2017/01/02 21:46

Building Jarvis Tips

이 글은 Mark Zuckerberg 가 쓴 Building Jarvis 라는 글을 번역한 것입니다.

원문 링크 : https://www.facebook.com/notes/mark-zuckerberg/building-jarvis/10154361492931634/


2016년 저의 개인적인 목표는 영화 아이언맨의 자비스와 같은 간단한 가정용 AI를 제작하는 것이었습니다.

 

저의 처음 계획은 인공지능의 상태에 대해 배우는 것이었습니다.

우리는 사람들이 알고 있는 현실보다 더 멀리 나아가야 하며, 실제로 멀리 와 있습니다.

이러한 도전은 언제나 제가 예상했던 것 보다 더 많은 것을 배우게 이끌고, 또한 페이스북 개발자들이 사용하게 되는 모든 내부 기술과 홈 자동화 시스템에 대한 개요를 더욱 잘 이해하게 만듭니다.

 

올해 이 순간까지, 전화와 컴퓨터로 대화할 수 있는 간단한 AI를 만들었습니다.

저의 집에서 조명, 온도, 가전제품, 음악 과 보안을 포함한 컨트롤이 가능합니다.

또한 저의 취향과 패턴을 배울 수 있고, 새로운 단어와 개념을 익히고 심지어 맥스를 즐겁게 해줄 수도 있습니다.

이것은 파이썬, PHP, 오브젝티브 C로 작성되었는데 자연언어처리, 음성 인식, 안면 인식, 강화 학습을 포함하는

여러 가지 인공지능 기술로 만들어 졌습니다.

여기서 저는 제가 만든 내용과 그 과정에서 제가 공부한 것들에 대해 설명하고자 합니다.


Diagram of the systems connected to build Jarvis.


 

Getting Started : Connecting the Home

 

어떤 면에서, 이 도전은 제가 생각했던 것 보다는 쉬웠습니다.

사실, 저는 올 한해 저의 달리기 도전에 더 많은 시간을 보냈습니다. (2016년 동안 365마일을 달릴 계획이었습니다.)

그러나 제가 예상했던 것보다 훨씬 복잡했던 한 가지 사실은 집에서 서로 다른 모든 시스템 간에 접속하고 통신하는 것이었습니다.

 

제가 AI를 만들게 되기 전에, 저는 먼저 모든 다른 언어들과 프로토콜을 사용하는 시스템간을 연결하는 코드를 작성하는 것이 필요했습니다.

우리는 조명, 온도조절장치와 문, Spotify 서비스를 사용하기 위한 Sonos 시스템, 삼성 TV, 맥스를 위한 Nest cam동작하는 Crestron 시스템을 사용하였습니다.

물론 저의 작업은 페이스북 시스템에도 연결되었습니다.

저는 제 컴퓨터에서 조명을 켜거나 노래를 플레이하는 컨트롤을 하기 위해 API 중 일부를 리버스 엔지니어링 해야 했습니다.

 

또한, 대부분의 가전제품은 아직 인터넷에 연결되어 있지 않습니다.

이것은 원격으로 전원을 켜고 끌 수 있는 인터넷 연결 전원 스위치를 통해 일부 컨트롤이 가능합니다.

그러나 종종 이것만으로는 충분하지 않습니다. 예를 들어, 제가 배운 것 중 한 가지는 전원이 꺼져 있는 동안 여러분이 빵을 집어넣을 수 있도록 해주는 기능이 있어서, 전원이 켜지면 자동으로 빵이 구워지게 작동하는 토스터기를 찾기가 어렵다는 겁니다.

저는 1950년대의 오래된 토스터기를 찾아서 그것과 연결된 스위치를 통해 조작하게 되었습니다.

마찬가지로, 저는 Beast를 위한 먹이 기계나 회색 티셔츠를 던져주는 기계를 연결하기 위해 하드웨어적인 변경이 필요하다는 것을 깨달았습니다.

 

자비스와 같은 비서가 더 많은 사람들을 위해 집 안의 모든 것을 컨트롤하기 위해서는 더 많은 제품들이 연결되어 있어야 하며, 업계에서 제품간의 연결을 위해 공통 API와 표준을 개발할 필요가 있습니다.


An example natural language request from command line.

    

 

Natural Language 

 

제 컴퓨터가 저의 집을 컨트롤 할 수 있도록 코드를 작성한 뒤에는, 다음 단계로 저는 주변 사람들에게 이야기 하듯이 제 컴퓨터와 집에서 대화가 가능하도록 만들었습니다.

이것은 두 단계를 거쳐야 했습니다: 첫째로 저는 문자메시지를 사용하여 대화할 수 있게 만들었고, 나중에 저는 말하기 기능을 추가하고, 시스템이 이해할 수 있도록 저의 말을 문자로 변환하는 기능을 추가했습니다.

 

이것은 침실”, “조명”, 그리고 켜기와 같은 단어를 검색하여, 제가 침실 조명을 켜보라고 말한 것을 알아낼 수 있는지 에서부터 시작되었습니다. 그 다음은 가족 방거실처럼 우리 집에서 같은 의미로 쓰이고 있는 동의어에 대해 배워야 한다는 것이 확실해 졌습니다.

이것은 새로운 단어와 개념을 가르치는 방법을 만들어야 한다는 것을 의미했습니다.

 

문맥의 이해는 모든 AI에게 중요합니다.

예를 들어, 제가 사무실에서에어컨을 켜라고 말하는 것의 의미는 프리실라가 그것을 똑같이 이야기 할 때와는 완전히 다른 의미입니다. 이것이 몇 가지 문제를 일으켰습니다!

예를 들어, 여러분이 조명을 어둡게 해달라고 하거나, 방을 특정하지 않고 노래를 틀어달라고 할 때, 이것은 여러분이 어떤 방에 있는지 알아야 할 필요가 있었고 또는 우리가 맥스를 낮잠 재워야 할 때 맥스의 방에 시끄러운 음악을 틀 수도 있었습니다. 와우.

 

음악은 키워드 시스템으로 처리하기에는 수많은 가수와 노래 그리고 앨범이 있기 때문에, 자연언어에 있어서 조금 더 흥미롭고 복잡한 분야입니다.

여러분이 질문할 수 있는 범위 또한 훨씬 더 큽니다. 조명은 단순히 켜고 끌 수 있지만, “X를 플레이해보세요라고 했을 때 미묘한 차이가 많은 다른 의미로 쓰일 수 있습니다.

Adele과 관련된 이러한 요청들을 고려해보세요: "play someone like you", "play someone like adele", and "play some adele".

이것들은 비슷하게 들리지만, 완벽하게 전혀 다른 카테고리의 요청들입니다. 첫 번째 요청은 특정 곡을 연주하고, 두 번째는 아티스트를 추천하고, 세 번째는 아델의 베스트 노래로 구성된 플레이리스트를 생성합니다.

긍정적이거나 부정적인 피드백 시스템을 통해 AI는 이러한 차이점들을 배울 수 있습니다.

 

AI가 처리해야 할 문맥이 많을수록, 개방형 요청으로 다루는 것이 좋습니다.

이 지점에서, 저는 주로 자비스에게 "play me some music" 이라고 요구합니다. 그러면 저의 과거 리스닝 패턴을 보고 제가 듣고 싶어 하는 것들을 잘 알아냅니다.

만약 분위기가 잘못되었다면, 예를 들어, "that's not light, play something light" 라고 말한다면, 자비스는 노래에 대한 분류를 배우면서 즉시 조정할 수 있습니다.

또한 내가 자비스에게 말하는 것인지, 프리실라에게 말하는 것인지 알기 때문에 우리가 듣는 내용을 기반으로 추천을 할 수도 있습니다.

일반적으로, 우리는 구체적인 요청보다는 개방적인 요청을 더 자주 하는 것으로 나타났습니다.

이것과 관련된 상용 제품이 없는 것으로 알고 있기 때문에, 이것은 큰 기회가 될 것으로 보입니다.

    


Jarvis uses face recognition to let my friends in automatically and let me know. 


 

Vision and Face Recognition

 

인간 두뇌의 약 3분의 1 가량은 시각에 전념하고 있으며, 여기에는 이미지와 영상에서 일어나는 일들을 이해하는 것과 관련된 AI의 많은 문제들이 있습니다. 이 문제는 추적 (: 맥스가 잠에서 깨서 그녀의 침대에서 움직이는지), 물체 인식 (: 그 방에 Beast가 있는지 깔개가 있는지) 얼굴 인식 (: 문 앞에 누가 있죠?) 등을 포함하고 있습니다.

 

얼굴 인식은 사물 인식 가운데 특히 어려운 부분인데, 를 들어 샌드위치와 집처럼 동떨어진 임의의 두 가지 사물을 비교하는 것보다는 사람의 얼굴은 상대적으로 비슷한 부분이 많기 때문입니다.

그러나 페이스북은 여러분의 친구들이 여러분의 사진 속에 있을 때 친구의 얼굴을 인식하는 능력이 뛰어납니다.

이 전문 기술은 친구들이 여러분의 집 문 앞에 있고, AI가 그들을 들여 보내 줄지 여부를 결정할 때 유용합니다.

 

이를 위해, 저는 모든 각도에서 사진을 찍을 수 있는 여러 대의 카메라를 문에 설치했습니다.

오늘날 AI 시스템은 머리 뒤에서는 사람을 인식 할 수 없으므로, 몇 가지 각도를 통해서 사람의 얼굴을 볼 수 있습니다.

저는 카메라를 지속적으로 감시하고 두 단계의 프로세스를 실행하는 간단한 서버를 만들었습니다.

먼저 어떤 사람이 화면 안으로 나타나면 얼굴 감지를 실행하고, 두 번째로 얼굴을 찾으면 얼굴 인식을 실행하여 그 사람이 누군지 확인합니다. 사람을 식별하면 목록을 확인하여 제가 기다리고 있는 사람인지 확인합니다.

그 사람이 맞다면 그 사람을 들여 보내고 저에게 그 사람이 왔다고 이야기 합니다.

 

이 유형의 시각적 인공 지능 시스템은 여러 가지로 유용합니다. 예를 들어 맥스가 잠에서 깨어나면 음악 연주 또는 중국어 수업을 시작하거나 또는 위치를 제공하지 않은 채 "방에 불을 켜봐"와 같이 문맥을 이해해야 하는 요청에도 AI가 어떤 방에 조명을 켜야 할지 올바르게 응답 할 수 있습니다.

AI의 대부분의 측면과 마찬가지로 시각은 세상의 더 폭넓은 모델을 알려주고, 여러분의 친구가 누구인지 알게 하여 그들이 오면 문을 여는 것과 같은 다른 능력과 관련하여 가장 유용합니다. 시스템의 경우의 수가 많을수록 시스템의 능력은 영리해집니다.

 


I can text Jarvis from anywhere using a Messenger bot.

 

 

Messenger Bot

 

제 컴퓨터에서 자비스를 프로그래밍 했지만, 유용하게 사용하기 위해서는 제가 어디에 있든지 통신이 가능해야 했습니다. 그것은 통신이 집에 설치된 장치가 아니라 저의 스마트폰을 통해 이루어져야 한다는 것을 의미했습니다.

 

저는 별도의 어플을 만드는 것보다 훨씬 쉬운 방법인 자비스와 통신하는 페이스북 메신저 봇을 만들기 시작했습니다.

페이스북 메신저는 봇을 만들고, 그것이 자동으로 여러분을 위해 많은 것을 컨트롤 할 수 있는 간단한 프레임워크를 갖고 있습니다. - iOS와 안드로이드에서 모두 작동하고, 문자, 이미지, 비디오 컨텐츠를 지원하며, 푸시 알림을 안정적으로 전달하며, 다른 사람의 신분과 권한을 관리하는 등의 기능이죠.

Messenger.com/platform 에서 봇 프레임 워크에 대해 배울 수 있습니다.

 

저의 자비스 봇에 문자를 입력하면 즉시 자비스 서버로 중계되어 처리됩니다.

오디오 클립을 보낼 때도 서버가 문자로 변환 한 다음 해당 명령을 실행할 수 있습니다.

하루 중 언제라도 누군가가 저희 집에 도착하면 자비스는 저에게 이미지를 문자로 보내서 누가 와있는지 알려줄 수 있고, 제가 할 일이 있을 때 문자로 알려줄 수 있습니다.

 

자비스와의 의사 소통에 대해 놀랐던 한 가지는 제가 말을 하거나 문자 메시지를 보내거나 둘 중 하나를 선택할 때

예상했던 것보다 문자를 선택하는 경우가 훨씬 많다는 점입니다.

이것은 여러 가지 이유가 있겠지만, 대부분 문자를 보내는 것이 내 주변 사람들에게 방해가 되지 않는다고 느끼기 때문인 것 같습니다. 제가 모두를 위해 음악을 연주한다거나 하는 상황에서는 말하는 것이 편하겠지만, 대부분의 경우에는 문자로 보내는 것이 적절하다고 생각합니다.

마찬가지로, 자비스가 저와 대화를 나누었을 때, 저는 음성보다는 문자 메시지로 더 많은 응답을 받을 것입니다.

음성은 방해가 될 수 있고, 문자로 볼 때 더 잘 제어 할 수 있기 때문입니다.

자비스에게 저의 폰을 사용해서 이야기 할 때도 저는 문자를 사용하거나 응답이 폰에 표시되는 것을 더 선호합니다.

 

문자 형태의 커뮤니케이션이 음성 형태의 커뮤니케이션보다 적합하다는 것을 우리는 페이스북 메신저 또는 왓츠앱 등을 통해 확인할 수 있습니다. 세계적으로 문자 커뮤니케이션 시장의 규모가 음성 커뮤니케이션 시장의 규모보다 훨씬 빠르게 성장하고 있습니다.

이것은 앞으로의 AI 제품들이 음성에만 집중할 것이 아니라, 비공개 메시지 인터페이스도 필요하다는 것을 보여줍니다.

비공개 메시지를 사용하게 된 이후에는, 처음부터 새로운 앱을 만드는 것보다 페이스북 메신저 플랫폼 같은 것을 사용하는 게 훨씬 좋습니다.

저는 항상 AI 봇에 대해 낙관적 이었지만, 자비스를 통한 저의 경험은 저를 더욱 더 낙관적으로 만들었고,

우리는 앞으로 자비스와 같은 봇과 모두 소통하게 될 것입니다.

 

Jarvis uses speech recognition in my iOS app to listen to my request for a fresh t-shirt. 



Voice and Speech Recognition

 

사람들이 생각하는 것보다 텍스트가 AI와 더 중요한 커뮤니케이션이라고 생각하지만, 저는 여전히 음성 또한 매우 중요한 역할을 할 것이라고 생각합니다. 음성의 가장 유용한 측면은 매우 빠르다는 것입니다.

여러분의 휴대전화를 꺼내서 앱을 실행하고 글자를 입력할 필요가 없습니다. 그저 말하면 됩니다.

 

자비스에서 음성 기능을 사용하려면 제가 말하는 것을 지속적으로 들을 수 있는 자비스 전용 어플을 만들어야 했습니다.

메신저 봇은 여러 가지 면에서 훌륭하지만, 말하기를 이용하기에는 마찰이 매우 큽니다.

저의 전용 자비스 앱은 제 폰을 책상 위에 올려놓고 듣게 할 수 있습니다. 때문에 자비스 앱이 설치된 여러 대의 폰을 집안 곳곳에 두어서 어느 방에서나 자비스와 대화 할 수 있었습니다.

이는 아마존의 에코 서비스에 대한 비전과 비슷하지만, 저의 경험에 비추어 볼 때 제가 집에 없을 때 자비스와 놀라울 정도로 자주 의사소통을 하고 싶기 때문에, 폰이 가정에 설치된 장치가 아닌 기본 인터페이스가 되는 것이 중요해 보입니다.

 

저는 iOS 용 자비스 앱의 첫 번째 버전을 제작했으며 곧 안드로이드 버전을 만들 계획입니다.

저는 2012 년부터 iOS 앱을 만들지 않고 있습니다. 저의 주요 관찰들 중 하나는 우리가 이런 앱 들을 개발하고 음성 인식을 하기 위해 FacebooK 에 만든 툴체인들은 매우 인상적이었다는 것입니다.

 

최근에는 음성 인식 시스템이 향상되었지만 AI 시스템은 아직 대화형 음성을 이해하기에 충분하지 않습니다.

음성 인식은 우선 말하는 것을 듣고 다음에 말할 내용을 예측하는 것에 의존하므로 구조화 된 음성은 구조화되지 않은 대화보다 훨씬 이해하기 쉽습니다.

 

음성 인식 시스템의 또 다른 흥미로운 한계는 머신 러닝 시스템에서도 일반적으로 나타나는 - 대부분의 사람들이 깨닫지 못하는 특정 문제에 대해 최적화되어 있다는 것입니다.

예를 들어, 컴퓨터와 대화하는 사람을 이해하는 것은 다른 사람과 대화하는 사람을 이해하는 것과는

미묘하게 다른 문제입니다. 여러분이 구글 에서 검색 엔진에 사람들이 이야기 한 데이터를 통해 머신 러닝을 훈련하게 된다면, 페이스 북에서 실제 사람들과 대화하는 사람들을 이해하는 데 상대적으로 어려울 것입니다.

자비스의 경우처럼, 가까운 거리에서 이야기 할 AI를 훈련하는 것은 Echo와 같이 방 전체에서 이야기 할 시스템을 교육하는 것과는 다릅니다. 이러한 시스템은 보기보다 더 전문화되어 있으며, 이는 우리가 보는 것보다 일반적인 시스템에서 더 멀리 떨어져 있다는 의미를 내포하고 있습니다.

 

심리학적 관점에서, 시스템에 말을 할 수 있다면, 텍스트 나 그래픽 인터페이스를 사용하여 컴퓨터와 소통할 때 보다 감정의 깊이가 더 커지는 것을 느낄 수 있습니다. 한 가지 재미있는 관찰은 제가 자비스에 음성을 인식시키기 시작하면서부터, 저는 더 유머러스 하게 만들고 싶어졌습니다.

어떤 면에서는 자비스가 맥스와 소통할 수 있고, 그러한 소통이 맥스를 더욱 즐겁게 해 주길 바라면서, 또 어떤 면에서는 자비스가 지금은 우리와 함께 있는 것처럼 느껴집니다. 프리실라나 제가 간지럽히라고 말하면 자비스가 맥스나 비스트에게 우리 가족 중 누군가를 간지럽히라고 말하는 간단한 게임을 가르쳤습니다.

저는 또한 "I'm sorry, Priscilla. I'm afraid I can't do that." 와 같은 정중하기 때문에 더욱 재미있는 대사를 추가했습니다.

 

음성 분야는 탐구할 부분이 무궁무진합니다. AI 기술은 이 위대한 제품의 기초가 되기에 충분히 발전하고 있으며, 몇 년 안에 훨씬 더 나아질 것입니다. 동시에, 저는 이 같은 최고의 제품을 당신이 어디에 있든 가져올 수 있고, 개인적으로 충분히 소통할 수 있게 될 것이라고 생각합니다.

 

Facebook Engineering Environment

 

페이스북의 CEO 로서, 저는 페이스북 내부 환경에 코드를 작성할 시간이 별로 없습니다.

저는 코딩을 중단 한 적은 없습니다만, 요즘에는 주로 자비스와 같은 개인 프로젝트를 만들고 있습니다.

올해 AI의 상태에 대해 많은 것을 배울 것으로 기대했지만, 페이스북에서 엔지니어가 되는 것이 무엇인지에 관해서도 많은 것을 배울 수 있으리라고는 생각지 못했습니다. 이것은 인상적입니다.

 

페이스북 코드베이스에서의 늘어난 저의 경험은 아마도 대부분의 새로운 엔지니어가 페이스북에서 겪는 경험과 매우 유사 할 것입니다. 저는 우리의 코드가 얼마나 체계적으로 구성되어 있는지, 그리고 얼굴 인식, 음성 인식, Messenger Bot Framework  [messenger.com/platform] 또는 iOS 개발과 관련한 원하는 것들을 쉽게 찾을 수 있다는 점에 계속해서 깊은 감명을 받았습니다.


GitHubAtom 과 함께 개발하도록 만든 오픈 소스 Nuclide  [github.com/facebook/nuclide] 패키지는 개발을 훨씬 쉽게 만들어줍니다. 대규모 프로젝트를 신속하게 구축하기 위해 개발 한 Buck  [buckbuild.com] 빌드 시스템 또한 저의 많은 시간을 절약 해주었습니다. 우리의 오픈 소스 FastText [github.com/facebookresearch/fastText] AI 텍스트 분류 도구 또한 좋은 도구이며 AI 개발에 관심이 있다면 전체 Facebook 연구 [github.com/facebookresearch] GitHub 레포지터리는 살펴볼 가치가 있을 것입니다.

 

우리의 가치 중 하나는 “move fast” 입니다. , 여기에서는 다른 곳에서 할 수 있는 것보다 더 빨리 앱을 만들 수 있어야 한다는 것을 의미합니다. 여러분 혼자서 만드는 것을 포함해서 말이죠.

당신은 여기에 와서 우리의 인프라 및 AI도구를 사용하여 혼자서 만들면 오랜 시간이 걸릴 것들을 만들 수 있어야 합니다.

엔지니어링을 보다 효율적으로 만드는 내부 도구를 만드는 것은 어느 IT 회사에게나 중요한 일이지만, 우리에게는 특히 중요하게 생각하는 부분입니다. 그래서 우리의 인프라 및 도구 팀의 모든 사람들에게 이것을 꽤나 훌륭하게 만들었다고 말해주고 싶습니다.

 

Next Steps

 

이 도전이 끝나가고 있지만, 저는 매일 그것을 사용하고, 항상 제가 추가하고 싶은 새로운 것들을 찾고 있기 때문에 계속해서 자비스를 발전 시킬 겁니다.가까운 미래에 가장 확실한 다음 단계는 Android 앱을 제작하고 집 주변의 더 많은 방에 자비스 음성 터미널을 설치하고 더 많은 가전제품을 연결하는 것입니다. 자비스가 나의 Big Green Egg 를 제어하고 제가 요리하는 것을 도와주게 만들고 싶지만, 이것은 티셔츠 대포를 만드는 것보다 더 진지한 조작이 필요합니다.

 

장기적으로, 저는 자비스에게 제가 직접 특정한 업무를 수행하는 방법을 가르치기 보다는 새로운 일을 자비스 스스로 배우는 방법을 가르치는 것에 대해 연구하고자 합니다. 이 도전에 또 다른 한 해를 보낸다면, 저는 학습이 어떻게 작동하는지 더 많이 배우게 될 것입니다.

 

마지막으로, 시간이 흐르면서 이것을 세상에 이용 가능하도록 공개하는 방법을 찾는 일 또한 흥미로울 것입니다.

저는 오픈 소스로 공개하는 것을 고려해 보았지만, 현재는 저의 개인적인 집, 가전 제품 및 네트워크 구성에 너무 밀접하게 관련되어 있습니다. 더 많은 홈 오토메이션 기능을 추상화하는 레이어를 만들게 되면 그것을 공개 할 수 있습니다.

물론, 그것은 새로운 제품을 만드는 훌륭한 토대가 될 것입니다. 

 

Conclusions

 

자비스를 만드는 일은 흥미로운 지적 도전이었고, 우리의 미래를 위해 중요한 분야에서 AI 도구를 직접 만드는 것을 경험했던 시간이었습니다. 저는 이전에 5 ~ 10 년 내에 언어를 포함한 시각, 청각, 촉각 등 우리의 감각에 대해 사람들보다 더 정확하게 느끼는 AI 시스템을 갖게 될 것이라고 예언했습니다. 최첨단 기술이 얼마나 강력한지에 대해 깊은 인상을 남기게 한 툴들이 이제 현실로 다가오고 있으며, 저의 예언에 더 확신을 갖게 만든 한 해 였습니다.


동시에 우리는 학습이 어떻게 작동하는지 이해하는 것에 있어서는 여전히 갈 길이 멉니다. 올해 제가 한 모든 것, 즉 자연어, 얼굴 인식, 음성 인식 등은 모두 동일한 기본 패턴 인식 기술의 변형입니다.

우리는 어떻게 컴퓨터에 많은 예를 보여주는지, 그리고 그것을 정확하게 인식하게 만드는지에 대해 알고 있습니다. 그러나 우리는 여전히 한가지 범주에서 얻은 아이디어를 완전히 다른 무언가에 적용하는 방법에 대해서는 모릅니다.

 

이런 관점에서 놓고 보면, 올해 제가 자비스를 만드는 데 약 100 시간을 보낸 결과, 이제는 저를 이해하고 많은 일을 할 수 있는 꽤 좋은 시스템을 가지고 있습니다. 그러나 제가 1,000 시간을 더 썼다 할지라도, AI 스스로 완전히 새로운 기술을 배울 수 있는 시스템을 구축 할 수는 없었을 것입니다. 제가 AI가 작동하는 상태에 관한 근본적인 혁신을 만들지 않는 한 말이죠

 

어떤 점에서 AI는 우리가 상상하는 것보다 더 가깝기도 하고 멀리 떨어져 있기도 합니다. AI는 많은 사람들이 기대하는 강력한 일을 해내는 것에 근접해 있습니다. 운전을 하거나, 병을 치료하거나, 행성을 발견하거나. 미디어를 이해하는 것처럼요. 그것들 각각은 세계에 큰 영향을 미칠 것입니다. 그러나 여전히 우리는 지능의 실체가 무엇인지에 대해 파악하고 있습니다.

 

전반적으로 이것은 큰 도전이었습니다. 이러한 도전들은 제가 시작할 때 예상했던 것보다 훨씬 더 큰 가르침이 되었습니다.

올해 저는 AI에 대해 배우겠다고 생각했고 홈 오토메이션 및 Facebook의 내부 기술에 대해서도 배웠습니다.

이것이 바로 이러한 도전에 대한 흥미로운 부분입니다.


이 도전에 함께 해 주셔서 감사 드리며 앞으로 몇 주 안에 내년의 도전에 대해 함께 나눌 수 있기를 기대합니다. 

 







덧글

댓글 입력 영역


skin by mater