강화 학습을 위한 비즈니스 과정 차트 작성

인공 지능(AI)이 경쟁 우위를 제공할 수 있는 새로운 방법을 찾고 있는 리더들은 2021년 아메리카 컵 경기가 한 팀의 획기적인 강화 학습 사용과 급진적인 보트 설계 및 치열한 경주에 흥미로웠다는 것을 알았을 것입니다.

경쟁력을 유지하기 위해 America's Cup 콘테스트의 항해 팀은 모든 비즈니스와 마찬가지로 가능한 것의 한계를 뛰어넘어야 합니다. 그들은 또한 가파른 개발 곡선과 작은 기회 창을 포함하여 비슷한 제약에 직면해 있습니다. 즉, 팀은 스포츠의 가장 중요한 대회에서 성과를 높이기 위해 한두 가지 큰 실험만 추구할 수 있습니다.

2021년 America's Cup에서 현 챔피언인 Emirates Team New Zealand는 고급 AI 기술인 강화 학습을 통해 설계 프로세스를 최적화할 수 있다는 도전에 나섰습니다. 이 기술을 통해 팀은 기하급수적으로 더 많은 보트 디자인을 테스트하고 네 번째 컵 우승을 확보하는 데 도움이 되는 성능 이점을 얻을 수 있었습니다.

다른 유형의 기계 학습과 달리 강화 학습은 일반적으로 레이블이 지정되거나 지정되지 않은 기록 데이터 세트에만 의존하지 않고 예측을 하거나 작업을 수행하는 방법을 학습하는 알고리즘(AI 에이전트 또는 봇을 훈련하는 경우가 많음)을 사용합니다. 그들은 인간처럼 시행착오를 통해 배웁니다. 지난 몇 년 동안 이 기술은 확장성이 뛰어나고 복잡하고 역동적인 환경에서 의사 결정을 최적화할 수 있는 방식으로 발전했습니다.

설계를 가속화하고 개선하는 것 외에도 강화 학습은 점점 더 광범위하고 복잡한 애플리케이션에 통합되고 있습니다. 고객 행동과 선호도가 급격하게 변화하는 시스템에서 제품을 추천합니다. 매우 역동적인 조건에서의 시계열 예측; 포장, 라우팅, 일정 관리가 결합된 복잡한 물류 문제를 해결합니다. 소비자와 환자에 대한 경제 및 건강 정책의 임상 시험 및 영향 분석도 가속화합니다.

우리는 기술 환경이 얼마나 빨리 변화할 수 있는지 살펴보았습니다. 불과 몇 년 전만 해도 또 다른 AI 기술인 딥 러닝이 비즈니스 현장에 등장했습니다. 현재 우리가 조사한 하이테크 및 통신 기업의 30%와 기타 산업 분야의 기업 중 16%에 딥 러닝 기능이 내장되어 있습니다.

최근 몇 년간 가장 많이 언급된 기술 적용 사례는 다음과 같습니다.

오늘날 강화 학습의 잠재력을 이해하고 있는 경영진은 Emirates Team New Zealand와 같이 해당 업계에서 우위를 점할 수 있는 더 나은 위치에 있을 것입니다(사이드바 "강화 학습 애플리케이션의 주목할 만한 사례" 참조). 팀의 경험을 이해하면 리더가 기술을 언제 어디서 사용해야 할지 판단하는 데 도움이 될 수 있습니다. 왜냐하면 많은 조직이 비슷한 경로를 여행하기 때문입니다. 먼저 문제를 해결하기 위해 보다 전통적인 기술을 구현한 다음 강화 학습을 적용하여 이전에 달성할 수 없었던 성능 수준으로 올라갑니다. 따라서 우리는 Emirates Team New Zealand의 여정을 자세히 설명하는 것부터 시작하여 기업이 강화 학습 적용을 고려해야 하는 위치와 방법에 대한 아이디어를 제공합니다.

에미레이트 팀 뉴질랜드 디자이너들은 첨단 기술에 익숙하지 않았습니다. 2010년에 팀은 보트 설계를 물리적으로 제작하지 않고도 테스트하기 위해 최첨단 디지털 시뮬레이터를 구축했습니다. 이는 팀의 2017년 America's Cup 우승의 핵심이었지만 시뮬레이터에는 한계가 있었습니다. 이를 최적으로 운영하려면 여러 명의 선원이 필요했는데, 이는 선원들의 예정된 연습, 여행 및 대회를 고려할 때 상당한 물류 문제였습니다. 결과적으로 설계자는 일반적으로 시뮬레이터 성능 데이터가 없는 상태에서 새로운 설계를 반복한 다음 선원과 함께 많은 시간을 할애할 수 있을 때 최고의 아이디어를 일괄적으로 테스트했습니다. 더욱이 선원의 성능은 인간의 성능과 마찬가지로 테스트마다 다를 수 있으므로 보트 반응의 미미한 개선이 설계 조정으로 인한 것인지 인간 테스트의 차이로 인한 것인지 설계자가 알기가 어렵습니다.