즐거운 목요일 되세요. Patent Drop에 오신 것을 환영합니다!

오늘 우리는 AI를 사용하여 후보자를 모집하는 JP Morgan의 기술, 신경망의 예리한 눈을 제조에 적용하려는 Nvidia의 계획, 누구나 기계 학습에 액세스할 수 있도록 하는 Amazon의 목표를 확인하고 있습니다.

간단한 프로그래밍 참고 사항: Patent Drop은 5월 8일 월요일에 휴식을 취합니다. 우리는 5월 11일 목요일에 정규 일정으로 돌아올 것입니다.

드럼 롤 주세요!

#1. Chase의 자동 채용 담당자

JP Morgan Chase는 AI가 자신의 재능을 찾도록 하고자 합니다.

미국의 가장 큰(현재는 더 큰) 은행이 기계 학습을 사용하여 구직자를 찾는 방법에 대한 특허를 얻으려고 합니다. 기본적으로 이 기술은 내부 또는 외부 네트워크와 같은 "직원 공개 데이터"를 사용하여 후보자를 식별하고 해당 잠재적 채용에 대한 "신뢰도 점수"를 생성합니다. 이 점수는 후보자가 현재 직원과 얼마나 밀접하게 관련되어 있는지, 해당 후보자를 채용하는 것이 얼마나 쉬운지 또는 어려운지, 해당 후보자가 직무에 적합한지 여부를 나타냅니다.

이 시스템이 좋은 채용을 식별하면 "타깃 채용 커뮤니케이션"을 생성하여 그들에게 연락하고 지원 및 고용 상태를 모니터링합니다. 이 시스템이 기계 학습을 기반으로 한다는 점을 감안할 때 기술은 최적의 후보자를 찾는 데 얼마나 잘 수행했는지, 그들이 고용되었는지 여부와 이전 경험을 통해 학습하고 개선하는지 여부를 모니터링합니다.

JP Morgan은 이 기술이 회사의 문화를 이해하지 못하는 외부 채용 팀의 문제를 완화하여 직원으로 오래 지속될 후보자를 식별할 수 없다고 언급했습니다.

JP모건은 서류에서 "신규 직원을 식별하고 채용하는 것은 모든 조직의 중요한 부분"이라고 말했다. "조직과 일치하는 가치와 목표를 가진 직원을 찾는 것이 장기 직원을 찾는 데 중요합니다."

미국 특허청을 통한 사진.

여기서 풀어야 할 것이 많습니다. 우선, 이것은 일반적으로 인간이 수행하는 작업을 AI가 자동화하는 또 다른 예입니다. 뿐만 아니라 채용 및 HR 기능은 개인 간 연결을 기반으로 합니다. TalentSelect AI 의 CTO인 Will Rose는 AI가 이미 채용 및 고용 프로세스의 모든 측면에 영향을 미치고 있으며 면접 프로세스에서 후보자 소싱에서 선택에 이르기까지 모든 것에 영향을 미치고 있다고 말했습니다.

"JP Morgan Chase 특허는 AI를 사용하여 귀하의 직업 및 개인 네트워크와 연결을 이해하여 채용 결과를 예측하는 이러한 추세가 계속되고 있음을 보여줍니다."라고 Rose는 말했습니다.

고려해야 할 또 다른 요소: 이것이 설명되는 방식으로, 이 기술은 쉽게 편견을 개발할 수 있으며 그 결과 다양성이 부족한 인력이 됩니다.

예를 들어 이미 다양성이 부족한 인력이 있는 경우 해당 인력의 네트워크에도 다양성이 부족할 수 있습니다. 이러한 네트워크에서 훈련된 기계 학습 알고리즘이 일반적으로 외부 채용 담당자(다양한 후보자를 적극적으로 찾을 수 있음)가 수행하는 작업을 수행하기 위해 배치되면 다양성 부족은 그대로 유지되거나 악화될 뿐입니다. 그리고 알고리즘이 자체 학습이라는 점을 감안할 때 이러한 초기 결과는 뿌리깊은 편향이 될 것입니다.

JP모건이 은행의 ESG 정책을 AI에 프로그래밍할지 여부는 불분명하며, 은행은 Patent Drop에서 연락을 받았을 때 답변으로 응답하지 않았습니다.

그러나 그 반대도 사실일 수 있다고 로즈는 말했다. Rose는 "채용 과정에서 무의식적인 편견 문제는 잘 기록되어 있습니다."라고 말했습니다.

편향된 결과에 대해 알고리즘에 대한 지속적인 검사를 구현하여 올바르게 수행한 경우 "AI는 프로세스에 보다 객관적인 데이터를 제공할 수 있는 기회를 제공합니다."라고 말했습니다.

#2. Nvidia의 감시하는 눈

Nvidia는 제조상의 결함을 모두 잡아내고자 합니다.

칩 제조업체는 AI를 사용하여 제조된 제품의 결함을 감지 할 수 있는 기술을 연구하고 있습니다. 기본적으로 이것은 신경망을 "자동 광학 검사 시스템"으로 구현하여 이름에서 알 수 있듯이 제조된 물체를 검사합니다. 신경망은 결함이 없는 객체의 여러 이미지에 대해 훈련되며 각 제조된 객체를 학습한 객체와 비교하여 객체가 제자리를 벗어났을 때를 감지합니다.

Nvidia는 이것이 현재의 자동 검사 시스템에 수반되는 단점을 해결한다고 말했습니다. 검사 시스템은 종종 하나의 작업에 전념하고 처리 속도나 카메라 각도가 제한적이며 다양한 조명 조건에서 작업을 수행할 수 없기 때문에 매우 유연하지 않을 수 있다고 회사는 지적했습니다.

엔비디아는 제출 서류에서 제조 공정의 이 부분에 AI를 구현하면 "비용, 처리 속도, 휴대성, 교육 작업의 용이성, 사용되는 카메라 수의 유연성, 카메라 각도의 유연성, 여러 조명 조건의 유연성과 같은 요소를 개선할 수 있다"고 밝혔습니다. .”

미국 특허청을 통한 사진.

AI는 종종 AI가 제공할 수 있는 세부 사항과 일관된 정밀도에 주의를 기울여야 하기 때문에 제조 환경에 자연스럽게 적합합니다. 특히 신경망은 이미지 및 물체 감지와 관련된 상황에서 사용할 수 있는 최고의 AI 유형이므로 이 기술은 일반적인 카메라 시스템에서 놓칠 수 있는 작은 결함을 감지하는 데 가장 적합한 옵션입니다.

MaaS(Manufacturing-as-a-Service) 회사인 Hey Scottie 의 CEO이자 설립자인 Rhonda Dibachi는 이 특허가 광범위한 신경망 기반 물체 감지에 적용된다고 언급했습니다. 하나는 반드시 결함을 찾는 데 사용할 필요는 없지만 모든 종류의 물체 감지에 사용할 수 있습니다. 검사는 가시광선, X-레이, 적외선을 포함한 여러 가지 방법으로 수행할 수 있으며 여러 종류의 환경에서 작동할 수 있습니다.

Dibachi는 "제게는 꽤 포괄적인 것 같습니다."라고 말했습니다. "내가 당신에게 다음과 같은 프롬프트를 준다면 당신이 쓸 특허입니다. 'AI와 신경망을 사용하여 사물에서 무언가를 감지하고 그에 대해 조치를 취하는 특허를 작성해 주세요.'"

제조 분야의 대부분은 아직 AI에 의해 중단되지 않았습니다. 공장 설정에서 이 기술의 여러 응용 프로그램은 전체 제품이 아닌 한 번에 하나의 단일 구성 요소로 작업하는 더 작고 더 좁게 집중되어 있다고 Dibachi는 말했습니다. "인간의 육안 검사에서 추측과 무작위성을 제거할 수 있는 모든 작업은 매우 유용할 것입니다."라고 그녀는 말했습니다.

특허는 하나의 특정 기능(PC 보드 검사)에 대한 이 기술의 사용을 설명하지만 "공장의 모든 작업"에서 구현될 가능성이 있다고 Dibachi는 말했습니다. 예를 들어, AI의 특성이 새로운 데이터로부터 지속적으로 학습하는 것이라면 하나의 검사 시스템이 여러 종류의 제품에서 문제를 포착할 수 있습니다.

Dibachi는 "이는 시각적 입력을 사용하여 기준을 결정할 수 있는 거의 모든 상황에 잠재적으로 적용될 수 있습니다."라고 말했습니다. “예를 들어 다음과 같이 사용할 수 있습니다. 흐리나요? 우산을 가져오라고 메모해 두세요. 또는: 문이 닫혀 있습니까? 열어 봐."

Nvidia는 이미 AI 강국입니다. 승인되면 이 광범위한 특허는 자체 제조 환경과 이 기술을 다른 제조업체에 제공하는 데 있어 회사에 큰 이점을 제공할 수 있습니다.

#삼. 모두를 위한 아마존의 기계 학습

Amazon은 인터넷 연결과 스프레드시트가 있는 모든 사람이 기계 학습을 사용할 수 있도록 만들고자 합니다.

이 회사는 기계 학습 데이터의 " 일관된 필터링 " 기술에 대한 특허를 찾고 있습니다. 그러나이 특허는 데이터를 정리하는 방법보다 훨씬 더 많은 것을 약속합니다. Amazon은 공급할 수 있는 데이터가 비축되어 있는 한 누구나 사용할 수 있는 "사용자 지정 가능하고 사용하기 쉬운 기계 학습 서비스"를 설명합니다.

이 시스템은 "사용자가 모델을 조정하거나 고급 통계 또는 인공 지능 기술을 학습하는 데 많은 시간과 노력을 들이지 않고도" 기계 학습 모범 사례 및 사용을 통해 사용자를 신속하게 안내할 수 있습니다.

AI 아마추어의 경우 이 기술을 통해 사용자는 시스템의 기본 설정에 의존하여 기계 학습 모델을 구축, 교육 및 사용할 수 있습니다. 그러나 고급 사용자는 모델에 대한 매개변수 또는 설정을 사용자 정의할 수 있습니다. 데이터에서 레코드 추출, 통계 생성 또는 예측을 포함하여 이 시스템이 제공하는 사전 정의된 기계 학습 작업 중 일부를 사용하는 것과 함께 사용자는 자신의 맞춤형 기능을 구현할 수 있습니다.

아마존은 이 기술을 통해 대량의 데이터에 액세스할 수 있는 기업이 컴퓨터 과학이나 엔지니어링에서 고급 학위를 소지하거나 고용할 필요 없이 실제로 사용할 수 있다고 말했습니다.

"전통적으로 통계 및 인공 지능에 대한 전문 지식은 기계 학습 모델을 개발하고 사용하기 위한 전제 조건이었습니다."라고 아마존은 제출 문서에서 밝혔습니다. "많은 비즈니스 분석가와 고도의 자격을 갖춘 주제 전문가에게조차 이러한 전문 지식을 얻는 데 어려움이 있는 경우가 종종 있습니다."

미국 특허청을 통한 사진.

아마존은 AI에 발을 디뎠다. 이 회사의 클라우드 서비스 부서는 4월 중순에 사람들이 생성 AI 기반 앱을 구축할 수 있는 도구인 Amazon Bedrock이라는 새로운 서비스를 출시했습니다 . 또한 회사의 AI 코딩 동반자인 CodeWhisperer와 회사 자체 언어 모델인 Titan을 공개했습니다.

AWS의 데이터베이스, 분석 및 기계 학습 부사장인 Swami Sivasubramanian은 보도 자료에서 "Bedrock은 고객이 (기본 모델)을 사용하여 생성적 AI 기반 애플리케이션을 구축하고 확장할 수 있는 가장 쉬운 방법이며 모든 빌더의 액세스를 민주화합니다."라고 말했습니다.

12월 말에 제출된 이 특허 출원은 AI 시장 점유율을 높이려는 아마존 계획의 주요 부분이 될 수 있습니다. 또한 더 많은 사람들이 기계 학습 도구를 사용할 수 있도록 하면 빠르게 성장하는 AI 시장에서 우위를 점하기 위한 경쟁에서 Google 및 OpenAI와 경쟁하는 데 도움이 될 수 있습니다. 그러나 Amazon은 경쟁사에 대해 다른 접근 방식을 취하고 있습니다. 이 기술은 AWS 고객이 사용할 수 있지만 회사는 아직 소비자 대면 AI 도구를 사용하지 않았습니다.

이 기술은 또한 클라우드 비즈니스에 큰 기회를 나타냅니다. Amazon은 고객이 AWS에서 자신의 AI 모델을 호스팅할 수 있는 공간을 만들어 AI에 굶주린 클라우드 고객을 더 많이 끌어들일 수 있습니다.

Amazon CEO Andy Jassy는 연례 주주 서한 에서 "(Large Language Models) 및 Generative AI가 고객, 주주 및 Amazon에게 큰 문제가 될 것"이라고 언급하면서 AI에 대한 회사의 약속과 투자를 강조했습니다.

추가 방울

아직 끝나지 않았습니다!

그 밖의 새로운 기능은 무엇입니까?

의견, 팁 또는 제안이 있으십니까? 우리에게 라인을 드롭! [email protected] 로 이메일을 보내거나 트위터 @patentdrop 에서 DM을 보내주세요.

지금 구독