블로그

인공지능

인공지능(AI)은 기계, 특히 컴퓨터 시스템에 의한 인간의 지능 과정을 시뮬레이션한 것이다. AI의 구체적인 적용 분야로는 전문가 시스템, 자연어 처리(NLP), 음성인식, 머신비전 등이 있다. AI 프로그래밍은 학습, 추리, 자기 교정이라는 세 가지 인지 능력에 초점을 맞춘다. 학습 과정. AI 프로그래밍의 이러한 측면은 데이터를 수집하고 데이터를 실행 가능한 정보로 전환하는 방법에 대한 규칙을 만드는 데 초점을 맞추고 있다. 알고리즘이라고 불리는 규칙은 컴퓨팅 장치에 특정 작업을 완료하는 방법에 대한 단계별 지침을 제공한다. 추리 과정. AI 프로그래밍의 이런 측면은 원하는 결과에 도달할 수 있는 적절한 알고리즘을 선택하는 데 초점을 맞춘다. 자가 수정 프로세스. AI 프로그래밍의 이러한 측면은 알고리즘을 지속적으로 미세 조정하고 가능한 가장 정확한 결과를 제공하기 위해 고안되었다.

인공지능의 장단점
인공지능(AI)이 대량의 데이터를 훨씬 빠르게 처리하고 인간보다 예측을 더 정확하게 하기 때문에 인공신경망과 딥러닝 인공지능 기술이 빠르게 진화하고 있다. 매일 만들어지는 엄청난 양의 데이터가 인간 연구자를 묻어버리겠지만, 머신러닝을 사용하는 AI 애플리케이션은 그 데이터를 취합해 신속하게 실행 가능한 정보로 바꿀 수 있다. 이 글을 기점으로 AI 활용의 1차적인 단점은 AI 프로그래밍에 필요한 대량의 데이터를 처리하는 데 비용이 많이 든다는 점이다.

강한 AI vs 약한 AI
AI는 약하거나 강한 것으로 분류할 수 있다. 좁은 AI라고도 불리는 약한 AI는 특정 과제를 완수하도록 설계하고 훈련하는 AI 시스템이다. 애플 시리 등 산업용 로봇과 가상 개인비서들은 약한 AI를 사용한다. 인공지능(AGI)으로도 알려진 강력한 AI는 인간의 두뇌의 인지 능력을 복제할 수 있는 프로그래밍을 기술한다. 낯선 과제를 제시했을 때 강력한 AI 시스템은 퍼지 로직을 이용해 한 도메인에서 다른 영역으로 지식을 적용하고 자율적으로 해결책을 찾을 수 있다. 이론적으로 강력한 AI 프로그램은 튜링 테스트와 중국 방 테스트를 모두 통과할 수 있어야 한다.

증강지능 vs 인공지능
일부 업계 전문가들은 인공지능이라는 용어가 대중문화와 너무 밀접하게 연관돼 있다고 보고 있으며, 이로 인해 AI가 직장이나 생활을 전반적으로 어떻게 변화시킬지에 대한 일반인들의 기대감은 희박하게 높아졌다. 일부 연구자와 마케터들은 보다 중립적인 의미를 지닌 라벨 증강 지능이 AI의 대부분의 구현이 취약하고 단순히 제품과 서비스를 개선할 것이라는 것을 이해하는데 도움이 되기를 바라고 있다.

기술적 특이성의 개념, 즉 그것을 이해하는 인간의 두뇌의 능력이나 우리의 현실을 어떻게 형성하고 있는가를 훨씬 능가하는 인공적인 초지능에 의해 지배되는 미래는 공상과학 소설의 영역 안에 남아 있다.

인공지능의 윤리적 이용
인공지능 도구는 기업을 위한 다양한 새로운 기능을 제공하지만, 인공지능의 사용은 좋든 나쁘든 AI 시스템이 이미 배운 것을 강화시킬 것이기 때문에 윤리적인 문제를 제기한다. 이는 많은 첨단 AI 도구를 뒷받침하는 머신러닝 알고리즘이 훈련에서 주어진 데이터만큼 스마트하기 때문에 문제가 될 수 있다. 인간은 AI 프로그램을 훈련시키기 위해 어떤 데이터를 사용할지 선택하기 때문에 머신러닝 편향의 가능성은 내재되어 있으므로 면밀히 감시해야 한다. 기계 학습을 현실 세계의 일부로 사용하고자 하는 사람은 누구나 자신의 AI 교육 과정에 윤리를 고려해서 편견을 피하도록 노력해야 한다. 딥러닝과 GAN(Generatory Network) 애플리케이션에서 본질적으로 설명할 수 없는 AI 알고리즘을 사용할 경우 특히 그렇다. 엄격한 규제 준수 요건 하에서 운영되는 산업에서 AI를 사용하는 데 있어 설명가능성이 걸림돌이 될 수 있다. 예를 들어, 미국의 금융 기관들은 신용 발행 결정을 설명하도록 요구하는 규정에 따라 운영된다. 하지만 AI 프로그래밍에 의해 신용거부 결정이 내려지면 수천 개의 변수 사이의 미묘한 상관관계를 희석해 이런 결정을 내리는 데 사용된 AI 도구가 작동하기 때문에 어떻게 결정됐는지 설명하기 어려울 수 있다. 의사결정 과정을 설명할 수 없을 때에는 프로그램을 블랙박스 AI라고 할 수 있다.

산업환경공학

산업환경공학 산업 지사에 독립적인 현상 기반 접근방식을 가진 이 연구 선택사항은 학생들이 학습한 기술을 환경 공학의 다른 분야에 적용할 수 있는 탁월한 수단을 제공한다. 프로세스 엔지니어링과 프로세스 엔지니어링을 결합하는 다원적 연구는 환경 공학 보다 깨끗하고 건강한 환경(공기, 물, 토양)으로 나아가기 위해서는 탄소중립 및 에너지 효율적 공정뿐만 아니라 지속가능하고 자원적인 제품의 개발, 순환경제와 바이오경제의 가능성 활용이 필요하다.  이 연구들은 공정 산업의 다른 부서에서 일어나는 과정과 에너지 시스템과 청정 생산 방법과 관련된 현상에 관한 과정을 포함하고 있다.  학생들은 재생 에너지 생산뿐만 아니라 산업 기체 및 액체 배출물과 측면 흐름, 촉매 공정, 지속가능성 및 순환 경제 등의 처리와 활용에 대한 이해를 얻을 것이다. 학생들은 또한 과정을 통제, 최적화, 설계 및 개발하는 방법을 알고 있다.

지속 가능한 에너지 시스템

지속 가능한 에너지 시스템 연구 옵션은 에너지 전환이라는 큰 도전에 도전하고자 하는 동기를 가진 학생들을 위한 것이다. 2050년에는 에너지 시스템이 지속가능하고 신뢰할 수 있으며 안전하여 시민과 산업에 효율적인 서비스를 제공할 수 있을 것으로 기대하고 있다. 지속 가능한 에너지 시스템에서 재생 에너지 생산은 에너지 서비스, 적극적 사용자 및 활성화 기술을 통해 인프라와 소비가 통합되고 조정된다. 이 연구 옵션에서, 학생들은 대체 에너지 기술과 전통적인 에너지 기술, 사회적, 환경적 영향 및 경제적 이익에 대해 배우게 될 것이다.  이 프로그램의 졸업생들은 우리가 강력하고 지속 가능한 에너지 시스템을 형성하기 위해 여러 재생 에너지원과 에너지 저장 능력을 결합하는 하이브리드 재생 에너지 시스템을 구축하는 방법을 알게 될 것이다.  에너지 시스템은 회사, 지역사회 또는 전체 지역의 에너지 요구에 맞게 크기를 조정할 수 있다.  또한 교육과정은 에너지 및 환경공학, 정보통신기술, 에너지 및 환경경제학 등 여러 분야의 다원적 과정을 포함하고 있다. 잘 작동하고 지속 가능한 에너지 시스템을 달성하기 위해서는 학제간 접근법이 무엇보다 중요하다. 이 연구 선택권의 졸업자들은 지속 가능한 에너지 해결책에 대한 현재의 필요성에 대한 이해를 얻을 것이며 지속 가능한 에너지 미래로의 전환을 이끌 수 있도록 잘 준비될 것이다.

2. 수문학 및 물관리

수문학 및 물 관리 학습 옵션은 학생들에게 수자원 관리의 글로벌 및 지역적 과제에 대응하는 데 필요한 지식과 기술을 제공한다.  지구 기후 변화는 가뭄과 물 부족의 에피소드를 더 자주 야기할 수 있지만, 극단적인 사건과 홍수 위험의 가능성도 증가시킬 수 있다.  토지 이용과 경제 발전이 강화되면 사람과 생태계의 안녕을 위해 필요한 하천, 호수, 지하수 본체의 수질에 대한 지역적 도전으로 이어질 수 있다. 이 연구 선택사항은 자연 수문학적 현상 및 환경 하중의 원인에 대해 학생들을 교육한다. 이를 바탕으로 학생들은 물과 폐수처리, 수자원관리, 지하수공학, 환경영향평가 등에 대한 전문지식을 얻게 된다. 복잡한 환경문제를 실질적으로 해결하고 해결하기 위해, 교육과정에서는 수질감시 및 정화, 수자원공학, 수문학적 모델링 등의 방법이 균형 있게 혼합되어 있다.  이 프로그램에서 개발된 다원적 전문지식은 학생들에게 해로운 환경 영향을 줄이고 미래의 물 시스템의 변화를 완화할 수 있는 기술을 제공한다. 프로그램에 지원하는 학생은 적합한 공학 분야의 학사 학위 또는 그에 상당하는 학위를 소지해야 하며, 지원자는 프로그램에 지원할 때 이미 선호하는 전문 분야(전공), 학습 옵션을 선택해야 한다. 각 옵션은 졸업생들에게 특정한 기술과 노하우를 제공하게 될 것이며, 따라서 각 졸업생들은 지원자들을 위한 자신만의 기준을 갖게 될 것이다. 환경공학 석사 프로그램의 목적은 엔지니어링 경력을 위한 창의적이고 협동적인 학술 전문가와 그들 자신의 전문 분야의 전문가로 양성하는 것이다. 우리의 2년간의 석사 과정은 환경 공학과 순환 경제 분야의 전문가들을 교육한다. 우리와 함께 당신은 깨끗한 물을 생산하고, 영양소와 금속을 회수하고, 오염을 최소화하고, 천연자원의 지속가능한 사용을 지원하기 위한 과정과 기술에 대해 배울 것이다. 따라서 환경 지속가능성을 촉진하는 데 전문가가 될 것이다. 석사 프로그램에서 성공적인 학생이 되려면 환경 공학, 생명 공학 또는 자연 과학과 같은 해당 공학 분야의 경력이 있어야 한다.  우리는 미래에 대한 강한 동기부여와 비전인 수학에 대한 숙련도를 높이 평가한다. 우리 과정은 분자생물학 수준에서 폐수처리 및 자동화에 이르는 광범위한 주제를 제공한다.  이를 통해 지속 가능한 환경 기술, 디지털 애플리케이션, 첨단 바이오프로세서 또는 순환 경제를 위한 거버넌스 등에 초점을 맞출 수 있다.  전문적인 훈련과 석사 논문 작업을 통해 환경 분야에서의 경력 및 네트워크 구축을 시작할 수 있다. 습득한 도구와 환경 지속가능성에 대한 이해, 그리고 공학적인 사고방식으로 환경공학의 다양한 분야에서 뛰어난 경력기회를 가질 수 있을 것이다.  졸업생들은 예를 들어 공정 엔지니어, 컨설턴트 또는 산업 및 지방자치단체의 프로젝트 매니저로 채용될 수 있다. 원한다면 박사학위를 위해 공부를 계속할 수도 있다.

인공지능

인공지능(AI)이 중요한 이유는?
인공지능(AI)이 우리 세상을 빠르게 변화시키고 있다. AI 역량의 괄목할 만한 급증으로 인해 우리 집에는 자율주행차와 사물인터넷(IoT) 기기들이 연결된 등 수많은 혁신이 일어났다. AI는 복잡한 인간-뇌 직접 인터페이스를 통해 마비된 사람이 다시 느끼는 것을 도울 수 있는 뇌 조종 로봇팔 개발에도 기여하고 있다. 이 새로운 AI 지원 시스템은 상업과 의료에서 교통과 사이버 보안에 이르기까지 모든 것을 혁신하고 있다. AI는 우리 경제를 포함한 우리 사회의 거의 모든 측면에 영향을 미칠 수 있는 잠재력을 가지고 있지만, AI가 가져다주는 신기술의 개발과 활용에 기술적 도전과 위험이 없는 것은 아니다. AI는 신뢰성, 안전성, 정확성을 보장하기 위해 신뢰할 수 있는 방식으로 개발되어야 한다. AI 기술 신뢰도 제고 NIST는 측정 과학을 강화하고 기술을 보다 안전하고, 사용 가능하며, 상호운용 가능하고, 신뢰할 수 있게 만드는 표준과 지표 개발에 참여함으로써 기술에 대한 신뢰를 배양하는 것으로 오랜 명성을 가지고 있다. 이 작업은 빠르게 진화하는 기술에 대한 대중의 신뢰를 확보하기 위해 AI 공간에서 매우 중요한 작업으로, 이 분야가 약속하는 모든 혜택을 누릴 수 있다. AI 시스템은 일반적으로 머신러닝(machine learning)에 의해 만들어진 데이터 중심 모델이나 패턴을 탐지하고 도출하는 시스템의 능력에 기초하여 결정을 내린다. 기술이 발전함에 따라 안전하고 신뢰할 수 있으며 안전한 AI를 보장하는 엄격한 과학실험을 개발해야 할 것이다. 우리는 또한 AI 데이터, 성능, 상호운용성, 사용성, 보안 및 프라이버시에 대한 광범위한 표준을 개발할 필요가 있다. 인공지능(AI)이 데이터에서 통찰력을 추출하는 기업의 개념을 재정의하고 있다. 실제로 에델만의 ‘2019 인공지능(AI)’ 조사에 따르면 기술 임원(91%)과 일반 국민의 84%가 AI가 ‘차기 기술 혁명’이라고 생각하는 것으로 나타났다. PwC는 2030년까지 AI가 세계 경제에 15조7000억달러를 기여할 수 있을 것으로 전망했다. AI의 유형, 작동 방식, 그리고 가치를 더할 수 있는 위치를 이해하는 것은 매우 중요하다.
간단히 말해서 AI는 꽤 큰 일이다. 그러나 이것은 단일체제가 아니다. 인지 능력에는 여러 가지 맛이 있다. 다양한 유형의 AI, 작동 방식 및 비즈니스에 가치를 더할 수 있는 위치를 이해하는 것은 IT 리더와 LOB(Line-of-Business) 리더 모두에게 매우 중요하다.

1.기계학습(ML)
ML은 아마도 오늘날 일반 기업과 가장 관련이 있는 AI의 하위 집합일 것이다. 하버드 비즈니스 리뷰 분석 서비스에서 실시한 최근 연구 보고서인 실제 AI에 대한 경영진의 가이드에서 설명했듯이, ML은 수 년 동안 존재해온 성숙한 기술이다. 대용량 데이터 세트에 솔루션이 숨겨져 있는 상황에 직면했을 때 머신러닝은 도전이다.
ML은 AI의 한 분야로, 컴퓨터가 데이터를 통해 스스로 학습할 수 있도록 하고, 사람이 개입하지 않아도 그 학습을 적용할 수 있도록 한다. 대용량 데이터 세트에 솔루션이 숨겨져 있는 상황에 직면했을 때 머신러닝은 도전이다. 데이터 과학 플랫폼 RapidMiner의 설립자 겸 사장인 Ingo Mierswa는 “ML은 사람이 걸리는 시간의 극히 짧은 시간 내에 데이터에서 패턴을 추출하고 그렇지 않으면 액세스할 수 없는 통찰력을 만들어 낸다”고 말한다.

2. ML 사용 사례
ML은 금융 서비스에서 리스크 분석, 부정 행위 탐지 및 포트폴리오 관리, 여행에서의 GPS 기반 예측, 그리고 표적 마케팅 캠페인 등을 통해 몇 가지 예를 나열할 수 있다. 인지 자동화 및 혁신의 ISG 책임자인 Wayne Butterfield는 ML 학습은 수집된 라벨 데이터에 기초하여 시간이 지남에 따라 작업을 더 잘 완료할 수 있으며, 예측 모델을 만들어 수많은 비즈니스 크리티컬 작업을 개선할 수 있다고 설명한다.

3.심오한 학문
AI 소프트웨어 회사인 Pathmind의 설명자 기사는 다음과 같은 유용한 비유를 제공한다. 러시아 인형들이 서로 내포되어 있다고 생각해봐. 딥러닝은 머신러닝의 서브셋이고 머신러닝은 인공지능의 서브셋으로, 스마트한 일을 하는 모든 컴퓨터 프로그램을 총칭하는 용어다. 이 AI의 분과는 인간의 마음을 촘촘히 흉내내려고 한다.
딥러닝에 대한 우리의 평이한 영어 입문서에서 우리는 인간의 마음을 가까이서 흉내내려고 하는 AI의 가지라는 기본적인 정의를 제공한다. 딥러닝으로 컴프TIA는 “컴퓨터는 인간의 뇌가 문제를 분석하는 방법을 시뮬레이션하기 위해 여러 계층에서 문제를 분석한다”고 설명한다. 시각적 이미지, 자연어 또는 기타 입력물을 다양한 구성요소로 구문 분석하여 의미를 추출하고 맥락을 구축할 수 있어 컴퓨터가 정확한 결론에 도달할 확률을 높일 수 있다.” 딥러닝은 이른바 신경망을 이용하는데, 딥러닝은 ‘훈련 중 제공된 라벨링 데이터를 처리하면서 학습하며, 정확한 출력을 구성하기 위해 어떤 입력의 특성이 필요한지’를 이 정답키를 이용해 학습한다. 일단 충분한 수의 예시가 처리되면 신경망은 보이지 않는 새로운 입력을 처리하기 시작하고 정확한 결과를 성공적으로 반환할 수 있다.

리오그란데 대륙 균열에서 나온 암석들은 지구 표면 깊숙한 곳에서 활동적인 지질학의 스냅 사진을 제공해 수십억 년 동안 대륙이 어떻게 안정되어 있는지에 대한 새로운 증거를 밝혀냈다.
“우리는 수백만년에서 수십억년 된 암석을 연구하는 경향이 있지만, 이 경우 우리는 지구 표면에서 거의 19마일 떨어진 깊은 지각에서 어떤 일이 일어나고 있는지, 지질학적으로 말해주는 것이 현대인지를 보여줄 수 있습니다,”라고 펜 주의 지질학 대학원생인 제이콥 시파르는 말했다. “그리고 우리는 이 바위들에 보존되어 있는 것을 오늘날 일어나고 있는 지질학적 과정과 연결시켜왔는데, 그것은 안정적인 대륙의 발전에 중요한 단계를 나타낼지도 모른다.”
펜실베이니아 주 과학자들이 이끄는 연구팀은 맨틀에서 나오는 열이 구조적인 힘이 떨어져 나가 암석권을 얇게 만들고 있는 틈새의 하부 지각이나 지구의 단단한 바깥층을 구성하는 지각과 상부 맨틀을 녹이고 있다는 증거를 발견했다. 대륙 지각의 난방은 그것의 발전에 중요한 것으로 여겨진다. 그러나 이 과정은 종종 대륙판이 충돌하여 히말라야 산맥과 같은 산을 형성하는 지각의 두꺼워지는 것과 관련이 있다고 과학자들은 말했다.
시파르는 “우리의 연구는 산악 건물과 관련된 것으로 생각되어온 이 암석들이 실제로 오늘날의 리오 그란데 균열에서 일어나고 있는 것처럼 얇아지는 암석권에 의해 요리되었을 수도 있다는 것을 보여준다”고 말했다. “그리고 더 넓게 보면, 대륙을 안정시키고 그들이 다시 맨틀로 가라앉는 것을 막았다는 점에서 이전에 인식되었던 것보다 암석권을 얇게 하는 것이 더 중요할 수 있다.”
지구의 대륙은 독특한 실리콘이 풍부하고 부력이 강한 지각으로 인해 육지가 해수면 위로 상승하고 지상 생명체를 수용할 수 있다고 과학자들은 말했다. 이 지각은 또한 지질학적 시간에 걸쳐 그것을 불안정하게 할 수 있는 우라늄과 같은 열 생성 원소를 포함하고 있다. 지각의 열을 가하면 녹은 암석이 생겨 표면 쪽으로 원소를 운반하게 되고, 이로 인해 대륙이 맨틀에 흡수되는 것을 막을 수 있는 더 차갑고 강한 하부 지각으로 이어진다고 과학자들은 말했다. 그러나 그 열기의 근원에 대한 의문점은 남아 있다.
“우리는 암석권을 얇게 하는 것이 열을 지각으로부터 멀리 떨어뜨리는 장벽을 제거하는 것이라고 제안하고 있다”고 펜 주의 앤드류 스마이어 지질학 조교수가 말했다. “리오 그란데 균열에서 장벽을 제거하거나 얇게 만드는 것이 대륙 지각 안정화 과정을 시작하는 데 필요한 열을 발생시키는 것으로 보인다. 그리고 이것은 대륙이 어떻게 그렇게 안정되게 되는가에 대한 우리의 이해에서 간과되어 왔다.”
과학자들은 2만년 전 뉴멕시코의 화산에 의해 지표면에 떠올랐던 바위를 두드렸다. 이 암석들은 지질학적으로 젊다고 여겨지고 있으며, 이 암석들이 낮은 지각의 맥락을 유지하고 있기 때문에 중요하다고 과학자들은 말했다. 펜실베이니아 주립대 조슈아 가버 박사후기 연구원은 “대반적으로 전 세계 암석 기록에서 볼 수 있는 것은 그들을 수면 위로 끌어올리는데 필요한 것들이 하층부와의 원래 관계를 붕괴시켰다는 것”이라고 말했다. “이것은 지질학을 이해하기 위해 오래된 바위들을 사용하는 것을 정말 어렵게 만들고, 그것은 아마도 이 연구를 하기에 가장 좋은 장소를 리오 그란데로 만들 것이다.”
과학자들은 분석 기법을 사용하여 암석 속의 미네랄의 나이를 지각 속을 통과할 때 그들이 직면하는 압력과 온도와 연결시켰다. 리오 그란데의 낮은 지각과 다른 곳의 암석의 압력 및 온도 경로가 유사하다는 것은 암석권이 얇아지는 것이 지구의 대륙을 안정시키는 데 중요하다는 것을 보여준다고 과학자들은 말했다. 가버 교수는 “우리가 다른 지역에서 수집한 자료의 스냅샷은 리오 그란데 균열에서 발견한 것과 매우 잘 일치한다”고 말했다. “그러니까 지금 미국 서부에서만 이런 일이 벌어지고 있는 것이 아님을 알 수 있는 겁니다. 이는 대륙의 배짱이 적어도 지난 10억년 동안 전 세계적으로 이런 일을 겪었음을 보여준다.” 이 연구의 주요 저자로 꼽히는 캘빈 카터 박사는 수석 저자인 발 셰필드, MD, 박사, 소아과 교수, UI 카버 의과대학 안과 시각과학의 연구실에서 “당뇨병을 관리하기 위한 리모컨을 구축했다”고 말했다. “상대적으로 짧은 기간 동안 전자기장에 노출되면 혈당이 감소하고 인슐린에 대한 신체의 반응이 정상화된다. 효과가 오래 지속돼 수면 중에 응용할 수 있는 EMF 치료의 가능성을 열어두고 하루 종일 당뇨병을 관리할 수 있다.”
이 예상치 못한 놀라운 발견은 특히 현재의 치료법이 번거롭다고 생각하는 환자들에게 당뇨병 치료에 큰 영향을 미칠 수 있다. 새로운 연구는 EMF가 간에서 산화제와 항산화제의 균형을 변화시켜 인슐린에 대한 신체의 반응을 향상시킨다는 것을 보여준다. 이 효과는 “자기 더듬이”로 기능하는 것처럼 보이는 작은 반응성 분자에 의해 매개된다.”
초기 발견은 순전히 유행이었습니다. 카터의 공동 저자인 써니 황은 신진대사와 당뇨병에 관심이 있는 MD/PhD 학생으로 생쥐의 혈액을 채취하고 혈당 수치를 측정하는 연습이 필요했다. 카터는 EMF가 동물들의 뇌와 행동에 미치는 영향을 연구하기 위해 사용하던 쥐들 중 몇 마리를 그녀에게 빌려주겠다고 제안했다.
“평소 이 동물들은 높은 혈당과 2형 당뇨병을 가지고 있기 때문에 정말 이상했지만, EMF에 노출된 모든 동물들은 정상적인 혈당 수치를 보였다”고 황 교수는 말한다. “칼빈에게 ‘여기 이상한 일이 벌어지고 있다.'”
이 쥐들이 EMF 피폭 후 정상 혈당 수치를 보인다는 사실은 이 쥐들이 당뇨병에 걸린 유전적 변형을 겪었기 때문에 두 배로 이상했다.
카터는 “이것이 이 프로젝트에 불을 지핀 이유”라고 확인했다. “초기에는, 우리는 그 연구 결과가 유지될 경우 당뇨병 치료에 큰 영향을 미칠 수 있다는 것을 인식했다.”
그 연구 결과는 지지부진했다. 카터와 황은 셰필드, UI 당뇨병 전문가 데일 아벨, MD, UI 내과 의장과 함께 연구한 결과 정전기장과 전기장의 무선 어플리케이션은 2형 당뇨병의 세 가지 다른 마우스 모델에서 혈당을 변조한다는 사실을 발견했다. 연구팀은 또한 수면 중 지구의 약 100배인 그러한 분야에 대한 노출이 치료 후 3일 이내에 인슐린 저항성을 역전시켰다는 것을 보여주었다. EMF는 어디에나 있다; 통신, 내비게이션, 그리고 모바일 장치 모두 그것을 작동시키기 위해 사용한다. 예를 들어, EMF는 의학, MRI, EEG에도 사용된다. 그러나 그것들이 생물학에 어떤 영향을 미치는지에 대해서는 거의 알려져 있지 않다. 카터와 황은 EMF가 혈당과 인슐린 민감도에 미치는 생물학적 영향을 이해하기 위한 단서를 찾기 위해 1970년대의 조류 이동을 조사하는 문헌을 검토했다. 그들은 많은 동물들이 지구의 전자기장을 감지하고 항법뿐만 아니라 방향을 잡기 위해 그것을 사용한다는 것을 발견했다.
“이 문헌은 EMF에 의해 특정 분자와 상호작용할 수 있는 양자 생물학적 현상을 가리켰다. 우리 몸에는 작은 자기 안테나처럼 작용하는 분자가 있어 EMF에 대한 생물학적 반응이 가능하다”고 카터는 말한다. “이 분자들 중 일부는 산화제인데, 이 산화제들은 연구 영역인 redox 생물학에서 연구되고 있는데, 이는 의 행동을 다루는 연구 영역이다.

생명공학

툴루즈 화이트 바이오테크놀로지(TWB)는 생물학적 도구(엔자임, 미생물, 미생물 컨소시엄 등)를 설계·조성해 재생탄소 사용을 기반으로 한 화학분자(신슨), 바이오폴리머, 바이오소재, 바이오연료 생산에 새로운 길을 열어주는 산업화 전 시승기다.
1. 백인 생명공학을 장려하기 위해
백색 또는 산업용 생명공학은 재생 가능한 원료로 바이오매스를 사용하여 화학 물질, 재료, 에너지(바이오연료)를 산업 규모로 제조하기 위해 바이오트랜스 형성과 발효를 적용하는 것이다. 문제는 식품 요구와 경쟁하지 않고 재생 가능한 탄소를 활용하는 혁신적인 바이오 경제를 개발하는 데 있다.
플라스틱으로 1시간 만에 코비드 바이러스를 죽이다
2. 과학적 혁신의 촉매제
TWB는 지적 재산의 잠재적 원천인 개발 초기 단계에서 수행된 사전 경쟁적 프로젝트에 자금을 지원함으로써 과학 기술 혁신을 촉진한다. TWB는 연구에 대한 프로젝트 기반 접근방식을 채택함으로써 전문 분야의 전문가인 연구팀 간의 협업을 장려하여 과학 혁신 역량을 높인다.
3. 연구와 산업 간의 더 강력한 연결
20개 산업 파트너와 9개 공공기관으로 구성된 TWB 컨소시엄은 연구와 산업 간 교류를 촉진하기 위해 계약적 약정을 간소화하는 방식으로 구성된다. 그러므로 기술이전은 더 빠르다. 학술 연구자와 산업 협력자 간의 회의는 공동 프로젝트에 더 접근하기 쉽게 하기 위해 정기적으로 조직된다. 툴루즈 화이트 바이오테크놀로지의 이면에 있는 아이디어는 2010년 피에르 몬산(인사이트 툴루즈와 마인즈 파리테크 교수)이 주도하고 지역, 학술, 산업계의 참여자들의 지원으로 탄생했다. 모두가 국제적인 명성의 백인 생명공학 우수성을 위한 센터를 만들고자 하는 열망에 의해 추진되었다. 2011년 3월 인베스티션스 드라벤니르 수상자는 보건 및 생명공학 이전 산업 시위대 분야의 제안을 요청했으며, TWB 프로젝트는 ANR로부터 2천만 유로의 자금을 지원받았다. 2011년 10월에 시작된 이 프로젝트는 처음부터 30여 명의 파트너를 끌어들였고, 이후 이들은 함께 모여 민관 컨소시엄의 선봉이 되었다. TWB는 툴루즈 국립응용과학원(INRA 공동연구실 792, CNRS 공동연구실 5504)의 바이오시스템 및 공정공학연구소(LISBP)와 시너지 협력을 이끌어낸다. AERES에서 A+ 등급을 부여하고 330명의 직원을 자랑하는 이 실험실은 생화학공학과 공정분야에서 40년 이상의 경력을 보유하고 있다. 생체투석, 미생물 생리학, 미생물공학, 환경공정 등의 분야에서 전문성을 인정받고 있다.
4. TWB 합동 서비스 장치
TWB 사전 산업 시승자는 공동 서비스 단위(INRA 공동 서비스 단위 1337, CNRS 공동 서비스 단위 3582)이다. INRA, HISH, CNRS의 협회 협약 체결에 따라 만들어진 INRA가 지원하는 행정기관이다. TWB는 또한 3BCAR Carnot Institute 인증 실험실이다.
5. TWB 목표
TWB는 재생 가능한 탄소를 사용하는 경제의 출현을 특권으로 하여 지속가능한 생산을 위한 새로운 길을 여는 산업 전 시승기이다. “산업, 또는 백색 생명공학 분야의 미래 우수 센터”로 간주되는 TWB는 INRA, HIEH 및 CNRS(INRA UMS 1337, CNRS UMS 3582)의 세 가지 교육 하에 합동 서비스 유닛(UMS)을 중심으로 구성된다.
6. TWB는 세 가지 미션을 가지고 있다.
산업(백인) 생명공학을 촉진하고 생물경제의 출현을 촉진한다.
과학 혁신의 촉매제 역할을 하다
기초연구, 응용연구와 산업화의 연계를 강화하기 위하여
TWB는 독창적인 개념을 수용한다.
TWB는 연구 및 산업 사전 개발 분야에서 수행되는 프로젝트에 대해 창의적 접근과 윤리적이고 지속 가능한 개발 전략을 결합한다.
미사용 베르데진 생화학 플랜트 장비 판매
또한 TWB는 툴루즈 소재 국립응용과학원(INSA)의 바이오시스템 및 공정공학연구소(LISBP)로부터 취득한 전문성을 모아 다단계 첨단기술(유전자부터 제품, 공정까지)을 만든다. 또한 TWB는 공공 및 민간 협력업체가 공동의 사회 경제적 목표를 공유하고 TWB 프로젝트를 안내하고 속도를 높이기 위해 협력하는 적극적인 참여에 기초하여 선구적인 업무 조직을 제안한다. 이들이 묶인 컨소시엄 협약은 계약협상을 간소화해 협업 프로젝트를 신속하게 수립할 수 있도록 했다.
연구부터 산업화 이전 파일럿까지
동일한 현장에서 산업화 이전 시험까지 연구 단계를 지속할 수 있는 것은 효과적인 제품 개발 및 규모의 변화와 관련된 위험 감소에 매우 중요하다. 프로젝트 시작 시 산업 제약 조건을 고려하면 스케일업 실패 위험이 감소한다.
프로세스 개발 속도 향상
개발속도는 기업의 경쟁력을 좌우하는 결정 요인이다. 프로젝트 기반의 협업을 육성함으로써 보다 신속한 연구 프로그램 개발을 위해 팀원들에게 직접 접근하고, 정기적인 운영위원회 회의를 바탕으로 필요에 따라 조정할 수 있다.
분자 및 세포공학 전문가
시승자는 분자 및 세포공학뿐만 아니라 공정공학 분야의 최고 전문가들과 협력하며, 산업 생산 시 배 안에서 스케일링 요구사항을 충족한다.
윤리의 통합과 지속가능한 발전
TWB가 시행하는 프로젝트는 윤리적 고려에서 이익을 얻으며, 미래의 사회적 수용도를 평가한다. 라이프 사이클도 지속 가능한 개발 관점에서 분석한다.
링크스
툴루즈 화이트 바이오테크놀로지

지구과학을 배우다

빅토리아 주의 화산 역사에서 주 원주민 거주지가 확인됨34,000년 전의 IT화
화산 폭발의 연대를 위한 새로운 기술, 외로운 도끼 그리고 토착적인 구전 전통은 빅토리아에서 인간 점령을 위한 새로운 최소 연령을 제공한다. Erin Matchan 박사와 멜버른 대학의 David Phillips 교수에 의해 사람들이 언제 호주에 처음 도착했는지와 대륙을 가로질러 분산된 것의 본질에 대한 질문들은 현재 진행중인 논쟁의 주제들이다. 도자기 공예품과 영구적인 건축물의 부족은 약 1만년 이상 된 유서 깊은 고고학적 유적지의 명백한 부족을 초래했다. 그러나 어떤 증거가 있는지는 대륙의 대부분에서 3만년 이상 점령했음을 시사한다. 버지 빔은 호주에서 유일하게 원주민의 문화적 가치를 위해 등재된 세계유산이다. 서부 빅토리아 버지 빔 문화경관 세계유산에는 6000여 년 전 건디트즈마라족이 만든 세계에서 가장 오래된 것으로 알려진 양식 시스템이 버지 빔 화산단지로 불리는 화산 근처에 있다. 그러나 군디츠마라 부족은 이보다 훨씬 더 오래 이 지역에 살았으며, 이제 새로운 화산 활동 연대 측정 기법을 사용하여 이를 물리적인 고고학적 증거와 군디츠마라 족의 풍부한 구전 전통과 일치시켜 적어도 34,000년 전에 이 지역에 사람이 거주하고 있음을 확인했다. 호주에서 가장 오래된 것으로 알려진 인간의 거주에 대한 현존하는 증거는 주로 목탄의 방사성 탄소 연대 측정과 암반 보호구역 퇴적물에 있는 석영 알갱이의 연대 측정에서 광학적으로 자극된 발광(OSL)에서 나온다. 호주 남동부에서는 3만년 이상 된 6개 사이트(현재 태즈메이니아, 뉴사우스웨일스, 사우스오스트레일리아)만 ¹C 및/또는 OSL 방법에 의해 확정적으로 연대를 받은 것으로 간주되며, 연령은 37,000~5만년이다. 더 논란이 많은 나이들 중 몇 가지를 시험하고 희박한 나이 기록을 더하기 위해 독립적인 나이 제약이 필요하다. 호주 원주민들의 구전 전통은 여러 세대에 걸쳐 생태학적 지식을 영속시킬 수 있게 하여 고고학적 정보의 귀중한 자원을 제공하고 있다. 일부 살아남은 전통은 화산 폭발, 지진, 운석 충돌과 같은 지질학적 사건을 참조하는 것으로 보이며, 이러한 전통들 중 일부는 수천 년 동안 전해졌을지도 모른다고 제안되어 왔다. 예를 들어 퀸즐랜드 북부의 7,000년 된 킨라라 화산 주변의 구강 전통과 현재보다 훨씬 낮은 해수면 및 수천년 전에 존재했던 더 차가운 기후를 반영하는 식물의 극적인 차이를 암시하는 구강 전통이 있다. 최근 라바의 위치를 보여주는 도식화된 지도와 호주 남동부의 3만 년 이상 된 점령지가 확인되었다. 빅토리아 서부와 남부 오스트레일리아의 평야는 눈에 잘 띄는 작은 언덕과 눈에 띄게 둥근 호수로 둘러싸여 있다. 이러한 두드러진 특징은 지질학적으로 매우 젊은 화산의 잔재들이다. 400개 이상의 개별 화산이 멸종된 것으로 간주되는 반면, 화산성 중 일부인 새로운 화산성은 활화산으로 간주된다. 이 지역은 오스트레일리아에서 가장 어린 화산인 감비에르 산과 샹크 산을 포함하며, 둘 다 약 5,000년 된 화산이다. 왜 지구의 일부가 30억년 동안 거의 변하지 않았는가? 정확한 연령이 아직 밝혀지지 않았지만, 신 화산 지방의 많은 다른 화산들은 지난 10만년 이내에 폭발한 것으로 생각되며, 수만년 전에 이 지역에 살고 있는 사람들은 틀림없이 화산 활동을 목격했을 것이다. 하지만, 호주에서는 화산재 퇴적물과 용암의 흐름 아래에서 고고학적 증거가 거의 발견되지 않았다. 아마도 극소수의 연구들이 이것을 찾아냈기 때문일 것이다. 버즈 빔 화산단지(옛 에클레스 산)에서 남동쪽으로 약 40km 떨어진 타워힐 화산재(옛 에클레스 산)에서 곱게 층을 이룬 화산재가 잇따라 기둥구멍을 침하하는 과정에서 돌로 된 한 점인 ‘부시필드 도끼’가 1940년대에 우연히 발견되었다. 타워 힐에서 나온 이 재는 아직 연대가 정해지지 않았다. 부시필드 도끼와 연관된 타워 힐의 나이는 빅토리아에 인간이 존재할 수 있는 최소 연령을 나타낸다. 화산재 위와 아래의 퇴적물에 대한 OSL과 ¹C 연대를 결합한 연구 결과 이전에 분출 연령이 35,000 ± 3,000년으로 추정되었다. 그러나, 부시필드 도끼의 존재가 널리 알려져 있지 않기 때문에, 그 연구는 이 시대의 고고학적 영향을 고려하지 않았다. 버즈 빔 화산 단지의 이전 연령은 가변적이며, 주로 용암이 지역 배수 체계를 변형한 후 형성된 늪과 분화구 호수 내 퇴적물의 ¹C 데이트(레이크 서프라이즈)에서 유래한다. 이러한 늪 침전물 중 가장 오래된 것으로서 약 31,400 ± 400년은 버지 빔 화산 단지의 분출 최소 연령을 나타낸다. 이는 용암 표면 노출 연대 측정법에 의해 결정된 33,600 ± 5,200년, 39,600 ± 7,000년의 나이와 일치하지만, 정확한 분출 연대는 지금까지 확실히 알려지지 않았다. 아르곤 아르곤-아르곤(또는 ⁴/Ar/ar datingAr daying)이라고 불리는 또 다른 데이트 기법은 인근 라우즈 산(28만4,400년 +/- 1,800년)을 포함한 훨씬 오래된 화산의 데이트 기법이다. 멜버른 대학 지구과학대학의 우리 연구실에서의 연구를 포함한 지난 10년간의 기술향상은 칼륨이 광물에서 아르곤으로 변하는 자연방사성 붕괴율에 의존하는 ⁴Ar/³Ar 데이트가 고고학적 타임칼립에 성공적으로 적용될 수 있다는 것을 확고히 확립했다. 연구 구역 내 화산의 위치와 ⁴Ar/ samplingAr 샘플링 위치를 보여주는 도식 지질도. 지오로지 저널에 게재된 우리의 연구에서는 커틴 대학의 프레드 주르단 교수와 코리엔 우스팅 박사와 협력하여 타워 힐 화산 폭발 순서에서 나온 ‘라바 폭탄’과 버즈 빔 화산으로부터 흘러나오는 용암 흐름 중 가장 큰 용암 흐름인 티렌다라 용암 흐름의 샘플에 ⁰Ar/³Ar 데이트 기술을 적용했다. 이 연구는 빅토리아 박물관과 함께 멜버른 대학의 맥코이 씨드 기금과 ARC Discovery Grant에 의해 지원되었다. 이러한 분석으로 타워힐의 용암 분출 연령이 36,800 ± 3,800년, 버지 빔 화산 단지의 용암 분출 연령이 36,900 ± 3,100년이었다. 이 연령대는 호주 남동부의 6개 초기 직업군에 대해 보고된 ¹C와 OSL 연령의 범위 내에 속한다. 부시필드 도끼와 연관된 타워 힐의 나이는 빅토리아에 인간이 존재할 수 있는 최소 연령을 나타낸다. 그리고 만약 Budj Bim을 둘러싼 구전 전통이 정말로 화산 활동을 언급한다면, 이것은 이것이 세계에서 가장 오래 지속된 구전 전통 중 일부라는 것을 의미할 수 있다.

환경공학 알아보기

환경 엔지니어: 급여, 진로, 직업 전망, 교육 등
교육 필요
초급 환경공학직은 학사학위가 필요하다. 프로그램은 교실, 실험실, 현장 학습을 포함한다. 일부 대학에서는 학생들이 교육을 이수하면서 실질적인 경험을 쌓는 협력 프로그램을 제공한다. 선진화초보 엔지니어는 지식과 경험을 쌓으면서 더욱 어려운 프로젝트로 넘어가며 디자인을 개발하고 문제를 해결하고 의사정을 할 수 있는 독립성이 더 크다. 결국, 환경 기술자들은 기술 전문가가 되거나 기술자와 기술자로 구성된 팀을 감독하기 위해 진격할 수 있다. 환경기술자로서 초급직에는 면허가 필요하지 않다. 더 높은 수준의 리더십과 독립성을 허용하는 프로페셔널 엔지니어링(PE) 자격증은 경력 후반기에 취득할 수 있다. 면허를 취득한 엔지니어를 전문 엔지니어(PE)라고 한다. PE는 다른 엔지니어의 작업을 감독하고 프로젝트를 승인하며 대중에게 직접 서비스를 제공할 수 있다. 주정부 허가서에는 일반적으로 요구되는 사항이 있다. 환경 공학자들은 환경 문제에 대한 해결책을 개발하기 위해 공학, 토양 과학, 생물학, 화학의 원리를 이용한다. 그들은 재활용, 쓰레기 처리, 공중 보건, 수질과 대기 오염 통제를 개선하기 위해 일한다. 그들은 또한 안전하지 않은 식수, 기후 변화, 환경 지속 가능성과 같은 세계적인 문제들을 다룬다.
최고의 환경공학 학교 찾기
최고 유급 환경공학 졸업생 환경공학은 2018~2019년 1712명의 학사학위가 수여돼 전국에서 가장 인기 있는 전공 136위다. 당신이 선택한 환경 공학 학교는 당신의 시간과 돈을 문제에 투자한다. 귀하에게 적합한 결정을 내릴 수 있도록, 우리는 이 최고 유급 환경 공학 졸업생 명단을 포함하여, 여러 가지 주요별 순위를 개발했다. 올해 가장 높은 연봉을 받은 환경공학과 졸업생 순위는 환경공학과 학사학위를 받은 23개 대학을 분석했다. 이 순위에 사용된 숫자는 초기의 직업 급여로, 우리는 한 학생이 대학에 들어간 지 10년 후라고 정의한다. 이는 졸업 후 전형적으로 4~6년 정도 벌어들인 급여지만 학위 이수 기간이 얼마나 되느냐에 따라 달라질 수 있다.
환경 공학자들은 무엇을 하는가?
환경 엔지니어는 일반적으로 다음을 수행한다.
환경 조사 보고서 작성, 검토 및 업데이트
수질개량시설이나 대기오염관리시스템 등 환경보호로 이어지는 설계사업
계획, 허가 및 표준 운영 절차 획득, 업데이트 및 유지 관리
환경 개선 프로젝트 및 법적 조치에 대한 기술 지원 제공
과학 데이터 분석 및 품질 관리 검사
환경 개선 프로그램의 진행 상황 모니터링
환경규제의 준수를 보장하기 위해 산업 및 시·군 시설 및 프로그램을 점검한다.
기업 및 정부기관에 오염현장의 정화 절차에 대해 조언
환경 엔지니어는 위험의 중요성을 평가하고 위험의 처리 및 저장에 대해 조언하는 유해 폐기물 관리 연구를 수행한다. 또 시·공업용수 공급과 공업용 폐수 처리 시스템을 설계하고, 제안된 건설사업이 환경에 미치는 영향도 연구한다. 정부의 환경 기술자들은 불상사를 예방하기 위해 규제를 개발한다. 일부 환경 공학자들은 산성비, 기후 변화, 자동차 배출, 오존 파괴의 영향을 최소화하는 방법을 연구한다. 그들은 또한 환경문제와 환경 지속가능성을 해결하기 위해 환경과학자, 도시 및 지역계획가, 유해폐기물 기술자 및 기타 엔지니어들과 법률 및 사업 전문가와 협력한다. 자세한 내용은 환경 과학자와 전문가, 유해 물질 제거 작업자, 변호사, 도시 및 지역 계획자에 대한 직업 프로파일을 참조하십시오. 전형적인 주당 근무는 없다. 여름에 몇 주 동안, 우리는 여름에 공사를 하거나 모든 공사를 하기 때문에, 우리는 열흘 동안 바로 일을 할 수 있다. 분명히 우리가 강에서 일하기 때문에 날씨에 의존적이기 때문에 당신은 10일 동안 똑바로 일할 수 있고 그리고 7일 동안 강에서 모든 것을 빼내야 한다. 왜냐하면 당신은 모든 것이 씻겨지는 것을 원하지 않기 때문에 여름의 날씨에 크게 의존하기 때문이다. 겨울에는 모든 여분의 일을 하고 공사 기간 동안 물건을 준비한다. 하지만 요즘 대부분의 직장에서도 아마 매주 평균 40시간에서 50시간씩 일할 것으로 예상할 수 있을 겁니다. 여름철에는 주로 낮에는 야외지만, 겨울에는 5/8인치나 1/1인치 두께의 수영복을 입고 몸을 따뜻하게 하는 프로젝트를 했다. 얼음덩어리가 널 때려서 좀 강렬해. 그래서 이 프로젝트들은 겨울에 할 수 있지만 이상적이지는 않다. 보통 겨울에는 컴퓨터 작업이 많다. 우리 아빠는 엔지니어라서 내가 거의 무릎 높이일 때부터 공학을 하고 계셔. 그래서 내 뇌에 이런 게 배어 있었어. 밖에 있는 게 너무 좋아. 나는 내 손을 더럽히는 것을 좋아한다. 나는 나만의 데이터를 수집하고 분석을 하는 것을 좋아한다. 내 생각엔 내가 다른 일을 하기 싫어서 그냥 결석한 것 같아. 나는 그것이 서식지를 향상시키는 것을 좋아한다. 나는 그것이 환경에 좋다는 것이 좋다. 나는 네가 지역사회에 관여하는 것이 좋다. 게다가 대부분의 사람들은 우리가 하고 있는 일, 우리가 해왔던 일, 혹은 우리가 그들을 위해 할 일에 대해 정말 행복해 한다. 또한 사람, 시간 및 예산을 관리하고 초기 사이트를 설계한 것에서 구축한 것으로, 그리고 사람들이 즐길 수 있는 것으로 이동하는 것을 보는 것도 재미있다. 시간의 변동성은 때때로 다루기 매우 어렵다. 60시간이나 70시간을 일하려고 할 때 처럼요. 그것들은 당신을 지치게 하고, 피곤하고, 허리가 아프고, 무릎이 아프고, 손이 아프기 때문에 그렇게 재미있지는 않다. 금요일과 토요일 밤에 가끔 놓치곤 해. 그것은 분명히 그럴 가치가 있지만 그 당시에는 아닐지도 모른다. 또한 우리는 많은 다른 그룹, 정부 및 민간 기관, 그리고 마을과 관련되어 있기 때문에 많은 의사소통이 필요하다. 많은 사람들이 이 프로젝트에 많은 시간을 할애하고 있기 때문에 결정을 내리는 사람들이지만 그들이 무슨 말을 하는지 항상 확신하지 못하는 50명의 다른 사람들과 기관들에게 보고해야 하는 것은 때때로 짜증난다.
우리는 어떤 제안서라도 제출하고 일의 범위를 초안했다. 우리가 그 프로젝트를 위해 시간을 할애하는 것은 대개 우리가 돈을 벌어야 하는 것이기 때문에 때로는 많은 돈을 벌기도 하고 때로는 손해를 보기도 하지만 보통 어떻게 나올지 잘 알고 있기 때문에 프로젝트 별로 시간급이 아니다. 빠른 차와 여자는 대단하다. 농담하는 엔지니어가 되려면 어떤 사람이 필요하다. 보통 공과대학의 처음 2년 동안 당신은 약 절반의 아이들이 중퇴하고 다른 곳으로 가는 것을 볼 수 있다. 그래서 확실히 어떤 종류의 사람이 필요하지만, 당신은 당신이 한 일과 희망적으로 사람들을 돕고 환경을 돕는 일에 대해 정말 좋게 느낀다. 나는 그것이 아마도 우리가 보는 가장 큰 특전이 될 것이라고 생각한다.

인공지능

디지털 라이프는 인간의 능력을 향상시키고 오랜 인간의 활동을 방해하고 있다. 코드 기반 시스템은 주변 정보 및 연결에 있어 세계 인구의 절반 이상에게 확산되어 이전에는 상상도 할 수 없었던 기회와 전례 없는 위협을 제공하고 있다. 신흥 알고리즘 중심의 인공지능(AI)이 계속 확산되면서 지금보다 더 잘 살 수 있을까. 기술 개척자, 혁신가, 개발자, 기업 및 정책 리더, 연구자, 활동가 등 979명이 2018년 여름 실시된 전문가 여론 조사에서 이 같은 질문에 답했다. 전문가들은 네트워크로 연결된 인공지능이 인간의 효율성을 증폭시키기는 하지만 인간의 자율성과 기관, 능력까지 위협할 것으로 전망했다. 그들은 컴퓨터가 복잡한 의사 결정, 추리 및 학습, 정교한 분석 및 패턴 인식, 시각적 예민성, 음성 인식 및 언어 번역과 같은 업무에서 인간의 지능과 능력을 일치시키거나 능가할 수 있는 광범위한 가능성에 대해 언급했다. 그들은 지역사회, 차량, 건물, 공공시설, 농장, 사업 프로세스에서의 “스마트” 시스템이 시간, 비용 및 생명을 절약하고 개인들이 더 맞춤화된 미래를 즐길 수 있는 기회를 제공할 것이라고 말했다. 많은 이들은 낙관적인 발언을 건강 관리와 환자를 진단하고 치료하거나 노인들이 보다 충만하고 건강한 삶을 살 수 있도록 돕는 데 있어 가능한 많은 AI 적용에 집중했다. 그들은 또한 개인 게놈에서 영양에 이르는 모든 것에 대해 향후 몇 년 안에 포착될 수 있는 방대한 양의 데이터를 중심으로 구축된 광범위한 공중 보건 프로그램에 AI의 역할에 열광했다. 게다가, 이들 전문가들 중 다수는 AI가 오랫동안 기대했던 공식 및 비공식 교육 시스템의 변화를 완화시킬 것이라고 예측했다. 그러나 대부분의 전문가들은 낙관적이든 아니든 간에 이러한 새로운 도구들이 인간이라는 본질적인 요소에 장기적으로 미치는 영향에 대해 우려를 표명했다. 이 비과학적 조사에 참여한 모든 응답자들은 왜 AI가 사람들을 더 잘 살게 할 것인지 아닌지에 대해 자세히 설명해 달라는 요청을 받았다. 많은 사람들이 깊은 고민을 나누었고, 많은 사람들이 해결의 길을 제시하기도 했다. 위협과 해결책에 대해 그들이 들렸던 주요 주제들은 첨부된 표에 요약되어 있다.
AI와 인간의 미래: 전문가들은 우려를 표명하고 해결책을 제시한다.
관심사 휴먼 에이전시
개인들은 그들의 삶에 대한 통제력을 상실하고 있다.
디지털 라이프의 주요 측면에 대한 의사결정은 코드 기반의 “블랙박스” 도구에 자동으로 양도된다. 사람들은 입력이 부족하고 도구가 어떻게 작동하는지에 대한 문맥도 배우지 못한다. 그들은 선택의 자유, 프라이버시, 권력을 희생한다; 그들은 이러한 과정에 대한 통제권을 가지고 있지 않다. 자동화된 시스템이 더 널리 보급되고 복잡해짐에 따라 이러한 효과는 더욱 심화될 것이다.
데이터 남용:
복잡한 시스템의 데이터 사용 및 감시는 수익 또는 전력 사용을 위해 설계됨
대부분의 AI 도구는 이윤을 위해 노력하는 기업이나 권력을 위해 노력하는 정부의 손에 달려 있으며, 앞으로도 그럴 것이다. 가치와 윤리는 종종 사람들의 결정을 만드는 디지털 시스템에 구워지지 않는다. 이러한 시스템은 전세계적으로 네트워크화되어 있으며 규제하거나 통제하기가 쉽지 않다.
작업 손실:
AI의 일자리 인수는 경제 분열을 확대시켜 사회 격변으로 이어질 것이다.
코드 기반 기계 지능의 효율성과 다른 경제적 이점은 인간 작업의 모든 측면을 계속해서 방해할 것이다. 어떤 이들은 새로운 일자리가 등장할 것으로 예상하지만, 다른 이들은 대규모 일자리 감소, 경제 격차 확대, 그리고 포퓰리즘적인 봉기를 포함한 사회적 격변을 우려하고 있다.
종속성 잠금:
개인의 인지, 사회 및 생존 기술 감소
많은 사람들은 AI가 인간의 능력을 증가시키는 것으로 보지만, 일부는 그 반대라고 예측한다. 즉 사람들이 기계 구동 네트워크에 대한 의존도가 심화되면 스스로 생각하고 자동화된 시스템으로부터 독립적으로 행동하며 다른 사람들과 효과적으로 상호작용할 수 있는 능력이 잠식될 것이다.
메이헴:
자율 무기, 사이버 범죄 및 무기화된 정보
일부는 전통적인 사회정치적 구조의 추가 침식과 자율적 군사 신청의 가속화와 인간 집단을 위험하게 불안정하게 하기 위한 무기화된 정보, 거짓말, 선전 사용으로 인해 많은 인명 손실이 발생할 가능성을 예측한다. 일부 사람들은 또한 사이버 범죄자들이 경제 시스템에 손을 뻗칠까 두려워한다.
제안된 솔루션 글로벌 제품 1위:
국경을 초월한 인간 협업 개선
이해관계자 집단
인류의 최고 이익을 위해 디지털 협력이 최우선이다. 전 세계 사람들이 공통의 이해와 합의에 도달할 수 있는 방법을 찾아야 한다 – 악랄한 문제를 해결하고 복잡한 인간-디지털 네트워크에 대한 통제력을 유지하기 위해 널리 받아들여지는 접근법의 혁신을 촉진하기 위해 힘을 합칠 수 있어야 한다.
가치 기반 시스템:
인공지능을 보장하기 위한 정책 개발은 ‘인간성’과 ‘공감’을 지향할 것이다.인간이 사회적, 윤리적 책임에 부합하도록 공격적으로 보장하는 포괄적이고 분산된 지능형 디지털 네트워크를 구축하기 위한 ‘달샷 사고방식’을 채택한다. 새로운 수준의 규제와 인증 과정이 필요할 것이다.
사용자 우선 순위 지정:
인간이 ‘로봇과 함께 경주’할 수 있도록 경제 및 정치 시스템을 변경하십시오. 인간의 능력을 고도화하기 위해 인간의 역량과 능력을 확대한다는 목표를 향해 경제·정치 체제를 정비한다.프로그래밍된 인텔리전스에 직면하여 인간 관련성을 손상시킬 수 있는 AI 협업 및 견고한 동향.
퓨 리서치 센터와 엘론 대학의 인터넷 센터 상상
구체적으로 참가자들에게 다음 사항을 고려하도록 했다.
“2030년을 기대해 달라. 분석가들은 사람들이 복잡한 디지털 시스템에서 네트워크로 연결된 인공지능(AI)에 더욱 더 의존하게 될 것으로 기대하고 있다. 어떤 사람들은 우리가 이러한 네트워크화된 도구를 널리 구현함에 따라 대부분 긍정적인 결과로 삶을 증진시키는 역사적인 호를 계속할 것이라고 말한다. 일부 사람들은 이러한 AI와 관련 시스템에 대한 우리의 의존도가 높아지면 광범위한 어려움으로 이어질 가능성이 높다고 말한다. 우리의 질문: 2030년까지 AI와 관련 기술 시스템의 발전이 인간의 능력을 향상시키고 그들에게 힘을 실어줄 것이라고 생각하는가? 즉, 대부분의 경우, 오늘날보다 대부분의 사람들이 더 잘 살 것인가? 아니면 AI와 관련 기술 시스템을 고도화하면 인간의 자율성과 기관이 줄어들기 때문에 대부분의 사람들이 현재보다 형편이 나아지지 않을 가능성이 가장 큰가?” 전반적으로, 그리고 그들이 두려워하는 단점에도 불구하고, 이번 조사에서 응답자의 63%는 2030년에 대부분의 개인들이 더 잘 살기를 희망한다고 말했고, 37%는 사람들이 더 나아지지 않을 것이라고 말했다. 이번 캠페인에 참여한 다수의 사상 지도자들은 이러한 도구, 플랫폼 및 네트워크가 어떻게 설계, 배포 및 업데이트되는지에 세심한 주의를 기울여야만 기술 시스템에 대한 인간의 의존 확대가 잘 될 것이라고 말했다. 강력하고 중요한 답변 중 일부는 다음과 같다. 미국 상무부 디지털경제자문위원회(Digital Economic Board of Advisors) 창립 멤버인 소니아 캐티알 버클리 법률기술센터 공동대표는 “2030년에는 AI에 대한 인식과 그 적용이 향후 민권 궤도에 어떤 영향을 미칠지 가장 큰 질문이 쏟아질 것”이라고 전망했다. 프라이버시, 발언권, 집회권, 인간성의 기술적 구축에 관한 질문들이 모두 이 새로운 AI 맥락에서 다시 떠오를 것이며, 모든 이들을 위한 평등과 기회에 대한 우리의 가장 깊이 간직되어 있는 신념에 의문을 던질 것이다. 이 새로운 세계에서 누가 이익을 볼 것이며 누가 불이익을 받을 것인가는 오늘날 우리가 이 질문들을 얼마나 광범위하게 분석하느냐에 달려 있다, 미래를 위해.”
우리는 기술이 우리의 가치에 부합하도록 적극적으로 노력해야 한다.
에릭 브린졸프손
‘기계, 플랫폼, 크라우드: 우리의 디지털 미래 활용’의 저자인 에릭 브린졸프슨 디지털경제 MIT 이니셔티브 이사는 “AI와 관련 기술은 이미 많은 분야에서 초인적인 성과를 달성했으며, 2030년쯤에는 그들의 역량이 매우 크게 향상될 것이라는 데는 거의 의심의 여지가 없다. …나는 우리가 세상을 더 나은 곳으로 만들기 위해 이 힘을 사용할 가능성이 있다고 생각한다. 예를 들어, 우리는 지구의 거의 모든 사람들에게 더 나은 교육을 제공할 수 있고, 세계 빈곤을 사실상 제거할 수 있다. 그렇기는 하지만, AI와 ML[기계학습]은 부와 권력을 점점 더 집중시켜 많은 사람들을 뒤로 하고, 훨씬 더 무서운 무기를 만드는 데도 사용될 수 있다. 어떤 결과도 피할 수 없는 것이 아니기 때문에 올바른 질문은 ‘어떻게 될 것인가?’가 아니라 ‘무엇을 선택할 것인가?’이다. 우리는 기술이 우리의 가치에 부합하도록 적극적으로 노력해야 한다. 이는 정부, 기업, 학계, 개인의 선택에 이르기까지 모든 차원에서 할 수 있고 또 해야 한다.” 첨단 신경 인터페이스 개발업체인 커널과 벤처캐피털인 OS펀드의 브라이언 존슨 창업자 겸 CEO는 “인간의 비합리성 추세를 AI 앞에 두고 급진적인 인적 쇄신을 우선시하는 쪽으로 경제시스템을 전환할 수 있느냐에 따라 답이 달라진다”고 말했다. 나는 단지 직업을 의미하는 것이 아니라, 진실하고 실존적인 무관심, 이것이 인간의 안녕과 인지를 우선시하지 않는 최종 결과라는 것을 의미한다.” 마리나 고르비스 미래연구소 상무는 “우리 정치경제와 데이터 거버넌스 체제에 큰 변화가 없다면 [AI]는 더 큰 경제적 불평등, 더 많은 감시, 그리고 더 프로그램화되고 비인간적인 상호작용을 일으킬 가능성이 있다”고 말했다. 우리가 우리의 환경을 프로그래밍할 때마다, 우리는 결국 우리 자신과 우리의 상호작용을 프로그래밍하게 된다.

환경공학

정의
‘바이오텍’이나 ‘바이오테크놀로지’라는 넓은 개념은 인공선택과 잡종을 채용한 사육 프로그램을 통해 인간의 목적에 따라 생물체를 개조하고, 동물의 가축화, 식물의 재배로 돌아가며, 이를 ‘개선’하는 광범위한 절차를 포괄한다. 현대 용법에는 세포와 조직 배양 기술뿐만 아니라 유전 공학도 포함된다. 미국화학회는 생명공학이 생명과학과 제약, 농작물, 가축 등 물질과 생물의 가치향상을 위해 다양한 산업에 의한 생물학적 유기체, 시스템 또는 공정을 응용한 것으로 정의하고 있다.[1] 유럽생명공학연합에 따르면 생명공학은 자연과학과 유기체, 세포, 세포, 그 일부, 그리고 제품과 용역에 대한 분자 유사점의 통합이다.[2] 생명공학은 기초생물학(예: 분자생물학, 생화학, 세포생물학, 발생학, 유전학, 미생물학)을 기반으로 하며, 반대로 생물학의 기초연구를 지원하고 수행할 수 있는 방법을 제공한다. 생명공학은 고부가가치 제품을 계획할 수 있는 생화학 공학을 이용하여(예를 들어, 생물합성술에 의해 재생산됨), 예측, 공식화, 디브이(deve)하는 모든 생물체 및 바이오매스의 출처로부터 탐사, 추출, 착취 및 생산을 위해 생물정보학을 사용하는 실험실의 연구 개발이다.지속가능경영(R&D에 대한 바닥없는 초기투자로 인한 수익) 및 내구특허권 획득(매출특허권, 이에 앞서 동물실험 및 인체실험 결과, 특히 pp에서 국가 및 국제 승인을 받기 위한)을 목적으로 레이버드, 제조, 마케팅을 실시한다.제품을 사용하여 탐지되지 않은 측면 장애물 또는 안전 문제를 방지하기 위한 생명공학의 제약 부문).[3][4][5] 생물학적 과정, 유기체 또는 시스템을 이용하여 인간의 삶을 개선할 것으로 예상되는 제품을 생산하는 것을 생명공학이라고 한다. 이와는 대조적으로, 생명공학은 일반적으로 생물과의 인터페이스와 활용을 위해 더 높은 시스템 접근법(생물학적 물질의 직접 변경 또는 사용)을 더 많이 강조하는 관련 분야로 생각된다. 생명공학은 공학과 자연과학의 원리를 조직, 세포, 분자에 적용하는 것이다. 이것은 식물과 동물의 기능을 향상시킬 수 있는 결과를 얻기 위해 생물학을 연구하고 조작함으로써 얻은 지식의 이용이라고 볼 수 있다.[7] 이와 관련하여 바이오의약품공학은 특히 조직공학, 바이오의약품공학, 유전공학 등 바이오의약품 또는 화학공학의 특정 하위분야에서 (다양한 정의에 의해) 생명공학을 도출하여 적용하는 중복분야다.
역사
양조는 생명공학의 초기 응용이었다.
주요 기사: 생명공학의 역사
비록 일반적으로 가장 먼저 떠오르는 것은 아니지만, 많은 형태의 인간 유래 농업은 ‘생체공학 시스템을 활용하여 제품을 만든다’라는 넓은 정의에 부합한다. 사실, 식물의 재배는 가장 초기 생명공학적인 사업으로 여겨질 수 있다. 농업은 신석기 혁명 이후 식량을 생산하는 지배적인 방법이 되었다고 이론화되었다. 초기 생명공학을 통해, 초기 농부들은 증가하는 인구를 부양할 충분한 식량을 생산하기 위해 가장 적합한 작물을 선별하고 번식시켰다. 농작물과 밭이 점점 커지고 유지하기가 어려워지면서 특정 생물과 그 부산물이 효과적으로 비료와 질소 복원, 해충 방제를 할 수 있다는 사실이 밝혀졌다. 농업의 역사를 통틀어, 농부들은 농작물을 새로운 환경에 도입하고 다른 식물들과 번식시킴으로써 의도치 않게 농작물의 유전학을 변형시켰는데, 이는 최초의 생명공학 형태 중 하나이다. 이러한 과정은 맥주의 조기 발효에도 포함되었다. 이러한 과정은 초기 메소포타미아, 이집트, 중국, 인도에서 도입되었으며, 여전히 같은 기본적인 생물학적 방법을 사용하고 있다. 양조할 때, 맥아 알갱이(포함효소)는 곡물의 전분을 설탕으로 변환한 다음 특정한 효모를 첨가하여 맥주를 생산한다. 이 과정에서 곡물 속 탄수화물은 에탄올과 같은 알코올로 분해됐다. 후에 다른 문화권에서는 젖산 발효 과정을 만들어 냈는데, 이 과정에서 간장과 같은 다른 보존식품이 생산되었다. 발효는 또한 이 시기에 발효된 빵을 생산하는데 사용되었다. 비록 발효 과정이 1857년 루이 파스퇴르의 연구 전까지 완전히 이해되지는 않았지만, 식재료를 다른 형태로 전환하는 것은 여전히 생명공학의 첫 번째 사용이다.
찰스 다윈의 일과 삶이 시작되기 전, 동물과 식물 과학자들은 이미 선택적 번식을 이용했다.
다윈은 종을 변화시키는 과학의 능력에 대한 과학적인 관찰로 그 연구체를 더했다. 이러한 설명들은 다윈의 자연 선택 이론에 기여했다. 수천 년 동안 인간은 선택적 번식을 통해 농작물과 가축의 생산을 향상시켜 식용으로 사용해 왔다. 선택적 사육에서는 바람직한 특성을 가진 유기체를 결합하여 동일한 특성을 가진 자손을 생산한다. 예를 들어, 이 기술은 옥수수와 함께 가장 크고 달콤한 농작물을 생산하기 위해 사용되었다. 20세기 초에 과학자들은 미생물학에 대한 이해를 높이고 특정 제품을 제조하는 방법을 탐구했다. 1917년, Chaim Weizmann은 제1차 세계 대전 동안 영국이 폭발물 제조에 절실한 아세톤을 생산하기 위해 Clostridium acetobutylicum을 사용하여 옥수수 전분을 제조하는 산업 공정에서 순수한 미생물학적 문화를 처음 사용했다. 생명공학은 항생제 개발로도 이어졌다. 1928년에 알렉산더 플레밍은 페니실리움 곰팡이를 발견했다. 그의 연구는 하워드 플로리, 에른스트 보리스 체인과 노먼 히틀리에 의해 형성된 항생제 화합물을 정화시켜 오늘날 우리가 페니실린으로 알고 있는 것을 형성하게 했다. 1940년에 페니실린은 인간의 박테리아 감염을 치료하기 위해 약용으로 사용할 수 있게 되었다. 현대 생명공학 분야는 일반적으로 유전자 스플라이싱에 대한 폴 버그(스탠포드)의 실험이 초기 성공을 거두었던 1971년에 태어난 것으로 생각된다. 허버트 W. 보이어(유니브). 캘리포니아 주(샌프란시스코)와 스탠리 N. 코헨(스탠포드)은 1972년 수입된 물질이 재생산될 수 있도록 유전 물질을 박테리아로 옮겨 신기술을 대폭 발전시켰다. 생명공학 산업의 상업적 생존가능성은 1980년 6월 16일 미국 대법원이 다이아몬드 대 차크라바티 사건에서 유전자 변형 미생물이 특허를 받을 수 있다고 판결하면서 크게 확대되었다.[12] 인도 태생인 아난다 차크라바티는 제너럴 일렉트릭(General Electric)에서 일하면서 원유 분해 능력이 있는 박테리아(Phyogomanas)를 변형시켰는데, 그가 기름유출물 치료에 사용하자고 제안한 것이다.(차크라바티의 작업은 유전자 조작이 아니라 오히려 필로모나스균의 균주 사이의 전체 오르간세포 이전을 수반하였다. MOSFET는 모하메드 M에 의해 발명되었다. 1959년 아탈라와 다원카엥.[13] 2년 후, Leland C. 클라크와 챔프 라이온스는 1962년에 최초의 바이오센서를 발명했다.[14][15] 바이오센서 MOSFET는 나중에 개발되었으며, 그 이후 물리, 화학, 생물학적, 환경적 변수를 측정하는 데 널리 사용되어 왔다.[16] 최초의 바이오FET는 1970년 피에트 베르그벨트에 의해 발명된 이온민감 전계효과 트랜지스터(ISFET)이다.[17][18] 금속 게이트를 이온 민감막, 전해액 및 기준 전극으로 대체하는 특수한 형태의 MOSFET이다.[19] ISFET는 DNA 잡종 검출, 혈액에서 생체마커 검출, 항체 검출, 포도당 측정, pH 감지, 유전기술 등 바이오의학 용도에 널리 사용된다. 1980년대 중반까지 가스 센서 FET(가스펫), 압력 센서 FET(PRESFET), 화학 전계 효과 트랜지스터(켐펫), 참조 ISFET(REFET), 효소 변형 FET(ENFET), 면역 변형 FET(IMFET) 등 다른 바이오 FET가 개발되었다.[16] 2000년대 초반까지 DNA 전계효과 트랜지스터(DNAFET), 유전자변형 FET(GenFET), 세포전위 바이오FET(CPFET) 등의 바이오FET가 개발되었다. 생명공학 분야의 성공에 영향을 미치는 요인은 고령화와 병든 미국 인구에 대처하기 위한 의료 및 의약품에 대한 수요의 강화와 더불어 전 세계적으로 지적 재산권 및 시행 개선이다. 에너지부는 에탄올 사용량이 2030년까지 미국의 석유 유래 연료 소비량을 최대 30%까지 줄일 수 있을 것으로 전망하고 있어 바이오 연료에 대한 수요 증가는 생명공학 분야에 희소식이 될 것으로 예상된다. 생명공학 분야는 해충과 가뭄에 저항하는 유전자 변형 종자를 개발함으로써 미국 농업이 생물연료의 주요 투입물인 옥수수와 콩의 공급을 빠르게 늘릴 수 있도록 했다. 농장의 생산성을 높임으로써, 생명공학은 생물연료 생산을 증가시킨다.

인공지능

인공지능은 지난 10년간 빠른 속도로 성장하고 있다. 당신은 모든 것이 눈앞에 펼쳐지는 것을 본 적이 있다. 자율주행차부터 구글 브레인까지, 인공지능은 이 놀라운 거대한 임팩트 프로젝트의 중심에 있었다. 인공지능(AI)은 최근 알렉사가 의외로 웃었다는 보도가 나와 화제가 됐다. 그 뉴스 보도들은 컴퓨터가 세계를 점령한다는 평범한 농담으로 이어졌지만, AI를 직업 분야로 간주하는 것은 우스꽝스러운 일이 아니다. 미국인 6명 중 5명이 매일 이런저런 형태로 AI 서비스를 이용한다는 사실만으로도 이것이 실행 가능한 직업 선택사항이라는 것을 증명할 수 있다.
왜 AI인가?
글쎄, 학생들이 이것을 그들의 진로나 전문직 종사자들이 AI로 진로를 바꾸는 데에는 많은 이유가 있을 수 있다. 왜 AI에 대한 논의에 관한 몇 가지 요점을 살펴봅시다!
흥미롭고 신나는 AI는 도전적이고 흥미진진한 영역에서의 응용 프로그램을 제공한다. 운전자 없는 자동차, 인간의 행동 예측, 챗봇 등은 우선 몇 가지 예에 불과하다. 높은 수요와 가치 최근 데이터 과학자와 AI 전문가에 대한 업계의 수요가 크게 증가하면서 직장에서 더 많은 일자리와 더 높은 가치가 주어지고 있다.
웰페이드 높은 수요와 많은 일이 이루어져야 하는 상황에서, 이 분야는 현재 많은 돈을 받는 직업 선택의 하나이다. 일자리가 줄고 시장이 포화상태였던 시대에 AI가 가장 보수가 좋은 일자리로 떠올랐다. 왜 AI를 직업으로 선택해야 하는지에 대한 생각이 아직 남아 있다면 ‘AI가 일자리를 빼앗기지 않으려면 AI를 떠맡아야 한다’는 생각만큼 내 답변이 명확해질 것이다. 만약 수학이 위협적이지 않고 더 나아가 코딩을 좋아한다면, 당신은 단지 AI를 당신의 직업으로 보기 시작할 수 있다. 만약 여러분이 알고리즘을 최적화하고 수학으로 노는 것을 즐기거나 그것에 열정적이라면, 쿠도스! 레벨 0이 해제되었고 당신은 AI에서 경력을 시작할 준비가 되어있다. 이 단계에서는 기본을 먼저 다루어야 하고 내가 기본을 말할 때 4-5개 개념에 대한 지식을 얻는 것이 아니라 실제로 많은 것을 의미한다(많은 것을 수용하라).
커버 선형 대수, 통계학, 그리고 확률산술은 여러분이 커버해야 할 첫 번째 그리고 가장 중요한 것이다. 벡터, 행렬 및 변환을 다루는 수학의 기초부터 시작하십시오. 그런 다음 차원성, 통계량 및 z-검정, 카이-제곱 검정 등과 같은 다른 통계적 검정을 이해하십시오. 이후 베이즈 정리 등 확률 개념에 집중해야 한다. 수학은 우리의 삶을 더 단순하게 만드는 복잡한 AI 알고리즘을 이해하고 구축하는 기초 단계야! 기초 수학에서 배우고 심오한 후에 프로그래밍 언어를 선택할 필요가 있다. 나는 당신이 한 개 또는 최대 두 개의 프로그래밍 언어를 가지고 그것을 깊이 있게 이해할 것을 제안하고 싶다. R, Python 또는 JAVA에서 선택할 수 있다! 항상 기억하라, 프로그래밍 언어는 단지 당신의 삶을 단순하게 하기 위한 것이며 당신을 정의하는 것이 아니다. Python은 추상적이고 작업할 수 있는 많은 라이브러리를 제공하기 때문에 우리는 Python으로 시작할 수 있다. R 또한 매우 빠르게 진화하고 있기 때문에 JAVA와 함께 갈 수도 있고, 그렇지 않을 수도 있다. (좋은 CS 배경을 가지고 있는 경우에만!)
데이터 구조, 즉 데이터와 관련된 문제를 해결하기 위한 시스템을 설계할 수 있는 방법을 이해하십시오. 그것은 정확하고 최적화된 시스템을 설계하는데 도움을 줄 것이다. AI는 정확하고 최적화된 결과에 도달하는 것에 더 가깝다. 선택한 프로그래밍 언어가 제공하는 스택, 링크된 목록, 사전 및 기타 데이터 구조에 대해 알아보기
회귀 분석을 자세히 이해
이것은 여러분이 모든 사람들로부터 얻을 한 가지 조언이다. 회귀는 지금까지 배운 수학의 기본적인 구현이다. 이 지식은 실제 애플리케이션에서 예측하는 데 어떻게 사용될 수 있는지를 그린다. 회귀에 대한 이해가 강하면 기계학습의 기본을 이해하는 데 큰 도움이 될 것이다. 이렇게 하면 AI 진로에 대한 준비가 잘 될 것이다.
다른 머신러닝 모델과 해당 모델에 대한 이해
회귀 분석을 학습한 후에는 의사결정 나무, SVM, KNN, 랜덤 포레스트 등과 같은 다른 레거시 기계 학습 알고리즘에 손을 더럽혀야 한다. 당신은 일상 생활에서 다른 문제들에 대해 그것들을 실행해야 한다. 모든 알고리즘 뒤에 숨겨진 작동 수학을 알아야 한다. 음, 처음에는 조금 힘들겠지만, 일단 시작하면 모든 것이 제자리에 떨어질 거야. 무작위 시술자가 아닌 AI의 달인이 되는 것을 목표로 하라!
머신러닝(machine learning)이 해결하는 문제 이해
서로 다른 기계 학습 알고리즘의 사용 사례를 이해해야 한다. 특정 알고리즘이 다른 사례보다 한 사례를 더 적합시키는 이유에 초점을 맞추십시오.
그렇게 해야만 당신은 특정한 사업상의 필요나 사용 사례에 더 적합한 알고리즘을 만드는 데 도움이 되는 수학적 개념을 이해할 수 있을 것이다. 머신러닝(machine learning)은 그 자체로 크게 3가지 범주로 나뉜다. 감독된 학습, 감독되지 않은 학습 및 강화 학습. 딥러닝의 세계에 발을 들여놓기 위해서는 세 가지 경우의 평균보다 더 나은 사람이 있어야 한다!
이것은 AI 전문가가 되기 위한 당신의 여정의 레벨 2 입니다. 이 수준에서, 우리는 딥 러닝으로 이동하는 것을 다루지만, 당신이 머신러닝의 유산을 터득했을 때만!
신경망은 인간의 뇌를 본떠서 스스로 모델을 만드는 기계학습의 일종이다. 이것은 알고리즘을 통해 컴퓨터가 새로운 데이터를 통합함으로써 학습할 수 있도록 하는 인공 신경망을 만든다. 이 단계에서는 신경망을 아주 세세하게 이해함으로써 깊이 있는 학습을 시작할 필요가 있다. 이러한 네트워크가 어떻게 지능적인지 이해하고 결정을 내려야 한다. 신경망은 AI의 중추인데 철저히 배워야 한다!
신경망은 전형적으로 여러 층으로 구성되어 있다. 레이어는 ‘활성화 기능’을 포함하는 다수의 상호 연결된 ‘노드’로 구성된다. 패턴은 ‘입력층’을 통해 네트워크에 제시되며, 이 계층은 가중 ‘연결’ 시스템을 통해 실제 처리가 이루어지는 하나 이상의 ‘숨겨진 계층’과 통신한다. 그러면 숨겨진 레이어는 답이 출력되는 ‘출력 레이어’에 연결된다. 너는 그것의 뒷부분에서 일어나는 수학에 대해 배울 필요가 있다. 체중, 활성화 기능, 손실 감소, 백프로포메이션, 경사 강하 접근법 등에 대해 알아보십시오. 신경망에서 사용되는 기본적인 수학 키워드들이다. 그것들에 대한 강한 지식을 가지고 있으면 당신은 당신 자신의 네트워크를 설계할 수 있을 것이다. 당신은 또한 신경망이 그것의 지능을 어디서 그리고 어떻게 빌리는지를 실제로 이해할 것이다! 모두 수학 친구야.. 모든 수학!
우리가 ML에서 했던 것처럼, 우리가 먼저 퇴행법을 배우고 나서 다른 ML알고스로 옮겨갔다는 것은, 여기에서도 마찬가지다. 기본적인 신경망에 대해 모든 것을 배웠기 때문에 다양한 사용 사례에 적합한 다양한 유형의 신경 네트워크를 탐색할 준비가 되어 있다. 기초 산술은 그대로 유지될 수 있으며, 그 차이는 여기 저기서 약간의 수정과 데이터의 사전 처리로 나타날 수 있다. 여러 종류의 신경망에는 멀티레이어 수용체, 리커런트 신경망, 콘볼루션 신경망, LSTMS 등이 있다.
NLP 및 Intelligent Systems와 같은 다양한 도메인에서 AI 이해
서로 다른 신경망에 대한 지식으로, 당신은 이제 비즈니스에서 이러한 네트워크들을 다른 어플리케이션에 적용하는 것에 숙달할 수 있는 더 좋은 장비를 갖추게 되었다. 당신은 운전을 하지 않는 자동차 모듈이나 인간과 유사한 챗봇 또는 심지어 업무를 수행하기 위해 주변과 상호작용하고 스스로 학습할 수 있는 지능형 시스템을 구축해야 할지도 모른다. 사용 사례마다 다른 접근법과 다른 지식이 필요하다. 물론 AI가 매우 큰 분야라서 모든 분야를 마스터할 수는 없겠지만, 자연언어 처리라고 하는 하나의 분야를 선택해서 그 분야의 깊이화를 위해 노력할 것을 제안하겠다. 일단 당신의 지식의 깊이가 충분하다면, 오직 당신만이 당신의 지식을 다른 영역으로 확장하는 것을 생각해야 한다.
빅 데이터의 기본 사항 숙지
빅 데이터에 대한 지식을 습득하는 것은 필수 작업은 아니지만 모든 AI 시스템이 빅 데이터만 처리하고 빅 데이터 지식의 기본을 갖추는 것이 더 효율적이고 현실적인 알고리즘을 만드는 데 도움이 될 것이기 때문에 빅 데이터의 기본을 갖추는 것을 추천하겠다.