전 세계 유망 스타트업과 투자자, 액셀러레이터 등 창업 플레이어들이 한자리에 모이는 글로벌 스타트업 축제  'Try Everything 2024' 가 9월 11일부터 12일, 2일간 서울 동대문디자인플라자(DDP)에서 열렸다.

'Try Everything 2024'은 국내외 스타트업, 대·중견기업, 투자사, 미디어, 창업 생태계 관계자 등을 대상으로  투자사 및 대·중견기업 밋업, 스타트업 IR 피칭, 투자사 리버스 피칭, 스타트업 전시·체험부스, 강연·세미나, 네트워킹에 대한 글로벌 강연과 투자유치 프로그램을 진행한다. 

 서울시와 매경미디어그룹, 서울경제진흥원은“창업하기 좋은 도시, 서울”, “누구나 도전할 수 있는 도시, 서울”을 위해 "글로벌 스타트업 대축제 Try Everything"을 2020년부터 해마다 9월  개최하고 있다.

특히 올해는 ‘새로운 물결, 새로운 길(New Waves, New Ways)’이라는 슬로건 아래 20여개국의 관계자들이 참석해 Ai기술 활용에 대한 전망과 활용을 이야기한다. 

이 세션에서는 뉴욕대학교 조경현 교수와 함께 딥러닝과 통계적 학습의 주요 한계를 다루며, 허위 상관관계, 교란 요인의 제거 방법, 불변성 위험 최소화 등의 핵심 개념을 탐구한다.

또한 머신러닝의 피드백 루프와 데이터 오염 문제, 탐색과 활용의 딜레마를 분석하고 실질적인 해결책을 모색한다. 이를 통해 머신러닝의 한계를 극복하고 더 신뢰할 수 있는 인공지능 시스템을 구축하는 방법에 대해 논의한다. 

조경현 뉴욕대 교수는 Ai가 어떻게 작동하는 가를 이해하는 것이 Ai 시스템 구축의 가장 어려운 부분이라고 언급한다. 

비가 내리기 때문에 우산을 쓰는 것과 우산을 쓰는 것을 보고 비가 온다고 생각하는 것은 한 끗 차이이며 하나의 사건에 다양한 요인들이 작용하기 때문에 관측과 비관측의 교란요인을 아는 것이 가장 기본이 되며 교란이 일어났을 때 잘못된 상관관계를 가진 정보들이 알고리즘화, 순환되는 경우 흔히 말하는 Ai 오류를 초래 한다고 말한다. 

이러한 오류를 멈추기 위해서 주목해야 할 점은 우리의 Ai가 아직은 초기단계라는 것이다. 즉 소비자가 원하는 완벽에 가까운 Ai를 구축하기 위해서는 데이터, 아이디어가 부족하다.

또 현재 다수의 기업들은 Ai 시스템을 구축할때 데이터 수집과 평가에만 집중하는 경향이 있다. 그러나 데이터의 오염과 편집 활용의 문제를 간과해서는 안되며 만들어진 프로그램이 배포되는 과정에도 주목해야 한다.

구글에 들어가 "오늘의 뉴스"를 검색하고 친구와 비교했을 때 맨 위에 뜨는 탑 5가 높은 확률로 다를 것이다.  즉 개인이 사용하는 서비스에 따라서 습득하는 정보의 유형이 각기 다르다는 것을 알 수 있다. 

개인맞춤형 기사도 존재하기 때문에 아예 나쁜것은 아니며 오히려 긍정적 효과를 가져올 수 있다. 그러나 알고리즘이 어떻게 작용하는지 생각해볼 필요가 있고 보다 더 정확한 정보를 전달하기 위해 노력해야 한다는 것이다. 

조경현 교수는 결과적으로 Ai 머신러닝의 한계를 극복하고 신뢰할 수 있는 시스템을 구축하기 위해서는 Ai를 배포를 할때 , 대량으로 배포되는 것은 사회에 큰 영향을 끼치고 어떨게 선순환 시킬지는 모든 창업자, ai 업계가 고민해야하는 문제임을 언급한다.

AI기술 사업을 활용하는 것은 나중에 누군가가 책임을 져야하는 국지적인 문제이기 때문에  어떤 시스템을 구축하는지 정확히 알고 문제가 나타났을때 적절한 조치, 피드백을 진행 더 나은 결과를 도출하고 선순환 시키는것 까지가 AI산업체의 과제이다. 

또 스스로 시스템을 감사할 수 있어야 하는데 이는  실질적으로 이 시스템이 발생시킬 수 있는 부가적인 요인들을 알기 위함임을 강조하며 Ai 체계에 기반한 시스템 구축의 개선점을 제시하였다.