데이터 인프라에 큰 영향을 미치고 있는 AI: 어떻게 여기까지 왔는지에 대한 입문서
David A. Chapa
Market Insights & Analytics Lead for AI
2024년 11월 15일
지금은 2024년 11월이고 AI는 공식적으로 어디에나 있다고 해도 과언이 아닙니다. 사람들은 전 세계 어디서나 AI에 대해 이야기하고 있습니다. 아이들도 마찬가지입니다. 부모님도 마찬가지입니다. 또는 조부모도 마찬가지입니다. AI는 마지막 자동차 구매 경험에 필수적이었을 수 있으며, 당신의 말을 듣고 필요하다고 생각하는 제품을 추천하여 삶을 개선하려는 집/연결 장치에 의해 추천 엔진으로 사용되었습니다. 널리 팽배해 있으며 날이 갈수록 더 그렇게 되고 있습니다. 그래서 저는 이 블로그를 쓰고 싶었습니다. 첫째, AI가 어디에서 왔는지를 상기시켜줍니다. 둘째, 오늘날 어떻게 사용되고 있는지 설명합니다. 마지막으로, 제가 이용할 수 있는 연구를 기반으로 시장이 어디로 향할 수 있는지에 대한 인사이트를 공유하고자 합니다.
먼저 인공 지능(AI)이라는 애칭으로 더 잘 알려진 최첨단 데이터 관리 및 인프라 혁신에 대해 살펴보는 것으로 시작하겠습니다. 지난 20년 동안 혁신적인 기술은 기업이 데이터를 저장, 처리, 분석 및 데이터에서 가치를 창출하는 방식을 바꾸어 놓았습니다. 그런 다음 생성형 AI(GenAI)의 급부상과 이러한 기술을 지원하는 GPU(그래픽 처리 장치)의 중요한 역할을 포함하여 이러한 발전의 최전선에 대해 자세히 살펴보겠습니다.
비즈니스 리더 또는 IT 리더이든, 아니면 미래에 대한 호기심이 있는 사람이든, 이 블로그는 진화하는 AI 환경을 탐색하는 데 필요한 인사이트를 제공할 것입니다.
AI의 획기적인 발전
오랫동안 유행어였던 AI는 이제 전례 없는 규모로 인간의 창의성을 모방하는 콘텐츠를 만드는 데 중점을 둔 분야인 GenAI를 통해 상업적 잠재력을 실현하고 있습니다. 이 혁명은 새로운 차원의 혁신을 주도하고, 비즈니스 운영 방식을 변화시키며, 복잡한 문제에 대한 창의적인 솔루션을 제시하고 있습니다.
이러한 발전은 하드웨어, 특히 GPU의 진화 덕분에 가능합니다. 한때 주로 그래픽에 사용되던 GPU는 이제 AI에 필수적이며, 강력한 컴퓨팅 기능을 통해 효율적인 모델 훈련 및 추론을 가능하게 합니다.
AI와 생성형 AI는 네트워크 연결 스토리지(NAS), 가상화 및 솔리드 스테이트 드라이브(SSD)와 같은 다른 기술의 발자취를 따르는 최신의 파괴적 기술입니다. 이러한 각각의 혁신은 데이터 및 IT 운영을 관리하는 방법을 재정의했습니다. AI도 같은 일을 할 준비가 되어 있으며, 우리를 생산성과 창의성의 새로운 시대로 이끌고 있습니다.
모든 것이 시작된 곳...
이론 컴퓨터 과학과 인공 지능의 선구자인 Alan Turing은 1930년대에 현재 튜링 머신(Turing Machine)으로 알려진 "보편적 머신(universal machine)"이라는 개념으로 현대 컴퓨팅의 토대를 마련했습니다. 1950년에 발표된 그의 획기적인 논문은 튜링 테스트opens in a new tab를 소개했는데, 이는 오늘날 머신 지능을 평가하고 AI에 대한 윤리적 고려 사항을 형성하는 데 있어 기본 도구로 계속 사용되고 있습니다.
과학 분야로서의 AI는 1956년 Dartmouth Conference에서 John McCarthy와 Marvin Minsky, Herbert A. Simon과 같은 선구자들이 인공 지능이라는 용어를 공식적으로 도입하면서 구체화되었습니다. 초기 AI 연구는 문제 해결을 위한 상징적인 방법에 중점을 두었지만 20세기 후반에 접어들면서 컴퓨팅 성능과 데이터 가용성의 발전에 힘입어 머신 러닝으로 전환되었습니다.
최근 복잡한 신경망을 사용하는 머신 러닝의 하위 집합인 딥 러닝의 폭발적인 증가는 AI에 혁명을 일으켜 이미지 및 음성 인식, 자연어 처리(NLP) 및 자율 시스템 분야에서 진전을 이루었습니다. 이와 같은 발전과 다른 분야의 발전 덕분에 AI는 학계를 넘어 업계 전반에 걸쳐 혁신을 주도하는 힘이 되어 혁신과 효율성을 견인하고 있습니다.
AI에서 GPU의 급부상
AI의 진화는 GPU의 급부상과 밀접한 관련이 있습니다. 2000년대 초반, 스탠포드 대학의 Ian Buck과 Pat Hanrahan은 BrookGPU를 활용해 범용 컴퓨팅에 GPU를 사용하는 방법을 개척했습니다. 이 연구는 2006년 NVIDIA의 CUDA 플랫폼opens in a new tab의 토대가 되었으며, GPU를 그래픽 중심 도구에서 광범위한 과학 및 기술 작업을 가속화할 수 있는 강력한 장치로 바꾸어 놓았습니다.
2012년 Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton이 GPU를 사용해 ImageNet 대회를 제패한 딥 신경망인 AlexNet을 훈련시켰을 때 결정적인 순간이 찾아왔습니다. 이 승리는 딥 러닝에서 GPU의 엄청난 잠재력을 부각시켜 AI 연구 및 애플리케이션에서 광범위하게 채택되기에 이르렀습니다.
AI, 머신 러닝(ML) 및 GenAI는 세상을 빠르게 재편하는 데 도움이 되는 세 가지 혁신적인 기술입니다. 후자의 두 분야는 AI의 한 분야이지만 혁신을 주도하는 데 각각 고유한 역할을 합니다.
- 인공 지능(AI): AI는 학습, 의사결정 및 자연어 이해와 같이 인간 지능이 필요한 작업을 수행하는 시스템을 만드는 것을 전담으로 하는 광범위한 분야입니다. 이는 인지 및 수동 작업을 자동화하고, 효율성을 높이며, 새로운 문제 해결 방법을 도입하여 산업을 변화시키기 때문에 파괴적입니다. 예를 들어, AI는 의료 분야에서 기존 방법보다 더 빠르고 정확하게 환자 진단을 예측합니다.
- 머신 러닝(ML): AI의 하위 집합인 ML은 명시적 프로그래밍 없이 데이터에서 학습하고 시간이 지남에 따라 개선되는 시스템에 중점을 둡니다. 머신 러닝은 비즈니스의 예측 분석에서 스트리밍 서비스에 대한 맞춤형 추천에 이르기까지 여러 애플리케이션으로 인해 특히 파괴적입니다. 방대한 데이터세트에서 인사이트를 발견하는 능력은 다양한 부문에서 효율성, 정확성 및 생산성을 향상시킵니다.
- 생성형 AI: GenAI 시스템은 텍스트, 이미지, 음악, 심지어 코드까지 인간이 생성한 출력물과 유사한 새로운 콘텐츠를 생성합니다. 텍스트용 GPT 및 이미지용 DALL· E는 창의성과 자동화의 새로운 가능성을 열어주기 때문에 파괴적입니다. 콘텐츠 제작에 소요되는 시간과 비용을 줄이고, 맞춤형 콘텐츠를 대규모로 지원하며, 엔터테인먼트, 디자인 및 교육의 혁신을 주도합니다.
GenAI가 오늘날 비즈니스에 미치는 영향
이러한 기술의 파괴적 특성은 비즈니스 운영 방식을 근본적으로 바꾸고, 노동 시장에 영향을 미치며, 새로운 제품 카테고리를 창출하고, 경쟁 환경을 바꿀 수 있는 잠재력에서 비롯됩니다. 이러한 애플리케이션은 효율성 향상, 비용 절감, 새로운 비즈니스 모델 및 전혀 새로운 산업으로 이어질 수 있으며, 기존 기업이 적응하거나 노후화의 위험을 감수해야 하는 문제를 야기할 수 있습니다.
Enterprise Strategy 그룹(ESG)과 함께 Hitachi Vantara가 최근 실시한 AI 구매자 인사이트를 조사한 연구에 따르면, GenAI 프로젝트를 진행 중인 조직의 97%가 GenAI 프로젝트를 조직의 상위 5개 우선 순위로 꼽았습니다. 이와 대조적으로, 조직의 63%는 조직 내에서 GenAI의 사용 사례를 하나 이상 식별했습니다. 이러한 수치는 경쟁 우위를 확보하거나, 서비스 제공을 확장하거나, 데이터를 사용하여 더 우수하고 영향력 있는 결정을 내리고자 하는 기업에 있어 이 기술의 혁신적인 기회를 나타냅니다.
이 연구의 인사이트는 생성형 AI가 여러 산업 분야에서 혁신과 효율성을 주도하여 맞춤형, 의사결정 및 운영 효율성을 향상시키는 확장 가능한 솔루션을 제공하는 방법을 강조합니다.
기업이 새로운 비즈니스 모델의 일환으로 GenAI를 사용하여 성공을 거두고 있는 5가지 핵심 영역을 살펴보겠습니다.
- 자동화된 콘텐츠 및 보고서 생성: 생성형 AI는 다양한 산업 분야에서 조직이 콘텐츠 제작을 처리하는 방식을 변화시킵니다. 재무 보고서, 의료 요약, 고객 응답 등 어떤 것을 생성하든 AI는 정확하고 규정을 준수하며 맞춤형 콘텐츠 제작을 대규모로 자동화하여 수동 작업을 대폭 줄이고 일관성을 개선할 수 있습니다.
- 맞춤형 및 고객 참여: 맞춤형 경험을 제공하는 것은 모든 시장에서 매우 중요합니다. GenAI를 통해 조직은 서비스, 조언 및 커뮤니케이션을 개인의 선호도와 요구에 맞게 조정하여 고객 만족도와 충성도를 높일 수 있습니다.
- 합성 데이터 생성 및 개인 정보 보호: 생성형 AI는 특히 금융 및 의료와 같은 민감한 산업에서 모델 훈련을 위한 합성 데이터세트를 생성하는 데 점점 더 많이 사용되고 있습니다. 이를 통해 조직은 개인 정보를 보호하는 동시에 사기 탐지, 진단 및 고객/환자 관리 서비스와 같은 AI 기반 솔루션의 정확성과 견고성을 개선할 수 있습니다.
- 위험 관리 및 예측 분석: GenAI는 조직이 위험을 예측하고 관리하는 데 도움을 주는 강력한 모델링 및 시나리오 분석 도구입니다. 금융에서는 여러 거래 전략에 대한 시장 상황을 시뮬레이션할 수 있습니다. 의료 분야에서는 환자 결과를 예측하는 데 도움이 되며, 고객/환자 관리 및 돌봄 분야에서는 잠재적인 문제를 선제적으로 해결하는 데 도움이 됩니다.
- 가상 어시스턴트 및 자동화된 지원: AI 기반 가상 어시스턴트 및 챗봇은 여러 부문에 걸쳐 고객 상호 작용에 혁명을 일으키고 있습니다. 이러한 도구는 실시간 지원을 제공하고, 일상적인 질의를 처리하고, 복잡한 프로세스를 통해 사용자를 안내하여 인간 에이전트가 더 높은 수준의 작업에 집중할 수 있도록 하고 전반적인 서비스 효율성을 개선합니다.
구현 과제 및 고려 사항
잠재적인 이점에도 불구하고 포춘지 선정 2000대 기업은 데이터 개인 정보 보호 문제, 윤리적 고려 사항, 숙련된 인력의 필요성, 레거시 시스템에 AI 통합을 포함하여 AI 채택에 대한 도움을 필요로 합니다. 성공적으로 배포하기 위해서는 종종 전략적 접근 방식, 인재 및 기술에 대한 상당한 투자, 혁신과 지속적인 학습을 지원하는 문화가 필요합니다. 실제로 앞서 언급한 ESG 조사에 따르면 보안(38%)이 가장 큰 우려 사항이며, 비용/기술 부채(27%), 데이터 가용성 및 품질(27%), 통합 문제(25%)가 그 뒤를 이었습니다.
Hitachi iQ용 AI Discovery Service로 바로 시작하기
Hitachi iQ용 AI Discovery Service는 Hitachi Vantara Professional Services의 컨설팅 솔루션으로, 조직이 AI 기술을 운영에 원활하게 통합할 수 있도록 설계되었습니다. 그리고 보다 중요한 사실은 AI를 활용하여 가치를 창출하는 것입니다. Hitachi iQ 포트폴리오의 일환으로 제공되는 이 서비스는 기업이 주요 AI 사용 사례를 식별하고, 현재 데이터 인프라를 평가하고, AI 이니셔티브의 잠재적 ROI를 추정할 수 있도록 지원합니다.
각 조직의 고유한 요구 사항에 맞게 조정된 이 서비스는 AI 채택의 복잡성을 탐색하기 위한 전략적 로드맵을 제공합니다. 여기에는 필요한 기술 평가, 개념 증명(POC) 시험 실행, 전체적인 배포 계획이 포함됩니다. 단기 계약에서 보다 심층적인 자문 및 구현 지원에 이르기까지 유연한 옵션을 제공하는 AI Discovery Service는 다양한 비즈니스 요구 사항에 맞게 채택할 수 있습니다. 이 서비스는 NVIDIA DGX BasePODTM 스토리지 인증을 획득한 AI 지원 인프라를 갖춘 Hitachi iQ 솔루션 포트폴리오와 함께 고급 AI 워크로드를 지원하고 디지털 트랜스포메이션을 추진하는 데 필요한 강력하고 확장 가능한 기반을 제공합니다.
앞으로 수 주, 수 개월 동안 Hitachi iQ에 대한 자세한 내용과 AI 분야에 대한 유용한 배경 지식과 인사이트를 제공하는 이 입문서 시리즈를 계속 지켜봐 주십시오. 다음은 RAG(Retrieval-Augmented Generation)에 대한 관점입니다. AI를 활용하여 경쟁 우위를 구축하고 운영 우수성을 달성하려는 모든 사람에게 유용하고 중요한 정보입니다. 곧 다시 뵙겠습니다.
자세히 알아보기
David A. Chapa
David A. Chapa is a recognized thought leader in data storage management and AI, with over three decades of experience shaping the industry. A prolific author and speaker, he has contributed extensively to advancing data management, protection and security strategies. David was at the forefront of AI's expansion in HPC, while researching the next-generation filesystem to support exascale computing and high-demand AI innovation in data storage. Today, at Hitachi Vantara, David continues to drive transformative insights and solutions in data storage and AI.
