IBM 회사 생활을 하면서 가끔 도도한 역사의 흐름속에  경외감을 느끼게하는 기업이라는 생각을 들게하는 순간들이 있는 것 같다. 아래에 Mathmatics 와 Analytics 부서가 출범한지 50 주년을 기념하는 세션을 IBM Watson Research Center 에서 가진 Bob Sutor 박사의 blog 를 소개한다.

Math and Analytics at IBM Research: 50+ Years

Posted on May 6, 2013 by Bob Sutor

Soon after I arrived back in IBM Research last July after 13 years away in the Software Group and Corporate, I was shown a 2003 edition of the IBM Journal of Research and Development that was dedicated to the Mathematical Sciences group at 40. From that, I and others assumed that this year, 2013, was the 50th anniversary of the department.

I set about lining up volunteers to organize the anniversary events for the year and sent an email to our 300 worldwide members of what is now called the Business Analytics and Mathematical Sciences strategy area. Not long afterwards, I received a note from Alan Hoffman, a former director of the department, saying that he was pretty sure that the department had been around since 1958 or 59. So our 50th Anniversary became the 50+ Anniversary. Evidently mathematicians know the theory of arithmetic but don’t always practice it correctly
The first director of the department was Herman Goldstine who joined after working on the ENIAC computer and a stint at the Institute for Advanced Study in Princeton. Goldstine is pictured in the first photo on the right at a reception at the T.J. Watson Research Center in the early 1960s. Goldstine died in 2004, but all other directors of the department are still alive.

We decided that the first event of the year celebrating the (more than) half century of the department would be a reunion of the directors for a morning of panel discussions. This took place this last Wednesday, May 1, 2013.

Photo credit: Mary Beth Miller

I started the day by giving a glimpse of what the department looks like today: the above-mentioned 300 Ph.D.s, software engineers, postdocs, and other staff distributed over the areas of optimization, analytics, visual analytics, and social business in 10 of IBM’s 12 global labs.
I then introduced our panel pictured in the photo above. From left to right we have me, Brenda Dietrich, Bill Pulleyblank, Shmuel Winograd, Roy Adler (a mathematician who was in the department during the tenures of all the other directors except me), Alan Hoffman, Dick Toupin, Hirsh Cohen, and Ralph Gomory.

My goal for the discussion was to go back and look at some of the history and culture of the math department over the last five decades. I was hoping we would hear anecdotes and stories of what life was like, the challenges they faced, and the major successes and disappointments.
Other than a few questions I had prepared, I wasn’t sure where our conversation would go. The many researchers who joined us in the auditorium at the T. J. Watson Research Center in Yorktown Heights, NY, or via the video feed going out to the other worldwide labs would have a chance to ask questions near the end of the morning.
I’m not going to go over every question and answer but rather give you the gist of what we spoke about.

• Ralph Gomory reminded us that the department was started in a much different time, during the Cold War. The problems they were trying to solve using the hardware and the software of the day were often related highly confidential. However, every era of the department has had its own focus, burning problems to be solved, and operational environment.
• Hirsh Cohen got his inspiration for the mathematics he did by solving practical problems such as those related to the large mainframe-connected printers. Many people feel that mathematics shouldn’t stray too far from the concrete, but it is not that simple. This isn’t just applied mathematics, it is a way of looking for inspiration that may express itself in more theoretical ways. The panelists mentioned more than once that the original posers of business or engineering problems might not recognize the mathematics that was developed in response. (I think there is nothing wrong with theoretical mathematics with no direct connection to the physical world, but there are some areas of mathematical pursuit that I think are just silly and of marginal pure or applied interest.)
• In response to my question about balancing business needs with the desire to advance basic science, Shmuel Winograd told me I had asked the wrong question: it was about the integration of business with basic science, not a partitioning of time or resources between them. This very much sets the tone of how you manage such a science organization in a commercial company. The successful integration of these concerns may also be why IBM Research is pretty much the sole survivor of the industrial research labs from the 1950s and 1960s.
• There was general consensus that it is difficult to get a researcher to do science in an area that he or she fundamentally does not want to work. This was redirected to the audience members who were reminded to understand what they loved to do and then find a way to do it. (This sounded like a bit of a management challenge to me, and I suspect I’ll hear about it again.)
• Time gives a great perspective on the quality and significance of scientific work that is just not obvious while you are the middle of it. This is one of the reasons why retrospectives such as this can be so satisfying.

Photo credit: Mary Beth Miller

After the first panel and coffee break, we came back and I started the session looking at the future of the department instead of the history. We have an internal department social network community in IBM Connections and I started by summarizing some of the suggestions people came up with about what we’ll be doing in the department in five, ten, and twenty years.
Sustainability, robotic applications of cognitive computing, and mathematical algorithms for quantum computing were all suggested. Note that his was all fun speculation, not strategy development!
Eleni Pratsini, Director of Optimization Research, and Chid Apte, Director of Analytics Research, then each discussed technical topics that could be future areas for scientific research as well as having significant business use.
After the final Q&A session, we got everyone on stage for a group photo.

Photo credit: Steve Hamm

One thing that struck me when we were doing the research through the archives was how much more of a record we have of the first decade of the department than we do of the 40+ years afterwards. In those early days, each department did a typed report of its activities which was then sent to management and archived.
With the increasing use of email and, much later, digital photos, we just don’t have easy if any access to what happened month by month. As part of this 50+ Anniversary, I’m going to organize an effort to do a better job of finding and cataloging the documents, photos, and video of the department.
This should make it easier for future celebrations of the department’s history. I suspect I’m not going to make it to the 100th anniversary, but I just might get to the 75th. For the record for those who come after me, that will be in 2034.

** 여기에 포스팅한 내용은 개인 차원의 것이며, IBM의 공식적인 입장, 전략, 의견을 반드시 대표하는 것은 아닙니다

지능정보시스템학회 빅데이터 기조연설

지능정보시스템학회 기조연설

내일 12월 7일 서울대학교 수펙스 경영관에서 지능정보시스템 추계학회에서 "빅데이터 세상을 바꾸다"라는 주제로 기조연설을 하는 영광을 얻었다.  바로 앞에는 엑센츄어코리아의 박영훈대표께서 "기업가치제고를 위한 빅데이터 활용방안"이라는 기조연설을 한다.

이번에는 IBM 의 Academic Initiative 에 대해서도 얘기하려고 한다.  2011년 5월 맥킨지의 New Global Institute Report 에 의하면 2018년까지 분석전문가가 미국에서만 14~19만명이 모자를 것으로 예상하고 있다. IBM 에서는 분석의 폭넓은 범위를 감안할때, (예컨데 낮은 단계인 서술적 분석부터, 예측적 더 나아가 규범적(prescriptive)인 단계까지) Service Science, Smarter Planet, 분석 및 산업적 지식을 통합할 수 있는 넓고 깊은 T-shaped 소양을 가진 탤런트를 육성하기 위하여 그동안 IBM 채용해오던 학교의 범위를 넘어 200개가 넘는 전세계 대학들과 접촉하여 현재 30개가 넘는 대학들이 계약을 체결하였고 향후 NorthWestern Engineering  대학등 추가적으로 대학들이 계약될 예정이다.

Streaming Computing

 아울러 Data at Rest 와 Data in Motion 이 양쪽 영역에서의 분석을 통해 새로운 비즈니스 기회를 찾는 사례들을 공유하려고 한다. 이렇게 소위 Streaming Computing 이라는 기술을 통하여 실시간으로 날라오는 비정형데이터들을 Streaming Processing Language  이라는 언어를 통하여 메모리상에서 여과, 분류, 매팅을 수행하고 조건에 맞는 데이터만 저장함으로써 막대한 데이터를 유지하지 않는 비용절감 대책의 새로운 분석 기술이 등장하고 있다. 즉 전통적 컴퓨팅은 디스크에 저장된 정보 발견 및 분석인데 반해, 스트리밍 컴퓨팅은 움직이는 데이터의 분석으로 저장되기 전에 이루어지는 특징이 있다.

Social Media Micro-Segmentation 과 실시간 상관관계

IBM  의 Infosphere Streams  를 통하여 실시간 움직이는 데이터를 분석하고 또한 Infosphere Big Insights 를 통하여 저장된 데이터를 분석하여 Streams  과 BigInsights 의 공통분석 인프라를 통한 진보된 텍스트분석, 실체(entity)통합 과 예측 모델링이 가능하다. 즉 SNS 에서 발생한 어느 event 에 대해 회사내에 저장된 정보와 entity resolution 을 통해 SNS 상의 event  인물과 회사내의 정보의 사람과 동일인 인지등을 찾아낼 수 있다. 즉 IBM 은 움직이는 데이터와 저장된 데이터 양쪽의 정보를 분석할 수 있는 공통 분석 인프라 이 양쪽을 모두 지원할 수 있는 기술적 역량을 갖추고있다.

IBM Machine Learning 기술

IBM 은 항공으로 찍은 사진들로 부터, 예를 들면 스키를 타는 장면을 기계에 훈련시키면, 정확히 스키타는 장면을 분별해 내는 기술을 개발한 바 있다. 아울러 1000 개의 MP3 곡중에서 'zero' 라는 단어가 들어간 음악을 찾아낼 수 있다고 한다. 이러한 기술은 콜센터의 녹취된 내용등에서 어떤 특정 단어가 녹음 된 레코드를 찾아낼 경우에 유용하게 사용될 수 있다.

***여기에 포스팅한 내용은 개인 차원의 것이며, IBM의 공식적인 입장, 전략, 의견을 반드시 대표하는 것은 아닙니다

빅데이터를 활용한 개별고객 이해 -1

지난 10월 19-20일에 CIO 와 CMO 분들을 모시고 개별고객의 이해라는 주제로 강연을 하게되는 기회를 가졌다. 아래에 Forbes Korea 11월호에 개재된 내용을 첨부한다. 아래는 1 page 내용이다.

빅데이터를 활용한 개별고객의 이해 - 2

지난 10월 19-20일에 CIO 와 CMO 분들을 모시고 개별고객의 이해라는 주제로 강연을 하게되는 기회를 가졌다. 아래에 Forbes Korea 11월호에 개재된 내용을 첨부한다. 아래는 2 page 내용이다.



***여기에 포스팅한 내용은 개인 차원의 것이며, IBM의 공식적인 입장, 전략, 의견을 반드시 대표하는 것은 아닙니다

빅데이터를 활용한 개별고객의 이해 - 3

지난 10월 19-20일에 CIO 와 CMO 분들을 모시고 개별고객의 이해라는 주제로 강연을 하게되는 기회를 가졌다. 아래에 Forbes Korea 11월호에 개재된 내용을 첨부한다. 아래는 3 page 내용이다.



***여기에 포스팅한 내용은 개인 차원의 것이며, IBM의 공식적인 입장, 전략, 의견을 반드시 대표하는 것은 아닙니다

일요일의 小考

토요일은 아침에 조금 바쁘다. 어느 일간지의 토.일섹션을 읽는 시간이 조금 오래 걸리기 때문이다. 어제도 다 읽지 못하고 일요일에 조금 일찍 일어나 호젓하게 일독하는 호사를 하고있다. 스티브잡스의 전기를 읽을 때 전기를 집필한 윌터 아이작슨이라는 사람이 ‘균형잡힌’ 사람일 거라고 생각들어 관심이 갔는데, 요번주 토일섹션에 잠시 지면으로부터 작가의 생각을 읽을 수 있었다.

 윌터 아이작슨이 잡스와 Whole Foods 에서 스무디를 주문했을때의 일화를 소개하는데, 직원의 동작이 굼뜨자 스티브가 온갖 모욕적인 말로 그 직원을 비난하는 것을 보고 작가는 “나는 절대로 아이폰을 발명하지도 못하겠지만, 수퍼마켓에서 스무디를 만드는 직원에게 화를 내지도 않을 것” 이라고 말한다. 이 작가는 하버드대와 옥스퍼드대를 졸업하고 타임지 편집장과 CNN 대표이사를 지냈고 30년 가까이 저널리스트로 일했다고 한다. 작가의 아버지는 전기 엔지니어로 매우 점잖고 도덕적인 분이었고 과학과 예술, 특히 음악을 사랑하셨으며 누구나 과학과 엔지니어링을 알아야 한다고 믿었고, 작가에게 과학에 감사하는 법을 가르쳐 주었다고 한다. 작가는 벤저민 프랭클린, 아인슈타인 그리고 헨리 키신저의 전기를 썼는데 신문에서 인터뷰한바에 의하면, 이들의 공통점은 작가의 표현을 빌리면, 모두 창의적이고 상상력이 풍부한 사람들이었다고 한다.

 작가 아이작슨은 단지 ‘똑똑한(smart)’ 게 아니라 창의적이고 독창적인(creative and ingenious)’ 사람에게 관심을 갖는다고 말한다. 작가는 잡스를 “토머스 에디슨, 헨리 포드, 월트 디즈니와 나란히 미국 역사의 전당에 설 인물” 이라고 표현한다. “그들은 모두 새로운 것들을 발명했습니다. 그들은 모두 상상력이 풍부했습니다. 스티브가 말한 것처럼 다른 것을 생각했고(think different) 다르게 생각했습니다. 산만하지 않고 무엇이든지 단순화해서 집중했던 사람들입니다.”

 작가는 스티브 잡스는 참을성이 부족하고 종잡을 수 없는 사람이었지만, 점점 더 현명해진 사람이기도 했다고 말한다. 미(美)와 예술에 대한 사랑을 테크놀로지에 대한 사랑과 결합하려고 애쓴 사람, 무엇인가 완벽하게 창조하려 했던 사람…, 그것이 우리가 스티브의 인생에서 배워야 할 교훈이라고 말한다.

 페이지를 넘기니 왠지 이름이 낯설지 않은 톱 이코노미스트 앤디 시에 박사의 ‘세계 경제 진단’ 이라는 기사가 눈길을 끈다. 시에 박사는 일본 경제의 추락이 정치체제의 경쟁력 부재로부터 기인한다는 의견을 피력한다, 인재를 등용할 때, 능력 있는 사람보다 자기가 좋아하는 사람, 즉 자기보다 능력이 떨어지는 사람을 주로 써왔다는 것이다. 지금 중국도 마찬가지라고 한다. 문화혁명 후 1978년에 대학 입시가 부활됐을 때, 당시 인재 발탁은 완전히 공평했다고 한다. 극소수의 대학 졸업 엘리트들이 정부와 국유기업에 들어가 일했다. 하지만 지금은 말 잘 듣고 성실한 후배만 발탁한다. 일본과 중국이 서로 닮은 점은 ‘아무도 결정하지 않고 아무도 결정하길 원하지 않는다’ 라고 말한다.

시에 박사는 미국이 초강대국 지위를 잃을 수 있다고 지적하며, 미국 국내 문제를 봐야 한다며, 핵심적인 것은 일부 극소수가 특출한 경쟁력을 갖고 있을 뿐 대다수의 미국인들의 경쟁력이 없다고 말한다. 로마제국 사례를 보듯, 초강대국은 내부 문제로 무너진다. 미국에서 소득이 높은 사람은 금융인들과 변호사들인데 모두 가치를 창조하는 사람들이 아니다. 중국과 미국의 성공 여부는 내부 개혁에 달려 있다고 말한다.

기업가정신이 충만한 혁신적 리더를 그리며

일요일 새벽, 이 두가지 글들을 읽으며 이런 생각이 들었다. 미국의 극소수가 특출한 경쟁력을 가지고 있는 배경에는 뛰어난 재능도 재능이지만 “인생을 우리 모두 여기에 잠깐 머물다 가는 것” 으로 인식하고 선대의 사람들이 이룩해놓은 것을 거저 얻어서 쓰다가 후대를 위해 뭔가를 이루어 놓는 다는 생각….이러한 생각을 몸소 ‘편집증 환자 만이 살아남듯이’ 실천하는 기업가 정신이 충만한 혁신적 리더들의 존재로 부터 오는 것이 아닐까 하고 말이다.

‘다른 것을 생각했고(think different) 다르게 생각하며 무엇보다도 고도의 집중력으로 산만하지 않고 단순화해서 집중했던 사람들이 추구하고자 했던 것… 즉, 창의적이고 독창적인 가치를 만드는 선구자들… 이러한 가치는 엔시 박사가 언급했듯이 선진국으로 이양되는 과정에서 필연적으로 부의 혜택을 누리게 되는 변호사나 금융인들 보다는 ‘창의적이고 독창적인’ 기업가(entreprenure) 들, 과학자, 엔지니어들에 의해 개척되는 것이다.

 삶자체를 단순화하고 집중했던 사람들이 이루고자 했던 비전이 일상의 status quo 와 부닥칠 때 느끼는 좌절과 스트레스를 상상하면 스티브 잡스가 일갈한 “stay hungry, stay foolish” 는 그의 드라마틱한 삶 그 자체만큼 우리에게 이 짧은 생을 어떻게 살아야 하는 지를 단순하지만 명료한 짧은 단어로 설파하고 있다.

자기 자신을 돌아보게 했던 말 “ stay hungry, stay foolish” 가 일요일의 느슨함과 함께 나태해 있던 내 가슴속에 다시 공명되어옴을 느끼는 새벽이다.

빅데이타가 주는 기회

향후 10년간 지금보다 44배 데이타가 증가

  이렇게 폭발적으로 증가한 데이타는 2020년에 35 Zettabyte 가 될 것이라 한다. Zettabyte 는 1조 Gigabyte 를 의미한다. 새벽 3시40분 부터 보기 시작한 뉴욕 그랜드 하얏트호텔에서의 IBM Smarter Analytic Leadership Summit 의 simulcast 가 끝났다. 창밖에 날이 밝아온다. 예전엔 webcast 라고 하더니 이젠 simulcast 라고 한다. 아마 내가 본 건 조금 늦어서 replay 가 아닐까 한다. 영어로 청취하는데 괜챦으신 분들은 http://bit.ly/y1D605 를 눌러서 등록하시고 보시면 된다. 1시간40분 Summit 행사가 생중계되어 Big Data 가 가져다주는 기회에 대해 관심이 있는 사람은 뉴욕으로부터 최근 동향을 듣는 의미가 있다.

기업 데이타에서 빅데이타로 분석영역이 확장되고 있다

Volume

  매일 12TB 의 트위터가 생산되고 있다. 스마트그리드는 일년에 3조5천개의 미터가 읽혀지고 있다. 이러한 볼륨(크기)의 문제는 이제 더이상 새로운 얘기가 아니다.

그런데 이러한 데이타의 증가가 어느 기업은 골치덩어리가 되는 반면 어느 기업은 기회로 다가오고 있다. 이 광활한 데이타에서 마치 원유를 찾아내듯이 생산성과 경쟁력에 활용하는 기업이 있다. 예를 들면, 마케팅에서 고객의 요구를 파악하기 위해 FGI (Focus Group Interview) 나 설문지등을 그동안 사용했지만, 실제 고객의 심연에 생각하고 있는 바를 이러한 도구로 잡아낼 수 있을지는 사실 오래전 부터 의문시 됐던 문제다.

  소셜미디어에 비교적 일상적인 얘기를 친한 사람들에게 사심없이 들어내놓는 장점에 주목하면, 만약 이러한 트위터의 정보로 부터 고객의 선호도나 제품에 관한 불만 등(sentiment analysis) 을 알아낼 수 있다면 제품개발이나 브랜드 관리에 유용하게 대처할 수 있지 않을까?  마찬가지로 스마터그리드의 미터기로 읽혀진 정보를 통해 기후 변화에 따른 전력사용량을 예측할 수 있으며 수요 대비 공급에 대한 예측과 조치를 통해 전력량의 적절한 배분과 최적화를 도모할 수 있지 않을까?

Velocity

  현재 IBM Real Time Analytic Processing 기술은 초당 1144만개의 메세지를 분석할 수 있다. 이는 예컨데 주식시장에서 어떤 event 가 발생하여 주식을 살지 말지 결정하는데 0.00013초면 충분하다는 것을 뜻한다. 즉 속도다. 동시에 이러한 속도는 카드회사에서 카드오용을 방지하는데 사용하기도 한다. 이경우 카드사기범의 패턴이 기존 사용자와 다른 유형을 보임을 판별하는데 있어서, 광범위한 테이타를 신속하게 분석하는 능력이 요체다.

  통신시장을 보자. 유선통신시장의 경우 하루에 5백만 통화내역(CDR:Call Detail Records)이 저장된다. 무선통신이 통화중 갑자기 끊어지는 것을 분석하기위해 이러한 데이타를 거의 상당부분 분석해야하며 실시간 요금청구의 경우는 엄청난 분석처리능력을 요한다. 최대 통신사의 경우 IP 기반의 무선인터넷 데이타는 초당 500K, 매일 60억 건의 IPDR(Internet Protocol Detail Records) 이 발생한다. 무선중계기가 용량을 못이겨 drop 될 경우 근처의 다른 중계기로 부하를 감안해 재 routing 해주기 위해서는 call record 의 분석이 요구된다. 아울러 통화품질등의 사유로 고객이탈 이유를 분석하는 것 역시 빅데이타를 다루어야 한다. 이역시 속도의 문제다.

Variety

  서울에만 300만개의 CCTV 가 있다고 한다. 뉴스에서 자주 보듯, 통상적으로 범죄가 발생한 경우 CCTV 분석을 통해 사후에 범인을 잡기도 한다. 미국 로체스터 경찰서와 시카고시의 경우  CCTV 에 나타나는 패턴을 사전에 실시간으로 분석하여 범죄가 구성되는 조건이 되면 이를 사전에 경고로 알려주는 시스템을 통하여 범죄예방효과를 톡톡히 보고 있다. 여기에 사용되는 기술이 스트리밍 컴퓨팅이다. 이는 CCTV 나 병원의 계측기들 혹은 자동차의 GPS 나 공장의 센서등에서 나오는 실시간의 엄청난 데이타를 실시간으로 분석처리하는 기술이다.  예를 들면, 스웨덴의 우주물리 연구소(IRF)의 경우 초당 6 Giga Bytes, 시간당 21.6 TB 의 날씨데이타를 분석하여 구름의 이동경로와 영향도를 예측한다.

 이렇듯, 앞으로 폭발적으로 증가가 예산되는 데이타의 80%는 동영상, 계측장비나 센서로 부터의 데이타, 음성, 소셜 미디어 같은 소위 비정형적인 데이타이다.  향후 폭발적으로 늘어나는 데이타중 80% 인 이러한 비정형데이타를 - 그 광범위한 자료를 - 어떻게 다룰지가 큰 과제다. 즉 정형의 데이타뿐 아니라 이러한 비정형데이타를 포함한 즉, 다시 말하면 다양성(Variety)의 데이타를 어떻게 다룰지가, 이 빅데이타의 위기이자 향후 기회의 영역인 것이다.

Watson 을 상용화된 헬스케어 예측분석에 사용

  한국에는 방영되지 않았지만, 미국에는 Jeopardy 라는 TV 퀴즈쇼가 있었다. IBM 의 인공지능 슈퍼컴퓨터 왓슨(Watson)이 미국 TV 퀴즈쇼 '제퍼디(Jeoperdy)' 에 출전해 전설적인 퀴즈달인들인 켄 제닝스와 브래드 루퍼를 제치고 3일간의 접전에서 퀴즈왕에 오른 일이 있었다. 여기를 보시면 관련 동영상을 보실수 있다. 왓슨의 서적 백만권의 가치가 있는 2억 페이지의 컨텐츠를 보유하고 있다고 평가되고 있다. 인간의 미묘한 언어를 이해하고 관련 데이타를 초당 80조의 연산능력으로 처리한다. 놀라운일은 인간의 자연언어의 복잡함을 이해하고 퀴즈를 3초안에 풀어낸다는 점이다.

  퀴즈쇼 우승이후 이것이 산업에 시사하는 점에 주목했다. 소위 Q&A 시스템으로 불리는 왓슨은 이제 헬스케어 분야에서 전문의가 보유하는 모든 지식에 더해, 최근의 의학 논문 그리고 그때 당시의 환경데이타, 뉴스, 날씨 등등의 정보들로 부터 질병을 예방하고 치료하는 곳에 쓰이게 되었다.

 텍사스에서 가장 우수한 의료시스템을 갖춘 의료기관이자, 미국에서 통합 의료 시스템을 가진 100개 병원중 하나인 Seton 헬스케어 그룹은 지난 10월부터 상용화된 Watson 의 헬스케어 시스템을 도입하고 있다. 환자가 미래에 겪을 수 있는 질환이나 증상을 환자의 진단 기록, 가족력, 보험 청구기록, 의학논문 등등의 주변자료로 부터 통합하여 분석함으로써 환자가 병원에 오지 않아도 근처 내과에서 Watson 에게 질의하면 예방적 조치나 치료를 도와줄 수 있는 통합되고 확장된 예방진단 서비스를 제공하려고 한다. 심부전증으로 6개월 안에 병원을 다시 찾는 환자가 50% 에 달한다고 한다. 텍사스시의 경우 이러한 예방진단을 서둘러 도입하지 않으면 5년안에 1200개의 병동이 필요하며 약 10억5천만원의 추가 병원 증설이 필요하다고 한다. 여기를 보시면 3분짜리 동영상을 통해 Seton 의 관계자들의 이야기를 들을 수 있다.

  눈치빠른 분들은 이미 아셨겠지만 Watson 은 향후 이러한 대용량의 전문지식을 통해 해답을 제공해 줄 수 있는 분야, 예를 들면 정부 민원 정보, 법률 서비스, 콜센터 더 나아가서 금융분야의 거래관련 처리등에 활용될 수 있고 검토되고 있다. 하지만 이러한 자연어의 이해를 통한 고급분석이 잘 맞는곳이 있고 그렇지 않은 곳이 있다. 예를 제품개발이나 디자인같은 분야는 창의력이나 독창성을 요구하는 분야인데 Q&A 전문가시스템 적용에 맞지 않는다.

  글쎄, 국내에서 이러한 응용분야가 어디서 나올지 모르겠지만, 이는 기존사례로 부터의 cross-pollination (상호교환)이 필요한 분야라서 세계적인 혁신 아이콘인 IDEO의  Tom Kelly 전사장이 Ten Faces of Innovation 책에서 언급하듯이 관찰과 모방을 통하여 혁신을 이루어나가야 하는 분야가 아닐까 한다.


***여기에 포스팅한 내용은 개인 차원의 것이며, IBM의 공식적인 입장, 전략, 의견을 반드시 대표하는 것은 아닙니다