- 회원들이 추천해주신 좋은 글들을 따로 모아놓는 공간입니다.
- 추천글은 매주 자문단의 투표로 선정됩니다.
Date | 19/03/27 00:26:02수정됨 |
Name | Zel |
File #1 | AI.png (82.5 KB), Download : 35 |
Subject | AI와 영상의학의 미래는? |
1. 미래에 대한 예측은 항상 쉽지 않습니다. 대부분 예언자를 원하지만, 예언자가 그리 흔한것도 아니고, 어쩌다 보니 뒷발로 맞춘거지 두번 맞출려면 어렵겠지요. 예전에 어떤 사이트에서 놀때 나름 잘난 척 하던 펀드 매니저는 그런 이야기를 했습니다. '미래는 예측하는 것이 아니라 대처하는 것이라고' 와 처음 들을땐 ㅈㄹ 멋있는 말이었는데... 참으로 무책임한 말인거 같기도 합니다. 이걸 영어로 옮기면 아마 'Don't try this at home'인거 같습니다. 오늘 영어 좀 되네요. 2. 이상은 모두 드립이고.... 짤방은 제가 이번 주에 강의하는 슬라이드 마지막입니다. 이걸 영어로 해야 하는데 뭐 제가 그런거 신경쓰는 연배는 아니라... 첫줄에 마침표가 빠진걸 발견했군요. endpoint에 s가 없는 것도 있고 문장 자체도 어색합니다만 뭐 한국에서 하는거라.. 3. AI hype는 공학 업계에서 사실 먼저 드라이브를 걸었습니다. 근데 그 업계도 잘은 모르고, 그냥 뭐 나불거린거죠. 2014년인가에 어떤 사람이 미국에서 '영상의학과는 더 이상 전공의 수련을 멈춰야 한다. 어짜피 대체될 직업을 가르키는 건 니들 양심불량이다.' 이런 이야길 했어요. 처음 들을땐 아 ㅅㅂ 이거 뭐야 제정신 아니네 이랬다가.. 알파고 쇼크 이후에 다들 찬바람이 불었습니다. 그래서 2016년 RSNA라는 북미 영상의학회는 무슨 세기말 같은 분위기였어요. 4. 그래서 곧 대체 될 것 같았던 이 영역이 생각보다 쉽지 않습니다. Discrimination은 끝났다라고 떠들던 그 양반들도 2018년엔 다들 몸을 낮췄더라고요. ImageNet은 수십만장의 사진으로 개 고양이 차 뭐 이런걸 찾는데 질환은 수십만개를 못구해요. 인체의 영상이란건 재밌게도 이 바닥에서 30년을 해도 처음 보는 영상이 나옵니다. 처음 본 사진을 해석할 AI는 아직까진 없습니다. 책임은 another level이지요. 5. 물론 강인공지능이 나오면 해결될 것 같습니다만 그때는 너도 한방 나도 한방이지 아 ㅆㅂ 나는 손재주가 좀 있는데 이런걸 AI님이 봐주진 않을거 같아요. 이게 singularity겠죠. 근데 그건 그거고 그 때가 오기 전까지는 개겨봐야죠. 6. 현재 의학 '업계'에선 AI란건 그냥 다시 도구가 되었습니다. 더 이상 AI가 사람만큼 혹은 사람보다 더 진단을 잘했다고 논문을 쓰면 리뷰어가 이렇게 이야기합니다. 'So what?' 그러게요.. AI가 사람만큼 하는 건 더 이상 이슈가 되질 않아요. 그러면 이걸 통해서 과연 얼마만큼 인류에 도움이 되었느냐, 사망률을 줄일 수 있었느냐, 재원기간을 단축가능했느냐, 의료재정을 아낄 수 있느냐를 증명해야 메이저 저널에 가는 겁니다. 그냥 새로운 통계방법이 나온거랑 근본적으로 큰 차이는 없습니다. 이미 의학계 최고 저널인 NEJM은 특정 조건에서 진행된 AI 논문은 바로 리젝을 시킵니다. General population이나, 조건 없는 적용에서 작동하는 AI만 선별하고 있고, 이 policy 이후에 통과한 논문은 없는 걸로 알고 있어요. 7. 물론 최근 특히 중국에서 나오는 논문들은 무섭습니다. 여전히 진실성에는 의문이 있지만 N number로 중국을 이기고, 의료윤리로 그만큼 막장인 나라는 없기 때문에 나오지요. 근데 AI연구란건 우리 환경에 맞는 data로 입력을 하였을 때 우리 환경에 맞는 결과가 나옵니다. 미국의 자율주행차 AI를 한국차에 주입시키면 '아 개민폐.. 앞에 저렇게 넓은데 안전거리 유지한다고 안붙이네.. 어쭈 깜빡이 넣어? ㅋ ㅈ돼봐라' 이렇게 되지요. 결국 AI란건 그 나라에, 그 의료기관에 가장 맞는 데이터를 넣었을 때 그나마 사람 구실을 하는 겁니다. 미국 솔랭 챌린저를 한국 LCK 넣으면 개호구 되는거죠. 그래서 한국에서 하는 AI연구란게 의미가 있긴 있습니다. 아 신토불이가 여기에서 내 밥줄을 챙겨주네요. 8. 최근에 AI 기반 음성판독 시스템을 석 달간 테스트할 기회가 있었습니다. 처음엔 너무너무 좋더라고요. 와 신기하네 정말 잘 알아듣네.. 근데 지금은 안써요. 한 5%가 부족한데 그거 때문에 너무 시간이 걸리는 거지요. 마치 아이폰 이전의 옴니아폰 쓰는 그런 느낌입니다. 생각보다 장벽이 있더라고요. 아무리 97%, 98% 수치적으론 인식률이 나와도 그 나머지가 너무 귀찮은거죠. 조금 다른 예를 들자면 쿼티 키보드나 물리 버튼 같은 그런거죠. 다 없애 버리면 차라리 적응하겠는데 아직까지 있으면 굳이 없는 걸 선택할 이유가 없지요. 대체 될때 대체 되더라도 대체 되기 전까진 굳이 쓸 이유는 없습니다. 9. 결론적으로 제가 저 미래를 어떻게 알겠습니까.. 그러고 솔직히 영상의학 보단 한국의 미래가 더 없다고 생각합니다. 열 살만 젊었어도 탈조센 하는데 그냥 이젠 ㅈㅂ 할 뿐이지요. 그러고 자신의 미래는 자신이 선택하는 거지 남이 만들어 주는 건 아닙니다. 10. 이 글은 음주상태에서 작성되었으며 예고 없이 삭제 될 수 있습니다. * Cascade님에 의해서 티타임 게시판으로부터 게시물 복사되었습니다 (2019-04-07 18:10) * 관리사유 : 추천게시판으로 복사합니다. 28
이 게시판에 등록된 Zel님의 최근 게시물
|
증상을 알면 질병을 조금 잘 맞출 수 있는데 조건부 확률이고요. 의료영상의 가장 큰 문제점은.. 같은 병이 다양하게 보이고, 다양한 병이 같이 보이는 겁니다. 현재의 기대는 인간이 못찾아내는 차이를 찾아 줄 수 있지 않을까 하는 기대인데, 생각보다 쉽진 않은거 같아요. 언젠가는 되겠지만 금방은 아닐 거 같습니다. 요즘 의료영상 쪽으로도 많은 현직자들이 들어오고 있는데 자신만만하게 들어왔다가 대꿀멍 하고 있긴 합니다. 그러고 또 한가지는 이바닥에서 의사라는 권위란걸 넘어서기가 쉽지 않기도 합니다. 이건 한국 뿐 아니라 전세계적인 진입장벽이고 아마 전문직이라는 것이 부리는 텃세겠지요.
이번에 검색엔진구성하면서 재미난부분을 느꼈는데
사람들이 직관적으로 만들어내는 신조어를 검색에서 어떻게매핑시키느냐, 형태소 단위로 쪼개면 단어의 우선순위에 문제가 생기고, 음절 어절로 해도 문제가생기고 그런게 늘 새롭게나타나고.. AI가 적용되는 분야는 아니지만 이런 인간의 직관과 맥락이 드러내는 소수의 오차때문에 인간이 직접 만들어서 이 데이터는 고유명사니까 이걸로만 맞춰줘 하는식으로 작업을 하게되더군요. 9할이상 정확한데도 그 1할이 서비스의 질을 좌우하게되는...
여튼 뭐가 자동으로 다 되겠지하지만 그게 생각만큼 잘되는게 아니라는것과 데이터 전처리와 인풋이 중요하다는거..?그런걸 느꼈는데 본문읽으면서 그작업이생각났습니다
사람들이 직관적으로 만들어내는 신조어를 검색에서 어떻게매핑시키느냐, 형태소 단위로 쪼개면 단어의 우선순위에 문제가 생기고, 음절 어절로 해도 문제가생기고 그런게 늘 새롭게나타나고.. AI가 적용되는 분야는 아니지만 이런 인간의 직관과 맥락이 드러내는 소수의 오차때문에 인간이 직접 만들어서 이 데이터는 고유명사니까 이걸로만 맞춰줘 하는식으로 작업을 하게되더군요. 9할이상 정확한데도 그 1할이 서비스의 질을 좌우하게되는...
여튼 뭐가 자동으로 다 되겠지하지만 그게 생각만큼 잘되는게 아니라는것과 데이터 전처리와 인풋이 중요하다는거..?그런걸 느꼈는데 본문읽으면서 그작업이생각났습니다
Gan 얘기하시니까 생각난건데, 머신러닝이 망하는 날이 온다면 그건 머신러닝 그 자신 때문일 수도 있을 것 같다는 생각을 가끔씩 해요.
http://cseweb.ucsd.edu/~yaq007/imperceptible-robust-adv.html
어떻게 하면 사람한테 안 들키면서 기계를 망가뜨릴지 궁리하는 세상이라니 ㅠㅠ
http://cseweb.ucsd.edu/~yaq007/imperceptible-robust-adv.html
어떻게 하면 사람한테 안 들키면서 기계를 망가뜨릴지 궁리하는 세상이라니 ㅠㅠ
임상의의 관점에서
1. 누군가 책임질 대상이 필요하다.
환자나 보호자가 수를 걸고 싶은데, 본인들도 IBM을 강대로 수를 걸고 싶지는 않을 태니까요..
2. 임상의도 디스커션할 상대가 필요하다.
제가 알파고랑 바둑는 둘 수 있어도 환자에 대해 디스커션 하기는 힘들죠. 제가 인공지능과 디스커션할 수 있는 세상은, 제 아들 살아 생전도 힘들 것 같습니다.
3. 영상 검사 자체가 간접적인 검사일 뿐이다.
그놈의 clinical correlation ㅠㅠ 이건 아는 분만 아는 거라 일반분들은 모르... 더 보기
1. 누군가 책임질 대상이 필요하다.
환자나 보호자가 수를 걸고 싶은데, 본인들도 IBM을 강대로 수를 걸고 싶지는 않을 태니까요..
2. 임상의도 디스커션할 상대가 필요하다.
제가 알파고랑 바둑는 둘 수 있어도 환자에 대해 디스커션 하기는 힘들죠. 제가 인공지능과 디스커션할 수 있는 세상은, 제 아들 살아 생전도 힘들 것 같습니다.
3. 영상 검사 자체가 간접적인 검사일 뿐이다.
그놈의 clinical correlation ㅠㅠ 이건 아는 분만 아는 거라 일반분들은 모르... 더 보기
임상의의 관점에서
1. 누군가 책임질 대상이 필요하다.
환자나 보호자가 수를 걸고 싶은데, 본인들도 IBM을 강대로 수를 걸고 싶지는 않을 태니까요..
2. 임상의도 디스커션할 상대가 필요하다.
제가 알파고랑 바둑는 둘 수 있어도 환자에 대해 디스커션 하기는 힘들죠. 제가 인공지능과 디스커션할 수 있는 세상은, 제 아들 살아 생전도 힘들 것 같습니다.
3. 영상 검사 자체가 간접적인 검사일 뿐이다.
그놈의 clinical correlation ㅠㅠ 이건 아는 분만 아는 거라 일반분들은 모르시겠지만, CT를 찍어도 MRI를 찍어도. 심지어 조직검사까지 해도 애매한건 애매합니다. 2번과 좀 연결됩니다.
4. 머신 러닝은 만능이 아니다.
머신 러닝이 뭔지에 대해서 조금이라도 아사면 대충 바로 감이 오시는데, 머신 러닝은 결국 "가비지 인 가비지 아웃"입니다. 아주 극단적으로 예를 들어 산부인과에 내원하는 환자의 특성에 대해서 머신 러닝을 돌려보면 결국 "여자"라는 특성이 가장 먼저 뜰 겁니다... 그리고 머신 러닝과 같은 기법들(머신 러닝 뿐 아니라 모든 비지도적 학습 방버)은 이것이 저것이 원인인지를 알 수 없습니다. 예측만 가눙하죠. regression model을 만들 때 선형만 넘어가도, 인간이 이해하기가 어려워 집니다. spline curve 같은 것 정도는 그나마 이해 가지만, 결국 이런 방법은 직관적이지 않습니다.
5. 교수님. 글에서 술냄새가 납니다 ㅋㅋ
병원에서 영상의학과 수요는 계속될 수 밖에 없다고 봅니다. 그리고 우리너라에선 인공지능 따위보다 국가 수가가 더 중요합니다. 약사 직군 자체가 더 위험하다고 생각하고 있습니다만.. 이 역시 보험 체계 때문에 오래 살아남으리라ㅠ봅나다.
1. 누군가 책임질 대상이 필요하다.
환자나 보호자가 수를 걸고 싶은데, 본인들도 IBM을 강대로 수를 걸고 싶지는 않을 태니까요..
2. 임상의도 디스커션할 상대가 필요하다.
제가 알파고랑 바둑는 둘 수 있어도 환자에 대해 디스커션 하기는 힘들죠. 제가 인공지능과 디스커션할 수 있는 세상은, 제 아들 살아 생전도 힘들 것 같습니다.
3. 영상 검사 자체가 간접적인 검사일 뿐이다.
그놈의 clinical correlation ㅠㅠ 이건 아는 분만 아는 거라 일반분들은 모르시겠지만, CT를 찍어도 MRI를 찍어도. 심지어 조직검사까지 해도 애매한건 애매합니다. 2번과 좀 연결됩니다.
4. 머신 러닝은 만능이 아니다.
머신 러닝이 뭔지에 대해서 조금이라도 아사면 대충 바로 감이 오시는데, 머신 러닝은 결국 "가비지 인 가비지 아웃"입니다. 아주 극단적으로 예를 들어 산부인과에 내원하는 환자의 특성에 대해서 머신 러닝을 돌려보면 결국 "여자"라는 특성이 가장 먼저 뜰 겁니다... 그리고 머신 러닝과 같은 기법들(머신 러닝 뿐 아니라 모든 비지도적 학습 방버)은 이것이 저것이 원인인지를 알 수 없습니다. 예측만 가눙하죠. regression model을 만들 때 선형만 넘어가도, 인간이 이해하기가 어려워 집니다. spline curve 같은 것 정도는 그나마 이해 가지만, 결국 이런 방법은 직관적이지 않습니다.
5. 교수님. 글에서 술냄새가 납니다 ㅋㅋ
병원에서 영상의학과 수요는 계속될 수 밖에 없다고 봅니다. 그리고 우리너라에선 인공지능 따위보다 국가 수가가 더 중요합니다. 약사 직군 자체가 더 위험하다고 생각하고 있습니다만.. 이 역시 보험 체계 때문에 오래 살아남으리라ㅠ봅나다.
아 술깨니 부끄럽습니다. 담에 제가 음주 홍차넷하는거 보이면 말려주세요 ㅎㅎ
믿거나 말거나 전 clinical correlation 이란 말을 쓰지 않습니다 ㅎ 당연한 소릴 왜들 하는 지.
믿거나 말거나 전 clinical correlation 이란 말을 쓰지 않습니다 ㅎ 당연한 소릴 왜들 하는 지.
지난 해 IBM 기업탐방하고 왓슨스쿨 등록하면서 들었던 왓슨의 성과 중 인상적이었던 부분이 호주에서의 피부암진단이었어요.
피부암 초기 진단이 주로 육안이나 현미경을 이용하는 데 이 분야에서 피부과 의사의 진단 정확도가 80% IBM의 인공지능이 90% 라는 걸 소개했죠. 그러면서 IBM 측 연사자는 '호주에 사는 사람들에게 피부암은 심각한 문제고, 그날 의사의 컨디션에 따라 정확도가 갈리는 피부암 진단이 AI에게 맡겨진다면 많은 긍정적인 변화가 있을 것'이라고 자신있게 말하더라고요. 그리고 ㅋㅋ IBM의 목표는 의료를 완전하게 ... 더 보기
피부암 초기 진단이 주로 육안이나 현미경을 이용하는 데 이 분야에서 피부과 의사의 진단 정확도가 80% IBM의 인공지능이 90% 라는 걸 소개했죠. 그러면서 IBM 측 연사자는 '호주에 사는 사람들에게 피부암은 심각한 문제고, 그날 의사의 컨디션에 따라 정확도가 갈리는 피부암 진단이 AI에게 맡겨진다면 많은 긍정적인 변화가 있을 것'이라고 자신있게 말하더라고요. 그리고 ㅋㅋ IBM의 목표는 의료를 완전하게 ... 더 보기
지난 해 IBM 기업탐방하고 왓슨스쿨 등록하면서 들었던 왓슨의 성과 중 인상적이었던 부분이 호주에서의 피부암진단이었어요.
피부암 초기 진단이 주로 육안이나 현미경을 이용하는 데 이 분야에서 피부과 의사의 진단 정확도가 80% IBM의 인공지능이 90% 라는 걸 소개했죠. 그러면서 IBM 측 연사자는 '호주에 사는 사람들에게 피부암은 심각한 문제고, 그날 의사의 컨디션에 따라 정확도가 갈리는 피부암 진단이 AI에게 맡겨진다면 많은 긍정적인 변화가 있을 것'이라고 자신있게 말하더라고요. 그리고 ㅋㅋ IBM의 목표는 의료를 완전하게 인공지능으로 대체하는 것이 아닌, 이렇게 AI가 활약하기 좋은 특수한 상황에서 적절한 도구를 제공하는 것이라고 했는데 ㅋㅋ 인공지능 너무 견제하지 말라는 농담섞인 소리라고 생각했지만 Zel님의 글을 보니 그게 떠오르네요 ㅋㅋ
그래서 이 글을 보고 떠올라 검색해봤더니 IBM하고 왓슨 이야기는 안보이고 포토파인더 시스템즈에서 대놓고 인간VS AI로 피부암 진단결과를 비교한 논문이 나왔네요 ㅋㅋ
Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists
피부암 초기 진단이 주로 육안이나 현미경을 이용하는 데 이 분야에서 피부과 의사의 진단 정확도가 80% IBM의 인공지능이 90% 라는 걸 소개했죠. 그러면서 IBM 측 연사자는 '호주에 사는 사람들에게 피부암은 심각한 문제고, 그날 의사의 컨디션에 따라 정확도가 갈리는 피부암 진단이 AI에게 맡겨진다면 많은 긍정적인 변화가 있을 것'이라고 자신있게 말하더라고요. 그리고 ㅋㅋ IBM의 목표는 의료를 완전하게 인공지능으로 대체하는 것이 아닌, 이렇게 AI가 활약하기 좋은 특수한 상황에서 적절한 도구를 제공하는 것이라고 했는데 ㅋㅋ 인공지능 너무 견제하지 말라는 농담섞인 소리라고 생각했지만 Zel님의 글을 보니 그게 떠오르네요 ㅋㅋ
그래서 이 글을 보고 떠올라 검색해봤더니 IBM하고 왓슨 이야기는 안보이고 포토파인더 시스템즈에서 대놓고 인간VS AI로 피부암 진단결과를 비교한 논문이 나왔네요 ㅋㅋ
Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists
인공지능 관련일 하는데 모델 튜닝해서 올라가는건 1~3퍼센트인데 이건 박사급이 와도 될까말까고
알바생 10명 갈아넣으면 1~3퍼센트 무조건 올라갑니다. 여기서도 scale up이 아닌 scale out이 진리입니다. 모델 튜닝은 존내 어렵지만 데이터 튜닝은 인턴 뽑아서 이러이러한 아이디어가 있는데 내가 시간은 없고 귀찮으니 너가 할래? 하면 됩니다.
요즘 실리콘 밸리에서는 이걸 일찍이 깨닫고 정제된 데이터 만들어서 파는 회사도 있습니다. 중국이랑 남아공같은 인건비 싼 곳에다가 몰래 멀티 만들어서 하루종일 이미지 태깅시키고 이걸... 더 보기
알바생 10명 갈아넣으면 1~3퍼센트 무조건 올라갑니다. 여기서도 scale up이 아닌 scale out이 진리입니다. 모델 튜닝은 존내 어렵지만 데이터 튜닝은 인턴 뽑아서 이러이러한 아이디어가 있는데 내가 시간은 없고 귀찮으니 너가 할래? 하면 됩니다.
요즘 실리콘 밸리에서는 이걸 일찍이 깨닫고 정제된 데이터 만들어서 파는 회사도 있습니다. 중국이랑 남아공같은 인건비 싼 곳에다가 몰래 멀티 만들어서 하루종일 이미지 태깅시키고 이걸... 더 보기
인공지능 관련일 하는데 모델 튜닝해서 올라가는건 1~3퍼센트인데 이건 박사급이 와도 될까말까고
알바생 10명 갈아넣으면 1~3퍼센트 무조건 올라갑니다. 여기서도 scale up이 아닌 scale out이 진리입니다. 모델 튜닝은 존내 어렵지만 데이터 튜닝은 인턴 뽑아서 이러이러한 아이디어가 있는데 내가 시간은 없고 귀찮으니 너가 할래? 하면 됩니다.
요즘 실리콘 밸리에서는 이걸 일찍이 깨닫고 정제된 데이터 만들어서 파는 회사도 있습니다. 중국이랑 남아공같은 인건비 싼 곳에다가 몰래 멀티 만들어서 하루종일 이미지 태깅시키고 이걸 다시 돈많은 중견 스타트업에 되파는 스타트업이 우후죽순 생겨났죠.
마음만 같아서는 저도 그냥 알바생 10명 고용해서 깨끗하고 청결한 데이터만 주구창창 만들어내게 하고 싶은데 양심상 그럴수가 없네요.
아마 대기업에서는 분명히 어딘가에서 사람 갈아넣는 데이터 노가다를 하고 있을겁니다
알바생 10명 갈아넣으면 1~3퍼센트 무조건 올라갑니다. 여기서도 scale up이 아닌 scale out이 진리입니다. 모델 튜닝은 존내 어렵지만 데이터 튜닝은 인턴 뽑아서 이러이러한 아이디어가 있는데 내가 시간은 없고 귀찮으니 너가 할래? 하면 됩니다.
요즘 실리콘 밸리에서는 이걸 일찍이 깨닫고 정제된 데이터 만들어서 파는 회사도 있습니다. 중국이랑 남아공같은 인건비 싼 곳에다가 몰래 멀티 만들어서 하루종일 이미지 태깅시키고 이걸 다시 돈많은 중견 스타트업에 되파는 스타트업이 우후죽순 생겨났죠.
마음만 같아서는 저도 그냥 알바생 10명 고용해서 깨끗하고 청결한 데이터만 주구창창 만들어내게 하고 싶은데 양심상 그럴수가 없네요.
아마 대기업에서는 분명히 어딘가에서 사람 갈아넣는 데이터 노가다를 하고 있을겁니다
이게 뭐랄까.. 알파고 쇼크 이후에는 다들 끝난 것 같다는 착시현상이 있었는데 그 후 3년간 오히려 베일이 조금 벗겨졌지요. 물론 바둑계의 변화는 놀랍습니다. 더 이상 아무도 AI를 경쟁상대로 하지 않고, AI를 통해서 바둑을 배운다거나, 해설시에 다른 옵션을 제시하거나 참조하는 형태로 발전이 되고 있지요. 하지만 아직도 스타크래프트는 아주 리얼한 상황에서 그 실력을 뽐내고 있지는 못한 것 같습니다. 그 만큼 어려움이 있겠지요. 게다가 무식한 N number로 반복과 재귀와 변형이 가능하지 않는 필드에서는 또 다른 정체가 있는 것... 더 보기
이게 뭐랄까.. 알파고 쇼크 이후에는 다들 끝난 것 같다는 착시현상이 있었는데 그 후 3년간 오히려 베일이 조금 벗겨졌지요. 물론 바둑계의 변화는 놀랍습니다. 더 이상 아무도 AI를 경쟁상대로 하지 않고, AI를 통해서 바둑을 배운다거나, 해설시에 다른 옵션을 제시하거나 참조하는 형태로 발전이 되고 있지요. 하지만 아직도 스타크래프트는 아주 리얼한 상황에서 그 실력을 뽐내고 있지는 못한 것 같습니다. 그 만큼 어려움이 있겠지요. 게다가 무식한 N number로 반복과 재귀와 변형이 가능하지 않는 필드에서는 또 다른 정체가 있는 것 같긴 합니다.
이러다가 또 CNN을 넘어서는 엄청난 네트워크와 알고리즘으로 그 벽을 넘어설 지는 모르곘지만 그럼에도 불구하고 어찌보면 인간은 계속 허들을 세울거 같긴 합니다. 더 이상 AI 자체를 부정하는 사람은 없지만, 완전한 대체가 될 거라고 믿는 사람들도 없습니다. 근데 뭐 대중의 예측이란게 사실 부질없는게, 이세돌 알파고 전 이전에도 전문가나 비전문가나 모두 이세돌의 압승을 예상했던거 생각하면 이거야 말로 N number가 무의미한거죠. 확실하게 말할 수 있는건 이쪽 필드가 무너진다면 그 가속도로 봤을때 그 다음 필드는 더 빨리 무너지겠죠. 로봇과 AI의 적용이야 말로 더 쉽고, 이미 AI 만큼이나 많은 로봇에 대한 연구도 있으니, 이게 합쳐진다면 자율주행 혹은 크루즈 처럼 중간에 일부를 테이크 오버 하다가 풀 오토가 되지 않을까 싶기도 합니다. 그리고 결정적으로 저는 아직은 수혜 계층이고 피해받을 계층은 아니라는 점이 저의 안도의 기반이 되긴 합니다.
이러다가 또 CNN을 넘어서는 엄청난 네트워크와 알고리즘으로 그 벽을 넘어설 지는 모르곘지만 그럼에도 불구하고 어찌보면 인간은 계속 허들을 세울거 같긴 합니다. 더 이상 AI 자체를 부정하는 사람은 없지만, 완전한 대체가 될 거라고 믿는 사람들도 없습니다. 근데 뭐 대중의 예측이란게 사실 부질없는게, 이세돌 알파고 전 이전에도 전문가나 비전문가나 모두 이세돌의 압승을 예상했던거 생각하면 이거야 말로 N number가 무의미한거죠. 확실하게 말할 수 있는건 이쪽 필드가 무너진다면 그 가속도로 봤을때 그 다음 필드는 더 빨리 무너지겠죠. 로봇과 AI의 적용이야 말로 더 쉽고, 이미 AI 만큼이나 많은 로봇에 대한 연구도 있으니, 이게 합쳐진다면 자율주행 혹은 크루즈 처럼 중간에 일부를 테이크 오버 하다가 풀 오토가 되지 않을까 싶기도 합니다. 그리고 결정적으로 저는 아직은 수혜 계층이고 피해받을 계층은 아니라는 점이 저의 안도의 기반이 되긴 합니다.
현재 AI를 경쟁상대로 생각하는 것이 아니고 머신러닝에 대한 영상의학의 해석이 맡긴다 역시 아닙니다. Watson도 그렇고 암 혹은 기타 질환에 대한 정보 제공을 병원에서 못하는게 아니라 안하는 겁니다. 진단차트 시스템과 비슷한 궤인데요. 각 대학의 병원 혹은 의사들은 병에 대한 고유의 해석방법과 기술을 가지고 있습니다. 병원이 설립되면서 쌓인 진단 기록이나 진단방법은 각 대학의 노하우에 가까운데 이걸 공짜로 나눠줄 이유가 있을지에 대한 것도 상당히 어렵습니다. 평생 환자를 진료한 기술에 대한 노하우를 의사들에게 공개하라고 할수 ... 더 보기
현재 AI를 경쟁상대로 생각하는 것이 아니고 머신러닝에 대한 영상의학의 해석이 맡긴다 역시 아닙니다. Watson도 그렇고 암 혹은 기타 질환에 대한 정보 제공을 병원에서 못하는게 아니라 안하는 겁니다. 진단차트 시스템과 비슷한 궤인데요. 각 대학의 병원 혹은 의사들은 병에 대한 고유의 해석방법과 기술을 가지고 있습니다. 병원이 설립되면서 쌓인 진단 기록이나 진단방법은 각 대학의 노하우에 가까운데 이걸 공짜로 나눠줄 이유가 있을지에 대한 것도 상당히 어렵습니다. 평생 환자를 진료한 기술에 대한 노하우를 의사들에게 공개하라고 할수 있을까요? 이걸 해결하지 않는 이상 AI에 대한 분석 역시 쉽지 않을겁니다. 다만 영상자료에 대한 머신런닝은 중국에서 이미 상당부분 진행되고 있는 상황입니다. 특히 원격진료부분에 있어서는 공산주의이기 때문에 국가가 강제적으로 통제가 가능해 실제 원터치로 중국내 몇몇 대도시에서는 이미 실행하고는 있습니다. 이건 공산주의 국가이기도 해서 가능한 일이지만 한국이나 미국은 거의 불가능 하리라 봅니다.
그래서 이미 재작년부터 주도권 싸움이 많이 이뤄지고 있습니다. 어떤 대학병원에서는 외부에 의료영상자료를 비식별화해도 아예 못나가게 하는 병원도 있고, http://www.monews.co.kr/news/articleView.html?idxno=201850 이런 제목의 공청회도 있지요.
중국은 국가적으로도 지원하고 있기도 하고, 또 라벨링하는 인력이라던지 이런 사람들의 양과 질 모두 우수합니다. 논문도 가장 많이 나오... 더 보기
중국은 국가적으로도 지원하고 있기도 하고, 또 라벨링하는 인력이라던지 이런 사람들의 양과 질 모두 우수합니다. 논문도 가장 많이 나오... 더 보기
그래서 이미 재작년부터 주도권 싸움이 많이 이뤄지고 있습니다. 어떤 대학병원에서는 외부에 의료영상자료를 비식별화해도 아예 못나가게 하는 병원도 있고, http://www.monews.co.kr/news/articleView.html?idxno=201850 이런 제목의 공청회도 있지요.
중국은 국가적으로도 지원하고 있기도 하고, 또 라벨링하는 인력이라던지 이런 사람들의 양과 질 모두 우수합니다. 논문도 가장 많이 나오고 있고요. 근데 이미 여기에 대해서도 나름 장벽을 쌓아가고 있는 느낌입니다. 올 1월에 영상의학과 최고의 저널인 radiology에서 첫번째 하위저널 (Radiology: Artifical Intelligence) 을 만들었는데.. 거기 EIC의 2번째 기고가 바로 Do the right thing 이라고 AI연구의 윤리성에 관한 이야기입니다. 이게 다 이런 저격을 위한 밑그림을 그려놓은거죠.
중국은 국가적으로도 지원하고 있기도 하고, 또 라벨링하는 인력이라던지 이런 사람들의 양과 질 모두 우수합니다. 논문도 가장 많이 나오고 있고요. 근데 이미 여기에 대해서도 나름 장벽을 쌓아가고 있는 느낌입니다. 올 1월에 영상의학과 최고의 저널인 radiology에서 첫번째 하위저널 (Radiology: Artifical Intelligence) 을 만들었는데.. 거기 EIC의 2번째 기고가 바로 Do the right thing 이라고 AI연구의 윤리성에 관한 이야기입니다. 이게 다 이런 저격을 위한 밑그림을 그려놓은거죠.
목록 |
|