소개글
"사물인터넷 이해"에 대한 내용입니다.
목차
1. 신기술 및 새로운 세계관
1.1. 딥러닝(Deep Learning)
1.1.1. 딥러닝의 개념과 의미
1.1.2. 딥러닝의 활용
1.1.3. 컴퓨터 파워 필요성 여부
1.1.4. 딥러닝 기술의 한계
1.1.5. 딥러닝 기술의 전망
1.2. 사물인터넷(Internet of Things)
1.2.1. 사물인터넷의 정의와 의미
1.2.2. 사물인터넷 기술의 활용
1.2.3. 사물인터넷 시대의 신사업 창출
1.2.4. 사물인터넷의 한계
1.2.5. 사물인터넷의 시사점
2. 참고 문헌
본문내용
1. 신기술 및 새로운 세계관
1.1. 딥러닝(Deep Learning)
1.1.1. 딥러닝의 개념과 의미
딥러닝은 스스로 학습하는 컴퓨터로 컴퓨터가 사람처럼 스스로 학습·추론·소통할 수 있는 인공지능 기술을 의미한다. 딥러닝은 컴퓨터가 사람처럼 생각하고 배울 수 있도록 하는 기술이다. 많은 데이터를 분류해서 같은 집합들끼리 묶고 상하의 관계를 파악하는 기술이다. 딥러닝 기술을 적용하면 사람이 어떤 정보를 받아들이면 거대한 뉴런(신경세포) 네트워크가 가동돼 인지·판단하는 것과 같이 컴퓨터가 스스로 인지·추론·판단할 수 있게 된다. 딥러닝은 1942년 미국 의대 교수의 아이디어에서 시작된 이후 꾸준한 연구가 진행되었으며, 최근 컴퓨터 하드웨어의 기술 발전으로 급성장하였다. 특히 사물인터넷(IoT) 시대가 오면 사물이 스스로 상황을 인지해야 하는데 이때 딥러닝 기술이 힘을 발휘하게 된다는 점에서 주목받고 있다.
1.1.2. 딥러닝의 활용
딥러닝의 활용은 매우 다양하며, 컴퓨터 기반의 인공지능 시스템의 발달로 인해 지속적으로 확대되고 있다. 딥러닝은 방대한 데이터로부터 스스로 학습하고 패턴을 인식하여 정보를 처리하는 기술로, 인간의 두뇌와 유사한 방식으로 작동한다.
딥러닝은 이미지 및 음성 인식, 자연어 처리, 예측 분석 등 다양한 분야에서 활용되고 있다. 대표적으로 이미지 분류와 객체 인식, 얼굴 인식, 의료 영상 분석 등에 활용되고 있다. 또한 음성 인식 및 자연어 처리 기술을 통해 챗봇, 언어 번역, 텍스트 요약 등의 서비스를 제공하고 있다. 금융 분야에서는 주식 시장 예측, 신용 평가, 사기 거래 탐지 등에 적용되고 있으며, 제조업에서는 설비 고장 예측, 품질 관리, 공정 최적화 등에 활용되고 있다.
최근에는 자율주행 자동차, 로봇 제어 등 복잡한 의사결정이 필요한 분야에서도 딥러닝 기술이 주목받고 있다. 알파고의 등장으로 대중의 관심을 끌기도 했던 이 기술은 인공지능이 인간을 뛰어넘는 성과를 내며 급속도로 발전하고 있다. 향후에는 의료, 교육, 법률, 예술 등 더욱 다양한 영역으로 활용 범위가 확대될 것으로 전망된다.
그러나 딥러닝 기술에는 아직 해결해야 할 과제들도 존재한다. 학습 과정의 불투명성, 데이터 편향성, 안전성 등의 문제가 지적되고 있다. 이러한 한계를 극복하기 위한 지속적인 연구와 노력이 필요할 것이다.
1.1.3. 컴퓨터 파워 필요성 여부
딥러닝의 성공 요인 중 하나로 예전에 비해 막강해진 컴퓨팅 파워를 꼽을 수 있다. 최근 딥러닝이 학계와 산업계의 주목을 받기 시작하면서 컴퓨팅 파워는 떼려야 뗄 수 없는 핵심 자원이 되어버렸다. 이는 딥러닝이 계산적 측면에서보자면 결국 거대한 행렬 곱셈의 연속이며, 현대의 컴퓨터는 이러한 연산을 빠르게 할 수 있는 계산기이기 때문이다. 따라서 컴퓨팅 파워는 딥러닝의 학습 효율과 직결된다고 볼 수 있다.
실제로 많은 전문가들은 불과 5~10년 전과 비교하더라도 컴퓨터의 연산 능력이 과거와 비교해 놀라울 정도로 향상되었고, 구글의 TPU(Tensor Processing Unit)와 같은 딥러닝 전용칩과 양자컴퓨팅 등의 발전으로 이에 대한 충분한 개선이 가능할 것으로 내다보고 있다.
하지만 사실 컴퓨팅 파워의 효율화는 딥러닝이 한 단계 더 발전하는 데 중요한 분야로 인식되고 있음에도 불구하고, 아직까지는 뚜렷한 성과가 나오진 못했다. 이는 딥러닝의 주된 기술적 한계 요인 중 하나로 인식되고 있다.
1.1.4. 딥러닝 기술의 한계
현재 딥러닝 기술의 가장 큰 한계는 모형과 학습의 단순성으로 지적되고 있다. 즉 딥러닝은 단순한 형태의 데이터를 기반으로 정형화된 규칙 학습에 최적화된 모형이라는 것이다. 따라서 딥러닝은 인간처럼 복잡한 이론적 지식이나 구조화된 지식(예....
참고 자료
국립중앙과학관 – 사물인터넷, http://www.science.go.kr/
신상문, 2017, 사물인터넷 발전에 따른 영상보안 산업의 경쟁 방안에 대한 연구 : 텍스트 네트워크 분석을 중심으로, 연세대학교 정보대학원 석사학위논문
용어로 보는 IT, http://www.bloter.net
신승목, 2015, 사물인터넷을 이용한 물류창고관리시스템 개선에 관한 연구 : T사의 사례를 중심으로, 한국해양대학교 해양금융물류대학원 석사학위논문
한국스마트홈협회
김준호, 사물인터넷(IoT) 기반 헬스케어 스마트 시스템 연구, 인천대학교 경영대학원 석사학위논문
한국보건산업진흥원, http://www.khidi.or.kr/kps
왕비안, 사물인터넷(IoT) 환경에서 고령자를 위한 스마트 홈 인터페이스 디자인에 관한 연구, 국민대학교 테크노디자인전문대학원 박사학위논문
김용희, IoT 기반 스마트 홈 서비스 수용에 관한 연구, 숭실대학교 대학원 박사학위논문
forbes, https://www.forbes.com
http://www.serverguide.co.kr
한국인터넷진흥원, http://www.kisa.or.kr
박문각, http://www.pmg.co.kr
https://namu.wiki/w/DNS
김분태, 최수형(2004),『유비쿼터스 경영기획』, 대명.
김형수, 구지희, 나준엽, u-city 최신 여건 및 효율적 추진방향,
강성욱, 이성호, 유헬스(u-Health)의 경제적 효과와 성장전략,
조위덕, 이경전, 이호근 외 3명(2006), 『유비쿼터스 패러다임과 U-소사이어티』, jinhan M&B.
구태언(2018), 미래는 규제할 수 없다 , 도서출판 클라우드나인.
안중호, 문재웅(2007), - 기술동향 및 활용사례를 중심으로,『유비쿼터스 사회의 이해』, 집문당.
조원영·이동현(2016), 미래 일자리의 금맥(金脈), 소프트웨어, SPRi Issue Report , 2016-009호,소프트웨어정책연구소
최광열, 2016, MSD(Motion System Design)검색, 사물인터넷의 장점과 한계를 분석한다
