안전한 지능형 무선 기술의 선두주자인 Silicon Labs가 2023년 Tech Talk 일정을 발표했습니다. 올해의 Tech Talks에는 최첨단 IoT 제품을 제공하는 데 필요한 개발 기술을 구축하는 데 도움이 되는 Matter, Wi-Fi, Bluetooth 및 LPWAN 전용 기술 시리즈가 포함되어 있습니다. 개발자가 개발자를 위해 만든 XNUMX시간짜리 라이브 가상 교육에 업계 리더인 Silicon Labs 전문가와 함께하세요. 지금 등록하여 장치 개발을 가속화하십시오. silabs.com.

데이터 기반 의사 결정? 어떻게 하면 더 잘할 수 있을까요? UN의 AI 고문인 Neil Sahota는 IoT For All Podcast에서 Ryan Chacon과 함께 AI 및 IoT를 사용한 데이터 기반 의사 결정에 대해 논의합니다. 그들은 다음의 역할을 탐색합니다. AIoT 데이터 기반 의사 결정에서 데이터 기반 의사 결정이 중요한 이유, 데이터 기반 의사 결정 채택의 과제 및 2023년 AI에서 보게 될 것입니다.

소개 닐

Neil Sahota는 IBM 마스터 발명가, UN 인공 지능 고문, 베스트 셀러 "Own the AI ​​Revolution"의 저자이자 인기 있는 연사입니다. 20년 이상의 비즈니스 경험을 바탕으로 Neil은 고객과 비즈니스 파트너가 혁신을 촉진하고 AI로 구동되는 차세대 제품/솔루션을 개발하도록 영감을 주기 위해 노력합니다. Neil의 업무 경험은 법률 서비스, 의료, 생명 과학, 소매, 여행 및 운송, 에너지 및 유틸리티, 자동차, 통신, 미디어/통신 및 정부를 포함한 여러 산업에 걸쳐 있습니다. 또한 그는 리더와 NGO를 연결하여 지역사회 주도 경제 개발 프로젝트를 수행하는 IBM의 Corporate Service Corps 리더십 프로그램에 선발된 몇 안 되는 사람 중 한 명입니다. 임무를 수행하기 위해 Neil은 중국 닝보에서 살면서 일하면서 중국 기업 CEO와 협력하여 리더십 개발 프로그램을 만들었습니다.

와 연결하는 데 관심이 있습니다. 닐? LinkedIn에서 연락하세요!

소개 연합 국가

XNUMXD덴탈의 연합 국가 UN은 1945년에 설립된 국제 기구입니다. 현재 193개 회원국으로 구성된 UN과 그 활동은 창립 헌장에 포함된 목적과 원칙에 따라 진행됩니다. UN은 급변하는 세계에 발맞추기 위해 수년에 걸쳐 발전해 왔습니다. 그러나 한 가지는 동일하게 유지되었습니다. 세계의 모든 국가가 함께 모여 공통 문제를 논의하고 모든 인류에게 도움이 되는 공유된 솔루션을 찾을 수 있는 지구상의 한 장소로 남아 있습니다.

좋은 AI UN SDGs를 발전시키기 위한 실용적인 AI 솔루션을 식별하기 위해 AI 혁신가와 문제 소유자가 배우고 토론하고 연결하는 UN의 연중 디지털 플랫폼입니다. AI for Good은 특히 지속 가능한 개발 목표를 통해 글로벌 문제 해결에 기여하는 인공 지능 연구 주제를 제시하는 것을 목표로 합니다. AI for Good은 COVID-2020 팬데믹으로 인해 2020년 온라인으로 이전되었던 AI for Good Global Summit 19에서 나왔습니다. 온라인으로 이동한 이후 AI for Good은 학습, 빌드 및 연결이라는 세 가지 주요 프로그램 스트림으로 발전했습니다. AI for Good은 또한 ITU의 글로벌 표준 심포지엄을 조직하는 데 도움을 줍니다.

이 에피소드의 주요 질문 및 주제 :

(01 : 09) Neil 소개 및 UN과의 작업

(02 : 35) 데이터 기반 의사 결정이 왜 그렇게 중요한가요?

(04 : 10) 데이터 기반 의사 결정으로의 마이그레이션 속도가 느려진 이유는 무엇입니까?

(06 : 26) 데이터 기반 의사 결정을 내리는 능력을 어떻게 향상시킬 수 있습니까?

(09 : 45) 데이터 기반 의사결정에서 AI와 IoT의 역할

(13 : 15) AI가 데이터 없이 유용할 수 있습니까?

(14 : 37) AIoT 데이터에 영향을 미치는 실제 조건

(16 : 10) 데이터 기반 의사 결정 채택의 과제

(20 : 15) 2023 년 AI

(25 : 58) 자세히 알아보기 및 후속 조치

대본 :

– [Ryan] 안녕하세요. IoT For All 팟캐스트의 또 다른 에피소드에 오신 것을 환영합니다. 저는 Ryan Chacon입니다. 그리고 오늘 에피소드에서는 데이터 기반 의사 결정이 왜 그렇게 중요한지, 데이터 기반 의사 결정 능력을 향상시킬 수 있는 방법에 대해 이야기할 것입니다. 오늘 저와 함께 UN의 인공 지능 고문인 Neil Sahota가 함께할 것입니다. 매우 흥미로운 대화, 좋은 내용이 많이 있습니다. 시작하기 전에 아직 구독하지 않았다면 채널을 구독해 주시면 감사하겠습니다. 이 비디오에 좋아요를 누르고 벨 아이콘을 누르면 최신 에피소드가 나오는 즉시 받을 수 있습니다. 좋아요, 시작하기 전에 스폰서로부터 간단한 소식을 듣겠습니다. 안전한 지능형 무선 기술의 선두주자인 Silicon Labs가 2023년 Tech Talk 일정을 발표했습니다. 올해의 Tech Talks에는 최첨단 IoT 제품을 제공하는 데 필요한 개발 기술을 구축하는 데 도움이 되는 Matter, Wi-Fi, Bluetooth 및 LPWAN 전용 기술 시리즈가 포함되어 있습니다. 개발자가 개발자를 위해 만든 이 XNUMX시간 라이브 가상 교육에 업계 리더인 Silicon Labs 전문가와 함께하세요. 지금 silabs.com에 등록하여 장치 개발을 가속화하십시오. 그것은 문자 s, 문자 i, labs, .com입니다. Neil님, IoT For All 팟캐스트에 오신 것을 환영합니다. 이번 주에 여기에 있어 주셔서 감사합니다.

– [Neil] Ryan, 저를 초대해 주셔서 감사합니다. 여기 오게 되어 기쁩니다.

– [Ryan] 네, 당신이 있어서 좋습니다. 청중을 위해 자신, 배경, 경험, 하는 일에 대한 간단한 소개로 시작하겠습니다.

– [Neil] 간단히 말해서, 저는 크고 복잡한 문제를 해결하고 새로운 기술을 사용하여 해결하는 것을 좋아하는 사람입니다. 그래서 UN SDG 이니셔티브의 일부인 기후 변화와 같은 일을 돕는 길로 저를 데려갔습니다. 대기업을 돕고 세상을 더 나은 곳으로 만들기 위해 노력합니다.

– [Ryan] UN과의 관계에 대해 말해주세요. 나는 우리가 처음으로 당신의 팀과 이야기하고 이야기했을 때 그것이 저에게 닥친 매우 흥미로운 일임을 압니다. AI 측면에서도 약간의 관여가 있다는 것을 알고 있지만 UN과 함께 그 자격으로 수행하는 작업에 대해 이야기하십시오.

– [Neil] 그래서 저는 유엔 AI 고문으로 봉사하고 있습니다. 그래서 저는 그들이 AI와 다른 신기술을 사용하여 지속 가능한 목표를 실제로 시도하고 실현하는 AI for Good 이니셔티브를 실제로 만들도록 도왔습니다. 굶주림 종식, 빈곤 제로와 같은 17개의 SDG가 있습니다. 17개 모두를 지루하게 만들지는 않겠습니다. 회원국은 2030년까지 이를 실현하려고 합니다.

– [Ryan] 환상적입니다. 신나는 일입니다.

– [Neil] 아마도 제가 지금까지 해본 작업 중 가장 의미 있고 임팩트 있는 작업일 것입니다. 그리고 그 여정의 일부가 될 수 있는 기회에 정말 감사합니다.

– [Ryan] 네, 환상적입니다. 오늘 우리가 깊이 파고들고 싶은 것들이 많다는 것을 압니다. 그러니 계속해서 그것에 들어가 봅시다. 높은 수준에서 데이터 기반 의사 결정에 대해 이야기할 수 있는지 궁금했습니다. IoT와 관련이 많기 때문에 이에 대해 이야기하지만 실제로는 데이터 기반 의사 결정이라고 부르지 않습니다. . 그리고 저는 그것이 조직과 다른 이니셔티브에 왜 그렇게 중요한지에 대해 더 높은 수준의 세부 사항에서 논의하는 것이 중요하다고 생각했습니다. 데이터. 하지만 당신의 관점에서 데이터 기반 의사 결정이 조직, 그룹, 동맹 등에 왜 그렇게 중요한지에 대해 좀 더 자세히 설명해 주시겠습니까?

– [Neil] 가장 직접적인 이유는 편향 요인을 줄이는 것입니다. 맞습니까? 우리는 이 모든 것을 경험하는 데 익숙합니다. 나는 그것을 할인하지 않지만 역사적으로 우리는 직감에서 벗어났고 데이터가 실제로 우리에게 말하려는 데이터를 무시하는 상황에서도 그렇게 했습니다. 그리고 우리는 그것이 잘 풀린 시간을 기억하고 우리의 직감이 틀렸던 시간을 무시했습니다. 그리고 나는 우리가 많은 실수를 저질렀다고 생각합니다. 수십 년 또는 수백 년 동안 그렇게 해온 것입니다. 하지만 지금 우리는 많은 데이터를 수집하고 저장할 수 있는 시대에 살고 있기 때문에 분석하고 인사이트를 도출하는 데 도움이 되는 강력한 도구가 모두 있습니다. 지금은 우리가 이전에 했던 것과 너무 다르기 때문입니다.

– [Ryan] 그리고 차이점에 대해 어떻게 이야기 하시겠습니까? 우리가 이전에 했던 것과 지금 우리가 있는 곳의 종류입니다. 그리고 마이그레이션이 어떤 곳에서는 느리고 다른 곳에서는 분명히 더 빨라지는 데 기여한 것은 무엇일까요?

– [닐] 제 과거 이야기를 들려드리겠습니다. 저는 대형 항공사 그룹과 함께 일하고 있었습니다. 그들은 모든 작업을 함께 통합하려고 했습니다. 그리고 전체 프로젝트가 시작된 지 XNUMX개월이 되었을 때 여행 경비는 그들이 예상했던 것보다 약 XNUMX배나 더 비쌌습니다. 그리고 항공사의 경우 마진이 얇습니다. 말하자면 그들은 항상 달러를 주시하고 있습니다. 그리고 데이터를 보고 "좋아요, 비용이 정말 어디서 나오는 건가요?" 이를 감독하는 항공사 중 한 곳의 간부는 이렇게 말했습니다. ” 그래서 그들은 결과적으로 모든 것에 대한 영수증을 소지해야 하는 것과 같은 가혹한 여행 정책을 도입했습니다. 그들은 당신이 음식에 대해 상환할 수 있는 금액이 고정되어 있었습니다. 그들은 더 이상 점심값을 갚지 않을 것입니다. 그래서 결국 비용이 오르기 시작했습니다.

- [라이언] 알았어.

- [닐] 그렇죠? 그래서 실제로 문제를 해결한 것이 아니라 상황을 악화시켰습니다.

- [라이언] 와우.

– [Neil] 사람들은 화가 났고 이제 한계에 도달하려고 했습니다. 그들은 실제로 그 모든 돈을 쓰지 않았습니다. 궁극적으로 그것을 보고 마침내 누군가가 말했습니다. 데이터를 살펴보았다. 높은 비용의 주요 원인은 그들이 사람들에게 마지막 순간에 해외 여행을 하도록 요청했다는 것입니다. “맙소사, 내일 런던에서 회의가 있어요. 당신은 거기에 있어야합니다. 가서이 비행기를 타십시오.” 알잖아?

- [라이언] 맞아요.

– [닐] 막바지에 국제선 티켓이 비싸요. 그것이 주된 이유였습니다. 그들이 그것을 확인하면 “좋아, 잠깐만. 사람들이 꼭 있어야 하나요? 직접 만나야 합니다.” 그것으로 문제가 해결되었지만 초기 문제는 내장을 통과하는 것이었기 때문에 그들은 실제로 문제를 격분시켰습니다.

– [Ryan] 좋아요, 흥미롭네요.

– [닐] 그게 우리가 보는 도전인 것 같아요, 그렇죠?

– [라이언] 네, 물론이죠.

– [Neil] 항공사에서 25년 정도 근무한 베테랑은 이렇게 말합니다. “이것은 내가 항상 보아온 것입니다. 그게 근본 원인일 겁니다.”

– [라이언] 맞아 맞아 맞아. 그렇다면 제가 이 이야기를 듣고 있는 회사이고 데이터 기반 의사 결정의 가치를 분명히 이해하고 있지만 우리 회사가 이를 잘 수행하는 데 도움이 되는 충분한 솔루션을 완전히 구현하지 않았다면 회사가 어떻게 생각할 수 있는지 묻겠습니다. 데이터 기반 의사 결정을 내리는 능력을 향상시키는 것에 대해? 그리고 나는 그것에 대해 조금 이야기하거나 높은 수준에서 우리 사회가 그것을 할 수 있는 능력을 어떻게 향상시킬 수 있는지에 대해 이야기할 것입니다.

– [Neil] Ryan, 두 가지 핵심 사항이라고 생각합니다. 첫 번째는 그 문화를 발전시켜야 한다는 것입니다. 그리고 특히 데이터 중심이 되는 것뿐만 아니라 데이터에 신뢰를 두도록 합시다.

- [라이언] 알았어.

– [Neil] 때때로 인용문을 인용하지 않은 확실한 사실이 우리의 추측보다 더 나은 출처일 수 있습니다. 우주에서 우리의 역할이 어느 정도 줄어들기 때문입니다. 우리가 생각하는 것만큼 특별하지 않다는 것. 두 번째는 훌륭하고 강력한 데이터를 확보하기 위해 인프라를 실제로 구축하는 것입니다. 나는 주요 철도 회사와 함께 일했던 것을 기억합니다. 그리고 그들은 철도 차량이 어디에 있는지 추적하는 데 어려움을 겪었고 최적화되지 않았으며 물건이 고장났습니다. 그리고 아시다시피 우리는 "자동차, 트랙, 이 모든 곳에 IoT 센서를 설치할 수 있습니다."라고 말하면서 이 전체 이니셔티브를 진행했습니다. 따라서 우리는 실제로 사물을 더 잘 추적할 수 있을 뿐만 아니라 장비의 실제 마모에 대한 좋은 데이터를 얻을 수 있습니다. 그리고 이를 통해 정기적인 유지보수가 아닌 예방적 유지보수를 실제로 수행할 수 있었습니다. 그들은 실제로 고장나기 전에 서비스를 중단할 수 있었습니다. 그리고 그들에게 그것은 눈을 뜨게 하는 것이었습니다. 그들은 실제로 데이터를 갖기 전까지는 그런 일이 가능하리라고는 상상조차 하지 못했습니다.

– [라이언] 맞아 맞아 맞아. 예, 지난 XNUMX~XNUMX년 동안 업계에서 일하면서 기업이 존재하는 다양한 기술이 무엇인지 먼저 이해하기 위해 어떻게 진화했는지 살펴보는 것은 매우 흥미로운 일이었습니다. 더 나은 결정을 내리기 위해 더 많은 데이터로 비즈니스가 무엇을 할 수 있는지 알아보십시오. 그리고 저는 개념적으로 아무에게나 물어보면 "예, 더 많은 데이터가 있다면 이것은 환상적입니다. 그것으로 무언가를 할 수 있습니다."라고 말할 것입니다. 그러나 그것을 잘하는 방법에는 많은 종류의 뉘앙스가 있습니다. 솔루션을 구현하여 올바른 데이터를 수집하는 것뿐만 아니라 데이터를 표시하는 방법, 최종 사용자가 사용할 수 있는 것을 갖도록 하는 방법 등도 포함됩니다. 그리고 기술이 더욱 성숙해지고 비용이 낮아지고 이러한 회사들이 이제 채택할 수 있고 많은 이점을 볼 수 있는 산업으로서 우리가 겪은 변화를 보는 것은 매우 흥미로웠습니다. 지난 몇 년 동안 지어졌습니다.

– [닐] 백퍼센트. 당신은 실제로 정말 중요한 것을 만지고 있습니다, Ryan, 때때로 얼버무리는 것 같아요. 바이인 요인이 맞죠? 저는 이것을 직접 경험했으며 많은 사람들이 실사를 하고 데이터를 사용하여 결론에 대한 통찰력을 제시하고 권장 사항이 모두 뒷받침되면 사람들은 " 음, 아니, 나는 그것을 믿지 않는다.” 알잖아?

- [라이언] 맞아요.

– [닐] 또는 "그건 내가 하고 싶은 게 아니야."

– [라이언] 맞아 맞아. 네, 매우 흥미 롭습니다. 이제 묻겠습니다. 왜냐하면 UN에서 AI 쪽에서 맡은 역할을 감안할 때 다른 많은 AI 프로젝트에서 일했다고 확신하기 때문에 매우 인기 있는 주제였기 때문입니다. 아시다시피, 산업 전반에 걸쳐 AI와 AI가 어떻게 사용되고 있는지에 대해 올해를 시작하기 위해서입니다. 그러나 엔터프라이즈 IoT 측면과 더 관련이 있기 때문에 사람들이 그것에 대해 더 많이 이야기하는 것이 매우 흥미로웠습니다. 하지만 한 단계 더 나아가 데이터 기반 의사 결정을 내리는 능력에 대해 이야기한다면 AI와 IoT가 함께 작동하여 비즈니스를 가능하게 하는 방법을 볼 수 있습니다. 더 효율적인 방법으로?

– [Neil] 여기서 흥미로운 점은 AI가 IoT 없이는 많은 일을 할 수 없다는 것입니다.

- [라이언] 네.

– [닐] 그거 알아?

– [Neil] AI의 연료는 데이터이며 이것이 바로 IoT입니다. 그리고 사람들은 우리가 IoT 센서를 통해 수집하는 모든 정보가 실제로는 사람이 소비하는 것이 아니라 기계 소비를 위한 것이라는 사실을 잊고 있다고 생각합니다. 엄청난 양의 데이터가 있기 때문입니다.

- [라이언] 맞아.

– [Neil] 그리고 우리는 그것을 활용하고 있습니다. UN에서와 마찬가지로 SDGs 중 하나는 IoT에 의해 전적으로 추진되는 스마트 시티입니다. 교통 정보, 건물 내 사용량 등을 캡처하고 언어 건강 장치와 같은 모니터링 기능. AI 시스템에 정보를 제공하려면 정보의 흐름이 필요합니다. 그런 다음 AI는 가장 작은 편차를 모니터링하고 찾아내어 사람에게 실제로 무슨 일이 일어나고 있는지 알릴 수 있습니다.

– [Ryan] 네, 훌륭합니다.

– [닐] 하지만.

– [Ryan] 예, 아니오, 계속해서 끝내십시오. 계속해서 끝내십시오.

– [Neil] 좀 징그럽다면 사과하려고 했는데, 스마트 변기의 컨셉은 이렇습니다.

- [라이언] 네.

- [닐] 맞아요. IoT 센서가 있는 변기입니다. 여러분이 쓰레기를 배출하면 그 데이터를 수집하고 AI가 이를 분석합니다. 무해해 보이지만 생각해 보면 하루에 얼마나 많은 데이터가 수집됩니까? 바이러스처럼 감염되자마자, 혹은 초기에 발병하는 모습을 보이자마자 그걸 알아차리겠죠? 그들은 경고를 받을 것입니다. 그리고 우리는 무언가를 더 일찍 잡을수록 실제로 더 쉽게 치료할 수 있다는 것을 압니다.

– [라이언] 네, 물론이죠. 그리고 제 생각에는 다양한 사용 사례, 다양한 산업, 해결해야 할 다양한 문제에 걸쳐 추론을 해보면 이러한 AI 모델에 이 데이터를 어떻게 공급해야 하는지 실제로 보기 시작합니다. 그리고 말씀하신 것처럼 그 데이터의 출처는 해당 데이터를 수집할 무언가가 필요하다는 것입니다. 이것이 바로 IoT입니다. 소비자 수준이든 비즈니스 수준이든 IoT는 이러한 센서를 배치하고 물리적 자산에서 데이터를 수집하는 것입니다. 그리고 그것은 IoT 없이는 데이터를 얻을 수 없는 것입니다. 그러면 AI 모델은 그냥 그 자리에 있습니다. 그들은 작업할 데이터가 없으며 AI가 해당 데이터를 보유해야 하는 요구 사항이며 IoT가 실제로 수행하는 것입니다. 따라서 AI가 사람들이 말하는 것에서 실제로 구현되고 많은 IoT 솔루션에서 활용되어 수집되는 모든 데이터를 기반으로 의사 결정을 가능하게 하는 것으로 성장하는 것을 보는 것은 매우 흥미로웠습니다.

– [닐] 백퍼센트. IoT가 AI를 성공적으로 만드는 기본 구조가 되었지만 이제 AI의 성장과 함께 IoT 사용이 폭발적으로 증가하고 있습니다. 그리고 제가 본 마지막 통계는 지금 ​​전 세계적으로 327분마다 XNUMX개의 IoT 센서가 설치되어 있다는 것입니다.

– [라이언] 와우. 따라서 회사가 좋은 데이터를 얻을 수 없거나 일반적으로 데이터를 보유할 수 없다면 AI에 데이터가 들어오지 않고 어떤 일을 할 수 있는지와 같은 특정 사항에서 AI에 여전히 가치가 있습니까 AI는? 아니면 사람들이 AI에 대해 어떻게 생각해야 할까요? 아니면 IoT에서 나올 데이터가 있는 한 AI가 의도한 대로 작동하는 것이 정말 중요할까요? 예를 들어, 사람들이 충분한 데이터 또는 충분한 데이터 없이 AI를 어떻게 활용하고 있습니까?

– [Neil] 충분하고 강력한 데이터 없이 효과적인 AI 솔루션을 갖추는 것은 정말 어렵습니다.

- [라이언] 알았어.

– [닐] 불행하게도 현실입니다. 알다시피, AI는 프로그래밍되지 않았습니다. 그것은 많은 사람들이 익숙하지 않은 것이라고 생각합니다. 다른 컴퓨팅 모델입니다. 우리는 프로그램 AI를 좋아하지 않습니다. AI는 학습합니다. 인간이 배우는 방식과 매우 유사합니다. 데이터 세트인 코퍼스가 있습니다. 여기에는 우리가 훈련 데이터 세트라고 부르는 것이 있습니다. 결정을 내리는 방법에 대한 실측 규칙이라고 부르는 것이 있습니다. 그런 다음 많은 것을 먹이고 시도합니다. 질문에 답하거나 무언가를 하도록 요청하고 인간 교사를 통해 가르칠 수 있습니다. 이것이 신경망을 연결하는 방법입니다. 따라서 충분한 데이터, 충분히 좋은 데이터가 없으면 AI는 실제로 학습할 수 없습니다.

– [라이언] 네, 물론이죠. 따라서 기술 자체 외에 현실 세계에서 AI IoT가 함께 작동하고 조직을 위한 데이터 의사 결정을 주도하는 영향에 대해 생각해야 하는 다른 조건이 있습니까?

– [Neil] 네, 가장 큰 실제 관심사 중 하나는 올바른 데이터를 수집하고 있습니까? 그래서 우리는 항상 빅 데이터에 대해 이야기합니다. 즉, 모든 것을 그냥 버리는 것입니다. 글쎄요, 일부 있을 수 있습니다. 의도하지 않은 결과가 있었고 실제로는 관련이 없는 편향이 도입되었습니다. , 그러나 AI는 어떻게 든 그들이 있다고 생각합니다. 그리고 그것은 결과를 왜곡할 수 있기 때문에 큰 문제가 될 것입니다. 우리가 여전히 배우려고 노력하고 있다고 생각하는 또 다른 것은 우리가 어떤 것들이 실제로 어떻게 작동하는지 모른다는 것입니다. 그리고 그것은 빅 데이터에 관한 것이 아니라 중간 데이터 또는 올바른 데이터에 관한 것입니다. 언어가 좋은 예입니다. AI가 영어, 프랑스어, 일본어 등 모든 언어를 유창하게 구사하도록 가르치고 싶을 것입니다. 경험 법칙은 XNUMX억 단어를 인용 없이 인용해야 한다는 것입니다.

- [라이언] 와우.

- [닐] 그렇죠? 분명히, 알다시피, 반복됩니다. 그러나 인간의 아이는 실제로 천만 단어를 들으면서 언어에 유창해집니다. 따라서 인지 학습을 유발하는 것은 볼륨이 아니라 특정 유형의 단어나 구입니다. 우리는 그것이 무엇인지 모릅니다. 그리고 우리가 모국어를 배울 때 실제로 어떻게 배우는지 설명할 능력이 없습니다. 그래서 이상한 캐치 10입니다.

– [Ryan] 물론 매우 흥미롭습니다. 나는 그것을 전혀 몰랐다. 여기에서 마무리하기 전에 마지막 질문 중 하나는 비즈니스가 해결해야 할 과제에 관한 것입니다. IoT AI 솔루션을 채택하고 구현하는 과정에서 기업이 겪게 되는 문제에 관한 것입니다. 나는 그것의 큰 부분이 때때로 이것에 들어가야 하는 투자라는 것을 알고 있습니다. 그것은 해결되고 비용을 낮추고 파일럿을 할 수 있도록 노력하고 있습니다. 그러나 여기에는 인프라 계층이 있습니다. ROI가 첨부될 정당한 비즈니스 사례뿐만 아니라 채택을 편안하게 느끼기 위해 기업이 준비해야 하는 다양한 부분이 많이 있습니다. 따라서 귀하의 관점에서 볼 때 기업이 데이터 기반 의사 결정을 내리는 데 도움이 되는 이러한 기술을 채택하는 데 방해가 되는 가장 큰 문제는 무엇입니까?

– [Neil] Ryan, 당신이 말하는 인프라 비용은 실제로 내가 본 것 중 가장 큰 비용일 것입니다.

- [라이언] 알았어.

– [Neil] 어떤 경우에는 농부들처럼 "글쎄", "이것은 내가 더 많은 농작물을 재배하는 데 도움이 될 것입니다. 작물 수확량을 30% 정도 향상시킬 수 있습니다.” 그것으로부터 ROI를 알아낼 수 있습니다. 그러나 이것의 대부분은 예방의 일종이기도 합니다. 따라서 농작물 손실, 사업 손실의 위협은 정량화하기가 훨씬 더 어렵습니다. 그리고 특히 보장이 아닌 경우 약간의 가능성이 있습니다. 사람이나 조직이 실제로 어려움을 겪고 있는 것입니다. 예방 유지 보수와 같은 전체이기 때문입니다.

- [라이언] 네, 물론입니다.

– [닐] 그거 알아? 또는 사업 유지. 이것이 더 중요한 측면인 비즈니스 연속성입니다. 그리고 그들은 그것을 정량화하는 방법을 정말로 모릅니다. 그리고 대부분의 조직은 IT 인프라를 비용 센터로 봅니다.

- [라이언] 알았어, 알았어.

– [Neil] 그리고 특히 세계 경제가 침체된 상황에서 사람들이 코스트 센터에 대한 투자를 최소화하거나 코스트 센터에서 잘라내려고 시도하는 것이 어떤 것인지 알고 있습니다. . "그래서 당신이 충분히 잘 작동하는 무언가를 가지고 있다면 왜 내가 거기에 더 많은 돈을 쏟아부어야 합니까?" "내가 왜 망가지지 않은 것을 고치려고 하는 거지?" 제가 자주 듣는 말입니다.

– [Ryan] 예, 항상 싸우기 힘든 투자 없이 어떻게 이익을 볼 수 있습니까? 우리가 옹호해 온 것 중 하나는 다양한 산업에서 더 많이 채택되고 이러한 성공 사례와 솔루션이 더 많이 홍보될수록 유사한 문제에 직면한 다른 조직이나 유사한 산업에서 희망적으로 많은 이러한 솔루션을 채택하기 시작하고 다른 사람들이 성공을 거두고 있습니다. 그리고 특히 산업 공간과 같은 분야에서는 이러한 기술이 가질 수 있는 많은 이점과 가치가 있습니다. 그러나 귀하의 요점에 따르면 효과가 있기 때문에 매우 주저하는 사람들이 있습니다. 고장나지 않았다면 왜 고치려고 노력해야 할까요? 하지만 그들이 이전에는 깨닫지 못했을 수도 있는 많은 것들의 진정한 가치를 보기 시작할 때까지는 그들이 수집할 수 있는 데이터, 그들이 내릴 수 있는 결정, 희망적으로 비용을 줄일 수 있는 방법 효율성을 높일 뿐만 아니라 잠재적으로 새로운 비즈니스 모델과 수익원을 창출합니다. 일단 그들이 그것을 보기 시작하면, 우리는 그러한 종류가 그들이 모든 산업에 걸쳐 솔루션을 채택할 때 가질 수 있는 두려움이나 주저함을 없애기를 바랍니다.

– [Neil] 아니요, XNUMX퍼센트입니다. 그리고 제 생각에는 우리가 아직 도달하지 못한 변곡점이 있습니다. 충분한 회사들이 실제로 이것을 하고 있을 때, 모든 사람들이 그렇게 하도록 강요할 것입니다. 그렇지 않으면 불리한 입장에 처하게 됩니다. 그것은 더 이상 경쟁 우위가 아니라 당신이 곡선 뒤에 있다는 것입니다.

– [Ryan] 맞아요. 물론 지금은 그렇게 되어가고 있다고 생각합니다. 몇 년 전만 해도 그리 많지는 않았지만 지금은 경쟁하기 위해 IoT를 사용하여 데이터를 수집하고 AI를 사용하여 해당 모델을 실행하는 데이터를 기반으로 이러한 결정을 내릴 수 있어야 하는 상황이 되고 있습니다. 최종 사용자에게 훨씬 더 유용하고 더 나은 데이터를 가져옵니다. 그래서 이것은 모두 훌륭한 것입니다. 시간을 내주셔서 정말 감사합니다. 남은 한 해 동안 당신의 생각은 어떻습니까? 내 말은 분명히 AI가 올해 초에 더 많은 것으로 폭발하고 있다는 뜻입니다. 적어도 ChatGPT와 같은 것들과 같이 소비자가 상호 작용할 수 있는 더 많은 것들인 것 같습니다. 그러나 일반적으로 말하자면 올해 AI가 어디로 가고 있다고 보십니까? 정말 필요한 것보다 더 많은 과대 광고가 있다고 말하고 싶지는 않지만 매우 흥미로운 것들이 많기 때문에 과대 광고가 계속 성장하고 있습니까? AI 관점에서 산업 전반에 걸쳐 출시되는 새로운 애플리케이션이 보이시나요? 발전하거나 잠재적으로 성장할 수 있기를 기대하거나 흥분되는 올해 남은 기간 동안 어떤 생각을 하고 계십니까?

– [Neil] 음, Ryan, 과대 광고는 항상 커질 것이지만 실제 실용성 측면에서 볼 때 우리가 보게 될 가장 큰 것은 DALL-E 2, ChatGPT, 알다시피, 실제로 약 XNUMX~XNUMX년 동안 존재해 온 생성형 AI의 채택이 더 많아질 것입니다. 이것이 우리가 인공 공감이라고 부르는 AI 분야의 진정한 선구자가 될 것이라고 생각합니다. 기계는 감정을 느낄 수 없지만 , 다른 사람들을 인식하고 그들이 우리와 상호 작용하는 방식을 조정할 수 있습니다. 그래서 우리는 그 사실주의 요소에 대해 이야기할 수 있습니다. 내 말은 ChatGPT가 당신이 약간 우울한 기분을 느끼고 당신을 격려하려고 노력할 수 있다고 상상해보세요. 나는 이제 우리가 그것이 더 많은 표준이 되는 것을 보는 정점에 있다고 생각합니다. 적어도 인공 공감에 관한 기술이 그 단계에 도달하기 시작했고 생성 AI가 폭발적으로 증가함에 따라 이제 점점 더 많은 사람들이 이것을 요구하고 있습니다. 그들은 인공적인 공감을 실제로 실험하고 포용하는 데 개방적일 것입니다.

– [Ryan] 네, 몇 주 전에 영화 "Megan"을 봤는데 그 부분이 아주 흥미로웠어요. 분명히 알다시피, 그것은 영화이지만 그들은 우정의 관점에서 관계를 구축하는 사람과 연결을 구축하기 위해 꽤 공감하도록 제작했습니다. 그리고 그것은 매우 흥미로웠습니다. 그리고 이 메건 인형이 이 아이와 이야기하고 작업하거나 이 아이와 관계를 구축하는 것이었기 때문에 학교에 가야 하는 것과 같은 논쟁이나 대화가 있었습니다. 그리고 그 인간 소녀는 기본적으로 "내게는 이 인형 로봇이 있어, 나에게 모든 것을 가르쳐 주고 있어." 좋아요, 그리고 그것은 당신에게 질문을 할 수 있습니다. 정확한 답변을 제공합니다. 그녀에게 교훈과 일을 주도록 가르치거나 말할 수 있습니다. 그리고 그것은 ChatGPT 유형의 진화와 같은 것에 대해 생각하게 만들었습니다. 단순한 검색 엔진이 아니니까요, 그렇죠? 그것은 당신에게 대답을 제공합니다. Google에서 직접 검색하고 조사해야 하는 경우와는 다른 종류의 응답을 제공합니다. 그리고 이것으로 그런 종류의 것을 가능하게 할 수 있다는 것, 공감하는 측면, 또는 당신이 말하는 공감 측면은 일반적으로 인간에게 정말 강력할 수 있습니다. 그리고 저는 따라가서 그곳에서 무슨 일이 일어나는지 보는 것이 정말 흥미진진하다고 생각합니다.

– [닐] 백퍼센트. 내 말은 우리가 맞춤형 AI 컨시어지의 성배를 향해 나아가고 있다는 뜻입니다.

– [라이언] 네, 네. 아니, 정말 신나는 공간이다. 사람들이 저에게 질문했을 때 제가 언급한 것 중 하나는 ChatGPT와 같은 도구가 마케팅이나 콘텐츠 공간에 영향을 미치는 것을 어떻게 봅니까? 나는 그것이 인에이블러라고 생각하고 확실히 도움이 될 것입니다. 그러나 여전히 창조적인 관점에서 인간이 참여해야 하는 요소가 분명히 있습니다. 그리고 이러한 도구를 사용하여 구축된 애플리케이션이 많을수록 많은 사람들이 OpenAI API를 사용하고 개방형이 아닌 의도된 목적을 가진 기능적 도구를 구축하는 것을 본 것처럼 검색에 무언가를 입력합니다. 상자. 가장 흥미로운 점은 사람들이 기능, 데이터 세트 및 API를 사용하여 최종 사용자가 더 나은 결과를 얻고 더 많은 작업을 수행할 수 있는 도구를 만드는 방법입니다. 참여할 수 있는 매우 흥미로운 공간입니다. 그리고 저는 여러분의 일상이 아마 매우 흥미로울 것이라고 확신합니다. 이것에 대해 이야기하고 무슨 일이 일어날지 배우는 최전선에 머물러야 합니다.

– [닐] 백퍼센트. Ryan, 정말 훌륭한 지적을 해주셔서 기쁩니다. 왜냐하면 저는 우리가 인공 지능에 대해 많이 이야기하고 있다는 것을 알고 있기 때문입니다. 그러나 업계 내에서 진정한 추진력은 인간의 능력을 기계 능력으로 강화하는 하이브리드 지능으로 이동하는 것입니다. 그리고 그것이 바로 지금 일어나고 있는 일입니다. 예술계를 보라. 이제 많은 음악가와 조각가가 이러한 도구를 사용하여 기술을 향상하거나 발전시킵니다.

– [라이언] 네, 네. 정확히 맞습니다. 저는 그와 관련된 많은 콘텐츠를 읽었습니다. 왜냐하면 여러분은 사람들, 심지어 회사까지 출판물에서 이렇게 말했습니다. “AI를 사용하면 기본적으로 AI가 만든 콘텐츠.” 사람들이 그러지 않은 한, 그 이면에는 진위가 없습니다. 콘텐츠에 그런 품질을 제공하는 인적 요소가 없습니다. 그래서, 그들은 그것으로부터 일종의 후퇴를 해야 했습니다. 그리고 분명히 Microsoft 대 Google이 있습니다. Microsoft는 그것을 Bing에 통합하고 Google은 기본적으로 AI가 만든 콘텐츠를 잡을 수 있는 방법을 찾을 수 있다면 기본적으로 사이트를 처벌하고 콘텐츠를 만드는 수단으로 사람들에게서 빼앗을 수 있는 위치에 있습니다. 품질 등을 떨어뜨리기 때문입니다. AI가 만든 콘텐츠를 고려해야 하는 새로운 종류의 상황이기 때문에 전체 전투가 어떻게 진행되는지 보는 데 매우 관심이 있습니다. 매우 인간 중심적입니다. 하지만 귀하의 관점에서 볼 때, 저는 이것이 더 효율적이 되고 업무의 일부를 더 잘 수행하기 위한 보충 및 지원에 더 가까울 것이라고 생각합니다. 하지만 결국 대체할 수 없다고 생각하는 부분이 여전히 남아 있습니다.

– [닐] 아니, 아니, 전혀. 아니요, 밖에 계신 분들은 걱정하지 마세요. 우리는 당신을 기계로 대체하려는 것이 아닙니다. 네, 물론입니다. 음, 닐, 정말 고마워요. 시간 내주셔서 정말 감사합니다. 청중의 관점에서 볼 때, 만약 그들이 이것을 들은 후에 후속 조치를 취하고, 당신과 접촉하고, 그들이 참여하는 가장 좋은 방법이 무엇인지와 같이 우리가 이야기한 어떤 것에 대해 더 깊이 관여하고 싶어한다면, 당신이하고있는 모든 일과 데이트?

– [Neil] 제 이름인 neilsahota.com으로 오시면 됩니다. 저는 항상 업계에서 가장 최신의 최고의 콘텐츠와 일부 콘텐츠를 내놓고 있습니다. 그리고 당신은 항상 소셜 미디어에서 나를 팔로우할 수 있습니다. 그래서 나는 거기에서 매우 활동적입니다.

– [Ryan] 훌륭합니다. 시간을 내주셔서 정말 감사합니다. 훌륭한 대화입니다. 여러분이 여기에 참여하게 되어 기쁩니다. 이 내용을 청중에게 알리기를 기대합니다.

– [Neil] 굉장해, 고마워, Ryan. 초대해 주셔서 감사합니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: https://www.iotforall.com/podcasts/e267-data-driven-decision-making-with-ai