[논문 리뷰] Advances in Artificial Intelligence Require Progress Across all of Computer Science

Gregory D. Hager, Randal E. Bryant외 3명|arXiv (Cornell University)|2017. 07. 13.

Machine Learning in Materials Science인용 수 13

한 줄 요약

이 백서는 인공지능(AI)의 발전이 AI에 특화된 연구 외에도 컴퓨터 과학 전 분야의 발전에 달려 있음을 주장한다. 이는 체계적이고 통합된 다학제적 협력을 통해 시스템, 알고리즘, 이론 분야의 근본적 과제를 해결해야 하며, 지속 가능한 AI 혁신을 위해 컴퓨터 과학 전반의 통합적 발전이 필수적임을 강조한다.

ABSTRACT

Advances in Artificial Intelligence require progress across all of computer science.

연구 동기 및 목표

• AI 발전과 컴퓨터 과학 전 분야의 진전 간 상호의존성을 부각시키기 위해.
• AI 발전이 AI에 특화된 연구만으로 달성될 수 있다는 오해를 시정하기 위해.
• 컴퓨터 과학 하위 분야 간의 조율된 다학제적 투자와 협력을 촉진하기 위해.
• 차세대 AI를 뒷받де기 위한 시스템, 알고리즘, 이론 분야의 기초적 개선이 필요함을 강조하기 위해.
• 다양한 분야 간 상호보완적 협업이 AI 돌파구를 이끄는 핵심이 되는 컴퓨터 과학을 통합된 분야로 위치시키기 위해.

제안 방법

• AI 연구의 현재 상태를 분석하고, 보다 넓은 컴퓨터 과학 분야의 발전에 의존하는 체계적 의존성을 규명하기 위해.
• 다양한 하위 분야의 선도적인 컴퓨터 과학자들의 통찰을 바탕으로 다학제적 상호의존성을 입증하기 위해.
• 이론, 시스템, 응용 분야 간 통합이 필요하다는 시스템 수준의 과제로 AI 개발을 프레임워크화하기 위해.
• 사례 연구와 전문가의 합의를 통해 프로그래밍 언어, 데이터베이스, 분산 시스템 분야의 진전이 AI 돌파구에 기여함을 입증하기 위해.
• 고립된 AI 연구가 아닌, 분야 간 협업을 지원하는 정책 및 자금 지원 모델을 제안하기 위해.
• 확장 가능하고 신뢰성 있고 효율적인 AI 시스템을 가능하게 하는 기본 컴퓨터 과학 연구의 역할을 강조하기 위해.

실험 결과

연구 질문

• RQ1 AI에 특화된 연구 외의 컴퓨터 과학 분야에서의 진전이 인공지능 발전에 어떻게 기여하는가?
• RQ2 주요 AI 돌파구를 뒷받디는 핵심 다학제적 의존성은 무엇인가?
• RQ3 왜 고립된 AI 연구 모델은 지속 가능하고 확장 가능한 AI 혁신을 달성하는 데 부적합한가?
• RQ4 컴퓨터 과학 전반의 통합적 발전을 지원하기 위해 연구 자금 지원 및 협업 모델에서 어떤 체계적 변화가 필요한가?
• RQ5 시스템, 알고리즘, 이론 분야의 기본 컴퓨터 과학 진전이 차세대 AI 시스템을 가능하게 하는 방식은 무엇인가?

주요 결과

• AI의 진전은 AI에 특화된 분야 외에도 컴퓨터 과학 전 분야의 진전에 본질적으로 의존한다.
• AI의 돌파구는 컴퓨터 과학 전반의 시스템, 알고리즘, 이론적 기초 분야의 개선에 달려 있다.
• AI 혁신은 프로그래밍 언어, 데이터베이스, 분산 시스템 분야의 진전과 분리될 수 없으며, 다학제적 협력이 필수적이다.
• AI를 보다 넓은 컴퓨터 과학에서 분리하여 고립된 연구 모델은 견고하고 확장 가능한 AI 시스템을 달성하는 데 부적합하다.
• 기초 컴퓨터 과학 연구는 스케일링 가능한 신뢰성 있고 효율적이며 안정적인 AI 시스템 개발을 가능하게 한다.
• 지속 가능한 AI 발전을 위해서는 AI 중심 연구 외에도 컴퓨터 과학의 모든 하위 분야에 대한 조율된 투자와 협력이 필요하다.