인공지능 기술은 딥러닝의 등장과 함께 크게 발달하기 시작했습니다. 이 덕분에 최근에는 음성인식, 이미지 인식 등 다양한 분야에서 딥러닝이 사용되고 있습니다. 하지만 이런 딥러닝 알고리즘들은 댑부분 많은 양의 연산을 필요로 합니다. 특히 이미지 인식에서 많이 사용되고 있는 Convolutional Neural Network (CNN)의 경우, 수많은 행렬 곱셈의 반복으로 이루어져 있습니다. 각각의 계산 자체는 단순하지만, 이를 수많이 반복하기 때문에 전체 연산량이 매우 커지게 됩니다. 이런 연산량은 딥러닝이 작은 연산 능력을 가지고 있는 휴대폰, 임베디드 센서, 카메라 등에 적용되는 것을 막고 있습니다. 만약 이런 연산량이 줄어들 수 있다면 슈퍼컴퓨터 및 수많은 GPU에서 벗어나 작은 디바이스에도 인공지능..
최근 인공지능 관련 연구는 이미지 내에 어떤 사물이 있는지를 파악하거나 이미지의 맥락을 이해하는 데에서 눈부신 성과를 이뤘습니다. 하지만 이것만으로 기계가 세상을 살아가는데 필요한 지혜를 충분히 갖추었다고 볼 수 있을까요? 한두 살 밖에 되지 않은 어린 아이들도 음료수가 가득 담긴 컵을 뒤집으면 어떤 일이 벌어질지 쉽게 배우고 예상할 수 있습니다. 하지만 아직까지 인공지능이 이런 일을 못하는 것을 보면 사람을 따라잡는 것은 먼 미래의 일처럼 보입니다. 최근 시애틀의 Ai2(Allen Institue for Artificial Intelligence) 인공지능 연구소에서는 이미지 속의 사물들이 물리적으로 어떻게 움직일 수 있는지를 예측하는 프로그램을 개발했습니다. Roozbeh Mottaghi의 연구팀이 ..
- Total
- Today
- Yesterday
- 중국
- AI
- 사물인터넷
- 스타트업
- AR
- 증강현실
- 아마존
- 페이스북
- 로봇
- 알리바바
- 테슬라
- 투자
- bt
- 자율주행
- 블록체인
- SpaceX
- 드론
- 자동차
- 실리콘밸리
- 웨어러블
- snapchat
- VR
- 트위터
- 인공지능
- IoT
- amazon
- 구글
- 가상현실
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |