성하는 데 중요한 역할을 하고 있습니다. 이러한 기술들이 계속 발전함에 따라, 산업 혁신, 생산성 향상, 사회의 가장 시급한 문제 해결에 기여할 잠재력을 가지고 있습니다.
2024년과 그 이후에 AI를 효과적으로 활용하려면 이러한 트렌드에 대한 지속적인 정보 습득과 적응력이 필수적입니다. 가트너 하이프 사이클을 통해 이러한 기술들의 여정을 파악함으로써, AI 주도의 미래에서 다가올 기회와 도전에 대비할 수 있습니다.
Σχόλια