생성형 AI가 실물 경제와 물리적 산업에 가져오는 이점

 

인공지능이 최근 몇 년 사이 소매, 고객 서비스, 심지어 예술까지, 디지털 경제의 다양한 부분에 혁신을 가져왔다는 사실에는 이론의 여지가 없다. 챗GPT와 같은 대규모 언어 모델로 커뮤니케이션이 바뀌고 비즈니스를 위한 혁신적 솔루션이 등장했다. 그러나 아직 AI의 잠재력을 온전히 받아들이지 않은 경제의 중요한 영역이 있다. 바로 실물 경제다.

 

실물 경제는 상품을 운송하고 가정에 전력을 공급하고 식량을 재배하고 사회 기반 인프라를 유지 관리하는 산업으로 구성된다. 운송 및 물류, 건설, 에너지, 현장 서비스와 같은 분야가 포함된다. 생성형 AI 툴은 그동안 소비자 중심 애플리케이션에 변화를 가져온 것처럼 실물 경제를 위한 AI 기반 상품을 개발하는 방식에도 큰 변화를 일으킬 수 있다.

 

실물 경제 분야에서 활동하는 기업이 직면한 가장 중대한 과제는 안전이다. 이 맥락에서 컴퓨터 비전에 적용되는 생성형 AI는 앞으로 수십년에 걸쳐 실물 경제 산업을 변화시킬 잠재력을 지닌 가장 중요한 기술 발전 중 하나로 부상할 수 있다.

 

컴퓨터 비전을 위한 고정밀 AI 모델 구축하기

특히 육체 노동자의 경우 다양한 행동을 탐지하는 고정밀 AI 모델을 구축하기 위해서는 많은 데이터가 필요하다. 문제는 이 같은 데이터가 필요한 시나리오는 위험하고 소싱하기도 까다로운 경우가 많다는 점이다. 이 부분에서 생성형 AI는 유용한 수준을 넘어 필수 요소가 된다.

 

기존 데이터를 기반으로 예측을 수행하는 식별(discriminative) AI 모델과 달리 생성형 AI는 완전히 새로운 데이터를 합성한다. 희소성, 복잡성 또는 위험성으로 인해 실제 데이터 소스를 통해 구축하기 어렵거나 아예 불가능한 모델을 이러한 합성 데이터 집합을 사용해 효과적으로 학습시킬 수 있다. 예를 들면 다음과 같다.

 

전통적인 데이터 소싱 방법을 사용해 운전자에게 교통 위반에 대해 경고하는 모델을 만들려면 실제로 교통 법규를 위반하고 이를 기록해서 데이터 집합을 만들어야 할 것이다. 이 프로세스는 본질적으로 위험하며, 당연히 시간과 비용도 많이 소비된다. 미국 연방 고속도로국에 따르면 사상자가 발생하는 충돌 사고의 50% 이상이 교통 법규 위반으로 인해 교차로 또는 교차로 근처에서 발생하므로 해결책을 찾는 것이 중요하다.

비슷한 맥락에서, 충돌과 같은 치명적인 시나리오를 예측하고 탐지하기 위한 AI 모델을 개발하려면 그러한 시나리오에 해당하는 데이터를 확보해야 한다. 도로로 뛰어드는 사슴, 건설 현장의 장비 고장 또는 언덕에서 차량을 향해 굴러 떨어지는 바위와 같은 위험한 상황에 대한 학습 데이터 집합을 만들어야 한다는 문제가 있고, 따라서 정확하게 재현해서 시뮬레이션하기가 매우 어렵다.

고가의 장비가 오작동하거나 잘못 취급되는 경우를 정확하게 탐지하고 경고할 수 있다면 작업자의 안전에 큰 도움이 될 것이다. 작업 현장에서 "물리적 충격"은 사망 사고의 가장 큰 원인이며, 이 중 약 75%는 중장비로 인해 발생한다. 그러나 이를 모니터링하기 위한 강력한 AI 기반 탐지 기능을 구축하려면 움직임, 기계 작동 및 작업자의 장비 사용에 대한 데이터를 확보해야 하는데, 이는 복잡하고 어려운 과제다.

 

생성형 AI는 까다롭고 다양한 사용 사례를 위한 현실적인 합성 데이터 집합을 생성할 수 있게 해준다. 개발자는 도로 상태, 작업 현장 상태, 지리적 위치, 고객 서비스 상호 작용과 같은 부수적인 데이터와 추가 컨텍스트 및 기타 입력을 통합하여 풍부한 데이터 집합을 생성할 수 있고, 이를 통해 실제 사고가 없어도 문제를 탐지하고 경고할 수 있는 새로운 모델을 학습시킬 수 있다.

 

물리적 비즈니스에서 생성형 AI의 잠재력 활용

물리적 비즈니스에서 생성형 AI의 잠재력을 현실화하기 위해서는 사람과 데이터라는 두 가지 중요한 요소가 필요하다.

 

고도로 숙련된 팀을 구성하기 위한 투자는 모든 비즈니스 성공의 전제 조건이다. 또한 다양한 전문 지식과 함께 다양한 경험과 문화적 접점, 배경을 확보하는 것 역시 중요하다.

 

이러한 전문 지식과 경험을 바탕으로 생성형 AI 개발을 위한 정보를 제공하면 더 많은 컨텍스트를 내장할 수 있고, 지역 또는 국가가 아닌 전 세계 사용자에게 서비스를 제공하도록 모델을 확장할 수 있다.

 

엣지 컴퓨팅과 생성형 AI 모델, 두 가지 모두에서 데이터 품질은 매우 중요하다. 모티브(Motive)가 진정한 세계적 수준의 주석 팀을 구성하기 위해 투자한 이유도 바로 데이터 품질에 있다.

 

고객의 안전과 최적화를 위해서는 정확성이 매우 중요한 만큼 주석 팀은 생성형 AI 사용의 기반 프로세스가 견고하고 일관되도록 보장하는 역할을 한다. 모델을 학습시켜 제품과 서비스에 적용하기 위한 최고 품질의 데이터와 라벨을 보장하는 것도 이러한 프로세스에 포함된다.

 

실물 경제에서 생성형 AI의 유용함은 그로 인해 창출되는 통찰력과 역량에 따라 좌우된다. 모티브는 이러한 통찰력과 역량을 사용하여 운송 차량 및 지출 관리, 안전, 자산 모니터링, 유해가스 배출 등에 대한 통찰력을 제공하는 포괄적인 플랫폼을 운영한다. 고객과 접하는 이 기술적 요소는 팀이 프로세스에 투입하는 모든 작업이 비즈니스와 그 고객에 유의미한 결과로 이어질 수 있도록 보장한다.

 

생성형 AI의 혁신적인 잠재력

생성형 AI는 실물 경제와 일상 생활의 기반 산업에 혁신을 불러올 잠재력을 지녔다. 생성형 AI가 산불의 진행 방향을 예측해서 더 신속하게 주민들에게 경고함으로써 피해를 낮출 수 있다면 어떨까?

 

기후 변화에 대처하고 더 지속 가능한 도시를 만들기 위해 에너지 사용에 대한 예측 모델을 만들 수 있을까? 날씨나 도로 상황의 변화에 대한 더욱 빠르고 효과적인 경보를 통해, 또는 연료 소비량이 적은 경로를 통해 운송 경로를 개선할 수 있을까? 생성형 AI는 이러한 부분에서 글로벌 경제의 핵심 요소인 실물 경제에 도움이 될 수 있다.

 

출처 : ciokorea

작성자 : editor@itworld.co.kr