앤드류 응은 GPU를 활용한 심층 학습의 선구자이며, Google Brain의 공동 창립자이자 Baidu의 전 최고 과학 책임자입니다. 그는 효과적인 AI 시스템 개발의 핵심으로 여겨지는 데이터 중심 AI(‘데이터 중심 인공지능’) 운동의 중요성을 논의했습니다. 지난 10년 동안 심층 학습의 상당한 발전은 가장 강력한 모델이 방대한 양의 데이터를 처리하는 데 기인했지만, 응은 이 접근 방식이 모든 산업에 보편적으로 적용될 수 없으며, 대규모 데이터 세트가 없는 산업에서는 효과적이지 않을 것이라고 주장합니다.
그는 특히 "대규모 데이터 세트가 존재하지 않는 많은 산업에서, 저는 큰 데이터보다는 양질의 데이터에 주목해야 한다고 생각합니다. 50개의 잘 설계된 예제가 신경망에 원하는 학습 내용을 설명하기에 충분할 수 있습니다."라고 언급했습니다. 이 주장은 데이터의 양보다는 질적 접근의 중요성을 강조합니다. 또한, 응은 대량의 데이터를 수집하는 것이 비용이 많이 드는 작업이 될 수 있음을 지적합니다. "더 많은 데이터를 수집하는 것이 종종 도움이 되지만, 모든 것을 위해 더 많은 데이터를 수집하려고 하면 매우 비용이 많이 드는 활동이 될 수 있습니다."라고 덧붙였습니다. 이 맥락에서 그는 기업들이 데이터의 양을 늘리는 것뿐만 아니라 질적 선택에 집중해야 한다고 강조합니다.
그는 또한 데이터 중심 AI 운동이 제공하는 엄청난 잠재력을 지적했습니다. "이 10년 동안 가장 큰 변화는 데이터 중심 AI와 관련될 가능성이 높다고 생각합니다."라고 응은 주장합니다. 현재의 신경망 아키텍처가 상당히 발전한 상황에서, 이제 이 운동의 패러다임은 데이터 엔지니어링에 대한 체계적인 접근을 요구합니다. AI 시스템의 책임과 편향성 문제가 심화되는 상황에서, 응은 데이터의 질에 대해 더 책임감 있게 접근해야 한다고 언급했습니다. 이와 관련하여 그는 최근 NeurIPS 워크숍에서 연구자들이 데이터 중심 AI가 편향성을 줄이기 위해 어떻게 연구되고 적용될 수 있는지에 대한 아이디어를 교환한 점을 높이 평가했습니다. 미래를 바라보며, 응은 창의적인 데이터 엔지니어링 접근 방식을 통해서만 기업들이 생산 및 기타 분야에서 상당한 이점을 제공할 수 있는 신뢰할 수 있고 지속 가능한 AI 솔루션을 개발할 수 있을 것이라고 강조했습니다. 그는 데이터 중심 AI 운동이 어떻게 10,000명의 ML 전문가를 고용하지 않고 10,000명의 제조업체를 위한 솔루션을 확장할 수 있는지에 대한 도전을 제기한다고 결론지었습니다.
관련 도움말
