IBM watson & 아마존 아이템 기반 추천 시스템

목차

1. Introduction

2. IBM Watson – How it is actually done
1) Technical used
2) Amount and type of data
3) Accuracy

3. 아마존의 아이템 기반 추천 시스템 (A9)
1) Technical used
2) Amount and type of data
3) Accuracy

4. Conclusion

Reference

본문내용

1. Introduction
최근 한국에서는 ‘제 4차 산업혁명’ 광풍이라고 불릴 정도로 인공지능 분야가 주목받고 있다. 다른 여러 분야와 마찬가지로, 인공지능에 대한 관심이 폭발적으로 높아진 것은 국내 의료계도 예외가 아니다. 몇몇 대학병원은 이미 관련 연구소와 센터를 만들어서 국가 연구 과제를 수주하고 관련 기업과의 공동 연구도 활발히 하고있다. 식약청은 인공지능에 대한 가이드라인까지 내놓았을 정도이다. IBM 왓슨은 2016년 9월 가천대 길병원을 필두로 이후 부산대병원, 건양대병원 등 암환자의 진료를 위한 ‘왓슨 포 온콜로지(Watson for oncology)’를 도입하였다. 가천대는 의사의 결정과 왓슨의 결정이 불일치 하면 환자에게 선택권을 제공하고, 이 때 환자들은 왓슨을 선택하는 비율이 높았다. 왓슨이 어떻게 스스로 진단하고 더 적절한 치료옵션을 제공하는 것인지 어떤 과정을 거쳐 학습을 하는지 그리고 사용되는 데이터의 종류와 양, 정확성이 어떠한 지 알아보고 실제로 인간처럼 의사결정을 하는 것인지 인간을 단순히 흉내내는 것인지 알아보자. 또한 이와 관련한 빅 데이터에 대해 알아보기 위해 아마존의 추천 시스템(A9)에 대해서도 살펴보기로 하겠다.

2. IBM Watson - How it is actually done
1) Technical used
인공지능에서 어려운 부분 중 하나인 자연어 처리를 왓슨은 어떻게 처리할까? 각 언어마다 고유의 특성이 있고 다양한 숙어가 존재하기 때문에 이를 인공지능에게 이해시키는 것은 매우 어려운 작업이다. 그러나 왓슨은 사람처럼 문맥을 파악하는 것이 가능하다. 왓슨은 구조적, 문법적으로, 관련성이 높은 단어로 문장을 쪼갠 후 이를 바탕으로 문맥을 파악한다. 이는 일반적인 컴퓨터가 음성을 인식하고 이해하는 방식과 다르다. 그렇다면 왓슨이 어떻게 정보를 수집하고 사용자들에게 명확한 답변을 어떤 과정을 거쳐 제시하는 것일까?

참고자료

· Healthcare Innovation ‘인공지능은 의료를 어떻게 혁신할 것인가(1) 제 2의 기계시대와 의료 인공지능 http://www.yoonsupchoi.com/2017/05/07/ai-medicine-1/
· E4ds ‘왓슨 도입한 길병원 “인간이 인공지능을 신뢰하기 시작했다.”’ http://www.e4ds.com/sub_view.asp?ch=22&t=1&idx=5490
· Healthcare Innovation ‘길병원의 IBM Watson 도입에 거는 기대와 우려’
· http://www.yoonsupchoi.com/2016/09/09/gilhospital-watson-for-oncology/
· Youtube ‘IBM Watson : How it works’ 영상 中 https://www.youtube.com/watch?v=_Xcmh1LQB9I&t=189s
· 네이버블로그 ‘인공지능 왓슨 작동원리 x 이런 시대 내가 솟아날 구멍’
· http://blog.naver.com/nomore_bet/220930957727
· ZUM허브줌 ‘인공지능 의사 왓슨이 가져온 충격?’ http://hub.zum.com/dongascience/7355
· 한국일보 ‘암 치료 AI ‘왓슨’ 에 궁금한 네 가지’
· http://www.hankookilbo.com/v/afb68840704446539da5ea47b11b29c8
· Healthcare Innovation ‘닥터 왓슨을 진료실로 모시기에 앞서’
· http://www.yoonsupchoi.com/2017/03/27/before-inviting-dr-watson/
· 위키피디아, 빅데이터
· https://ko.wikipedia.org/wiki/%EB%B9%85_%EB%8D%B0%EC%9D%B4%ED%84%B0#.EC.95.84.EB.A7.88.EC.A1.B4.EB.8B.B7.EC.BB.B4.EC.9D.98_.EC.B6.94.EC.B2.9C_.EC.83.81.ED.92.88_.ED.91.9C.EC.8B.9C_.2F_.EA.B5.AC.EA.B8.80_.EB.B0.8F_.ED.8E.98.EC.9D.B4.EC.8A.A4.EB.B6.81.EC.9D.98_.EB.A7.9E.EC.B6.A4.ED.98.95_.EA.B4.91.EA.B3.A0
· KTH DAISY ‘어떻게 아마존과 넷플릭스가 당신의 취향을 예상하는가?’
· http://www.kthdaisy.com/recommendation_system_kthdaisy/
· KURAPA ‘집단지성을 활용하는 Collaborative Filtering’
· http://kurapa.com/2014/08/27/%EC%A7%91%EB%8B%A8%EC%A7%80%EC%84%B1%EC%9D%84-%ED%99%9C%EC%9A%A9%ED%95%98%EB%8A%94-collaborative-filteringcf-%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98-%EC%B6%94%EC%B2%9C-%EC%95%8C%EA%B3%A0%EB%A6%AC/
· KTH DAISY ‘어떻게 아마존과 넷플릭스가 당신의 취향을 예상하는가?’
· http://www.kthdaisy.com/recommendation_system_kthdaisy/
· IDG news ‘아마존 4분기 실적 보고…AWS 성장 눈부셔’ http://www.itworld.co.kr/news/103268