◆팔란티어를 이해하는데 도움이 될 영상 1. 팔란티어 총론(온톨로지 + AIP) ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-A_cApVGVF-w.htmlfeature=... 2. 아폴로 : 맞춤형 업데이트 ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-obkrmjNmo3I.htmlfeature=... 3. 파운드리 : Data Connection ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-E8xUtQcnKws.htmlfeature=... 4. 진짜 팔란티어를 만나다 ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-yCbFvbGDcvs.htmlfeature=... 5. 현업계의 이야기 - 팔란티어를 사용하는 기업만 살아남는 이유 ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-DEwqY-IIIBU.htmlfeature=shared 6. 팔란티어 시장의 크기는 무한하다 ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-ICIT7tQ8Oxc.htmlfeature=shared
개인의 동의를 얻은 데이터가 쌓이기 시작해 지금부터 2-30년의 기간이 지나면 장기간의 결과를 보기 충분하겠군요. 그때부터는 분야를 막론하고 사람 보다는 팔란티어와 같은 AI의 의견을 계시로 받아들여 살아가겠네요. 전향적 연구는 모든 분야에서 벌어지고, 전업 연구자는 사라질 수도 있겠어요. 전업 연구자가 줄고, 인간이 수작업으로 검증할 수 있는 범위를 벗어나면, 견제하고 검증 할 여지가 없다는 것이 문제겠네요. 심사 위원을 여러명 두듯이 AI도 여러 모델을 써서 의견의 차이를 확인하는 것이 필요할 것 같네요. 중요한 의학적 결정에서는 이런 차이를 미리 확인하는게 재밌을 것 같습니다.
6시그마의 한계는 결국 핵심인자를 알아야 문제가 해결되는 것이라서 모순이 존재합니다. 핵심인자를 알았다면 당연히 문제가 해결되기 때문인거죠. 실제 현장에선 핵심인자가 무엇인지 모르고 많은 테스트 이후 우연히 발견되는 경우가 많다는 점. 결국 특정 사람이 새로운 가설을 세우고 기존의 인자가 아닌 그 핵심인자를 찾을 때까지 문제해결이 쉽지않다는 것. 온톨로지도 결국 누군가의 제대로된 온톨로지 구축이 되지않으면 문제가 해결되지 않을 수 있다는 점.
영상 2번째 봅니다.. 최근에 회사 내부 종합감사를 거쳤는데... 온톨로지의 베이스, 개념 등이 뭘 말하고 얼마나 중요한지.. 몸소 느끼게 되네요.. 아참.. 컨설턴팅 프로그램도 몇개 최근에 경험했는데.. 온톨로지의 희소성과 가치는 중요한데.. 그 가치를 많은 사람들이 깨닫고 느끼는건 시간이 꼬 ㅐ걸릴듯.. 차근차근 나아갈꺼라 믿습니다 ㅎㅎㅎ
영상 잘봤습니다. 팔란티어. 초기에 미국 군사관련 ai 소프트웨어 개발 회사라는 이야기를 들어서 시큐리티 관련 서비스 인줄 알았는데. 각 도메인의 문제를 인식하고 그걸 해결하는 전체 플로우를 관리하는 서비스를 제공하는 것으로 보이네요. data + action => data` IT쪽에서는 사실 각각의 액션을 히스토리로 관리하고 데이터 분석을 하는데 많이 사용하고 있는데 sass 라고 해서 각각의 독립적인 서비스를 결합해서 사용하는 경우가 일반적인데 팔란티어의 경우는 그걸 전체적으로 일관되게 관리하여 최적화 하려고 하는거 같습니다. 막상 써보기 전엔 뭐라 말하지 못하겠지만 피터틸이 트위터에서 떠나 팔란티어에 집중하는 이유를 알것도 같고. 그리고 일론머스크랑 피터틸이 추구하는 사업에서 문제의 핵심을 찾고 그걸 찾아가는 과정을 소프트웨어로 만들었다는 생각이 드네요.
비슷한 점과 다른 점이 있는데, 비슷한 점만 보고 비교하신 것 같습니다. '문제를 정의하고 개선해다간다'는 부분은 일치하지만 6시그마는 품질 개선 측면, 그 중에서도 불량률의 최소화에 집중한 차원이 비교적 낮은 단면적 해결책에 가깝고, 문제의 온톨로지화는 대내외적 상황의 변화와 관련된 다양한 의사결정을 위한 문제정의, 그리고 그 문제와 관련된 raw data 에 의미를 주관적으로 부여한다는 점에서 비교할 수 없을 만큼 다른 점이 있는 것 같습니다.
임상연구처럼 완벽한 통제가 된 것은 아니기에 퉁계적으로 의미있는 인과관계라고 할 수는 없을 것 같습니다. 의사결정을 추적할 수 있다는 점 그리고 그것을 반복적으로 테스트할 수 있다는 점그리고 누구나 쉽게 할 수 있다는 점에서 상관관계보다는 높은 근거수준의, 그 기업만의 tribal knowledge 데이터를 얻을 것으로 보는 개념입니다.
