안녕하세요, MOJO입니다!
우리가 투자를 하기전에,
관심있는 기업의 인공지능 기술을 조금이나마 파악 할 수 있다면 투자에 도움이 되지 않을까요?
오늘은 테슬라(TSLA)와 레모네이드(LMND) 인공지능 보험에대해 정리해봤습니다.
그 전에, 인공지능, 머신러닝, 딥러닝에 대해 간단하게 설명해드릴게요.
영상으로 시청하고 싶은 분들은 MOJO채널로 놀러오세요!
첫번째, 인공지능, 머신러닝, 딥러닝
우리가 흔히 사용하는 단어인 인공지능(A.I)은 머신러닝과 딥러닝을 포함하는 넓은 개념입니다.
인공지능 : 기계를 지능적으로 만든 과학
머신러닝 : 빅데이터를 학습하고 의사결정을 할 수 있는 기법
딥러닝 : 인간의 뇌, 뉴런과 유사한 깊은신경망(Deep Neural Network) 구조를 통해 데이터를 학습 및 추론 할 수 있는 기법
그럼, 우리가 최근 주위에서 많이 들을 수 있는 인공지능은 무엇을 의미할까요?
결론은, 대부분 딥러닝을 의미한다고 생각하셔도 됩니다.
딥러닝, 깊은신경망을 학습시키기 위해선 굉장히 많은 계산량이 필요하기때문에,
성능이 좋은 GPU, CPU를 필요로합니다.
NVIDIA(티커: NVDA)와 같은 기업에 계속해서 좋은 제품의 GPU들이 출시되고 있고,
이에따라 딥러닝에 관한 연구가 활발해질 수 있었습니다.
또한,
아마존의 AWS(티커: AMZN), 구글 클라우드 플랫폼(티커: GOOGL), 마이크로소프트의 Azure(티커: MSFT) 등
고사양 머신을 돈을 지불하고 사용 할 수 있는 서비스도 활발해졌습니다.
그렇다면,
요즘 많은 기업들이 왜 인공지능, 즉 딥러닝을 적용하기위해 노력하고 있는걸까요?
간단한 예시를 들어볼게요.
다음 그림은 공부한 시간에 따른 합격, 불합격을 보여주는 10명의 데이터입니다.
일반적으로 공부한 시간이 많을수록 합격할 가능성이 높고,
공부하 시간이 적을수록 합격하지 못할 가능성이 높다고 생각할 수 있습니다.
우리는 머신러닝을 통해 적당한 기준을 찾을 수 있고,
그 기준을 통해 새로운 사람의 데이터를 보고 합격 또는 불합격을 예측할 수 있습니다.
즉, 방대한 양의 데이터를 보고 적당한 기준을 찾을 수 있습니다.
이러한 전통적인 머신러닝 방법은 우리 일상 생활속에도 이미 많이 적용되어있습니다.
하지만, 현실에는 훨씬 복잡하고 고차원적인 문제들이 많아,
깊은신경망을 활용한 딥러닝이 필요합니다.
딥러닝은 다음 그림과 같이 여러 계층구조를 깊게 깊게 쌓아, 복잡한 계산 과정을 수행하여 결론을 내는 방식입니다.
이런 딥러닝 방식은 복잡하고 막대한 양의 계산을 통해, 기존 방식보다 높은 성능을 보일 수 있었으며,
현재 많은 기업에서 자신이 보유한 데이터를 활용해, 업무자동화나 경쟁사와의 차별점을 두기위해 사용되고 있습니다.
두번째, 인공지능 보험
저는 주식 공부를 위해 백색나무님 영상을 꾸준히 챙겨봅니다.
(자세하고, 깔끔하게 정리를 잘 해주시니 여러분들도 챙겨보시면 좋을 듯 합니다.)
백색나무님께서 레모네이드를 분석한 영상을 보시면,
보험회사가 보유한 데이터들은 대부분 손으로 작성된 문서들로 되어있어,
이를 바로 학습시킬 수 없는 형태라는 내용이나옵니다.
이러한 비정형 데이터를 분석하고, 추출하기 위해서는 다양한 방법이 필요하고,
방대한 양의 보험 데이터를 어떻게, 신속하고 정확하게, 학습 가능한 형태로 가공하느냐에 따라
경쟁사와의 차별점이 될 수 있다고 생각되네요.
(MOJO 채널 영상 보러가기! --> 팔란티어의 강점: 비정형 데이터 분석)
그렇다면,
테슬라와 레모네이드가 왜 인공지능 보험 서비스를 하려고 하는걸까요?
제가 생각하는 이유는 다음 세가지 입니다. 업무 자동화, 인건비, 감정이 없는 판단력
인공지능 기반 보험 서비스는 주로 챗봇을 통해 진행됩니다.
챗봇은 자연어처리모델(NLP)를 사용하여, 인간의 말을 분석하고,
정확한 대답을 할 수 있도록 도와주는 인공지능 기술입니다.
고객은 챗봇을 통해 인공지능과 보험 상담을 받거나,
사고가 발생했다면, 사고 내용을 챗봇을 통해 이야기를 하게됩니다.
보험 상담원은 더이상 고객과 장시간동안 전화통화를 하거나,
고객과의 미팅을 위해 먼 거리를 이동하지 않아도됩니다.
이렇게 챗봇 기술은,
직원이 일을 하지 않고도 고객과 상담 할 수 있도록 도와주고,
회사에서는 '상담원' 이라는 인력을 대폭 줄여 인건비를 줄일 수 있습니다.
(인간을 대체 할 수 있을만한 성능의 챗봇이 나오게된다면, '상담원'이라는 직업이 사라질 수 도 있겠네요.)
또한, 인공지능은 감정이 없고, 학습된 데이터에 기반하여 판단을 하기 때문에,
어떻게 보면, 감정이 있는 인간보다 객관적인 추론을 할 수 있습니다. (* 같은 판결 사례들을 보면요.)
* 같은 판결 사례들
15세 지적장애 소녀를 성폭행한 54세 남자 --> 집행유예
[서울고법 형사 10부 항소심 판결]
"범행 직후 곧바로 후회하고 따뜻한 물로 씻겨 준 다음
피해자의 집 주변까지 데려다준 것으로 보아 다소 참작할 사정이 있다"
23개월 아이를 폭행해 사망케 한 어린이집 원장 남편 --> 집행유예
[대구고법 형사 1부 2심 판결]
"어린이집에 맡겨졌던 23개월 아이가 원장부부의 폭행으로 인해 소장이 파열되어 복막염으로 사망하였으나
상해치사죄에 대한 직접 증거가 없다며 업무상 과실치사와 아동복지법 위반만 유죄로 판단해,
원장은 징역 1년 6월, 원장 남편은 징역 1년 6월에 집행유예 3년 선고"
만취 상태로 뺑소니 사망 사고를 낸 운전자 --> 집행유예
[청주지법 형사 1부 2심 판결]
"혈중알코올농도 0.21%의 만취 상태로 운전 중 뺑소니 사망 사고를 낸 임 모 씨에게 징역 3년을 선고했던 1심을 깨고
심신미약 감경을 적용해 징역 2년 6월에 집행유예 4년 선고"
물론, 훌륭한 판사님들도 계시지만요.
감정 외에도 다른 요인이 있을 수 있습니다.
저는 교통사고 전문 한문철 변호사님이 운영하는 '한문철TV' 또한 자주 챙겨봅니다.
한문철 변호사님은 어이없는 과실비율 때문에 억울해 하는 사람들을 위해, 법에 기반하여 다양한 방법과 조언을 해주십니다.
영상을 보면 자주 등장하는 내용은, "같은 보험사면 어쩔 수가 없다.", "원래 과실비율 100:0은 없다." 등이 있습니다.
과연 이 내용들이 과실비율을 판단하는데 중요한 요소일까요?
아직은,
성능 좋은 보험 상담 챗봇이 출시되어도, 이를 관리해야 하는 관리자가 있어야 할 것이고,
성능 좋은 인공지능 판사가 나와도, 판결이 타당한지 훌륭한 판사님들께서 분석해주셔야합니다.
물론, 인공지능이 인간을 100% 대체 할 수 없지만,
많은 부분에서 업무 자동화, 혹은 반 자동화, 비용 절감 등의 효과를 볼 수 있는 것은 사실입니다.
마치며
레모네이드(LMND)
좋은 성능의 자연어처리 모델을 개발하는 것은 다른 경쟁사와의 차별점이 아닐 수 도 있습니다.
이미 기존의 보험사들은 방대한 양의 데이터를 갖고 있고, 자연어처리 모델은 누구나 개발 할 수 있기 때문이죠.
레모네이드가 방대한 양의 비정형 어떻게 활용할지,
이미 방대한 양의 데이터를 갖고 잇는 기존의 보험회사와 어떤 차별점을 둘 지,
기술적인면 외에도 어떻게 회사를 운영할지 지켜봐야겠네요.
테슬라(TSLA)
테슬라는 자율주행을 위해 애초부터 사용자들의 주행 데이터를 수집하고, 가공할 수 있도록 시스템을 구성했습니다.
이를 보아, (개인적인 생각으로)
미래의 설계자 일론머스크 형은 자동자 보험 서비스를 위해,
이미 데이터를 학습 가능한 형태로 정제하고 있을 수 도 있고,
빠르게, 혹은, 갑자기 인공지능 기반의 자동차 보험 서비스를 출시 할 수도 있다는 생각이드네요.
일론 머스크의 첫 공식 전기 '미래의 설계자, 일론머스크' 책 구매하기
긴 글 읽어주셔서 감사드리며, 모두 성투하세요!
본 포스팅은 개인적인 사견을 담은 글로 특정 주식을 권유하는 글이 아닙니다.
파트너스 활동을 통해 일정액의 수수료를 제공받을 수 있음
'주식일기' 카테고리의 다른 글
| 테슬라 오너가 많아질수록 더 똑똑해지는 FSD (0) | 2021.03.30 |
|---|---|
| 내가 팔란티어(PLTR)를 매수하는 이유, 두 번째! (0) | 2021.03.25 |
| 팔란티어(PLTR)의 강점: 비정형 데이터 분석 (0) | 2021.03.21 |
| 내가 장기투자를 하는 이유 (0) | 2021.03.20 |
| 내가 팔란티어(PLTR)를 매수하는 이유 (0) | 2021.03.16 |
