AI 표준을 향하여: 맥락이 AI를 더욱 강력하게 만든다

• Graph Data Science
• Machine Learning

지난주에는 우리 시리즈의 두 번째 부분에서 AI 솔루션을 향한 AI 컨텍스트의 패브릭으로서의 그래프 기술을 탐구했어요.

"최근 그래프 기술은 Machine Learning 및 인공 지능 솔루션과 점점 더 통합되고 있어요. 이러한 애플리케이션에는 연결을 사용하여 더 정확하게 예측하고, 더 유연하게 결정을 내리고, 검증 가능한 데이터 계보를 추적하고, 설명 가능성 향상을 위한 결정 경로를 이해하는 것이 포함돼요."

이 인용문은 컨텍스트가 AI를 더욱 강력하게 만들어 예측과 유연성을 향상시키는 방법과 이유에 초점을 맞춘 이번 주 시리즈 주제로 자연스럽게 이어지죠.

더 나은 예측

인공 지능 모델을 훈련할 때 가장 큰 과제 중 하나는 관련 데이터를 충분히 수집하는 것이죠. 하지만 현재의 방법은 데이터 내의 기존 관계를 통합하지 않아서, 본질적으로 예측 정보를 버리게 돼요. 컨텍스트를 사용하면 관련 정보가 추가되고 이미 가지고 있는 데이터만으로도 더 나은 예측이 가능해져요.

Stratistics MRC에 따르면 전 세계적으로 사기 탐지 및 예방 시장은 2017년에 175억 달러로 평가되었고, 2026년까지 1,200억 달러로 성장할 것으로 예상된대요. 지난 10년 동안 발행된 그래프 사기/이상 탐지에 대한 미국 특허가 48,000개 이상이나 된다고 하니 정말 놀랍죠?

많은 금융 서비스 회사들이 예측 패턴을 밝히고, 비정상적인 행동을 찾아내고, 영향력 있는 엔터티의 점수를 매기기 위해 그래프를 활용하고 있어요. 그리고 이 모든 상황별 정보가 Machine Learning 모델에 로드되는 거죠.

금융 서비스에 대한 적합성은 당연하고요, 더 높은 정확도와 정밀도를 위해 AI 모델을 훈련하는 데 필요한 예측 가능한 "기능"을 생성하기 위해 다양한 산업에서 그래프 알고리즘을 사용하고 있대요.

예를 들어, Association for the Advancement of Artificial Intelligence는 그래프 알고리즘을 사용해서 의사와 약국 간의 상호 작용 클러스터를 감지해서 오피오이드 사기 예측을 개선했다고 해요. “의료 데이터의 사기, 낭비, 남용을 탐지하기 위한 그래프 분석”이라는 연구도 있네요.

오늘날의 데이터는 연결성이 매우 높고 집중도가 고르지 않아서 기본 통계와 평균이 완전히 빗나가는 경우가 많아요. 그래프 알고리즘은 연결을 통해 데이터의 토폴로지를 활용하기 위해 특별히 개발되었는데요, 커뮤니티를 찾고, 영향력 있는 구성 요소를 찾아내고, 패턴과 구조를 추론하는 데 유용하죠.

맥락과 관계의 예측 요소를 Machine Learning에 통합하면 우리가 이미 가지고 있는 데이터를 사용해서 모델 정확도와 정밀도가 크게 향상될 수 있어요.

상황적 유연성

상황 인식과 적절성은 상황 기반 학습과 행동이 중요한 AI의 또 다른 중요한 부분이에요.

예를 들어, 연령에 적합한 챗봇이 7세와 30세의 상호 작용에서 어떻게 다르게 감지하고 반응하는지 생각해 볼까요? 실제로 한 조사에서는 BBC 뉴스에 보도된 바와 같이 아동용으로 만들어진 정신 건강 챗봇이 미성년자 성적 학대를 명시적으로 신고하는 아동을 이해하지 못하는 어처구니없는 사례가 있었다고 해요. “아동 상담 챗봇은 성적 학대를 발견하지 못합니다.”

AI 기반 시스템은 유연성이 있어야 하고, 사용자 상호 작용이 자율적 의사 결정 시스템의 설계 및 구현에 중요하다고 보는 방식으로 AI를 설계해야 해요. 이러한 사용자 중심적 사고는 최근 보잉 737 MAX 항공기 두 대의 손실을 방지하는 데 도움이 되었을 수도 있었을 텐데, 조사 결과에 따르면 부분적으로 조종사 행동을 자동화 시스템에 통합하지 못한 데 따른 것이라고 하네요.

또한 상황별 정보는 AI 솔루션이 훈련되지 않은 새로운 상황에서 유연하게 대처하여 실패를 줄이고 새로운 데이터나 예상치 못한 시나리오를 갖추는 데 도움이 될 수 있어요.

예를 들어, 반자율 자동차는 비가 오는 날씨에 속도를 줄이도록 프로그래밍할 수 있지만 AI 애플리케이션을 확장해서 온도 하락 및 다가오는 다리와 같은 상황별 정보를 통합하고 싶을 거예요. 특히 어려운 점은 상황에 따라 개와 같은 도로에 있는 물체에 대해 브레이크를 적용하는 학습을 적용하지만 종이 봉지나 새 떼에 대해 브레이크를 세게 밟지는 않는 것이겠죠.

마지막으로, AI 솔루션이 상황을 인식하고 동적 백엔드를 기반으로 하는 경우 더 광범위하게 적용할 수 있어요. 결과적으로 새로운 혁신을 촉진하고 경쟁을 확대할 수 있겠죠. 그래프 기술이 본질적으로 교차 부문이며 Neo4j의 그래프 플랫폼이 전 세계적으로 다음과 같이 사용된다는 것을 알고 계셨나요?

• 상위 25개 금융 서비스 회사 중 20개
• 상위 10개 소프트웨어 회사 중 7개
• 상위 5대 물류회사 중 3곳
• 상위 10개 소매업체 중 7개
• 상위 5개 항공사 중 3개 항공사
• 상위 5개 통신사 중 4개사
• 그리고 상위 5개 숙박업 회사 중 3개가 사용하고 있다고 해요!

결론

견고성은 정말 흥미로운 개념이죠? 우리는 AI가 어려운 문제를 처리하고 가능한 최선의 결정을 내릴 수 있도록 강력해지기를 바라요. 또한 AI가 새롭고 예상치 못한 상황을 유연하게 처리하고 처리할 수 있는 방식으로 강력해지기를 원하죠.

그래프를 사용해서 인접 정보를 통합하면 AI 시스템이 보다 정확한 예측을 수행하는 동시에 적용 가능성과 탄력성을 확장하는 데 필요한 컨텍스트를 제공할 수 있어요.

Toward AI Standards 시리즈의 나머지 부분을 따라잡으세요.

• 책임 있는 AI를 위한 그래프 기술
• 상황 인지를 위한 패브릭으로서의 그래프 기술
• AI 표준을 향하여: 컨텍스트는 AI를 더욱 안정적이고 신뢰할 수 있게 만들어요.

• AI 솔루션
• Boeing
• Machine Learning

---

에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.

👉 에이치시스템즈 홈페이지