---------------------------------------------------------------------------------------------
인공 지능은 엄청난
사회적 경제적 이익을 약속하는 혁신 기술입니다. 인공 지능은 우리가 살아가고, 일하고, 배우고, 발견하고, 의사 소통하는 방식에 혁명을 일으킬 잠재력이 있습니다. 인공 지능
연구는 경제적 번영의 증진, 교육의 기회와 삶의 질 향상, 국가
및 국토 안보의 강화 등 우리의 국가 우선 순위를 더욱 높일 수 있습니다. 이러한 잠재적 이익 때문에
미국 정부는 수년간 인공 지능 연구에 투자 해 왔습니다. 그러나 연방 정부가 관심을 갖는 중요한 기술과
마찬가지로 엄청난 기회뿐만 아니라 인공 지능에 대한 연방 기금 연구 개발의 전반적인 지침을 수립 할 때 고려해야 할 여러 가지 고려 사항이 있습니다.
2016년 5월 3 일, 행정부는 AI의
연방 활동을 조정할 수 있도록 기계 학습 및 인공 지능에 관한 새로운 NSTC 소위원회를 구성한다고
발표했습니다. 이 소위원회는 2016 년 6 월 15 일 네트워킹 및 정보 기술 연구 소위원회 및 개발 (NITRD)을 통해 국가 인공 지능 연구 및 개발 전략 계획을 수립했습니다.
인공 지능에 관한 NITRD 태스크 포스는 AI
R&에 대한 연방의 전략적 우선 순위를 정의하기 위해 형성되었으며 산업계에서는 다루기 힘든 분야에 특히 주의를 기울였습니다.
이 National Artificial Intelligence R&D Strategic Plan은 연방 정부의
자금 지원을 받는 인공 지능 연구의 목표를 수립합니다. 대상이 되는 연구는 정부 내에서 이루어지는 것과
학계와 같은 정부 외부에서 이루어지는 연방 기금 지원을 받는 연구입니다. 이 연구의 궁극적인 목표는
부정적인 영향을 최소화하면서 사회에 긍정적인 혜택을 제공하는 새로운 인공 지능 지식과 기술을 생산하는 것입니다.
이 목표를 달성하기 위해 이 AI 연구 개발 전략 계획은 연방 기금으로 조성 된 인공 지능
연구에 다음과 같은 우선 순위를 부여합니다.
전략 1: 인공 지능 연구에 장기적인 투자를 하십시오. 발견과 통찰력을 이끌어 내고 미국이 AI 분야의 세계적인 리더로
남을 수 있도록 차세대 AI에 대한 투자를 우선시하십시오.
전략 1에 언급된 향후 연구 영역으로는 데이터 정리 기술의 효율성을 향상시키고, 데이터의
불일치 및 이상을 발견하는 방법을 만들고, 인간의 피드백을 통합하는 접근법에 대한 개발, 데이터 및 관련 메타 데이터를 동시에 채굴 할 수 있는 새로운 방법, 로봇의
이동성과 조작, 다중 양식(multi-modality) 기계
학습, 분산 시스템에서 제어 된 방식으로 데이터 파이프 라인을 켜고 끄는 방법이 있습니다.
전략 2: 인간 - 인공 지능 공동 작업을 위한 효과적인 방법 개발해야 합니다. 인간을 대체하는 대신, 대부분의 인공 지능 시스템은 최적의 성능을
달성하기 위해 인간과 협업합니다. 인간과 인공 지능 시스템 간의 효과적인 상호 작용을 위한 연구가 필요합니다.
전략2에 언급된 향후 연구
영역으로는 인간 공학이 덜 필요한 시스템을 개발, 능동 학습을 비지도 학습 및 강화 학습에 통합하는
방법, 서로 다른 언어를 보다 쉽게 일반화 할 수 있는
시스템을 개발, 언어 처리 시스템에서 쉽게 액세스 할 수 있는 형태로 유용하고 구조화 된 도메인 지식
습득에 대한 방법이 있습니다.
전략 3: AI의 윤리적, 법적 및 사회적
영향을 이해하고 다룹니다. 우리는 인공 지능 기술이 동료 인간을 지키는 공식 및 비공식 표준에 따라
행동 할 것으로 기대합니다. AI의 윤리적, 법적 및 사회적
의미를 이해하고 윤리적, 법적 및 사회적 목표에 부합하는 AI 시스템을
설계하는 방법을 개발하기 위한 연구가 필요합니다.
전략 4: AI 시스템의 안전과 보안을 보장하십시오.
인공 지능 시스템이 널리 사용되기 전에 시스템이 통제되고 잘 정의되고 잘 이해 된 방식으로 안전하고 안전하게 작동해야 한다는 확신이
필요합니다. 신뢰(reliable)할 수 있고 신뢰(dependable)할 수 있으며 신뢰(trustworthy)할 수
있는 인공 지능 시스템을 만드는 이 과제를 해결하려면 연구가 더욱 발전되어야 합니다.
전략 4에서 언급된 향후 연구 영역은 고도의 자율성이 요구되는 사이버 보안 시스템에서 AI의 구현이 있습니다.
전략 5: 인공 지능 훈련 및 테스트를 위한 공유 공용 데이터 세트 및 환경을
개발합니다. 교육 자료 및 리소스의 깊이, 품질 및 정확성은 AI 성능에 중요한 영향을 미칩니다. 연구원은 고품질의 데이터 세트
및 환경을 개발하고 고품질의 데이터 세트는 물론 테스트 및 교육 리소스에 대한 책임 있는 액세스를 가능하게 해야 합니다.
전략 6: 표준과 벤치 마크를 통해 인공 지능 기술을 측정하고 평가하십시오. AI의 진보에 필수적인 것은 표준, 벤치 마크, 테스트 베드 및 AI 참여를 평가하고 평가하는 커뮤니티 참여입니다. 광범위한 평가 기법을 개발하려면 추가 연구가 필요합니다.
전략 7: 국가 AI 연구 개발 인력의
필요를 잘 이해한다. 인공 지능의 발전은 인공 지능 연구원들의 강력한 공동체를 필요로 할 것입니다. AI에서 현재 및 미래의 R & D 인력 수요에 대한 이해가
깊어져 이 계획에 설명 된 전략적 연구 개발 영역을 해결할 수 있는 충분한 AI 전문가를 확보 할 수
있어야 합니다.
인공 지능 연구 개발
전략 계획은 다음 두 가지 권고안으로 마무리됩니다.
권고 1: 이 계획의 전략 1-6과
일치하는 과학 기술 기회를 확인하고 인공 지능 연구 개발 투자의 효과적인 조정을 지원하기 위한 인공 지능 연구 개발 구현 프레임 워크를 개발해야
합니다.
권고 2: 이 계획의 전략7과 일치하는 건강한 AI 연구 개발 인력을 창출하고 유지하기 위한 국가적 환경을 연구해야 합니다.
댓글 없음:
댓글 쓰기