3월 셋째주 신문읽기

 

1️⃣ 경제 

---

 

🔹 크레디트스위스 인수 타결 

 

•  세계적인 투자은행인 크레디트스위스 (CS) 가 파산 위기에 있다가 가까스로 인수 결정이 이루어졌다. 

•  실리콘밸리은행이 미국의 지방은행으로서 실리콘밸리 스타트업의 돈을 관할하고 있었다면, 크레디트스위스는 국가기관 등 세계 곳곳의 투자를 받았던 곳이다. CS 가 파산한다면 여러 나라 금융에 큰 문제가 생길 수 있었던 것. 

 

 

🔹 로봇 테마주 열풍 

 

•  키오스크, 서빙로봇 등 일상에서 로봇을 쉽게 접할 수 있는데, 앞으로 AI와 5G 등 기술이 발달하며 더 성장할 것으로 보인다. 삼성전자, 현대차그룹, LG전자 등 대기업도 로봇 산업에 주목하고 있다. 정부 또한 다음 달 로봇 규제 혁신 로드맵 2.0을 발표하며 로봇 산업의 성장을 지원할 계획이다. 

 

 

🔹 미국 기준금리 인상 

 

•  지난 22일 미국 연준이 기준금리를 올려 5%가 되었다. 2007년 이후 최고 수준인데, SVB 파산 등 미국은행이 위기를 맞으며 빅스텝이 아닌 베이비스텝(0.25%p) 만 밟았다. 

 

 

 

 

 

2️⃣ 산업 

---

 

🔹 중국 검색기업 바이두, 어니봇 출시 

 

•  어니봇 : 챗GPT 의 대항마로 선보인 생성형 AI 이다 

•  AI 산업의 선두주자로 기대가 많았지만, 공개일에 시연을 생략하는 등의 아쉬운 모습을 보여 바이두의 주가는 떨어졌다. 

•  구글은 구글 워크스페이스에 생성형 AI를 활용한 글쓰기 기능을 만들었다. 

 

 

🔹 애플페이 도입 

 

•  애플은 애플페이 결제를 제공하는 카드사로부터 간편결제에 대한 수수료를 받는다. 결제액의 최대 0.15%라 국내 카드업계가 부담해야 하는 수수료는 연간 900 억원이다. 삼성페이는 5억원~15억원임을 감안하면 큰 규모이다. 

 

 

🔹 생성형 AI 와 프롬포트 엔지니어 

 

•  AI한테 질문을 잘하는 스킬을 갖춘 프롬프트 엔지니어를 뽑는 기업이 늘고있다. 이제 막 등장한 직업이라 연봉이 3~4억원 가량 된다고 한다. 챗GPT 같은 AI를 실제로 업무에 활용하는 기업이 늘다보니, AI로부터 최고의 결과물을 빠르게 얻어낼 줄 아는 사람을 찾는 것이다. 

•  생성형 AI는 인간의 뇌와 비슷하게 동작하기 때문에, AI 가 얼마나 많은 데이터를 학습해서 어디까지 알고있는지 모르기 때문에, 질문을 잘 던져서 원하는 답을 얻어내는 스킬이 중요하다. 한편, 해당 직업이 금방 사라질 것이라는 얘기도 있다. 앞으로는 누구나 AI 에게 질문하는 스킬을 익히게 될 것이라는 것. 

 

 

 

 

 

 

3️⃣ 사회 

---

 

🔹 한일 정상회담 

 

•  일본과의 관계를 회복하고자, 정부가 강제동원 해법 (한국인을 강제동원했던 일본 기업 대신, 한국 기업이 돈을 마련해 배상금을 주는 방안) 을 내놓고 빠르게 정상회담이 잡혔다. 

•  정상회담을 통해 한국과 일본의 관계를 다시 살리고, 경제 및 안보 분야에서 힘을 모으기로 했다. 

•  이를두고, 야당과 시민단체에서는 일본의 사과 없이 요구를 다 들어주었다고 비판하였다. 

 

 

🔹 중러 정상회담 

 

•  중국과 러시아가 정상회담을 진행했다. 미국과 경쟁하는 중국과 미국의 제재를 받는 러시아가 손을 잡기 위해 진행한 것으로 보고있다. 

 

 

🔹 새로고침 노동자협의회와 근무제도 개편안

 

•  기존 현장직, 생산직 중심의 노조와 달리, 금호타이어, 삼성디스플레이 등의 사무직, 연구직 노조가 모여 2월에 새로 만들었다. 최근 1주에 최대 69시간까지 일할 수 있는 새 근무 제도 이야기와 맞물려 생긴 것으로 보인다. 

 

 

 

 

 

 

👀 이모저모 

---

 

◻ 5 MLops predictions for 2023 

 

•  MLOps는 Machine Learning Operations의 줄임말로, 기계 학습 프로젝트의 전체 수명주기에서 모델을 개발, 배포, 관리, 유지 보수하기 위한 일련의 프로세스와 방법론을 의미합니다. MLOps는 기계 학습 모델의 제작 과정에서 발생할 수 있는 다양한 문제를 해결하기 위해 고안되었으며, 이를 통해 기계 학습 모델의 효율성과 신뢰성을 높일 수 있습니다.

 

•  4x는 MLops (Machine Learning Operations)에서 사용되는 용어 중 하나로, 모델의 배포 및 관리를 위한 일련의 프로세스를 나타냅니다. 4x는 "Four Essential Practices"의 약어로서, 다음과 같은 네 가지 핵심 요소를 의미합니다.

- 기계 학습 모델의 설계 및 개발
- 모델의 교육 및 테스트
- 모델의 배포 및 관리
- 모델의 모니터링 및 유지 보수

이러한 4가지 요소는 기계 학습 프로세스에서 각각 중요한 역할을 담당하며, 이를 효과적으로 관리하고 실행함으로써 기계 학습 모델을 최적화하고 유지 보수할 수 있습니다. 4x를 적용하여 기계 학습 프로젝트를 성공적으로 관리하는 것은 MLops에서 중요한 역할을 합니다.

 

•  MLops 의 트렌드 

  ↪ MLops 는 앞으로 더 많이 사용될 것이다 : 딜로이트 설문조사에 따르면 AI 산업계 응답자의 50% 가 작년보다 4X를 더 많이 사용하게 되었다고 응답했다. 또한 ML 분야의 카테고리를 컴퓨터비전, 자연어처리, 응용 분야로 나누어 보는 관점이 많았다. 

  ↪  또 다른 트렌드는, GCP 혹은 AWS 같은 클라우드 머신러닝 솔루션을 사용한다는 것이다. 

 

•  기업의 데이터 사이언스 프로젝트의 3분의 2는 상품화되지 못한다. 비용적인 측면과, 모델의 완성도에 있어서 아직은 부족하기 때문이다. 

 

•  MLOps 는 기술적인 문제이다. 전문인이 없어서 생기는 문제라기 보단, 프레임워크나 도구에 있어서의 혼동이 많았으며 어떻게 머신러닝 기술을 운용하고 평가하는지 파이프라인을 설계하는 것이 필요해졌기 때문이다.