비트나인 Graph it

일반적인 데이터베이스와 지식베이스의 차이 지식그래프(Knowledge Graph)는 사람이 기억으로 생성하고 활용하는 지식 정보를 좀 더 정확하게 관리하고, 많은 양의 지식 탐색을 위한 기법으로, 정보를 저장하는 지식베이스(Knowledge Base)와 네트워크 구조로 분석할 수 있도록 표현하는 그래프(Graph)를 합친 단어입니다. 지식베이스란 도메인 정보와 특정 분야의 전문가들이 축적한 전문 지식과 문제 해결을 위한 자료 등을 축적해 놓은 지식창고, 즉 데이터베이스입니다. 지식베이스란 용어는 일반적인 데이터베이스라는 용어와 구별하기 위해서 만들어졌습니다. 1970년대에 거의 모든 정보 관리 시스템은 데이터를 관계형 데이터베이스 시스템(RDBMS)에 저장했기 때문입니다. 지식베이스와 일반적인 데이터베이..

설명 가능한 머신러닝, 그리고 AI 머신러닝 채택이 증가함에 따라 설명 가능한 모델은 뜨거운 주제가 되고 있습니다. 기존 신경망과 딥러닝 네트워크를 기반으로 한 예측모델은 특정 결과에 어떻게 도달했는지에 설명할 수 없는 반면, 설명 가능한 모델은 주요 변수를 보여주며 어떻게 결과에 도달했는지를 설명해 줄 수 있습니다. 설명 가능한 모델의 전통적인 예로는 의사 결정 트리(decision tree)를 들 수 있습니다. 그리고 그 의사 결정 트리는 특수한 그래프의 형태를 가지고 있습니다. 마찬가지로 그래프 알고리즘이나 그래프 기능을 AI 모델의 일부로 사용하면 "고객 --(구매) --> 제품"과 같이 그래프 관계로 자연스러운 의미를 쉽게 해석할 수 있습니다. 설명 가능한 AI 모델에는 많은 장점이 있습니다. ..

함께 만들어 나가는 IT 용어사전, 알쓸IT잡! IT 분야의 모든 궁금증을 해결해 드립니다. 오직 알쓸IT잡에서만! 설명 가능한 AI(XAI, Explainable AI)란? AI는 자율주행, 제조업, 암 진단, 은행 고객 응대 등 활용 분야가 넓은 기술입니다. 사람보다 더 뚜렷한 성과를 내기 때문에 다가오는 미래에는 단순 노동을 넘어 전문적인 업무를 대체할 것으로 전망되고 있습니다. 하지만 AI가 잘못된 판단을 하면 심각한 문제가 될 수 있습니다. 결과에 대한 근거 및 도출과정을 생략하거나, 오류 발생 시 원인을 즉시 알 수 없어서 개발자마저 AI의 문제를 파악하지 못하는 경우가 있습니다. ‘어떤 과정을 통해서 결과를 도출해냈는지 설명할 수 있다면 사람들이 훨씬 더 잘 받아들이고 AI를 신뢰할 수 있지..

그래프 데이터베이스(Graph Database) 기반의 대장암 진료용 의사결정 지원 도구 개발 전 세계 인구의 사망원인 2위는 암으로, 2018년에만 대장암으로 86만 명이 사망했습니다. 암 연구와 치료가 꾸준히 발전해왔지만, 아직까지도 의료 종사자는 대규모의 암 환자를 치료할 방법에 대해 어려움을 겪고 있습니다. 의사의 역량에만 의존하여 치료방법을 찾아내는 것에 한계가 있기에 빅데이터를 기반으로 한 의사결정 지원 도구의 도움을 받기도 합니다. 그래서 B병원은 올바른 진단을 효율적으로 수집하기 위해 IBM의 헬스케어 인공지능인 왓슨(Watson)을 도입했습니다. 지난 2016년 B병원에 의사의 진료 소견에 대한 의사결정을 돕는 인공지능 ‘왓슨(Watson)’을 도입했습니다. 하지만 왓슨에는 몇 가지의 핵..

AI시장의 미래와 비트나인의 비전 며칠 전에 올린 파트 1에 이어서 오늘은 지난해에 과학기술정보통신부가 발표한 내용에 따라 미래의 AI에 대한 의견을 나누고, 비트나인이 진행했던, 그리고 진행하고 있는 파일럿 프로젝트 중에 적용 사례를 설명 가능한 AI(Explainable AI, XAI)를 통해서 소개하고자 합니다. Without People vs With People 세계적으로 유명한 기술 선도자인 스티븐 호킹, 빌 게이츠, 그리고 일론 머스크는 인공지능 기술과 밀접한 일을 하고 있지만, 과거에 인공지능에 대한 개발에 대해 경고를 표현했었습니다. AI의 핵심은 사람의 지능을 복제하고 능가하여 자율적으로 운영되는 것입니다. AI 기술이 성공적으로 구현된다면 사람들의 삶에 침입하여 수천만의 일자리를 빼앗..