이 글에서는 인공지능의 산업 적용의 어려움을 짚고, 이를 해결하기 위한 다양한 데이터 전처리에 대한 접근, 그리고 이를 묶은 산업인공지능의 개념을 제시하였다. 최근 십수 년간, 딥러닝의 발전은 원시 데이터(raw data)로부터 바로 태스크를 학습하여 도메인지식을 거의 필요로 하지 않는 종단간 학습을 가능케 하였다. 불과 수년 전만 하더라도 이러한 종단간 학습은 산업계에서도 바로 적용될 수 있을 것으로 예상되었다. 하지만 산업현장에서 유래되는 데이터의 부족및 태스크의 특수성은 인공지능의 한계를 보여주었으며, 이를 해결하기 위한 전문가 지식의 필요성을 시사하였다. 원시 데이터의 적절한 전처리는 효과적으로 인공지능이 목표를 학습할 수 있도록 탐색 공간을 조절하고 학습을 가속할 수 있다. 인공지능 기술은 산업계의 새로운 문제 해결 도구이며, 인공지능의 시대를 맞아 각 분야의 전문가들에게 인공지능 기술의 특성을 파악하고 분야에 적용하기 위한 각별한 노력이 필요한 바이다.

원문보기 : http://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE08759883