CRINITY

• 머신러닝은 주어진 데이터를 바탕으로 새로운 질문에 대해 예측하는 것을 목적으로 하는데, 이는 크게 지도학습 (supervised learning)과 비지도학습(unsupervised learning)으로 구분할 수 있습니다.
  지도학습은 훈련데이터에 조건 X뿐만 아니라 이에 대한 정답(또는 라벨) Y까지 주어집니다. 예를 들어 사진 자료들에 "강아지, 고양이, 새"와 같이 일일이 라벨링이 되어 있고 이를 학습해 다른 사진들에서 강아지, 고양이, 새들을 찾아내는 식입니다. 반면 여러 동물사진을 섞어놓고 이 사진에서 비슷한 동물끼리 자동으로 묶어보라고 이야기한다면 이는 비지도학습이라고 볼 수 있습니다.
  인간은 지도학습과 비지도학습의 과정을 모두 이용하는데, 아직까지의 인공지능은 지도학습 연구가 더욱 활발한 모습입니다.
  하지만 인간이 세상을 라벨링 없이도 이해할 수 있듯이, 미래의 인공지능 역시 라벨링 없이 세상을 이해할 수 있는 비지도학습이 더욱 강조될 전망입니다.

최근의 인공지능을 둘러싼 동향을 살펴보면 과거의 중흥기와는 다르게 실제 서비스에 인공지능을 도입해 이용자에게 제공하고 있는 모습을 보이고 있습니다. 인공지능이 늘 지적 받아왔던 것도 현실의 문제를 해결하기에 한계가 있고, 활용 폭도 게임 수준에만 머무르고 있다는 점이었습니다. 이러한 문제점을 극복하기 위해 인공지능은 점차 범용 프로그램으로 개발되어 여러 서비스에 접목하려고 하고 있습니다. 알파고의 경우 바둑에만 특화된 인공지능은 아닙니다. 알파고는 범용 인공지능 프로그램이기 때문에 다른 복잡한 문제에도 적용할 수 있습니다. 예를 들어 구글은 데이터센터 최적화에도 인공지능을 이용하고 있습니다. 장비 사용시간, 에너지 사용량에 대한 빅데이터가 누적되면서 에너지 최적화를 위한 시뮬레이션 시 시스템간 상호관계의 복잡성으로 일반 모델 적용 시에 많은 오류가 발생하는데, 에너지 최적화 모델 구축을 위해 '뉴럴 네트워크(Neural Network)'를 활용한 것입니다. 모델에 반영되는 복잡한 변수 관계를 미리 정의할 필요 없이 인공지능이 모델에서 자동 생성되는 특징들간의 패턴을 파악하는데, PUE 예측에 99.6%의 정확성을 보여 센터 운용 효율화에 큰 도움을 줍니다.

페이스북은 얼굴 인식 기술을 활용해 만든 사진 공유 앱 '모먼트(Moments)'에 인공지능을 도입하였습니다. 모먼트는 찍은 사진을 페이스북에 올리지 않고도 개인적으로 친구들과 공유하게 하는데, 사진에 포함된 사람들의 얼굴을 인식해 그룹으로 분류해주고 개별적으로 사진을 보낼 수 있게 해줍니다. 페이스북은 얼굴 인식 기술에 많은 투자를 해왔는데 페이스북이 개발한 '딥페이스(Deepface) AI' 시스템의 얼굴 인식 정확도는 97.25%에 달합니다.

• 이 밖에도 인공지능은 모바일, IoT기기, 스마트카 등 다양한 영역에 도입 확대되고 있습니다. 발전과 쇠퇴를 거듭하면서 진화해 온 인공지능이 이제는 서비스로 구체화되면서 진정한 개화기를 맞이하고 있는 것입니다. 이처럼 구글•IBM•마이크로소프트 등 글로벌 기업들은 인공지능을 자사 서비스에 도입하고 미래 성장동력으로 삼기 위해 해당 기술을 가진 스타트업을 인수하고 조직을 신설하는 등 관련 사업을 강화하고 있습니다. 마이크로소프트는 영국의 AI 스타트업 '스위프트키(SwiftKey)'를 2억 5000만달러(약 3040억원)에 인수했습니다.
  스위프트키는 AI 스마트폰 키보드 앱을 제작하는 스타트업으로, 사용자의 키보드 패턴을 분석해 단어를 제시함으로써 빠른 속도의 타이핑을 돕는 서비스를 제공합니다.
  구글은 인공지능 스타트업 '딥마인드(Deepmind)'를 2014년 5억 8200만달러(약 6970억원)에 인수했으며, 아마존은 '에비 테크놀로지(Evi Technologies)'를 지난 2012년에 인수했습니다. 에비 테크놀로지는 아이폰의 시리(Siri)처럼 사용자와 언어소통이 가능한 인공지능 기술을 개발하는 스타트업입니다. 애플도 감정 인식 인공지능 기술을 개발하는 영국 소재 스타트업 '이모션트(Emotient)'를 인수한 바 있습니다.
  
  

페이스북은 저명한 인공지능 연구자들을 잇따라 영입했는데, 얀 레쿤(Yann LeCunn) 미 뉴욕대학 교수를 인공지능팀 책임자로 발탁하고, 구글 출신 전문가도 채용하였습니다. 또한 이미지 인식 소프트웨어를 개발하는 실리콘밸리 신생기업 '비카리우스(Vicarious)'에도 주크버그 개인적으로 투자도 하였습니다. 이 비카리우스는 인간의 두뇌에서 언어와 수학 같은 인식 기능을 주관하는 신피질(neocortex)을 재현하는 연구를 하는 업체로 최근 많은 기업들로부터 투자를 받고 있습니다. 국내 기업 중에는 삼성전자가 비카리우스에 약 2,000만 달러를 투자한 바 있습니다. 삼성은 이 회사의 알고리즘을 각종 스마트기기에 적용하는 방안을 고민 중이라고 합니다. 이 업체가 개발하는 알고리즘은 로봇이나 스마트기기가 인간처럼 직관적인 지각을 갖게 하는 것이 목표인데, 제프 베조스 아마존 CEO는 물론 스위스 로봇 제조기업 ABB 등도 이 회사에 투자했습니다.
전기차 제조회사 테슬라의 엘런 머스크는 '오픈 AI'라는 재단을 설립하고 10억 달러를 투자해 인공지능 연구를 지원하겠다고 밝혔고, 중국 최대 포털 사이트 바이두(百度)는 미국에 연구소를 설립하고 인공지능 전문가인 앤드루 응 스탠퍼드대 교수를 영입했습니다. 바이두는 이 연구소에 약 3억 달러를 투자하였습니다. 일본의 인공지능 연구개발 업체들도 많은 주목을 받고 있습니다. 화상인식과 딥러닝을 결합한 기술로 각광을 받고 있는 'ABEJA'는 미쯔코시 백화점과 공동으로 점포분석 연구에 인공지능을 적용하고 있습니다.
동경대, 교토대 대학원 연구원들이 설립한 인공지능 벤처기업 '프레퍼드 인프라스트럭처(Preferred Infrastructure)'는 NTT, 파나소닉, 토요타 등 일본 굴지의 대기업들로부터 공동연구와 투자를 받을 정도로 인기가 높습니다. 구글 레벨의 검색 역량과 빅데이터에 기반한 자동추천 엔진이 PFI의 핵심역량으로, 실생활 서비스에 인공지능을 접목시키려는 기업들로부터 투자가 쇄도하고 있습니다.

인공지능의 산업별 적용사례

금융

1. 투자 및 트레이딩 – 영국의 조사기관 프리킨(Preqin)의 자료에 따르면 2015년 컴퓨터 알고리즘을 트레이딩의 메인 수단으로 사용한 헤지펀드가 40%가량으로, 이는 지금까지 집계 중 가장 높은 수치라고 합니다. 지금까지의 컴퓨터 기반 알고리즘들이 인간이 수학적 모델을 만들고 시장상황에 따라 그것을 지속 업데이트 해야 했다면, 딥러닝의 출현 이후로는 기계 스스로 데이터를 학습하고 시장상황에 맞게 모델을 변화시켜 나가는 방식으로 진화하고 있습니다.

이러한 인공지능 분야의 발전이 투자 알고리즘에 줄 수 있는 장점은 많은 글로벌 투자사들로 하여금 인공지능에 관심을 갖게 하였습니다. 세계 최대 규모의 헤지펀드사인 '브리지워터(Bridgewater)'사는 2015년도에 IBM에서 왓슨 개발을 담당하였던 '데이빗 퍼루치(David Ferrucci)'를 영입해 AI팀을 신설하였고, 홍콩 기반의 '아이디아(Aidyia)'사가 최근에는 인공지능 기능만으로 펀드를 운용하는 펀드를 미국 시장에서 출시하기도 하였습니다.

2. 신용평가 및 심사 – 빅데이터와 인공지능의 분석능력을 결합하면 대출 신청자의 신용도 판단 및 채무 불이행 가능성 예측이 가능합니다. 일반 은행들이 직장, 소득, 금융거래 실적, 연체 기록 등 소수의 변수에 기초한 신용평가 모델을 적용하는데 비해 최근의 핀테크 기업들은 인공지능의 성능을 활용하여 수천 개의 변수를 고려한 신용평가 모델을 활용하여, 기존 메이저 대출시장과 차별화된 소비자 금융 서비스를 제공하고 있습니다.

• 3. 개인금융 비서 기능(Personal Finance Management) – 인공지능의 재무분석 능력이 모바일에 탑재되면 개인화된 재무 비서 기능을 수행할 수 있게 됩니다. 더 나아가서는 은행업무에서 고객응대를 맡기도 합니다. 향후 모바일에 탑재된 인공지능 앱은 결제플랫폼과 연계되어 다양한 핀테크 서비스를 창출할 수 있으며, 노인 등 금융 약자를 위한 금융서비스 지원을 담당할 수 있을 것으로 보입니다. 개인 금융을 지원하는 스타트업 기업으로는 'Wallet AI'와 KASISTO 등이 있는데 Wallet AI는 모바일 유저의 소비데이터와 GPS센서 데이터, SNS 데이터 등을 종합하여 소비패턴을 '문맥적'(Contextual)으로 분석하여 소비자에게 가장 합리적인 소비 의사결정을 지원합니다. 'KASISTO'의 경우 이번 달의 지출액, 스타벅스 사용금액, 사용 가능한 스타벅스 쿠폰, 카드 잔고 등을 음성기반 인공지능이 알려주고, 결제기능도 지원해줍니다. 중국의 포털 업체 바이두는 인공지능 기반의 주식시장 빅데이터 분석 개인용 앱인 '스탁 마스터(Stock Master)'를 제공하고 있습니다. 소비지출분석부터 주식투자 정보 분석 제공까지 인공지능이 개인 금융생활에 더욱 가까이 다가오고 있습니다.

의료

의료분야에서 인공지능은 웨어러블 기기의 센서 데이터와 이미지 인식 기술을 바탕으로 한 진단 데이터가 인공지능으로 융합되면서 인간에게 최적화된 스마트 헬스 솔루션을 제공할 수 있는 가능성을 열어주고 있습니다.

1. 웨어러블 기기 활용한 스마트헬스 케어 - 다양한 종류의 웨어러블 센서를 통해 맥박, 혈당량, 체온, 스트레스 정도 등 건강정보를 수집하고, 물론 지금은 초보적인 단계지만, 이러한 데이터들을 인공지능이 정확히 분석한다면 진정한 의미의 스마트헬스 서비스가 가능해질 것으로 보입니다. 일본 소프트뱅크가 IBM 왓슨 기반으로 만든 건강관리 앱인 '퍼스널 바디 서포트(Personal Body Support)'는 4주간의 생활습관, 스마트 체중계 등 센서를 센서를 통한 개인 건강 기록 및 유전자 데이터 등을 분석하여 건강관리 정보를 제공해 줍니다. 또한 SNS를 통한 전문가 조언 서비스도 제공하며, 일일 과제 수행 시 지급되는 포인트는 전용 스토어에서 건강 보조식품이나 의료상품 구입 시 사용이 가능합니다.

2. 진단 데이터 수집•분석 능력 활용한 처방과 치료 - 인공지능을 통해 컴퓨터가 MRI같은 복잡한 형상에서도 패턴을 정확히 인식하는 능력이 향상되면서 수많은 영상 데이터들의 분석이 가능해졌습니다. 또한 영상 데이터 외에도 환자의 치료 데이터 및 유전정보 데이터도 인공지능이 분석하여 환자개인별로 최적화된 치료 방법을 제안할 수 있습니다. 실제로 IBM의 왓슨은 의료기관과 협력하여 치료법 추천과 보험료 지급 심사의 용도로 활용되고 있습니다.
국내 대형 병원들도 딥러닝 도입을 서두르고 있습니다. 서울아산병원은 최근 딥러닝 기반 분석 및 진단시스템 개발 스타트업 '뷰노(Vuno)'와 제휴를 맺고 의료 빅데이터 활용을 위한 연구 진행 중입니다. 뷰노는 영상자료를 분석해 환자의 폐암 여부를 진단할 수 있습니다. 세브란스 병원은 의료 녹취 솔루션 개발을 위해 디오텍과 협력중입니다. 의료녹취(Medical Transcription) 솔루션은 외래 진료 시 의사의 진단과 처방, 영상판독 소견, 수술 시 의사의 진료 내용 등 각종 의료기록을 음성인식 기술로 저장해 문서화하는 기술입니다. 이를 통해 의무기록 작성에 할애하는 시간을 줄여 의사가 환자와 대면하는 시간을 늘려줄 수 있어 환자의 만족도를 높일 수 있습니다.

3. 휴머노이드형 반려로봇 활용한 고령자 케어 서비스 – 인공지능이 탑재된 휴머노이드형 로봇은 요양병원이나 일반 가정에서 고령자의 일거수 일투족을 관찰하여 건강체크 및 위급상황 알림 등의 역할을 수행할 수 있습니다. 이에 더해 물리치료사의 동작을 기계학습으로 습득한 재활전문 로봇들이 인간의 재활을 도울 수 있는 날이 멀지 않았습니다.

자동차

자동차 산업에서는 자율주행차 분야에서 인공지능이 큰 기여를 하고 있습니다. 자율주행의 단계는 크게 주변도로상황을 인지하는 '인지'와 그에 따른 적절한 '판단'을 내리는 단계, 가감속 등 '제어'의 단계로 이루어집니다. 인공지능은 향상된 시각지능을 통한 사물인식 성능으로 자율주행차의 주변 인지를 가능하게 하며, 각종 센서를 통해 확보한 데이터와 외부 데이터를 정확하게 처리해 가장 안전한 경로를 판단하는 역할을 돕습니다.

1. 방대한 양의 데이터 학습 통한 신속한 판단 제공 – 자동차에 부착된 레이터, 라이더, 초음파 감지기 등의 센서를 통해 현재위치, 직면한 장애물 등 주변상황을 실시간으로 파악하고 그에 대해 대응하는 것은 안전하고 효율적인 주행의 핵심적인 요소라고 할 수 있습니다. 이러한 처리능력은 이미지의 특성을 순식간에 파악하고 분류할 수 있는 딥러닝 기술의 도움을 받고 있는데 이러한 딥러닝 알고리즘을 탑재한 차량용 프로세서들이 개발되고 있습니다.

2. 커넥티비티 기반 지능형 교통 서비스 실현 - IoT 기술과 클라우드 기술을 통해 차량과 스마트홈, 차량 대 차량, 차량 대 교통인프라 등의 추가적인 연결이 가능해지고, 음성인식 서비스를 통해 운전자와 차량간의 커넥티비티도 증대될 것으로 보입니다. 차량의 커넥티비티 증대는 주행과 교통상황에 관한 데이터의 증대를 의미하고, 이렇게 수집된 데이터의 관제역할을 인공지능이 담당한다면 향후 교통량에 따른 차량 최적화 제어 및 안전주행 유도가 가능할 것으로 예측됩니다.

제조업

제조업 분야에서 인공지능의 데이터 분석 능력과 시각지능은 기계설비의 고도화를 가져와 공정 효율화에 기여하고 있습니다. 더 나아가 제조업에서는 휴머노이드형 노동 로봇을 활용하여 공장 자체를 스마트화하는 '스마트 팩토리(Smart Factory)' 추세가 가속화되고 있습니다.

1. 데이터 분석•광학센싱 통한 공정 최적화 - 데이터 학습 및 분석을 통해 생산 공정의 최적화 방안을 제시하는 등 데이터 기분 고급분석 역할을 수행할 수 있으며, 딥뉴럴 네트워크 기술로 발전된 시각지능을 활용하여 제조과정의 정밀화와 효율화에 기여할 수 있습니다.

2. 휴머노이드 로봇의 노동 제공 등 '스마트 팩토리' 추진 – 인체공학적으로 만들어진 로봇이 사람의 동작을 학습한 후 실제 작업현장에 투입되어 작업라인의 효율과 재해발생 위험 낮춰줄 수 있으며, 스마트 팩토리 현장에서 인간의 노동력을 대체하는 실질적인 수단이 될 전망입니다. 미국 Rethink사에서 출시된 산업용 로봇 '박스터(Baxter)'는 산업현장에서 좋은 호응을 얻고 있습니다. '12년 출시 이후 업그레이드 거듭하며 성능도 좋아지고 있는데, 로봇을 학습시키기 위한 재프로그래밍 과정이 인공신경망 기술로 시간단축이 가능해질 것으로 예상되어 앞으로 활용도는 더욱 증대할 것으로 보입니다.

미디어•콘텐츠

1. 빅데이터 분석 통해 고객에게 최적화 콘텐츠 제공 - 고객의 사진, 방문기록, SNS 등 정형•비정형 데이터를 분석하여 유저 개인별 정보를 수집하고 그에 맞는 최적의 콘텐츠를 제공하는 방식의 온라인 마케팅 방법이 활발히 시도 중입니다. 이러한 개인화된 콘텐츠 기반의 마케팅은 웹 상의 비정형 데이터를 인식하고 특징을 분류할 수 있는 인공지능이 활성화 될수록 더욱 활발히 전개될 것입니다.

2. 자연어 분석(Natural Language Processing) 활용 - 인간의 언어를 쓰고 이해 할 수 있는 자연어 분석기법(NLP)가 발전을 거듭하면서 미디어 콘텐츠 분야에서도 사용되고 있습니다. 온라인상의 데이터를 실시간으로 인간의 글로 전환하여 고객인입도를 늘리는 등 마케팅 효과를 높이고 있습니다. 단순히 커머스 영역뿐만 아니라 병원 등에서도 처방전 등에 의사가 하기에는 시간소요가 많이 드는 낮은 수준의 리포팅을 직접 작성해 CRM효과를 극대화할 수도 있습니다.

인간과 인공지능이 공존하는 미래 사회

인공지능과 인간의 대결은 승패를 떠나 인간 이외의 지능을 가진 '무언가'가 인간에게 도전하고 또 공존할 수 있다는 가능성을 보여준다는 점에서 늘 우리의 관심을 끌고 있습니다. 그리고 이 가능성은 단순한 호기심에서 벗어나 이제는 실제로 인간의 삶에 도움을 줄 수 있다는 기대와 희망으로 변화하고 있습니다. 인공지능은 앞으로 수많은 분야에서 다양하고 새로운 시장들을 창출해 나갈 것입니다. 국내에서도 빅데이터, IoT, 5G와 연계하여 인공지능을 접목시키려는 시도가 활발히 진행되고 있습니다. 글로벌 기업들의 빠른 행보에 발맞추어 국내 기업들 역시 인공지능 시대에 대비하여 역량을 강화하고 기술을 개발 중입니다.

인공지능이 인간을 대신할 수는 없습니다. 아무리 뛰어난 인공지능 로봇이라고 해도 인간의 감정까지는 소유할 수 없습니다. 인공지능에 어떤 제한된 행동을 프로그래밍화하여 감정을 갖고 있는 것과 같은, 유사한 행동을 하도록 제어할 뿐이지 로봇이 인간의 감정을 완전히 이해하는 것은 불가능합니다. 하지만 빅데이터를 기반으로 로봇을 학습시켜 인간처럼 행동하고 사고하며 인간과의 상호작용을 통해 계속적으로 인공지능 시스템이 진화한다면 머지 않은 시기에 인공지능은 인간의 삶 깊숙이 들어올 것입니다. 인공지능을 인격체로 보느냐 마느냐의 논의까지는 아니더라도 이제는 인공지능을 바라보는 관점의 변화가 필요한 시점에 와 있습니다. 인공지능은 편리함을 제공하는 도구가 아닌 인간의 동반자로 새롭게 자리매김하려 하고 있습니다. 편리한 삶에서 행복한 삶으로 '삶의 질'을 추구하는 요즘, 인공지능은 우리의 삶을 윤택하게 하는데 많은 기여를 할 것으로 기대됩니다.

(자료출처: KT경제경영연구소 - '인공지능(A.I.), 완생이 되다')