인공 지능: 초보자 가이드

모두가 인공 지능에 대해 이야기하고 있습니다. 이해할 수 있습니다. 갑자기 텍스트와 이미지를 포함한 다양한 AI 생성 콘텐츠를 무한한 범위의 스타일로 몇 초 만에 쉽게 만들 수 있는 무료(또는 저렴한) 도구가 등장했습니다.

물론 흥미 진진합니다.

그러나 잠시 멈추고 자신에게 몇 가지 질문을 해보십시오.

• 나는 AI가 무엇인지 정말로 알고 있는가?
• 주변에 얼마나 오래 있었는지 알고 있습니까?
• AI와 기계 학습의 차이점이 있다면 알고 있습니까?
• 도대체 딥 러닝이 무엇인지 알고 있습니까?

모든 질문에 긍정적으로 대답했다면 이 문서가 적합하지 않을 수 있습니다. 그들 중 일부를 주저했다면 계속 읽으십시오.

AI 혁명이 시작된다…지금?

일부 배경을 채우는 것으로 시작하겠습니다.

AI는 새로운 것인가?

아니요. 적어도 개념적으로 AI는 1950년까지 거슬러 올라갑니다(자세한 내용은 나중에 설명). 1960년대와 1970년대에 컴퓨터가 더 빠르고, 더 저렴해지고, 더 널리 보급되면서 실용적인 추구로 번성하기 시작했습니다.

마케팅의 AI는 새로운 것입니까?

아니요. AI는 오랫동안 콘텐츠 제작 이외의 마케팅 분야에서 매우 많은 응용 프로그램을 가지고 있었다는 점을 명심할 가치가 있습니다. 콘텐츠 추천 및 제품 추천은 수년 동안 AI에 의해 구동되었습니다. 예측 분석 — 과거 행동의 대규모 데이터 세트를 기반으로 사용자 행동을 예측하고 차선책을 예측하는 데 사용됨(관련 백서 보여주기, 빨간 야구 모자 보여주기, 이메일 보내기)은 AI였습니다. -오랜 시간 동안 전력을 공급합니다.

잘 알려진 벤더들은 거의 10년 동안 그들의 솔루션에 AI를 적용해 왔습니다. Adobe Sensei와 Salesforce Einstein은 2016년부터 시작되었습니다. Oracle의 AI 참여는 적어도 지금까지 거슬러 올라갑니다. 그것은 단지 귀여운 이름을 부여하지 않았습니다. AI의 또 다른 베테랑 배포업체인 Pega는 비즈니스 프로세스 관리 제품에서 차선책을 예측하는 데 먼저 사용하고 나중에는 CRM 플랫폼에서 사용합니다.

글쎄요… 제너레이티브 AI는 새로운 것인가요?

생성 AI. 대화형 AI. AI 쓰기 도구. 순간의 모든 문구, 모두 의미가 겹칩니다. Generative AI는 텍스트(또는 이미지 또는 비디오)를 생성합니다. 대화형 AI는 인간 대담자와 상호 작용하여 텍스트를 생성합니다(AI 기반 챗봇을 생각해 보십시오). AI 쓰기 도구는 주문형 텍스트를 만드는 것을 목표로 합니다. 이러한 모든 솔루션은 어떤 의미에서 "프롬프트"를 사용합니다. 즉, 질문을 받거나 작업을 설정하기를 기다립니다.

이 모든 것이 새롭습니까? 아니요. 새로운 점은 폭넓은 가용성입니다. NLP(자연어 처리) 및 NLG(자연어 생성)는 몇 년 전부터 존재해 왔습니다. 전자는 텍스트의 AI 기반 해석을 나타냅니다. 후자는 AI 기반 텍스트 생성입니다. 이미 2015년에 AI 기반 NLG는 의사와 산업 운영을 위한 서면 보고서를 작성했으며 심지어 영국 기상청인 ​​Met Office를 위한 일기 예보도 생성했습니다.

데이터 입력, 텍스트 출력. ChatGPT와 같이 널리 사용되지는 않습니다.

비디오도. 적어도 2017년까지 AI는 개인화된 비디오 콘텐츠뿐만 아니라 사용자가 재생을 클릭할 때 생성되는 개별화된 비디오 콘텐츠를 만드는 데 사용되었습니다. 너무 빨라 기존 비디오 라이브러리에서 스트리밍되는 것처럼 보입니다. 다시 말하지만, 널리 사용되지는 않지만 비용이 많이 드는 엔터프라이즈 제품입니다.

자세히 알아보기: 채팅GPT : 마케터 가이드

AI란 무엇인가: 간단한 버전

기초부터 설명드리겠습니다.

알고리즘으로 시작

알고리즘은 특히 컴퓨터가 계산이나 기타 문제 해결 또는 작업 완료 작업에서 따라야 하는 일련의 규칙으로 정의할 수 있습니다. "알고리즘"은 그리스어에서 온 것입니까? 아니요, 실제로는 ⁹ 세기 아랍 수학자 이름(al-Khwārizmī)의 일부에서 따온 것입니다. 그러나 그것은 중요하지 않습니다.

중요한 것은 계산이나 작업에 알고리즘을 사용하는 것이 AI를 사용하는 것과 같지 않다는 것입니다. 알고리즘은 쉽게 생성됩니다. 간단한 예를 들어보겠습니다. 내가 온라인 서점을 운영하고 있고 제품 ​​추천을 제공하고 싶다고 가정해 보겠습니다. 100가지 규칙(알고리즘)을 작성하고 이를 실행하도록 내 웹사이트를 훈련할 수 있습니다. "그녀가 Jane Austen을 검색하면 Emily Bronte도 보여주세요." "그가 WW1 책을 검색하면 WW2 책도 보여주세요." "그가 Agatha Christie를 찾으면 다른 탐정 소설을 보여주세요."

물론 내 탐정 소설 책에 적절한 태그를 지정해야 하지만 지금까지는 너무 쉽습니다. 한편으로 이것은 좋은 규칙입니다. 반면에 그것들은 "지능적인" 규칙이 아닙니다. 내가 돌아와서 바꾸지 않는 한 돌에 박혀 있기 때문입니다. WW1 책을 검색하는 사람들이 계속해서 WW2 책을 무시하면 규칙이 학습 및 적응되지 않습니다. 그들은 하라는 대로 멍하니 계속합니다.

이제 Amazon 리소스가 있다면 규칙을 지능적으로 만들 것입니다. 즉, 사용자 행동에 따라 변경하고 개선할 수 있습니다. 그리고 내가 Amazon의 시장 점유율을 가지고 있다면 규칙이 배울 수 있는 사용자 행동이 넘쳐날 것입니다.

알고리즘이 인간의 감독 여부에 관계없이 스스로 학습할 수 있다면 AI가 있습니다.

하지만 기다려. 그냥 머신러닝 아닌가요?

AI 대 기계 학습

순수주의자에게 AI와 기계 학습은 원래 같은 것이 아닙니다. 그러나 – 그리고 그것은 크지만 – 이 용어는 상호 교환적으로 사용되어 되돌릴 수 없습니다. 대신 '일반 AI'라는 용어는 사람들이 순수한 AI, 원래 의미의 AI에 대해 이야기하고 싶을 때 사용됩니다.

1950년으로 돌아가 봅시다. Alan Turing은 뛰어난 컴퓨터 과학자였습니다. 그는 코드 크래킹 정보 작업을 통해 연합군이 나치를 이길 수 있도록 도왔습니다. 그의 보상은 그의 (여전히 불법적인) 동성애에 대해 영국 사회에서 가증스러운 대우를 받는 것이었고, 그 결과 고든 브라운 총리는 사망한 지 50년이 지난 후 공식 사과를 했습니다. Alan의 작업 덕분에 자유롭게 살고 있는 여러분께 자랑스럽게 말씀드립니다. 죄송합니다. 당신은 훨씬 더 나은 자격이 있습니다.”

그렇다면 AI는 어떨까요? 1950년에 튜링은 "계산 기계와 지능"이라는 획기적인 논문을 발표했습니다. 그는 그것을 과학 저널이 아니라 철학 저널 "마음"에 발표했습니다. 논문의 중심에는 그가 "모방 게임"이라고 부르는 일종의 사고 실험이 있습니다. 현재는 "튜링 테스트"로 널리 알려져 있습니다. 가장 간단한 용어로 기계(또는 인공) 지능에 대한 기준을 제시합니다. 인간 대담자가 기계의 질문에 대한 응답과 다른 인간의 응답을 구분할 수 없다면 우리는 지능을 기계에 돌릴 수 있습니다.

물론 Turing의 제안에 대한 많은 이의가 있습니다(그리고 그의 테스트는 현명하게 설계되지도 않았습니다). 그러나 이것은 인간 지능을 복제하거나 적어도 그에 상응하는 것을 생성하려는 탐구를 시작했습니다. IBM Watson을 해당 목표를 지속적으로 추구하는 것으로 생각할 수 있습니다.

Amazon과 같은 상품 추천 시스템이나 ChatGPT와 같은 콘텐츠 생성 엔진이 인간만큼 지능적이라고 생각하는 사람은 아무도 없습니다. 우선, 그들은 자신이 하고 있는 일이 옳고 그른지 알거나 신경 쓸 능력이 없습니다. 그들은 데이터와 예측 통계를 기반으로 하는 일을 합니다.

사실 여기에서 논의되는 모든 AI는 실제로 기계 학습입니다. 그러나 우리는 그것을 AI라고 부르는 사람을 막지 않을 것입니다. 인간 수준 또는 "일반적인 AI"의 추구에 관해서는 그것이 단지 임박한 것이 아니라고 생각할 충분한 이유가 있습니다. 예를 들어 Erik J. Larson의 "인공 지능의 신화: 컴퓨터가 우리가 하는 방식대로 생각할 수 없는 이유"를 참조하십시오.

'딥 러닝'은 어떻습니까?

"딥 러닝"은 접할 수 있는 또 다른 AI 관련 용어입니다. 기계 학습과 다른가요? 예 그렇습니다. 그것은 기계 학습을 넘어서는 큰 발전이며 그 중요성은 AI가 패턴을 감지하여 숫자와 단어를 처리하는 것만큼 유능하게 이미지(및 비디오)를 처리하는 능력을 크게 향상시켰다는 것입니다. 이것은 복잡해집니다. 여기에 짧은 버전이 있습니다.

딥 러닝은 입력에 의해 활성화되고 이에 대해 서로 통신한 다음 출력을 생성하는 인공 뉴런(수학 비트) 계층인 신경망을 기반으로 합니다. 이를 "순방향 전파"라고 합니다. 전통적인 기계 학습에서와 같이 노드는 출력이 얼마나 정확한지 알아내고 그에 따라 작업을 조정합니다. 이것은 "역전파"라고 불리며 뉴런이 훈련되는 결과를 낳습니다.

그러나 입력 레이어와 출력 레이어 사이에는 "숨겨진 레이어"라고 알려진 레이어가 곱해집니다. 이러한 계층이 문자 그대로 쌓여 있다고 생각하십시오. 이것이 바로 이러한 종류의 머신 러닝을 "딥"이라고 부르는 이유입니다.

네트워크 레이어 스택은 입력 데이터의 패턴을 훨씬 더 잘 인식하는 것으로 나타났습니다. 딥 러닝은 패턴 인식에 도움이 됩니다. 뉴런의 각 층이 복잡한 패턴을 더 단순한 패턴으로 분해하기 때문입니다(역전파 훈련 프로세스도 진행 중임).

마테크 공간에 AI 공급업체가 있습니까?

그것은 당신이 의미하는 바에 달려 있습니다.

AI를 사용하는 벤더

마테크 공간에는 약 11,000개 이상의 공급업체가 있습니다. 그들 중 많은, 아마도 대부분이 AI를 사용합니다(또는 그것이 그들이 하고 있는 일이라는 좋은 주장을 할 수 있습니다). 그러나 그들은 AI 자체를 위해 사용하지 않습니다. 그들은 그것을 사용하여 무언가를 하고 있습니다.

• 상거래 권장 사항을 생성합니다.
• 이메일 제목을 작성합니다.
• 마케터나 영업 담당자에게 차선책을 추천합니다.
• 챗봇에 전원을 공급합니다.
• 광고 카피를 작성합니다.
• 대규모 다변량 테스트를 위한 콘텐츠를 생성합니다.

목록은 끝이 없습니다.

제가 하고 싶은 말은 AI가 소금과 같다는 것입니다. 음식에 소금을 넣으면 맛이 더 좋아집니다. 적어도 우리 대부분은 음식에 소금을 적절하게 사용하는 것을 좋아합니다. 그러나 누가 "저녁에 소금을 먹겠습니다." 또는 "간식이 먹고 싶어요. 소금 좀 할게요.”

우리는 음식에 소금을 넣습니다. 마케팅 기술에 AI를 담았습니다. 제쳐두고 아마도 연구 목적으로 소금과 AI는 그 자체로 많이 사용되지 않습니다.

그렇습니다. AI를 사용하는 수많은 마테크 공급업체가 있습니다. 그러나 AI를 독립적인 제품으로 판매하는 마테크 공급업체가 있습니까?

AI를 판매하는 벤더

그 대답은 마테크 공간에서 매우 적다는 것입니다. 제품으로서의 AI는 실제로 엔지니어가 설계한 AI 소프트웨어를 의미하며 다른 솔루션의 맥락에서 통합 및 사용할 수 있습니다. AI 소프트웨어를 판매하는 엔지니어링 공급업체를 쉽게 찾을 수 있지만 대부분 마케팅 조직이 아닌 IT 조직에 판매하고 있으며 마케팅 또는 매상.

마케팅 담당자를 대상으로 제품을 명확하게 타겟팅하는 한두 가지 예외가 있습니다. 그러나 마케팅 기술 환경에서 인구가 많은 범주를 만들기에는 충분하지 않습니다.

우리는 표면을 긁었다

그것이 이 기사의 목적입니다. 풍부한 역사와 예측할 수 없는 미래가 있는 엄청나게 복잡한 주제의 표면을 긁어내는 것입니다. 물론 머신 러닝 모델이 편향된 데이터 세트에서 훈련되는 거의 불가피한 경우와 마찬가지로 생성 AI에 의한 인간 콘텐츠의 불가피한 표절과 같이 해결해야 할 윤리적 문제가 있습니다.

그러나 바라건대 이것은 지금 씹기에 충분합니다.