본문으로 건너뛰기

자율 시스템 시대에 데이터 주권과 AI 주권을 확립하는 방법

대규모 언어 모델(LLM)과 같은 생성 AI가 연구실에서 실제 비즈니스 애플리케이션으로 이동했을 때 기업들은一种 묵시적인 거래를 맺었다. '능력은 지금, 통제는 나중에.' 자체 데이터를 제3자 AI 모델에 피드하여 강력한 결과를 얻을 수 있지만, 데이터는 기업이 소유하지 않는 시스템을 통해 통과하고, 기업이 설정하지 않은 규범하에 통과한다. 기업은...

AI 자동 생성

자율 시스템 시대의 도전

대규모 언어 모델(LLM)과 같은 생성 AI가 실제 비즈니스 애플리케이션으로 이동하면서, 기업들은 새로운 도전을 직면하게 된다. 자체 데이터를 제3자 AI 모델에 피드하여 강력한 결과를 얻을 수 있지만, 데이터는 기업이 소유하지 않는 시스템을 통해 통과하고, 기업이 설정하지 않은 규범하에 통과한다. 이로 인해 기업은 데이터와 AI의 통제권을 잃어버릴 수 있다.

자율 시스템의 성장에 따라 기업은 데이터와 AI의 주권을 확립하는 것이 점점 더 중요해지고 있다. 데이터 주권은 기업이 데이터를 자신의 통제하에 사용할 수 있도록 허용하며, AI 주권은 기업이 AI 모델을 자신의 통제하에 사용할 수 있도록 허용한다. 이러한 주권을 확립하기 위해서는 기업이 데이터와 AI 모델을 자신의 시스템에 저장하고, 제3자에게 제공할 때 사용과 유효성을 제어할 수 있어야 한다.

데이터 주권과 AI 주권을 확립하는 방법

데이터 주권을 확립하는 첫 번째 단계는 데이터를 자신의 통제하에 사용할 수 있도록 허용하는 것이다. 기업은 데이터를 자신의 시스템에 저장하고, 데이터를 제3자에게 제공할 때 데이터의 사용과 유효성을 제어할 수 있어야 한다. 또한, 데이터를 암호화하고, 데이터를 제3자에게 제공할 때 데이터의 사용과 유효성을 제어할 수 있다. AI 주권을 확립하는 방법도 유사하다. 기업은 AI 모델을 자신의 시스템에 저장하고, AI 모델을 제3자에게 제공할 때 AI 모델의 사용과 유효성을 제어할 수 있어야 한다.

기업이 데이터와 AI의 주권을 확립하면, 자율 시스템 시대의 도전을 극복할 수 있다. 데이터와 AI 모델을 자신의 통제하에 사용할 수 있도록 허용하면, 기업은 데이터와 AI의 사용을 제어할 수 있고, 데이터와 AI의 보안을 강화할 수 있다. 이는 기업의 경쟁력을 강화하고, 자율 시스템 시대에 성공할 수 있는 기회를 제공한다.

원문 보기 MIT Technology Review

함께 읽으면 좋은 기사

연구 3일 전

스트로크 위험도 예측을 위한 새로운 AI 기술: MedGate-Fusion

스트로크 위험도를 예측하는 것은 원치 않는 병력이 발생하기 전에 중요한 역할을 합니다. 그러나 이 과제는 의사들이 주기적으로 기록하는 생리학적 바이오마커와 비구조적인 의료 기록의 사이에 분산되어 있는 초기 위험 신호를 식별하는 어려움으로 인해 힘들어집니다. MedGate-Fusion은 이러한 문제를 해결하기 위해 처음 만나는 의료 기록의 의미론적 이야기와 10개의 정기적으로 기록된 위험 표시자를 통합하는 멀티 모달 게이트 아키텍처를 제안합니다. 이 아키텍처는 대규모 언어 모델(LLM)과 같은 기존의 AI 기술을 사용하여 의료 기록의 의미를 추출하고 생리학적 바이오마커의 정보를 통합하여 스트로크 위험도를 예측합니다.

연구 3일 전

기존의 전제 조건자들이 생의학 표준 표 데이터 학습을 개선하는가? 표준 표 데이터 학습 최적화에 대한 실증 연구

최근 구조화된 생물학적 데이터 분석에 있어서 표준화된 기초 모델(tabular foundation model)이 강력한 잠재력을 보인다. 그 중 하나인 TabPFN은 낮은 데이터 표준화 분류 작업에서 효과적인 접근 방식으로 나타났지만, 최적화 및 조건화 전략의 생물학적 세부 튜닝에 대한 영향은 여전히 크게 연구되지 않았다. 본 연구에서, 우리는 59 개의 생물학적 데이터셋(Alzheimer'

관련 콘텐츠 더 보기

다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.