[논문 리뷰] From Data to Knowledge to Action: A Global Enabler for the 21st Century

Eric Horvitz, T. M. Mitchell|arXiv (Cornell University)|2020. 07. 31.

Big Data and Business Intelligence인용 수 18

한 줄 요약

이 논문은 과학, 사회, 거버넌스 분야에서 증거 기반 의사결정을 위한 가용 지식으로의 원자료 변환을 가능하게 하는 전환적 프레임워크를 제안한다. 데이터 수집, 저장, 기계학습 분야의 발전을 활용하여, 대규모 데이터 스트림과 확장 가능한 추론 및 AI 기법을 통합함으로써, 세계적으로 정책 및 운영 의사결정의 질을 향상시키는 대규모 통찰을 가능하게 한다.

ABSTRACT

A confluence of advances in the computer and mathematical sciences has unleashed unprecedented capabilities for enabling true evidence-based decision making. These capabilities are making possible the large-scale capture of data and the transformation of that data into insights and recommendations in support of decisions about challenging problems in science, society, and government. Key advances include jumps in the availability of rich streams of data, precipitous drops in the cost of storing and retrieving massive amounts of data, exponential increases in computing power and memory, and jumps in the prowess of methods for performing machine learning and reasoning. These advances have come together to create an inflection point in our ability to harness large amounts of data for generating insights and guiding decision making. The shift of commerce, science, education, art, and entertainment to the web makes available unprecedented quantities of structured and unstructured databases about human activities - much of it available to anyone who wishes to mine it for insights. In the sciences, new evidential paradigms and sensing technologies are making available great quantities of data, via use of fundamentally new kinds of low-cost sensors (e.g., genomic microarrays) or through viewers that provide unprecedented scope and resolution. The data pose a huge opportunity for data-centric analyses. To date, we have only scratched the surface of the potential for learning from these large-scale data sets. Opportunities abound for tapping our new capabilities more broadly to provide insights to decision makers and to enhance the quality of their actions and policies.

연구 동기 및 목표

• 복잡한 분야에서 데이터의 폭발적 증가와 효과적인 의사결정 간 격차를 해소하기 위해.
• 대규모로 데이터를 가용 지식으로 전환할 수 있도록 하는 기술적 및 방법론적 요건을 규명하기 위해.
• 과학, 정부, 산업 분야에서 데이터 기반, 증거 기반 정책 및 관행으로의 체계적 전환을 촉진하기 위해.
• 대규모 데이터의 잠재력을 극대화하는 데 핵심적인 역할을 하는 AI, 기계학습, 확장 가능한 추론의 역할을 부각하기 위해.

제안 방법

• 거대하고 이질적인 데이터 스트림을 처리하기 위해 데이터 저장, 계산 능력, 메모리 분야의 기하급수적 향상을 활용하기 위해.
• 정형화된 데이터와 비정형 데이터에서 통찰을 도출하기 위해 고급 기계학습 및 추론 기법을 적용하기 위해.
• 실시간 인간 및 환경 데이터를 캡처하기 위해 저비용 센서와 디지털 플랫폼(예: 웹 기반 시스템)을 활용하기 위해.
• 유전체 마이크로어레이, 소셜 미디어, 과학 기기 등 다양한 출처의 데이터를 통합 분석 프레임워크에 통합하기 위해.
• 변화가 빠르고 불확실한 환경에서 의사결정 지원을 위해 증거 기반 패러다임을 활용하기 위해.
• 연구 및 정책 분야 전반에서 널리 접근 가능하고 공정하게 사용할 수 있도록 데이터 및 도구의 개방을 촉진하기 위해.

실험 결과

연구 질문

• RQ1 어떻게 대규모 데이터를 복잡한 사회적 과제에 대응하기 위한 가용 지식으로 체계적으로 전환할 수 있는가?
• RQ2 실제 환경에서 대규모 데이터에서 지식으로의 전환을 가능하게 하는 기술적 및 방법론적 발전은 무엇인가?
• RQ3 AI 및 기계학습은 과학, 정부, 산업 분야에서 증거 기반 의사결정을 어떻게 향상시킬 수 있는가?
• RQ4 글로벌 공동체는 어떻게 데이터 인프라를 활용하여 정책 결과와 사회적 복지를 향상시킬 수 있는가?
• RQ5 데이터를 효과적인 조치로 전환하는 데 있어 존재하는 장벽은 무엇이며, 체계적 혁신을 통해 이를 어떻게 극복할 수 있는가?

주요 결과

• 데이터 가용성, 저장 비용 감소, 계산 능력의 기하급수적 증가가 결합되어 데이터 기반 의사결정의 전환점이 마련되었다.
• 기계학습 및 추론 시스템은 유전체, 웹 활동, 환경 센서 등 다양한 출처의 거대하고 이질적인 데이터 세트를 대규모로 분석할 수 있게 되었다.
• 인간 활동이 디지털 플랫폼으로 이관되면서 정형화된 데이터와 비정형 데이터에 대한 사전에 없던 접근성이 확보되었다.
• 이러한 발전에도 불구하고, 실질적으로 대규모 데이터의 잠재력의 일부에만 다다르게 되었다.
• 논문은 대규모 사회적 복리의 잠재력을 해방하기 위해 데이터 인프라, AI, 정책 통합 분야에 체계적인 투자 필요성을 규명하였다.
• 저자들은 이제 기술적으로 가능하며 급박히 필요로 하는 글로벌 증거 기반 의사결정 접근법이 가능하다고 결론을 내렸다.