‘AI 시뮬레이션’, ‘인과적 AI’, ‘연합 학습’, ‘그래프 데이터 사이언스’,
‘뉴로 심볼릭 AI’, ‘강화학습’ 등…가트너 ‘이머전트 AI’로 규정
[애플경제 전윤미 기자] 생성형AI 말고도 기업 활동이나 부가가치 창출을 위한 AI기술이 함께 발전하고 있다. 최근 ‘가트너’는 이런 내용의 ‘이머전트(Emergent) AI’를 포함해 ‘개발자 경험’, ‘클라우드 보편화’, ‘개인정보보호와 보안’ 등을 제시한 ‘2023년 유망기술 ‘4가지 트렌드’를 발표한 바 있다.
그러나 정작 눈길을 끄는 것은 따로 있다. 즉, ‘가트너’가 ‘이머전트AI’의 개념으로 제시한, 생성AI를 포함한 7가지 AI기술이다.
이들은 ‘AI 시뮬레이션(simulation)’, ‘인과적 AI’(Causal AI), ‘연합 머신러닝’(Federated machine learning), ‘그래프 데이터 사이언스’, ‘뉴로 심볼릭 AI’, ‘강화학습’ 등이다.
가트너, ‘2023년 유망기술 ‘4가지 트렌드’의 또 다른 핵심?
‘가트너’는 이들을 포괄한 ‘이머전트 AI’에 대해 “생성AI 외에도 디지털 고객 경험을 향상시키고, 더 나은 비즈니스 의사결정을 보장하며, 지속 가능한 경쟁 우위를 구축하는데 상당한 잠재력을 제공하는 AI 기술들”이라고 규정했다.
그 중 ‘AI 시뮬레이션’은 AI 에이전트와 모의실험 상황, 즉 훈련하고 테스트하고 배치하는 등의 작업을 할 수 있는 환경을 위해 “AI와 시뮬레이션 기술들을 결합한 애플리케이션을 개발하는 것”이다.
‘가트너’에 의하면 또 ‘인과적l AI’는 상관관계 기반의 예측 모델을 넘어 원인-결과 관계를 식별·활용함으로써 “한층 효과적으로 행위를 묘사하고 더 자율적으로 작동할 수 있는 AI 시스템을 지향하는 것”이다.
다음으로 ‘연합 머신러닝’은 데이터 샘플의 명시적인 공유가 일단 없다. 대신에 로컬 노드에 포함된 여러 로컬 데이터세트에서 머신러닝(ML) 알고리즘을 훈련하는 것이 목표다.
이를 통해 개인정보를 더욱 충실히 보호하고, ML 및 심층 신경망(DNN)이 더 많은 데이터를 사용할 수 있도록 지원한다. 그 결과 데이터 전송 병목 현상을 해결하고, 정확도를 높이기 위한 협업 학습을 지원하는 것이다.
생성AI 기술, ‘이머전트AI’의 5번째 요소
생성AI 기술도 ‘이머전트 AI’의 한 요소다. 이는 일단 원본 소스 콘텐츠의 대규모 저장소에서 학습한다. 그런 다음 새로운 버전의 콘텐츠, 전략, 설계 및 방법을 생성할 수 있다.
이는 그 결과 “콘텐츠 검색, 생성, 권한과 규제, 인간 작업 자동화, 고객 및 직원 경험을 포함해 비즈니스에 엄청난 영향을 불러온다”는 평가다.
그래픽 데이터 사이언스(GDS)는 일종의 학문이다. 즉, 예측과 처방 모델을 구축하는 데 사용될 수 있는 행동 특성을 식별하기 위해 데이터 과학기술이 그래프 데이터 구조에 적용되는 것이다.
이때 그래프 데이터 과학이나 기계 학습 알고리즘은 거리와 경로, 유사성 및 커뮤니티를 계산하고, 그래프의 변화 효과를 시뮬레이션한다. 이를 통해 새로운 노드나 에지를 추론하거나 전체 그래프 구조를 분류하기 위한 예측을 하기도 한다.
‘뉴로-심볼릭 AI’는 ‘가트너’ 정의에 의하면, “머신러닝 방법과 지식 그래프 등 기호 시스템을 결합하여 보다 강력하고 신뢰할 수 있는 AI 모델을 만드는 복합 AI의 한 형태”다.
다시 말해 명확하게 정의된 규칙이나 지식과 통계 패턴을 결합, AI 시스템이 개념을 더 잘 표현하고, 추론하고, 일반화할 수 있는 능력을 제공하는 것이다.
또한 ‘가트너’식 해석에 의하면 ‘강화학습’은 “학습시스템이 긍정적 피드백(보상)과 부정적 피드백(처벌) 측면에서만 훈련을 받는 머신러닝의 일종”이다. 이를 통해 문제 해결 과정에서 처벌을 최소화하면서, 전체적인 보상이 극대화되도록 시스템을 구축하고, 이에 따른 행동이나 상황을 조성하는 것이다.