클라우드 컴퓨팅에 사용되는 AI의 역할과 이점

클라우드 컴퓨팅과 AI의 관련성을 바라보는 이들은 크게 두 가지 사실에 주목합니다. 하나는 클라우드 컴퓨팅 제공업체들이 자사의 플랫폼에서 더욱 정교한 AI 기반 서비스 및 애플리케이션을 제공하기 위해 치열하게 노력하고 있다는 점입니다. 다른 하나는 AI와 그를 활용한 자동화 및 빠른 의사 결정이 오늘날의 하이퍼스케일 클라우드 플랫폼의 원동력이 되고 있다는 점입니다.

양쪽 모두 사실입니다. 클라우드 컴퓨팅과 AI의 미래는 그와 같이 서로 얽혀 있고, 그만큼 흥미진진합니다. 본 문서는 클라우드 컴퓨팅과 AI의 미래에 대한 자세한 내용을 다루고 있습니다.

AI란 무엇인가요?

AI, 또는 인공지능은 알고리즘 및 데이터를 사용해 음성을 인식하거나 프롬프트에 응답해 이미지를 생성하는 등 인간의 지능이 필요했던 작업을 대신 수행할 수 있는 컴퓨터 시스템을 의미하는 표현입니다. 경우에 따라 AI는 대량의 데이터가 포함된 복잡한 계산 및 분석을 단 몇 초 만에 매우 정확히 수행해 이상 징후를 식별하는 등 인간에게는 불가능한 일을 할 수도 있습니다.

AI 기술은 빠르게 발전하고 있으며 고객과의 커뮤니케이션 개선, 디지털 미디어 제작, 의학적 진단의 정확성 향상, 사이버 보안 강화, 비즈니스 의사 결정에 대한 조언 제공 등 다양한 용도로 활용되고 있습니다.

'인공지능'이라는 용어는 종종 머신러닝(ML) 및 딥 러닝과 같은 관련 기술과 혼용됩니다. 차이점을 살펴보자면 인공지능은 광범위한 연구 분야를 설명하는 표현인 반면, 머신러닝 시스템은 수집한 학습 데이터를 기반으로 정의된 특정한 작업을 수행하기 위해 학습을 통한 개선에 집중하는 보다 좁은 의미의 표현입니다. 머신러닝과 유사한 프로세스인 딥 러닝은 인간 두뇌의 구조를 시뮬레이션하도록 설계된 복잡한 신경망을 기반으로 구축되어 있습니다. 딥 러닝 시스템은 그러한 구조를 통해 복잡하고 비선형적인 관계를 감지하고, 복잡하거나 부정확한 데이터로부터 의미를 도출할 수 있습니다. ChatGPT, Cohere 등의 대규모 언어 모델(LLM)은 딥 러닝과 대량의 선별된 데이터를 사용해 훈련합니다. 학습이 완료된 LLM은 정답을 추론하거나 예측해 사용자의 질문에 답할 수 있는 생성형 AI 시스템의 핵심이 됩니다. LLM에 기반한 시스템은 인간의 질문에 대해 인간과 유사한 언어적 응답을 제공할 수 있습니다.

많은 기업들은 AI의 활용 가치를 극대화하기 위해 데이터 과학 팀에 투자하고, 자사의 애플리케이션에 도입할 수 있는 정교한 AI 모델과 서비스를 찾고 있습니다.

클라우드 컴퓨팅이란 무엇인가요?

간단히 말해, 클라우드 컴퓨팅은 IT 서비스를 구매하는 대신 대여하는 방식입니다. 기업은 데이터베이스, 소프트웨어, 시설, 하드웨어 등을 자체적으로 보유하기 위해 투자하는 대신, 인터넷을 통해 컴퓨팅 파워에 액세스하고 사용한 만큼 비용을 지불하는 방식을 선택할 수 있습니다. 클라우드 컴퓨팅의 주된 특징은 계량화되고, 확장 가능하고, 필요에 따라 사용할 수 있다는 것입니다.

클라우드 오퍼링에는 인프라(예: 서버, 스토리지, 데이터베이스) 및 해당 인프라를 기반으로 구축된 서비스(예: 데이터 분석, 인공지능, 전사적 자원 관리[ERP] 및 인적 자본 관리 등의 비즈니스 애플리케이션)가 포함되어 있습니다. 클라우드 애플리케이션에는 갈수록 많은 AI 기반 기능이 추가되는 중입니다. 인쇄된 문서를 디지털 형식으로 변환하고, 미지급금 및 미수금 등의 용도별로 분류하는 기능이 그 좋은 예입니다.

핵심 요점

• AI는 클라우드 컴퓨팅의 필수 요소로서 클라우드 서비스의 자동화, 의사 결정, 확장성 등을 강화해 줍니다.
• 클라우드 컴퓨팅은 AI에 필요한 인프라를 제공하므로 기업은 하드웨어 및 소프트웨어에 많은 비용을 투자할 필요 없이 AI 기술을 활용할 수 있습니다.
• 클라우드 컴퓨팅에 사용되는 AI는 반복 작업을 자동화하고, 데이터 분석을 강화하고, 사이버 보안을 개선해 비즈니스 효율성 향상에 기여합니다.
• AI와 클라우드 컴퓨팅의 시너지 효과는 생성형 AI, IoT, AI 지원 비즈니스 인텔리전스와 같은 혁신적인 애플리케이션의 개발을 촉진합니다.
• 클라우드 컴퓨팅에 AI를 도입하는 것은 데이터 프라이버시, 통합, AI 전문 지식을 갖춘 인재 격차 등과 관련된 문제로 인해 어려움을 겪을 수 있습니다.

AI 및 클라우드 컴퓨팅 알아보기

AI와 클라우드 컴퓨팅은 서로 밀접하게 연관되어 있습니다. 그 이유 중 하나는 클라우드 컴퓨팅 제공업체들이 더 나은 서비스를 제공하기 위해 AI를 활용하는 방법을 일찍 파악했기 때문입니다. AI 시스템은 제한된 IT 아키텍처 내에서 의사 결정을 내리는 데 매우 능숙하고, 클라우드 컴퓨팅 제공업체는 AI의 그러한 특성을 활용해 대규모 데이터 센터에서 다양한 작업을 자동화하고 있습니다. AI는 기술 서비스를 프로비저닝 및 확장하고, 잠재적인 오류를 감지하고, 사이버 공격의 징후를 모니터링하고, 다양한 사용 사례로부터 사기의 징후를 감지할 수 있습니다. 이는 클라우드 컴퓨팅 기업이 수천에서 수백만에 달하는 고객사들에게 경제적인 방식으로 하이퍼스케일 기술 서비스를 제공하는 데 도움을 주는 다양한 기능 중 몇 가지에 불과합니다.

마찬가지로 중요한 점은 클라우드는 비즈니스 애플리케이션에 AI를 탑재하는 가장 보편적인 방법이 되고 있다는 사실입니다. 공급업체들은 다양한 AI 기술로 강화된 서비스형 소프트웨어(SaaS) 애플리케이션, 최근 들어서는 내장된 LLM 기능 등의 형식으로 자사 제품에 AI를 탑재하고 있습니다. 또한 클라우드 제공업체는 생성형 AI를 자사의 운영에 도입하고자 하는 기업과 협력하고 있습니다. 기업은 클라우드 아키텍처에 내장된 정교한 LLM을 통해 보유 중인 데이터로 자사의 운영에 부합하는 AI 모델을 훈련 및 배포하기도 하고, 보다 일반적으로는 의료, 물류, 법률, 정부 등의 분야별 기존 AI 모델의 훈련을 보강하기도 합니다. 또한 방대한 데이터로 AI 모델을 훈련하기 위한 대량의 컴퓨팅 및 스토리지 용량을 필요로 하는 AI 모델 개발자들도 클라우드 서비스를 이용합니다.

갈수록 많은 클라우드 제공업체가 극히 정교한 AI 지원 서비스를 제공하게 될 것입니다. 개발자가 원하는 애플리케이션 기능을 설명하면 AI 플랫폼이 코드의 초안을 빠르게 작성하는 애플리케이션 개발 플랫폼이 그 좋은 예입니다.

클라우드 컴퓨팅에 AI가 중요한 이유는 무엇인가요?

클라우드 컴퓨팅 제공업체는 IT 서비스와 SaaS 애플리케이션을 가장 저렴하고 안정적으로 제공하는 자동화된 시스템을 구동하기 위해 AI를 사용하고 있습니다. AI는 하이퍼스케일 클라우드 시스템의 프로비저닝, 배치, 튜닝을 지원해 사람의 수고를 덜어줍니다. 또한 더욱 광범위한 AI 서비스 및 급성장 중인 생성형 AI를 자사의 운영에 활용하고자 하는 기업들이 늘어남에 따라 클라우드 컴퓨팅 기업들은 해당 수요에 대응하고자 노력하고 있습니다. 한 마디로, 클라우드는 기업이 AI 기능을 활용하기에 가장 용이한 경로입니다.

클라우드 컴퓨팅이 AI에 중요한 것도 사실입니다. LLM과 같은 생성형 AI 시스템의 훈련은 컴퓨팅 집약적인 작업이므로 전 세계적인 컴퓨팅 파워 경쟁을 유발하기 때문입니다. 하이퍼스케일 클라우드 제공업체는 강력한 컴퓨팅 파워를 온디맨드 방식으로 제공하므로 AI 기업은 고성능 AI 워크로드 실행에 필요한 GPU 클러스터를 합리적인 비용으로 대여할 수 있습니다.

Oracle의 AI용 고성능 클라우드에 대한 자세한 정보를 확인해 보세요.

클라우드 컴퓨팅에 사용되는 AI는 비즈니스를 어떻게 변화시킬까요?

클라우드에서 사용 가능한 AI 기반 서비스는 기업의 AI 사용량 증가의 핵심 요소가 되어 왔습니다. AI 모델을 직접 구축, 훈련하고 안전하게 배포하는 것은 기술적으로 너무 까다롭고 비용이 많이 드는 작업이므로 대기업 외의 기업은 자체적으로 시도하기 어렵기 때문입니다. AI 지원 인프라 서비스, AI가 도입된 SaaS, API를 통해 제공되는 다양한 기술 메뉴 등을 통해 더 많은 기업이 AI로 프로세스를 자동화하고, 경쟁 우위를 확보하고, 새로운 비즈니스 기회를 활용할 수 있게 되었습니다.

AI의 비즈니스적 혜택은 크게 두 가지 측면으로 나뉩니다. 첫째, AI 어시스턴트로 청구서 및 요청서 입력 및 분류, 영수증 및 정책과 비용 일치 등의 반복적인 수작업을 대체해 작업 효율성 및 정확성을 향상시킵니다. 둘째, AI 기반 데이터 분석은 기업 데이터에서 감지한 패턴을 기반으로 비즈니스 전문가를 위한 추천 및 조언을 제공합니다. AI는 판매자 행동과 기업의 요구 사항에 대한 복잡한 분석을 바탕으로 특정 제품을 더 많이 주문해야 하는 시기부터 공급망 변경 권장까지 폭넓은 범위의 조언을 제공합니다.

클라우드 컴퓨팅에 사용되는 AI의 이점

데이터 센터에 AI를 적용한 클라우드 컴퓨팅 제공업체는 즉각적인 효율성 향상 및 비용 절감 이상의 이점을 누리고 있습니다. 자체 개발한 기술을 브랜드화된 AI 서비스 형식으로 고객에 제공함으로써 고객 충성도 및 수익성이 향상됩니다.

클라우드 컴퓨팅에 사용되는 AI의 이점은 다음과 같습니다.

• 자동화: 클라우드 제공업체와 고객은 AI를 통해 패치 적용, 보안, 컴퓨팅 용량 확장 등 서비스 제공에 필요한 많은 IT 프로세스를 자동화할 수 있습니다. 또한 기업에서는 문서 관리 및 공장 운영 등의 속도와 정확성을 높이기 위해 지능형 자동화를 비롯한 AI 프로세스를 사용하고 있습니다.
• 비용 절감: AI는 더 적은 인원으로 복잡한 작업을 더 빠르게 수행해 비용을 절감할 수 있습니다. 해당하는 작업에는 IT 및 데이터 보안 운영 뿐만 아니라 헬프 데스크 자동화와 같은 비즈니스 기능도 포함될 수 있습니다. 고객은 변화하는 요구사항에 따라 클라우드 사용량을 확장하거나 축소할 수 있습니다. 고객이 비용 절감 효과를 직접 확인하면 클라우드 제공업체에 대한 충성도가 향상될 수 있습니다. 가능한 한 단순하고 투명한 요금 정책을 유지하려고 노력하는 클라우드 업체의 경우 더욱 그렇습니다. 기존 고객이 더 많은 클라우드 서비스를 사용하면 신규 고객을 발굴, 확보, 온보딩하는 것보다 더 높은 마진을 얻을 수 있습니다.
• 클라우드 관리: AI는 IT 관리의 여러 측면을 자동화해 클라우드 서비스를 대규모로 실행할 수 있게 해줍니다. 예를 들어, AI는 인적 개입이 거의 또는 전혀 없더라도 서비스를 프로비저닝 및 확장하고, 장애를 감지 및 예측하고, 사이버 공격을 차단할 수 있습니다. 서비스 사용량 추적 및 비용 청구 작업, 고객에게 복잡한 워크로드 모니터링 및 관리 시스템을 제공하는 작업도 AI의 지원을 통해 더 간단히 수행하고 확장할 수 있습니다.
• 데이터 관리: AI는 모든 기업이 핵심 데이터를 보다 효율적이고 저렴하게 관리할 수 있도록 지원합니다. AI가 수행할 수 있는 관련 작업으로는 데이터 이동, 데이터 정제, 네트워크 스캐닝을 통한 데이터 보안 또는 수집 관련 문제 감지 등이 있습니다.
• 예측 분석: AI는 널리 사용되는 데이터 분석 형식인 예측 분석에 특히 적합한 기술입니다. 기업은 예측 분석을 통해 추세를 파악하고, 상관관계를 찾고, 인과 관계를 연결해 정보에 입각한 의사 결정을 훨씬 더 신속하게 내릴 수 있습니다.
• 개인화: AI의 예리한 관찰력과 패턴 매칭 능력은 클라우드 제공업체를 비롯한 기업들이 고객의 행동과 수요를 더 잘 이해하는 데 도움을 줍니다. 기업은 AI를 활용해 개인화된 서비스 및 더욱 정확한 제안을 제공함으로써 고객 유지율과 수익을 높일 수 있습니다.
• 생산성 및 효율성 향상: AI는 사람들이 어렵거나 지루하다고 생각하는 업무에서 탁월한 능력을 발휘합니다. 기업은 AI 기반 프로세스를 통해 문서 관리, 패키지 분류, 청구서 매칭, 나아가 법률 문서 요약과 같은 문서 요약 작업도 사람보다 빠르고 정확하게 수행할 수 있습니다. AI를 활용한 효율성 향상은 직원들이 인간의 경험과 관계가 필요한 더 복잡한 작업에 집중할 수 있다는 또다른 이점을 가져다줍니다.
• 향상된 보안 및 위협 감지: 잘 구성된 데이터 보안 프레임워크에 포함된 AI는 문제를 나타내는 패턴을 스캔하며 네트워크 및 사용자를 모니터링할 수 있습니다. 사람과 달리 AI는 네트워크에서 생성되는 스트림을 신속히 분석해 대량의 데이터를 면밀히 모니터링할 수 있습니다.
• 확장성 향상: AI를 사용하면 수많은 프로세스를 자동화할 수 있으므로 클라우드 제공업체는 사람이 수동으로 서비스를 프로비저닝하고 관리하는 경우에는 달성할 수 없는 수준의 탄력적 확장성을 갖춘 대규모 데이터센터를 운영할 수 있습니다. 이러한 효율성은 클라우드 고객에게도 동일하게 적용되어 마케팅, 물류, 의료 등 다양한 분야의 고객들이 더 적은 인력으로, 더 빠르게 업무를 확장할 수 있게 됩니다.

클라우드 컴퓨팅에 사용되는 AI 관련 도전 과제

클라우드 컴퓨팅 제공업체는 AI 사용의 장벽을 낮추기 위해 노력하고 있지만 아직 도전 과제는 남아 있습니다. 개중 대부분은 데이터 관리 및 적절한 전문성을 갖춘 인력 채용과 관련된 것입니다.

• 데이터 프라이버시: AI를 활용하기 위해서는 데이터 보안 및 데이터 프라이버시와 관련된 고유한 도전 과제를 해결해야 합니다. 예를 들어, AI 모델이 결과물을 생성하는 과정에서 모델 훈련에 사용되었던 민감한 데이터 세트의 세부 정보를 '유출'할 가능성이 있습니다. 고객은 데이터 거버넌스 및 보안에 대한 강력한 제어 기능을 제공하는 클라우드 공급업체를 우선적으로 선택할 것입니다.
• 통합: AI는 정제되고 잘 정리된 데이터를 사용합니다. 또한 다양한 소스의 데이터를 사용할수록 더욱 스마트해집니다. 이는 다양한 내부 사업부 또는 파트너 사이트의 데이터 및 외부 출처(예: 날씨 피드 또는 공개 정부 데이터)의 데이터를 통합하고 표준화해야 한다는 도전 과제를 야기합니다.
• 인재 격차: AI 모델을 설계, 훈련, 배포하는 데 필요한 전문 지식을 가진 인재들을 찾는 과정에는 많은 시간이 소요되고, 고용 및 유지 비용 또한 많이 듭니다. 근간이 되는 AI 모델 개발자와 클라우드 서비스를 보유 중이라 해도, AI를 제대로 활용하기 위해서는 경험이 풍부한 데이터 관리자와 데이터 과학자가 필요한 경우가 많습니다.

클라우드 컴퓨팅에서 AI를 활용하는 방식

AI와 클라우드를 함께 활용하면 기업을 더 효율적으로 운영하고, 더 창의적인 작업에 더 많은 시간을 할애할 수 있습니다. 이는 앞서 언급한 도전 과제들을 극복하기 위한 좋은 동기 부여가 되어 줍니다. 개중 가장 인기있고 흥미로운 활용 방식은 다음과 같습니다.

• 챗봇: 챗봇은 인간의 의사소통을 시뮬레이션하고 고객 서비스 역할을 지원하기 위해 설계된 최초의 소프트웨어 프로그램 중 하나입니다. 안타깝게도, 인공지능이 등장하기 전에는 챗봇이 제대로 작동하지 않았고, 문제를 해결하기보다는 고객을 짜증나게 하는 경우가 더 많았습니다. 그러나 인공지능과 클라우드 컴퓨팅의 등장으로 기업은 이제 API를 통해 대규모 언어 모델을 활용할 수 있게 되었으며, 이를 통해 음성 또는 문자 형태의 인간 언어를 이해하고 사용자가 질문한 의도를 감지할 수 있는 강력한 챗봇을 제공할 수 있게 되었습니다.
• 비즈니스 인텔리전스(BI): 클라우드 컴퓨팅 제공업체는 오랫동안 BI 솔루션을 제공해 왔습니다. 이는 내부 및 외부 소스의 데이터를 수집, 분석, 해석해 기업의 의사결정을 지원하는 솔루션입니다. BI 솔루션을 제공하기 위한 초기의 클라우드 서비스 및 패키지 소프트웨어는 머신러닝 알고리즘을 사용해 데이터를 파싱하고 분석했습니다. 그러나 이제 기업은 최신 AI 모델을 사용해 과거에 발생한 일들을 이해하는 것 뿐만 아니라, 미래의 결과를 더 잘 예측할 수 있게 되었습니다.
• 사물인터넷(IoT): IoT는 인터넷과 서로 연결된 기기들로 구성됩니다. IoT 기기는 트럭 운송, 농업, 제조 등 다양한 산업에서 사용되며, 일부 주요 의사 결정 기능을 클라우드 데이터 센터가 아닌 관리 대상 기기에 가깝게 배치하는 '엣지 컴퓨팅' 시스템이 필요합니다. 이제 기업이 사용하는 IoT 기기들은 정교한 AI 클라우드 서비스 또는 SaaS 애플리케이션에 내장된 AI와 결합되어 데이터 및 경험을 바탕으로 학습하고 개선 사항을 적용하거나 제안할 수 있습니다.
• 생성형 AI: 클라우드 컴퓨팅을 사용하면 LLM 기반의 강력한 생성형 AI 모델을 API 형식으로 이용할 수 있습니다. 기업은 생성형 AI를 사용해 연구를 가속화하고, 창의적인 아이디어를 브레인스토밍하고, 고객 서비스 또는 헬프 데스크 애플리케이션을 개선하는 등의 다양한 작업을 수행할 수 있습니다. RAG는 클라우드 제공업체가 안전하게 저장된 고객의 최신 엔터프라이즈 데이터로 LLM의 지식 기반을 보강해 생성형 AI의 유용성을 향상시킬 수 있도록 지원합니다.

클라우드 컴퓨팅에 사용되는 AI의 미래

인공지능은 인간이 수행해 온 다양한 업무에 빠르게 접목되고 있습니다. 이러한 성장세의 대부분은 강력한 클라우드 컴퓨팅 플랫폼에서 AI를 사용할 수 있게 된 덕분입니다. 이제 클라우드 제공업체들은 AI를 사용한 IT 인프라 자동화 및 모니터링 서비스 뿐만 아니라, 애플리케이션 작성 및 디버그, 비즈니스 프로세스 평가 및 개선, 고도로 자율적인 로봇 및 드론 운용을 위한 백엔드 컴퓨팅 및 엣지 서비스 등을 지원하는 AI 기반 서비스를 제공할 수 있게 되었습니다. 앞으로 클라우드에 구축된 서비스는 AI를 사용해 비즈니스 도전 과제 및 사회 문제에 대해 깊이 있고 창의적인 사고를 할 수 있게 될 것입니다.

Oracle의 클라우드 컴퓨팅 서비스로 AI 활용 시작하기

인공지능이 귀사의 비즈니스에 어떤 도움을 줄 수 있을지 직접 시험해 볼 준비가 되었다면 Oracle Cloud Infrastructure(OCI)와 함께 AI 활용을 시작해 보세요. Oracle은 귀사가 가장 적합한 방식으로 AI를 활용할 수 있도록 지원하는 포괄적 AI 포트폴리오를 제공하고, OCI는 OCI의 분산형 클라우드를 사용해 다른 클라우드 서비스 제공업체와 비교할 수 없는 광범위한 AI 배포 옵션을 제공합니다. 예를 들어, OCI는 Oracle Fusion Applications에 AI를 내장해 기업의 주요 비즈니스 부서에 AI가 생성한 인사이트를 간단히 제공할 수 있도록 지원합니다. 자체 애플리케이션에 AI를 구축하는 경우, OCI는 귀사의 독자적인 비즈니스 데이터를 사용해 커스터마이징할 수 있는 모델을 갖춘 광범위한 AI 서비스를 제공합니다.

OCI는 데이터 과학자들이 선호하는 오픈 소스 프레임워크를 사용해 머신러닝 모델을 공동으로 구축, 훈련, 배포, 관리할 수 있도록 지원하는 머신 러닝 서비스를 제공합니다. 대량의 컴퓨팅 파워를 사용하는 정교한 모델 훈련이 필요한 경우, OCI는 맞춤형 온프레미스 컴퓨팅 클러스터의 성능에 필적하거나 능가하는 성능과 클라우드의 탄력성 및 사용량 기반 요금제의 이점을 함께 제공합니다.

클라우드 컴퓨팅이 없었다면 오늘날의 AI는 존재하지 않았을 것입니다. 클라우드 제공업체는 다양한 AI 모델을 훈련하는 데 필요한 컴퓨팅 아키텍처를 제공하고, 날로 성장하는 AI의 기능을 더 많은 기업이 활용할 수 있는 기반을 구축합니다. AI의 기업 및 개인적 용도가 늘어날수록 클라우드 컴퓨팅 플랫폼에서 실행되거나, 클라우드 컴퓨팅 플랫폼을 통해 액세스하는 경우도 늘어날 것입니다.

클라우드 컴퓨팅에 사용되는 AI FAQ

AI가 사이버 보안을 대체할 수 있나요?

사이버 보안은 사용자 액세스 관리, 네트워크 모니터링, 데이터 분석 등 다양한 분야를 포괄하는 개념입니다. AI는 사이버 보안과 관련된 모든 분야의 핵심 요소가 될 수 있습니다. 결국 더 많은 역할을 수행하게 될 것이라는 점에는 의심의 여지가 없습니다. 그러나 AI는 사이버 보안 시스템이나 전문가를 대체하는 것이 아니라, 사이버 보안 프로그램의 기반 기술이 될 것입니다.

엣지 서비스는 AI와 어떤 관련이 있나요?

엣지 인프라는 클라우드 서비스를 데이터가 생성되는 기기와 매우 가까운 위치에, 또는 기기 내에 배치해 기기의 관리에도 데이터를 사용할 수 있도록 만들어 줍니다. 이를 통해 IoT 기기는 인터넷에 간헐적으로 연결되거나 연결되지 않은 상태에서도 환경 변화에 빠르게 반응하는 AI를 실행할 수 있습니다. 데이터 센터와 통신을 주고받을 여유가 없이 다음 행동을 자체적으로 신속하게 결정해야 하는 자율 주행 드론 또는 자동차가 그 좋은 예입니다.

머신러닝과 AI의 차이점은 무엇인가요?

머신러닝은 인공지능의 하위 분야입니다. 머신러닝 알고리즘은 시간이 지날수록 제공되는 데이터 조합에 기반해 작업 수행 방식을 지속적으로 학습하고 개선합니다. AI 모델은 작업을 수행하는 과정에서 종종 머신러닝 알고리즘을 사용합니다.

AI 훈련과 AI 추론의 차이점은 무엇인가요?

AI 모델의 수명 주기는 크게 두 가지로 나뉩니다. 하나는 훈련이고 다른 하나는 추론입니다. 모델 훈련은 AI 모델에 대량의 선별된 데이터를 제공해 데이터를 기반으로 정확하게 인식하고 예측하는 방법을 학습시키는 단계입니다. 훈련 단계를 완료한 모델은 다른 유형의 IT 인프라로 이동해 추론 단계를 시작합니다. 추론 단계에서 AI 모델은 새로운 데이터를 바탕으로 추론을 수행하고 결과를 예측합니다.