2024년 AI 환경 탐색: 동향, 예측 및 가능성

 

소개
2024년 AI와 기술의 가능성을 살펴보는 여정에 오신 것을 환영합니다. 여기에서 각 예측은 1950년대 산업 혁명과 유사한 혁신, 변화, 더 중요하게는 기회로 가득 찬 미래를 향한 잠재적인 창입니다. 1950년대에는 디지털 컴퓨팅이 부상하면서 산업과 사회 규범이 재편되었습니다. 오늘날 인공지능도 비슷한 역할을 하며 차세대 산업 혁명을 주도하고 있습니다.

전후 기술 붐과 마찬가지로 우리는 산업이 변화하고 새로운 기술에 대한 수요가 높아지며 중요한 윤리적 고려 사항이 제기되는 가운데 2024년을 맞이하고 있습니다. 여기에 표현된 견해는 모두 내 자신의 것이며 개인적, 상업적, 학문적 경험을 종합한 것입니다.

 

1) 생성적 AI, 과대 광고에서 중심 무대로 도약
기술의 생태계를 재정의할 준비가 되어 있는 생성적 AI는 비행선이 복귀하는 것처럼 "폭발할" 과대광고 주기 풍선에서 핵심 전략과 더 확실한 것으로 전환합니다.

대기업의 경우 생성 AI 실험에서 채택으로 이동하면서 문제 해결 및 혁신에 접근하는 방식에 대한 패러다임의 변화입니다. 이러한 기술 방향 수정은 클라우드 기술의 조기 채택으로 인한 변화의 물결과 유사하며, 기술 생태계에 더 크지는 않더라도 유사한 영향을 미칠 수 있음을 시사합니다.

비즈니스 소유자의 97%는 이미 ChatGPT와 같은 생성 AI 도구가 비즈니스에 긍정적인 영향을 미칠 것이라고 믿고 있습니다(Forbes).

따라서 2024년의 환경은 생성 AI가 단순한 유행어가 아니라 기술 발전과 비즈니스 변화의 중요한 동인이 될 것을 약속합니다. AI 전략이 전략인 곳.

 

2) 차세대 신경망이 등장하기 시작합니다.
LLM을 지원하는 변환기 아키텍처의 일반적인 인지 능력과 AGI 경쟁에 대한 의구심이 형성되면서 연구 커뮤니티는 차선책을 찾는 데 박차를 가했습니다. 우리는 최근 몇 가지 발전과 기존 기술의 발전을 확인했습니다.

Mamba와 같은 SSM; 선택적 상태 공간을 사용한 선형 시간 시퀀스 모델링에 탁월한 모델입니다. 오늘날 대규모 언어 모델을 실행하는 변환기 아키텍처의 대안입니다. 이는 AI가 인간 인지의 기본 측면인 시퀀스를 처리하고 이해하는 방식의 도약을 나타냅니다.
신경망의 최고의 학습 기능과 상징적 AI의 정확성을 결합한 신경 상징적 AI입니다. 이러한 하이브리드 접근 방식은 인간과 같은 추론과 기계 효율성 사이의 격차를 해소하여 복잡한 문제에 대한 보다 미묘하고 정교한 이해를 약속합니다.
마지막으로 AI가 자체 수정 모델과 정렬됩니다. 목표는 지속적인 인간의 개입 없이 스스로 적응하고 교정할 수 있는 모델을 만들어 대규모 환각 위험 없이 독립적이고 책임감 있게 생성 형태에 더 가까이 다가가는 것입니다.

 

이러한 새로운 모델 아키텍처는 AI의 기능이 인간의 인지 및 오늘날 생성 AI의 한계에 필적할 수 있는 미래를 그리고 있습니다. 연구는 초기 단계이지만 누군가가 믿음을 갖고 이 분야에서 획기적인 발전을 이룰 것으로 기대합니다.

 

3) 모든 데이터 플랫폼은 벡터 데이터 솔루션을 출시합니다.
생성적 AI를 위한 벡터 데이터베이스에 의존함으로써 우리는 모든 주요 데이터 플랫폼 플레이어가 이 솔루션을 해결하기 위해 자신의 취향을 시장에 내놓는 것을 보게 될 것입니다. 벡터 데이터베이스는 새로운 개념은 아니지만 전통적으로 "현대 데이터 스택"의 일부가 아니며 과거에는 검색 엔진 및 기타 유형의 기계 학습에 사용되었습니다.

벡터 데이터베이스는 대화형 메모리, 문서 검색(RAG), 이미지 인덱싱과 같은 다중 모드 솔루션과 같은 생성 AI의 보다 복잡한 사용 사례에 대한 핵심 요구 사항입니다. 2023년 중반에 다중 모드 모델의 접근성이 높아짐에 따라 수요가 폭발적으로 증가한 것은 놀라운 일이 아닙니다.

 

Databricks가 최근 벡터 데이터 솔루션을 출시함에 따라 Snowflake와 같은 주요 최신 데이터 플랫폼 플레이어가 2024년에 이러한 추세를 따를 것으로 예상됩니다. 아마도 다른 인접 기술 제공업체도 다양한 기능과 서비스를 제공하여 추세에 뛰어들 것입니다. 2024년에는 거의 모든 데이터베이스 기술이 스스로를 "벡터 스토어"라고 부르기 시작할 것입니다.

이러한 채택 변화와 함께 고위 데이터 및 소프트웨어 엔지니어가 벡터 인덱스, 의미 검색 솔루션, 임베딩 및 BM25와 같은 알고리즘에 대한 개념에 더 익숙해지기 위한 기술 기대치를 볼 수 있습니다.

확장하려면 Chroma, Weaveate, Pinecone 및 Qdrant와 같은 Generative AI 커뮤니티에서 채택한 일부 초기 최신 벡터 검색 솔루션에 대한 인수 또는 추가 자금 조달 라운드를 볼 수 있습니다.

 

벡터 스토어의 오픈 소스 세계에서 Milvus는 현재 대중의 사랑을 받고 있으며 관리형 서비스를 통해 기업의 선택으로 자리 잡았지만, 최근 Qdrant는 2023년에 거의 기하급수적으로 성장하는 놀라운 진전을 이루었습니다.

여유 시간이 있다면 동료 AI 엔지니어 Prashanth Rao가 제공한 네 부분으로 구성된 자세한 벡터 데이터베이스 분석을 읽어보고 벡터 데이터베이스 솔루션의 기능과 다양한 제공업체에 대한 심층적인 이해를 얻으세요.

 

4) 하드웨어 및 플랫폼 공급망 통제를 서두르다
인공 지능의 지배력으로 인해 혁신의 열쇠를 쥐기 위해 공급망을 엔드 투 엔드로 더 효과적으로 제어하는 ​​것이 점점 더 중요해지고 있습니다.

예를 들어 NVIDIA는 AI 경쟁에서 확실한 승자를 보인 칩 제조 분야의 선두주자입니다. 모든 사람의 마음 속에 있는 질문은 NVIDIA가 하드웨어 전문 지식을 활용하여 통합 AI 클라우드 서비스를 제공하면서 클라우드 컴퓨팅 영역으로 지평을 확장할 것인지 여부입니다. NVIDIA는 이미 주문형 고급 그래픽 처리를 제공하는 Geforce Now라는 클라우드 스트리밍 서비스를 보유하고 있습니다. 이러한 움직임은 경쟁 환경을 재정의하여 NVIDIA가 AI의 개발 궤적에 보다 직접적인 영향을 미칠 수 있게 해줍니다.

 

스펙트럼의 반대편에는 Amazon과 같은 클라우드 AI 제공업체와 Anthropic 및 Mistral과 같은 신흥 AI 플레이어가 있습니다. AI 운영을 위해 외부 하드웨어 소스에 대한 현재 의존도는 중요한 질문을 제기합니다. 자체 칩을 공급하기 시작한 OpenAI와 TPU 및 Coral AI를 사용하여 Google의 발자취를 따를 것인가? 이 전략은 AI 하드웨어의 자립과 맞춤화를 향한 전환을 의미할 수 있으며, 이는 잠재적으로 최고의 AI 제공업체를 위한 더욱 맞춤화되고 효율적인 AI 솔루션으로 이어질 수 있습니다.

 

AI의 기본 하드웨어 계층에 있는 모든 사람이 공급망을 더욱 효과적으로 통제하기 위해 서두르게 될 것입니다. 칩 제조업체 NVIDIA가 클라우드로 전환할까요? Amazon이나 Antrophic과 같은 클라우드 AI 제공업체가 자체 칩을 소싱할 때 OpenAI를 따를까요? Qualcomm과 같은 모바일 칩 제조업체가 새로운 AI 모바일 기기 및 웨어러블 기기를 구동하는 데 있어 승자가 될까요?

AI의 수직적 통합 추세는 더 큰 이야기를 강조합니다. AI 하드웨어에 대한 제어는 기술의 미래에 대한 제어와 동의어가 되고 있습니다. 우리는 새로운 플레이어들이 클라우드 플레이어들에게 서비스를 제공하기 위해 특별히 제작된 AI 칩에 힘을 실어주고, 국가들이 마이크로프로세서 개발을 촉진하기 위해 서두르고 있으며, 마침내 2024년 초에 OpenAI가 칩 게임에 진입하는 것을 보게 될 것입니다.