과학기술과 사회의 변화 온누리교회 장로아카데미 2016년 5월 10일 이재규 KAIST 석좌교수; 세계정보시스템학회장 (AIS)
주요 과학기술과 영향 IT (정보 통신 기술): 인터넷, 스마트폰, AI 효율증대 고용 절벽 BT (바이오 기술) : 유전공학 장수 고령화 ET (에너지 기술) : 탄산가스 배출 저감 기후변화 방지 탄산가스 배출 규제 NT(나노 기술): 요소 기술 (Nano Tube; Graphene) 효율성 증대: 10-9 meter 2
인공지능 대표 Google AlphaGo와 인류의 대표 이세돌의 세기의 대결 신경회로망 (Neural Network) 3
하나님께서 주신 인간의 자연 지능 1000억개의 Neuron 과 100조개의 접속 감사합니다, 아멘
인공신경 회로망의 모형화 Artificial Neural Network Neuron의 수학적 모형 j 번째 뉴런 i 번째 뉴런 k 번째 뉴런 w ik w ji 출력 함수, f() 활성화 함수, a()
인공신경 회로망의 인식모형 출력 입력 글씨, 그림, 음성인식, 자연언어
신경회로망 학습:가중치의 계산 7
문제 해결 능력의 학습 현재 판 (입력) 최적의 다음 수 (출력) 8
Game Tree Search and Memory Min-Max Game Tree Search (내다 보기) Width Evaluation Function Depth Memory and Search (기억으로 답을 찾기) 9
AlphaGo의 방법 Value Network: 판세 평가 전문가의 3천만번 게임의 학습 Learn from self-play Policy Network: To select move: 내다 보기 Monte Caro tree search program 10
Deep Learning in Neural Network Deep Learning Project By Stanford University Andrew Ng and Google (2012) 16,000 processors, 10억개 이상의 Neural Network YouTube의 천만개 이상의 비디오중 고양이 인식 AlphaGo 1202 CPUs in Cloud Computing; 176 Graphic Process Units 3천만개 사례의 Supervised Learning Input Node: 19 *19*48 ; Layers: 13개층 11
도구를 개발한 사람과의 대결인가? 12
응답하라 1986 1986: - No Internet - No Smart Phone - No Cloud Computing - No Deep Neural Net - 특정목적의 AI 2016 - Internet - Smart Phone - Cloud Computing - Deep Neural Network - 범용적 AI 13
AI의 성능의 기반 인공지능의 사업모델 Neural Network Model CPU in Cloud Computing Fast and Cheap Memory Internet 과 Mobile Platform: 위치의 제약을 벗어남 Business Model Google DeepMind 인수: 4-5억달러 (2014년 1월 27일) 이세돌과 경기후 주가 상승: 58조원 (5.18% 상승) 수익 모델 바둑 게임 교육기계로 발전 기술적 잠재력을 이용한 응용도구의 발전 14
잠재력과 비약 비약 http://www.hani.co.kr/arti/science/science_general/734577.html 이세돌과 알파고의 대국에서 사람들이 목격한 건 혹시 알파고의 영혼 이었을까? 영혼도 계산의 결과물로 얻을 수 있는 거라는 끔찍한 현실을 목도한 건 아닐까? 인공지능이 하나님의 창조신앙을 잃게 할 것인가? 오히려 자연 지능의 오묘함과 우연의 산물이 아님을 증거하는 기회로 삼아야 한다. 인공지능으로 인한 인간의 지적 업무의 대체 효과는? 15
AI 돌풍 Google DeepMind AlphaGo Deep Learning Neural Network Game Play IBM Watson Jeopard Quiz Champion Microsoft Tay Chatbot; 나쁜 것을 학습 Facebook M Personal Assistant 투자자문을 인공지능이 맡을 것인가? 사람(-2.39%)과 RoboAdvisor (약 2% 후반)의 투자효과 경기 (2016년 1-3월) 16
인공지능의 연구목표 사람을 모방한 소프트웨어와 하드웨어 지식기반시스템 (전문가 시스템) 지식표현과 저장: 정형화된 Table, 자연어와 수학 추론기능: 논리적 추론, 수리적 추론 자동학습기능: 사례로 부터 학습 지식습득: 기존 지식과 새로운 지식의 통합 사례 기반 추론 인식기능: 이미지, 영상, 소리, 음악 자연어 처리: 대화 기능 검색 (Search) 기능, 게임기능 신경회로망(Neural Network)과 Neuro Chip Robot 기술과 응용: 무인 자동차, 무인 항공기 (Drone) 17
IBM Watson의 교훈 Watson defeated Jeopard champion Deep Blue beated Chess Champion in 1997 18
IBM Watson Building Watson: An Overview of the DeepQA Project Published in AI Magazine Fall, 2010 Open Domain Domain Independent Systems TV Show Jeopard (25 years 방영) 3인 경기, 3초내 응답, 70% 응답, 80% 정확도 Natural Language Processing, Precision, Speed 필요한 기능: 100 Techniques adopted in Watson 지식 표현과 지식베이스 지식 습득과 학습 대화 이해: 자연어 이해와 문제의 이해 추론기능: 해답 가능한 대안의 선택 의사결정 전략: 확신의 정도에 따라 대답을 하는 전략 19
Microsoft Tay It s your fault Microsoft s Teen AI turned into such a jerk http://www.wired.com/2016/03/fault-microsofts-teen-ai-turned-jerk/ Released in August 2015 Conversational understanding Chatbot Entertaining for 18-24 years old in the US Trained by neural network Recognize face and objects in social networks Translate phone calls Identify commands spoken into smart phone Online personal assistance Personalized learning by interaction Xiaoice in China USA: 나쁜 친구를 사귐; Failed Other chatbots focuses on sports, food or music, meeting appointment through emails. 20
Facebook M Hybrid human-ai personal assistant Social network s text-based Virtual Assistant http://www.theverge.com/2015/10/26/9605526/facebook-m-hands-on-personal-assistant-ai 식당 검색지원 대화 방식 ==[잠재력]== 네비게이터에 명령 Kakao Taxi 배달의 민족 O2O Service (Online to Offline) 21
O2O 서비스: 음식 배달 22
Big Data and AI Data Mining with AI Techniques Knowledge Base Advisory Inference 23
4차 산업혁명 1차 (1784): 증기기관과 기계 파괴적 혁신 (Disruptive Innovation) 기계파괴 운동 2차(1870): 전기, 대량생산, 분업화 3차: IT, 자동생산 4차: 인공지능, 로봇, 사물인터넷 (IoT), 무인자동차, 드론 (Drone) 높은 생산성과 노동 대체 WEF: 주요 15개국 200만개의 새로운 일자리, 710만개의 기존 일자리 감소 한국의 적응 순위: 25위 24
사람을 대체한 기계들 서비스시간 연장, 접근성, 비용절감, 생산성 25
인공지능에 의한 고용변화 단순작업 창의성 디자인 26
Amazon.com과 사회 변화 Amazon.com: Online Bookstore 소형 서점이 없어짐 ebook과 audio book 이 인쇄본을 능가함 Kindle의 생산 판매 온라인 백화점 Walmart를 능가함 물류센터와 O2O (Online to Offline) 매장 설치 온라인 판매를 지원하는 오프라인 매장 설치 Drone을 이용한 배달 연구 Reusable 로켓 : Space X와 경쟁 27
인공지능의 한계 28
투자 목적에 따른 지식의 도출: 학습 Machine Learning 단기 장기 판단 비반복적 예측 지식의 한계점: IMF, 미국금융위기, 석유가격 북한, IS Terror 지식확보와 관리의 비용대비 효과 복잡한 자연어 처리의 한계: 성경이해
기후변화: CO2 and Temperature http://wattsupwiththat.com/2012/04/04/a-new-paper-in-nature-suggests-co2-leads-temperature-but-has-some-serious-problems/
Targets in INDC Submitted (2016 Paris COP) INTENDED NATIONALLY DETERMINED CONTRIBUTION Country Target in 2030 (USA, Gabon in 2025) Country Target in 2030 (USA, Gabon in 2025) Swiss 50% Reduction from 1990 Andorra 37% Reduction from BAU EU 40% Reduction from 1990 Canada 30% Reduction from 2005 Norway 40% Reduction from 1990 Moroco 13% Reduction from BAU(Uncon.), 40%(Con.) 32%(Con.) Mexico 25% Reduction from BAU(Uncon.), 40%(Con.) Ethiopia 64% Reduction from BAU USA 26~28% Reduction from 2005 Singapore Carbon Intensity(CO2/GDP) 36% Re duction from 2005 Russia 25~30% Reduction from 1990 Korea 37% Reduction from BAU Australia 26~28% Reduction from 2005 Iceland 40% Reduction from 1990 Lichtenstein 40% Reduction from 1990 China 39 Carbon Intensity(CO2/GDP) 60~65% Reduction from 2005
2030 Reduction Target Reduce 37% by 2030 compare to GHG Business As Usual (851 million tons) 560 688 851 14.7% 19.2% 25.7% 31.3% 37.0% Compare To BAU 1 2 3 4 BAU Reduction Scenario Final Target 2005 2012 2030 34 Unit: million tons
Google s Carbon Neutral Initiative $ 1 Billion 2 G Watt 탄산가스 배출 저감 능력이 잠재적 경쟁력이다 33
기술 발전이 교회에게 주는 교훈 초대교회와 공통적으로 간직해야 할 점 예배, 성령, 선교 공동체 인터넷 시대의 온누리교회: AMA (O2O 교회) 40개의 교회의 동질성 유지 인터넷을 이용한 교회간의 글로벌 의사 소통으로 동질감 증진 디지털 교육 콘텐트의 개발과 공유; 그리고 한국교회와 나눔 차세대를 위한 수직 선교 젊은이들을 찾아가는 온라인 선교와 교회로 모음의 조화 온라인 콘텐트를 한국 교회에 나누어 주는 인프라 교회 온라인 세계 선교 지역 교회의 개념을 뛰어 넘는 선교 공동체의 규모가 필요함 현지 선교사역과 CGN/인터넷 선교의 보완적 융합선교 인프라를 제공하는 대형교회가 필요한 시대 온누리교회의 소명이자 기회이다 시대의 변화를 대비해 나가는 끝없는 젊은 교회가 되어야 한다. 34