조경미 기술사의 인공지능 강화 시스템

인공지능 강화 시스템 트렌드 변천사

2018년

2017년

2016년

인공지능 강화 시스템

(AI Foundation)

인공지능과 진보한 머신러닝

(AI & Advanced Machine Learning)

진보한 머신러닝

(Advanced Machine Learning)



인공지능 강화 시스템 전체 비즈니스 지도

image44.png



조경미 기술사



인공지능Artificial Intelligence, AI이라는 거대한 물결이 우리에게 왔다. 제3의 물결인 정보화 서비스는 정보의 생산하는 선순환 생태계Echo System를 만들며 방대한 정보(데이터)를 쏟아냈다. 인공지능은 수많은 정보를 더 편리하게, 더 유익하게 활용하게 한다. 데이터로부터 시작된 제3의 물결은 분석과 학습 기술의 발달로 기계(컴퓨터)가 인간의 인지, 판단, 제어 능력과 유사한 기능을 하는 인공지능 기술로 발전했다. 바로 이 인공지능이 제4의 물결을 일으키고 있다.

가트너 10대 트렌드Gartner Top 10 Trend에 따르면, 2014년 전부터 핵심 기술로 떠오른 빅데이터와 분석으로 시작된 인공지능 원천 기술은 진보한 머신러닝Advanced Machine Learning과 인공지능을 거쳐 인공지능 강화 시스템AI Foundation으로 진화할 전망이다.


인공지능 관련 가트너 탑 10대 키워드 변화 추이

image42.png


최소 2020년까지 자율적으로 학습, 적응, 행동하는 시스템은 업체 간 가장 심한 각축전이 일어날 분야로 손꼽힌다. 2025년에는 의사 결정 향상, 비즈니스 모델, 생태계, 고객 경험 재형성을 위한 AI 능력이 디지털 이니셔티브를 성공적으로 이끄는 주 원동력으로 작용할 전망이다. 그 중심이 될 인공지능 강화 시스템은 사물인터넷IoT, 클라우드Cloud, 빅데이터BigData, 모바일Mobile 등의 기술과 인공지능이 산업과 융합하며 새로운 비즈니스를 창조하거나 기존의 비즈니스 가치를 더욱 높일 것으로 기대된다.

이에 대해 데이비드 설리는 “AI 기술은 급속히 발전하고 있다. 조직은 이러한 기술과 프로세스, 툴(예: 데이터 준비, 통합, 알고리즘, 트레이닝 방법론, 모델 생성 등)에 대대적으로 투자해 기술을 성공적으로 활용하고 AI 강화 시스템을 구축해야 한다"고 밝혔다. 이어 "그러기 위해서는 데이터 과학자, 개발자, 비즈니스 프로세스 책임자 등의 여러 관계자가 상호 협력해야 한다”고 덧붙였다.


기업의 비즈니스를 운영하던 전사적자원관리시스템Enterprise Resource Planning, ERP, 공급망관리시스템Supply Management System, SCP 등의 기간 시스템이 AI와 융합돼 새로운 디지털 이니셔티브를 만들어가는 인공지능 강화 시스템으로 진화해야 한다. 인공지능 강화 시스템의 성공적 도입을 위해서는 데이터 과학자 직무를 수행하는 인력을 더욱 많이 확보하고 개발자, 비즈니스 프로세스 책임자, 마케터 등의 직무 인력도 AI를 이해해야 한다.


image37.png


인공지능 강화 시스템은 ICBMIoT, Cloud, BigData, Mobile과 융합해 기존의 산업 영역을 파괴적으로 혁신하며 새로운 서비스, 새로운 가치, 새로운 경험을 만들 전망이다. 인공지능을 품은 자율주행자동차로 인해 인간은 장거리 운전으로부터 자유로워질 것이다. 2~3년이 걸리던 신약후보물질 탐색 기간도 인공지능으로 대폭 단축되고 있다. 유전자 검사도 인공지능으로 정확도가 높아지면서 발병 가능성이 있는 원인 인자를 제거하는 데 성공함으로써 인간이 오래도록 건강한 삶을 누리는 길이 열렸다.

일본은 특히 의료 분야에 인공지능 강화 시스템 도입에 적극적이다. 인공지능을 IoT와 융합해 의료 진단 분야를 세계적인 수준으로 높이고 있다. 후지경제연구소는 2016년 인공지능 관련 시장은 사물인터넷 시장보다 규모는 작지만 더 빠르게 성장해 2025년에는 2016년 대비 4.4배 성장한 150억 엔에 달할 것으로 전망한다. 인공지능 신약개발 시스템과 진단지원 등의 분야가 시장 성장의 견인차 역할을 할 것이란 분석이다.


일본 의료분야 인공지능 시장 전망(출처: 후지경제연구소)

image22.png


일본은 인공지능과 IoT를 통해 의료의 질 제고와 효율화를 정책 차원에서 추진하고 있다. 인공지능을 이용한 암진단 지원 시스템 분야가 특히 활발하다. 일본 도쿄대 부속병원에 입원해 급설골수성백혈병 진단을 받은 60대 여성은 2000여 건의 논문을 학습한 IBM 왓슨Watson으로 암을 치료받았다. 암 관련 논문을 학습한 IBM 왓슨에 이 환자의 1500여개 유전자 변화 데이터를 입력하자 10여분 뒤‘2차성 백혈병’이라는 또 다른 질병이 진행되고 있다는 결과와 함께 다른 항암제를 사용할 것을 제안했다. 그 진단에 따라 치료한 결과 8개월 만에 퇴원할 수 있었다(출처 :  http://news.joins.com/article/20403630).

인공지능 플랫폼인 IBM 왓슨을 도입해 의료 진단지원 시스템을 고도화한 일본의 사례처럼 인공지능 기술과 인공지능 플랫폼을 이용해 새로운 가치를 만들어 내는 인공지능 강화 시스템을 구축한 기업은 앞으로도 더욱 늘어날 전망이다.


일본 인공지능을 활용한 진단지원 시스템 개발 현황(출처: 일본경제신문)

image43.png


1. 왜 인공지능 강화 시스템 인가?

미래창조과학부는 사물인터넷, 모바일, 빅데이터, 클라우드, 인공지능이 융합된 미래의 사회를 ICT로 융합된 지능정보사회라고 정의했다. 그러면서 지능정보사회를 구성하는 핵심 기술인 인공지능은 IoT, 모바일, 빅데이터와 융합하며 기존 산업을 혁신적으로 바꿀 것으로 내다봤다. 특히 자율주행자동차, 3D/4D 프린팅뿐 아니라 지능화 기술이 접목된 로봇, 수요를 예측한 효율화된 생산 시스템과 장애를 사전에 감지해 무중단 연속 생산이 가능한 제조 공장, 교통 문제를 해결할 미래형 스마트 도시가 대표 사례로 꼽았다. 이처럼 인공지능이 ICBM이 융합된 지능정보사회를 구성하는 기반 플랫폼이 바로 인공지능 강화 시스템이다.


지능정보사회(출처 : 미래창조과학부) image39.png


가트너에 따르면, 세계 기업의 59%가 넘는 기업이 인공지능 구축 전략을 수립하고 인공지능을 도입하거나 특정 분야에 활용하고 있다. 4차 산업혁명 시대를 사는 수많은 기업의 핵심 전략은 인공지능이며 인공지능을 구축하거나 활용하는 플랫폼 도입은 이제 선택이 아닌 필수가 되었다.

기업의 인공지능 도입 단계(출처 : 가트너)
image40.png


기업의 인공지능 도입 요구가 커지면서 인공지능으로 파생되는 글로벌 비즈니스 가치도 높아지고 있다. 가트너는 2018년 인공지능으로 파생될 글로벌 비즈니스 가치가 지난해보다 70% 증가한 1조2,000억 달러에 달하고 2022년에는 3조9,000억 달러에 이를 것으로 전망했다. 바꾸어 말하면 인공지능의 가치가 커짐에 따라 인공지능으로 인한 비즈니스 기회도 앞으로 더 커질 것이며, 인공지능 기술을 확보하는 것이 기업의 생존 전략이 될 거란 얘기다. 인공지능이 먼 이야기가 아니라 기업이 반드시 인공지능 기술을 확보해야 하는 명제라는 것을 다시 한번 새기게 되는 대목이다.


image23.png


image36.png


글로벌 기업인 구글, 아마존, MS, IBM 등은 앞다퉈 인공지능 기술을 확보하고 비즈니스를 혁신하고 있다. 가트너가 2018 10대 트렌드의 첫 번째로 인공지능 강화 시스템을 선정한 것은 디지털 트윈Digital Twin, 엣지 컴퓨팅Edge Computing, 블록체인Blockchain 등의 핵심에 인공지능 강화 시스템이 자리잡을 것이기 때문이다.

이에 필자는 기본적으로 알아야할 인공지능에 대한 기술을 이해하고 인공지능 강화 시스템을 선도적으로 구축한 퍼스트 무버First Mover의 사례를 살펴본다. 인공지능 강화 시스템을 성공적으로 구축 및 활용하기 위한 방안도 생각해본다.


2. 인공지능 강화 시스템의 기술 요소

인공지능 강화 시스템은 인공지능을 사물인터넷, 클라우드, 빅데이터, 모바일 등의 기술과 융합해 새로운 서비스, 새로운 가치, 새로운 사용자 경험을 만들어내는 종합적인 체계Governance다. 새로운 비즈니스를 창조하고 기존의 비즈니스에서 새로운 가치를 더하는 기반 플랫폼이 인공지능 강화 시스템이다.

다음 그림은 인공지능 강화 시스템의 알고리즘과 플랫폼 기술에 대한 전체 아키텍처 구성도다.


인공지능 강화 시스템을 위한 인공지능 알고리즘 및 플랫폼 체계도

image26.png


인공지능 알고리즘은 퍼셉트론Perceptron을 시작으로 발전한 신경망 알고리즘의 눈부신 성장에는 GPU라는 하드웨어 플랫폼의 기여가 컸다. GPU 파워에 힘입어 인공지능은 수많은 데이터를 학습Learning해 의미있는 데이터를 발견하고 예측하면서 가파른 성장세를 이어가고 있다.

데이터 과학자와 머신러닝 엔지니어는 R과 파이썬Python 등으로 이용하는 텐서플로우Tensorflow, Learning4J와 같은 인공지능 라이브러리를 활용해 인공지능을 기존 비즈니스에 손쉽게 융합하고 있다. 특히 IBM 왓슨, MS 애저Azure, 아마존 웹 서비스Amazon Web Service, AWS 등의 인공지능 솔루션 플랫폼은 누구나 인공지능 자원을 쉽게 활용하는 환경을 제공한다. 이를 활용하면 기업이 인공지능 강화 시스템을 구축하는 것은 그리 어려운 일만은 아니다.

지금부터는 인공지능 강화 시스템을 구축하기 위해 필요한 인공지능 기본 기술 지식을 살펴본다. 기본적인 인공지능, 머신러닝, 딥러닝의 이해, 인공지능 수준별 유형, 인공지능을 위한 학습 유형 등의 기본적인 인공지능 개념을 바탕으로 인공지능 강화 시스템으로 대표되는 인공지능 플랫폼 사례를 순서대로 알아본다.


인공지능 개념의 이해

인공지능은 데이터를 기반으로 스스로 학습하고 진화하며 성장한다. 자동차, 가전, 도시, 의료 등 다양한 분야에서 인공지능을 접목했다는 여러 기사처럼 인공지능 강화 시스템을 구축하거나 활용하는 사례가 늘어나고 있다. 이를 사례를 살펴보기에 앞서 기본적인 인공지능 개념부터 짚고 넘어가자.


인공지능, 머신러닝, 딥러닝의 이해

인공지능은 인간의 인지, 추론, 학습의 사고 과정에 필요한 능력을 컴퓨터 시스템을 통해 구현하는 기술이다. 1950년대 앨런 튜링이 학습하는 기계로 시작한 인공지능은 전문가 시스템 이후 데이터를 바탕으로 컴퓨터가 스스로 학습하는 머신러닝으로 구체화됐고, 심층신경망Deep Neural Network 알고리즘을 사용하는 딥러닝으로 더욱 세분화돼 발전했다.


  • 인공지능 : 인간의 인지, 추론, 학습의 사고 과정에 필요한 능력을 컴퓨터 시스템으로 구현한 기술

  • 머신러닝 : 데이터를 바탕으로 스스로 학습하는 알고리즘

  • 딥러닝 : 심층신경망 알고리즘을 이용하는 머신러닝의 상세 기술


인공지능, 머신러닝, 딥러닝의 관계

image35.png


정보화 추진 성과와 IoT 등 수많은 기기를 비롯해 소셜 네트워크 서비스Social Network Service, SNS로부터 쏟아지는 데이터는 인공지능의 원료가 됐고, 수많은 코어로 구성된 그래픽 처리 장치Graphic Process Unit, GPU를 이용한 데이터 처리는 CPU를 사용할 때보다 더 빠르게 연산을 처리한다. 시냅스의 결합인 뇌의 신경망 구조를 응용한 신경망 알고리즘의 성장은 인공지능의 외연과 내연을 더욱 확장하고 있다.


  • 인공지능 알고리즘의 외연 : 다양한 분야에서 활용되는 인공지능 알고리즘

  • 인공지능 알고리즘의 내연 : 인지, 예측 정확도가 높아진 인공지능 알고리즘


약인공지능, 강인공지능, 초인공지능

특이점은 세계적인 미래학자인 레리 커즈와일이 자신의 저서 『 특이점이 온다The Singularity is near 』 에서 제시한 개념이다. 그는 ‘특이점Singularity’이라는 용어를 강조하며 특이점이 나타날 시기를 예측하고 각종 기술 진화에 따른 변화와 그에 따른 형명, 특이점이라는 변화가 인간과 전쟁, 우주의 지적 운명에 미칠 영향을 고민했다. 그는 2045년이면 인공지능이 모든 인간의 지능을 합친 것보다 더 높은 시대가 올 것으로 예측했다.

이 특이점은 인공지능의 발전 단계를 구분하는 기준이다. 특이점 이전의 인공지능은 특정 영역에 인공지능 기술이 적용된 약인공지능Weak AI이다. 사람의 인지, 판단, 제어 능력을 모방한 규칙 기반의 인공지능이었다. 현재의 인공지능 기술을 접목한 제조공장, 가전 제품, 스마트 스피커Smart Speaker, AI Speaker, 챗봇 등이 약 인공지능을 사용한 서비스다.

특이점 이후의 인공지능은 사람보다 인공지능이 더 우수한 능력을 가지는 강인공지능Strong AI의 시대다. 이때는 인공지능이 인간의 능력을 넘어서는 일을 할 수 있다. 학습을 통해 인간의 인지, 판단, 제어 능력을 확보한 인공지능이 인간의 일반적인 수준을 넘어서는 것이다. 그렇지만 인공지능을 제어하는 권한은 아직 인간에게 있다.

인공지능 기술이 더욱 고도화되면 강인공지능이 스스로 진화해 인공지능을 지배하고 사람도 인공지능이 지배하는 시기가 올 수도 있다. 인공지능이 인간에게 위협이 될 수 있는 초인공지능Super AI 시대다. 초인공지능은 스스로 데이터를 찾아 학습하고 정해진 규칙을 벗어나 능동적으로 학습한다. 인공지능 스스로 진화해 인간도 예측하기 어려워지는 것이다.


강인공지능, 초인공지능 예측 시기(출처 https://waitbutwhy.com)

image47.png


약 인공지능에 머무른 비즈니스 영역에 인공지능 기술을 응용해 인공지능 강화 시스템을 플랫폼으로 구축하고 이를 활용하는 산업 분야는 앞으로 더 늘어날 전망이다.


학습기법 및 알고리즘

인공지능이 사람처럼 인지, 판단, 제어가 가능한 것은 학습을 하기 때문이다. 인공지능 강화 시스템은 인공지능의 학습 능력을 기존 기간 시스템에 잘 적용하는 것이 중요하다. 인공지능의 학습은 크게 지도학습Supervised Learning, 비지도학습Unsupervised Learning, 강화학습Reinforcement Learning으로 나뉜다.

지도학습은 학습 데이터와 학습 결과인 레이블 데이터Labeled Data를 함께 입력값으로 받아 학습한 후 학습 결과와 레이블 데이터를 비교하는 방식이다. 비지도학습은 지도학습과 달리 학습 데이터만을 입력값으로 주어 학습한 후 사전에 알지 못한 결과를 도출한다. 강화학습은 학습을 수행하면서 보상Reward에 따라 학습율이 변화해 스스로 알고리즘을 고도화하는 학습 기법이다. 지금부터는 각각의 학습 기법을 개념도을 알아보고 어떤 분야에 어떤 학습 기법이 효과적인지 살펴본다.


인공지능 학습 개념도(출처 : http://solarisailab.com)
image6.png


지도학습

지도학습은 잘 훈련된 학생이다. 지도학습은 학습 데이터와 학습 결과 데이터셋에 레이블Label을 달아 학습을 한다. 어린 아이에게 사자, 호랑이, 고양이, 얼룩말 등의 사진을 보며 이름을 말해주는 과정을 여러번 반복하면 아이가 사자 사진을 보고 사자라고 말하는 과정과 유사하다.

지도학습은 다음 그림처럼 학습 데이터셋과 레이블된 학습 데이터셋 두 가지가 동시에 입력되고, 내부에서는 레이블된 학습 데이터Labeled Learning Data와 학습 결과의 차이를 줄이는 로직을 통해 학습 결과를 도출한다.

스팸 메일에서 나타나는 특성을 학습 데이터로 해 메일이 수신될 때 스팸 메일 여부를 분류할 때 사용하는 분류 알고리즘Classification algorithm과 고객의 과거 매출 데이터를 확인하고 이달에 고객이 구매 여부를 예측하는 회귀 알고리즘Regression algorithm이 지도학습을 사용한 대표적 예다.


지도학습


image19.png


지도학습을 이용하는 알고리즘으로는 회귀분석Regression, 서포트 벡터머신Support Vector Machine, CNNConvolutional Neural Network 등이 있다. 학습 결과 데이터셋을 입력값을 넣어 분류Classification하거나 인지해 결과를 도출한다.


비지도학습

비지도학습은 창의적인 학습이다. 비지도 학습도 지도학습과 달리 학습 데이터셋만 입력한다. 비지도학습 과정 내부에서 스스로 의미 있는 학습 결과를 만들어 낸다. 어린 아이에게 사자, 호랑이, 고양이, 얼룩말 사진을 보며 사자, 호랑이, 고양이를 가까운 친구로 얼룩말은 다른 친구로 분류하는 과정과 유사하다. 정말 아이가 이런 그룹화Clustering 과정을 이해하면 놀라운 일이지만 말이다.

비지도 학습은 레이블된 학습 데이터가 없는 상황에서 감춰진 새로운 의미가 있는 학습 결과를 만들어 낸다. 실시간을 쏟아지는 뉴스 기사에서 속보 기사가 떴을 때 비지도학습을 통해 해당 속보 기사를 하나로 묶어 그룹화해 속보 섹션으로 기사를 보여주는 데 사용하는 클러스터링 알고리즘Clustering algorithm과 스마트 팩토리에서 다양한 IoT 장비로부터 수집되는 온도, 습도, 전압, 전력 등의 데이터에서 어떤 데이터가 장애를 일으키는 주요 인자인지 찾는 인자 추출 알고리즘Factor Analysis algorithm 등이 대표적인 비지도 학습 기법의 예다.


비지도학습


image24.png


비지도학습의 대표적인 알고리즘은 군집Clustering 알고리즘이다. 학습을 통해 데이터셋을 그룹화해 묶어내는 결과를 도출한다. 대표적인 군집 알고리즘으로 K-평균K-means 알고리즘, 계층적 군집화H-clustering 알고리즘 등이 있다.


3.2.3 강화학습

강화학습은 스스로 성장한다. 강화학습은 시스템과 제어입력 간의 상호 작용에 보상값이란 평가 피드백 신호Feedback signal를 활용해 전체 보상값의 합에 대한 기댓값을 최대화하는 최적 제어 전략(행동, action)을 데이터 기반으로 찾아내는 방법이다. 보상값을 받고 최적 제어를 담당하는 것을 에이전트Agent 또는 학습기라고 한다. 에이전트는 최대 보상값을 수용해 스스로 학습을 반복한다.

강화학습은 알파고에서 사용한 몬테 카를로 트리 서치Monte Carlo Tree Search 알고리즘의 학습 방법으로 알려졌다. 대표적인 강화학습은 Q-learning 알고리즘이며, 게임에서 다음 행동 선택 시 보상값인 Q 값을 확인해 최적의 선택을 할 수 있도록 하는 데 이용한다. 알고리즘이 스스로 보상값을 확인해 학습하는데, 지도학습 및 비지도학습과 달리 데이터를 만들어 줘야 하는 불편함을 개선한 학습 기법이다. 한마디로 사람의 개입 없이 기계가 학습하는 환경을 더욱 강화하는 학습 기법이다.


강화학습

image45.png


인공지능 라이브러리

인공지능 알고리즘은 다양한 오픈소스 라이브러리로 제공된다. 인공지능 강화 시스템을 구축에 이러한 오픈소스 라이브러리를 활용한다.

텐서플로우는 2015년에 구글이 공개한 머신러닝을 위한 오픈소스 라이브러리다. 데이터의 흐름을 텐서Tensor를 중심으로 하는 그래프로 연산을 표현해 다양한 학습 기법을 라이브러리로 제공한다. 이는 파이썬 언어를 이용해 쉽게 활용할 수 있다. 파이썬 언어로 개발 가능한 케라스Keras도 인공지능 알고리즘을 구현할 수 있는 다양한 기능을 제공한다. 이외에도 카페Caffe, 토치Torch, 테아노Theano, CNTKComputational Network ToolKit, Deeplearing4J라는 자바 기반의 머신러닝 오픈소스 소프트웨어도 인공지능 라이브러리들이다.  

사물인터넷, 모바일 등에서 유입되는 다양한 빅데이터는 인공지능 학습 알고리즘과 라이브러리를 이용한 인공지능 플랫폼 덕분에 클라우드 환경에서 쉽게 활용할 수 있다. 지금부터는 이러한 인공지능 강화 시스템 구축으로 시장을 빠르게 개척해 나가고 있는 퍼스트 무버들의 사례를 확인한다.


3. 인공지능 강화 시스템의 퍼스트 무버 사례

가트너 하이프 사이클Gartner hype Cycle 2017를 잠시 살펴보자. 여기서 인공지능을 구현하는 머신러닝과 딥러링은 관심도가 가장 높은 버블기의 최고점에 있다. 기술과 트렌드를 선도하는 퍼스트 무버로 달리고 있는 기업은 모두 인공지능, 머신러닝, 딥러닝 기술을 이용해 혁신적인 비즈니스 모델을 만들어 시장 변화를 주도하며 새로운 비즈니스 생태계를 조성하고 새로운 사용자 경험을 만들어 내고 있다.


인공지능 가트너 하이프 사이클

image38.png


인공지능 강화 시스템을 이용한 새로운 비즈니스의 가능성을 보여준 기업은 곧 각성기, 안정기에 들어서는 기술 성숙도의 시간을 거쳐 더욱 견고한 인공지능 퍼스트 무버로서의 입지를 견고히 하고 있다.

다음으로는 산업의 각 분야에서 인공지능 강화 시스템을 플랫폼으로 구축하거나 활용한 사례를 살펴본다.


인공지능 강화 시스템의 플랫폼 전략 사례

가트너는 세계 기업의 59%가 넘는 기업 및 조직이 인공지능 전략을 수립하고 데이터를 수집하고 있으며, 인공지능 기술을 도입하거나 특정 분야에 활용하고 있다고 발표했다. 인공지능 기술을 제조, 의료, 서비스 등 다양한 산업분야에 적용해 새로운 서비스, 새로운 가치, 새로운 경험을 만들어 내고 있다. 이제부터는 인공지능 기술을 기존 산업의 플랫폼과 융합하거나 인공지능 강화 시스템을 자체 플랫폼으로 구축한 우수 사례를 알아보자.


GE의 프레딕스 플랫폼

GEGeneral Electronics는 각종 기계를 산업 인터넷에 연결하고자 클라우드 기반 운영체제와 같은 플레딕스Pledix 소프트웨어 플랫폼을 구축했다. 생산 설비에서 수집된 데이터를 클라우드에 저장, 분석하고 머신러닝 알고리즘으로 생산 설비의 장애와 운영을 예측, 제어, 추천한다.

산업 생산 설비에 부착된 IoT 센서로 수집되는 데이터는 지도학습의 학습 데이터로 활용되고 장애 여부를 분류하는 분류 기법, 서포트 벡터 머신Support Vector Machine, 회귀분석 등의 알고리즘을 적용해 장애를 사전에 예측하거나 장비의 수명을 예측하고 자원의 투입을 최적화해 생산성과 안정성을 극대화하는 데 사용한다.

GE글로벌리서치는 플레딕스를 이용하여 데이터 과학자가 GE 내부에서 인공지능 관련 전문 지식을 더욱 빠르고 효율적으로 수집할 수 있는 인공지능 시스템을 구축했다. 제조와 서비스에서 작업자가 정보를 바탕으로 결정을 내리기 위해 필요한 지식을 제공한다. 예를 들어 발전에서 사용하는 터빈Turbine을 폐기하거나 수리하는 경우, 작업자의 전문지식과 플레딕스의 예측, 제어, 추천을 통해 가동 정지시간을 최소화하면서 최적화된 방식으로 운영할 수 있도록 한다.


GE 플레딕스 아키텍처(출처 : https://www.ge.com/reports/)

image52.png


IBM의 왓슨

왓슨은 IBM에서 개발한 인지 컴퓨팅 시스템으로 지식정보 데이터셋을 음성기반으로 대화형 질의가 가능한 시스템으로 의료 뿐 아니라 다양한 분야의 인공 지능 강화 플랫폼으로써 전략적으로 다양한 산업과 융합되고 있다. 미국의 제퍼디 퀴즈쇼Jeopardy challenge에서 우승할 만큼의 다양한 지식정보 데이터셋을 보유하고 있다. 최근에는 IBM 왓슨은 의료 등 다양한 분야의 전문 데이터셋을 구축하고 학습해 의료진단, 의료영상인식 등으로 확장된 인공지능 플랫폼으로 시장을 확장하고 있다.   


제퍼디 퀴즈쇼에 참여한 왓슨의 사례

image21.png


왓슨의 핵심은 음성인식을 위한 자연어 처리Natural Language Process, NLP와 지식체계Knowledge base이다. 왓슨은 머신러닝, 딥러닝 등의 학습을 통해 방대학 지식체계를 구축하고 형태소 분석을 이용하여 자연어를 분석한다. 또 STTSpeech To Text, TTSText to Speech을 이용하여 왓슨이 축적한 지식 체계를 이용하여 사람과 대화하는 것과 같이 대화할 수 있다.


IBM 왓슨 음성인식 아키텍처 구조

image46.png


최근에는 미국의 민간 우주탐사기업인 스페이스X가 우주비행사 역할을 하는 AI 로봇 사이먼에 IBM의 왓슨을 탑재한 기사가 화재가 되기도 했다. 이렇게 왓슨은 인공지능 플랫폼의 핵심으로 의료, 제조, 로봇 등 다양한 분야에 적용되어 새로운 영역을 개척해 나가고 있다(http://news.joins.com/article/22766972).


아마존 웹서비스와 에코

아마존은 웹, 데이터베이스, 빅데이터 분석 등의 다양한 기술을 제공하는 클라우드 플랫폼을 AWS로 제공하고 있다. 여기에 아마존의 음성 인식 스피커인 에코echo 또한 음성인식을 기반으로 쇼핑, 날씨, 예약 등의 생활 서비스를 제공하는 인공지능 플랫폼을 제공한다. 음성인식, 상품 추천 등의 인공지능을 기존 쇼핑 분야와 융합하고 이를 지원하는 AWS 플랫폼을 통해 인공지능 강화 시스템의 선두 주자가 되었다.


아마존 에코와 AWS 아키텍처 구성도

image50.png


에코는 아마존 프라임 뮤직과 판도라Pandora, 튠인Tunein, 스포티파이Spotify 등의 음악을 스트리밍한다. 식당 추천은 물론, 음성으로 피자를 주문하는 것도 가능하다. 가전 제품사와 지속적으로 제휴를 맺어 전등의 전원을 켜고 끄는 등의 스마트 홈Smart Home 기능도 제공한다. 이와 같이 음악, 예약, 스마트 홈이 가능이 가능한 것은 인공지능 기반의 자연어 처리 기술인 알렉사Alexa며, 에코는 이를 플랫폼으로 하여 음악, 상품, 스마트 홈 등 다양한 산업 분야와의 제휴를 통해 플랫폼 생태계를 확대하고 있다.


4. 인공지능 강화 시스템의 적용 사례

프리놈 사례

치료Care에서 건강관리Wellness로 의료의 질적 수준을 향상시키는 기술로 인공지능이 주목받고 있다. 인공지능 의료는 방대한 양의 데이터를 스스로 학습, 분석하여 의료 분야에 적용함으로써 질병 예측, 맞춤형 치료 등 혁신적이고 새로운 고부가가치형 의료 서비스를 제공한다.

복잡한 DNA의 구조를 이미지 기반으로 분석하고 여러 DNA 구조를 융합하여 새로운 치료 방안을 연구하는 데 시각화 인지를 위한 인공지능 알고리즘이 사용된다. 대표적인 알고리즘이 CNN이다.

프리놈Freenome, www.freenome.com은 인공지능을 이용해 복잡한 게놈의 구조를 해독하여 조기 암 탐지, 암 치료 최적화를 위한 제품 개발과 연구를 하고 있다. 암은 1단계~2단계에서 발병을 확인하고 치료를 시작했을 때 생존율이 80~90%로 높아진다고 하니 인공지능을 이용한 조기 암 탐지는 암 예방을 위한 최적의 건강 관리 방법이다. 이외에도 각 암 종양 유형을 정의하는 수십억 개의 패턴을 분석하여 가장 효과적인 치료 방법을 선택하여 최적의 치료를 하도록 돕고 있다.

미국국립보건원은 인공지능 기술로 고도화된 유전자 검사를 통해 유방암, 결장암, 흑색종, 난소암, 췌장암, 전립선암, 위암, 자궁암 등 유전성 암과 밀접한 관련이 있는 유전자를 분석하고 상담받는 문턱을 낮추기 위해 노력하고 있다. 프리놈 이외에도 카운실Counsyl, 23andMe, 내비지닉스Navigenics, 디코드미deCODEme, 퍼스널지놈다이아그노스틱스Personal Genome Diagnostics, 퀘스트다이아그노스틱Quest Diagnostics, 진바이진Gene By Gene, 맵마이지놈mapmygenome, 포지티브 바이오사이언스Positive Bioscience 등이 개인 유전자 분석 시장에 진출했다.


미국국립보건원 생명공학정책연구센터 유전자 분석 비용과 시장 매출 전망

image17.png


일본 호코쿠생명 사례

핀테크FinTech는 금융Finance과 기술이 융합된 차세대 금융 서비스이다. 우리나라도 핀테크 서비스를 도입하기 위해 노력하고 있지만, 해외에서는 더욱 빠르게 확산되고 있다. 일본의 호코쿠생명은 최근 보험금 지급 심사 업무에 인공지능을 적용해 사고, 청구 내용, 치료 정보와 의사의 진단서 등 데이터를 바탕으로 병원, 입원 기간, 수술 여부 등을 종합적으로 분석하고 지급보험금까지 산정하고 있다.

보험금 지급 신청부터 서류 검토, 지급 금액 산정, 심사를 거쳐 최종 지급되는 프로세스는 인공지능으로 자동화해 비용을 절감하고, 더 정확한 검토-금액산정-심사-최종 지급을 하고 있다. 사람이 일일이 처리하던 서류 검토는 텍스트 마이닝text mining을 이용해 그 적합성을 검증하고, 지금 금액 산정이나 최종 적합성을 검토하는 심사의 과정은 금융 도메인의 비즈니스 로직이 적용된 알고리즘으로 자동화했다.

인공지능을 활용한 보험은 보험업계에서 사용하고 있는 비즈니스 룰을 고도화해 알고리즘화하고, 더 나아가 인공지능 기술을 활용해 보험 상품 개발, 보험 서류 승인, 보험금 산정 등 다양한 보험 분야에 인공지능 인프라를 적용하고 있다. 이 모든 것은 데이터로 작동하고 인공지능 기술로 자동화된다. 호코쿠 생명은 인공지능으로 업무를 자동화해 업무 생산성을 30% 가까이 향상시킬 수 있을 것으로 기대하고 있다.


image54.png


로보틱 프로세스 자동화 서비스 사례

4차 산업혁명으로 대표되는 제조/생산 영역에 인공지능을 결합한 스마트 팩토리Smart Factory가 있다면, 서비스 영역에서는 로보틱 프로세스 자동화Robotic Process Automation, RPA가 있다. HFS 리서치에 따르면 글로벌 로보틱 프로세스 자동화 시장은 2021년에 12억2,400억 달러 규모에 달할 전망이다. 글로벌 로보틱 프로세스 자동화 시장을 리드하는 기업으로는 Automation Anywhere, Blue Prism,UiPath가 있다.


글로벌 RPA시장 규모(출처 : Hfs Research, Harvey Nash & KPMG International)

image48.png


로보틱 프로세스 자동화는 비정형 데이터로 분류되는 자연어 처리가 시스템을 이용한다. 이를 통해 고객 접점에 대화(언어,음성) 또는 문장(텍스트)을 이용한 새로운 서비스를 제공한다. 앞서 밝힌 일본 호코쿠생명도 로보틱 프로세스 자동화의 한 사례라 할 수 있고, 인공지능 스피커, 인공지능 챗봇AI Chatbot 또한 TTS, STT 등의 인공지능과 접목하여 인공지능 서비스를 구현한 대표적인 사례다.

NH농협, 신한은행, 우리은행, KEB하나은행 등 국내 금융기관에서도 발빠르게 챗봇 서비스를 연동하여 24시간, 365일 자동응대, 상담 콜 대기시간 감소를 통해 고객의 편의를 도모하고 있다. 이는 단순히 비용절감뿐 아니라 텍스트 대화 위주를 선호하는 밀레니얼 세대Milennial Generaion와 Y세대Generation Y가 향후 주요 금융 소비가로 부상할 것을 예견한 금융사들의 발빠른 움직임이라고 할 수 있다.


인공지능 챗봇 도입 효과, 출처: 와이즈넛(www.wisenut.com)

image41.png


지금까지 살펴본 의료, 제조, 금융, 비즈니스 프로세스 분야의 인공지능은 각 시스템에서 확보한 데이터를 지도학습supervised learning으로 학습하여 새로운 서비스, 새로운 가치, 새로운 사용자 경험를 주도하는 퍼스트 무버의 사례다.


5. 인공지능 전망

인공지능 관련 기술은 이제 우리의 것, 나의 것이 되어야 한다. 인공지능 강화 시스템은 인공지능 플랫폼을 구축하는 전략과 인공지능 플랫폼을 효율적으로 활용하는 전략, 즉 인공지능 체계와 응용 전략 수립 두 측면에서 바라봐야 한다.

가치 사슬Value Chain은 기업의 가치를 극대화 하기 위해 마이클 포터가 정의한 경영 평가 전략이다. 가치 사슬은 모든 기업 및 조직에서 수행되는 활동을 주활동과 부활동으로 구분한다. 주활동은 고객에게 직접 전달되는 제품, 서비스의 생산, 유통, 마케팅, 서비스 등과 관련된 본원적 활동이라 정의하고, 부활동은 주활동이 원활하게 동작하도록 지원하는 기획, 재무, 기술, 인사 등의 활동이 보조적인 역할이다.

이제 기업은 인공지능 강화 시스템을 기업의 가치 사슬을 효율화하고 극대화하기 위한 핵심 플랫폼으로 보고 도입해야 한다.  인공지능 강화 시스템은 기업의 가치를 극대화 하는 가치사슬의 주활동과 부활동 모든 영역에 구축되고 활용되어야 한다.


마이클 포터의 가치 사슬

image53.png

인공지능 가치 사슬

image20.png


인공지능 강화 시스템 구축은 기업 비즈니스의 주활동으로까지 확대되어야 한다. 자원의 투입부터 생산, 유통, 마케팅, 고객 서비스까지 비즈니스 가치 제고 활동인 주활동 영역이 지능화 되어야 새로운 서비스, 새로운 가치, 새로운 사용자 경험을 제공할 수 있다.  자원, 생산, 유통, 마케팅, 고객 서비스를 관리하는 공급 사슬 관리 시스템, ERP도 인공지능화 되어 자원 공급과 자원 관리를 최적화해야 하며, 지능화된 고객관리를 위해 인공지능화 된 CRMCustomer Relationship Management, CEMCustomer Experience Management으로 고객을 더 잘 파악하여 더 나은 가치를 제공해야 한다.


이러한 인공지능 혁신을 위해서는 기업 비즈니스의 부활동 영역인 인력, 기술, 프로세스 도입이 필수적이다. 기업은 인공지능 역량AI Competency을 확보하기 위해 인재 영입, 인공지능 교육을 지속적으로 추진해야 한다. 인공지능이 플랫폼으로서 역할을 하고 이를 고도화 하기 위해서는 인공지능 구축 기술(예: 머신러닝, 딥러닝, python 등), 인공지능 활용 기술(로보틱 프로세스 자동화, Robotic Process Automation, 챗봇 등), 인공지능 예측/제어 기술 등을 활용할 수 있는 기술을 확보하고 다양한 업무 및 프로세스에 적용해야 한다.

인공지능 강화 시스템은 모든 지능화된 사물, 지능화된 분석, 엣지 컴퓨팅, 블록 체인, 지능화된 보안 등 가트너 10대 트렌드와 접목하여 혁신을 만들어 낼 것이다. 인공지능 핵심 기술을 확보하고 비즈니스 영역에 접목해 지능화된 서비스를 만들어야만 다가오는 인공지능이란 거대한 파도에 난파당하지 않고 더 먼 바다를 향해 순항할 수 있을 것이다.


6. 인공지능 키워드

  • 지능정보사회 : 고도화된 정보통신기술 인프라를 통해 생성, 수집, 축적된 데이터와 인공지능, 모바일, 클라우드 등 정보기술이 결합한 지능정보 기술이 경제, 사회, 삶 모든 분야에 보편적으로 활용됨으로써 새로운 가치가 창출되고 발전하는 사회

  • 인공지능 : 인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술

  • 머신러닝 : 컴퓨터가 수많은 데이터를 스스로 학습하고 알고리즘을 통해 학습의 결과를 도출하는 인공지능의 한 분야의 학습법

  • 딥러닝 : 더욱 고도화된 신경망 알고리즘을 적용하여 보다 빠르고 감성적이며 인간과 유사하게 행동하는 컴퓨터 프로그램을 구현한 인공지능의 한 분야의 학습법

  • 특이점Singularity : 인공지능이 비약적으로 발전해 인간의 지능을 초월하는 시점

  • 약인공지능Artificial Narrow Intelligence, ANI : 특정 서비스 분야를 학습하여 미리 정의된 규칙이나 알고리즘을 이용해서 지능적인 행동, 판단을 할 수 있는 수준의 인공지능 기술

  • 강인공지능Artificial General Intelligence, AGI : 인간의 지성 전체를 컴퓨터의 정보처리 능력으로 구현 했거나 구현하는 것을 목표로 하는 인공지능 기술

  • 초인공지능Artificial Super Intelligence, ASI : 과학기술 창조, 일반적인 지식, 사회적 능력 등을 포함한 거의 모든 영역에서 모두 제일 총명한 인류의 두뇌보다 훨씬 총명한 지능

  • 지도학습Supervised Learning : 학습 목표인 결과 데이터를 명시적으로 제시하여 이를 입력값으로 하여 학습하는 인공지능 학습 기법

  • 비지도학습Unsupervised Learning : 학습 목표 결과에 대한 제시 없이 데이터에서 학습을 통해 의미있는 가치를 찾아내는 인공지능 학습 기법

  • 강화학습Reinforcement Learning : 정해진 환경 안에서 정의된 에이전트가 현재의 상태를 인식, 선택 가능한 행동 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 인공지능 학습 방법

  • 인공지능 융합 서비스 : 기존의 의료, 제조, 생산, 도시, 자동차, 로봇 등이 인공지능 등의 정보기술과 융합되어 새로운 가치를 제공하는 서비스

  • 로봇 프로세스 자동화Robotic Process Automation : 사람이 하는 표준화 되어 있고 규칙에 기반한 업무를 컴퓨터가 자동적으로 할 수 있도록 전환하는 인공지능 기반의 자동화 시스템

  • 텐서플로우 : 머신러닝과 딥러닝을 일반인이 사용하기 쉽도록 파이썬 기반으로 구글이 구현하고 오픈소스로 공개한 머신러닝 라이브러리

  • Learning4J : 자바와 스칼라를 위해 작성된 세계 최초의 상용 수준 오픈소스 딥러닝 라이브러리

  • CNTK : 마이크로소프트에서 개발한 딥러닝 프레임워크

  • Matlib : MATLABMATrix LABoratory를 뜻하는 말로서, 수치 해석, 행렬 연산, 신호 처리 및 간편한 그래픽 기능 등을 통합하여 고성능의 수치 계산 및 결과의 가시화 기능을 제공하는 프로그램

  • Theano : Numpy와 같은 다차원 배열을 다루는 라이브러리

  • Caffe : 최신 딥러닝 알고리즘과 모델들을 포함하는 수정 가능한 소프트웨어 프레임워크

  • AWS : 아마존의 IaaS, SaaS, PasS 등의 다양한 클라우드 서비스를 제공하는 클라우드 플랫폼

  • MS 애저 : 마이크로소프트의 IaaS, SaaS, PasS 등의 다양한 클라우드 서비스를 제공하는 클라우드 플랫폼

  • IBM 왓슨 : IBM 창업자인 토마스 J. 왓슨(Thomas J. Watson)의 이름을 딴 인지컴퓨팅Cognitive computing 브랜드이자 인공지능 플랫폼

  • TTS : 문자, 명령어 등을 분석하여 음성 형태로 변환해 주는 솔루션으로 문자를 컴퓨터시스템이 이해하고 음성으로 전환하는 핵심 기술

  • STT : 소리 정보를 분석하여 문자, 명령어 및 다양한 형태의 정보로 변환해 주는 솔루션으로, 음성으로 대화하는 Human Interface 핵심 기술

  • 인공지능 스피커 : 사람의 음성을 인식하여 다양한 서비스를 제공하는 인공지능(AI)과 사물인터넷(IoT) 기술이 결합된 지능형 기기

  • 인공지능 챗봇  : 사용자의 질문을 텍스트로 인식하여 사람이 대응하는 것과 유사한 서비스를 제공하는 인공지능 기술이 결합된 채팅 서비스

  • 인공지능 가치 사슬 : 인공지능으로 결합하여 자동화 및 지능화된 가치 사슬


7. 참고문헌

① https://circle.gartner.com/

② http://www.itworld.co.kr/tags/2350/%EA%B0%80%ED%8A%B8%EB%84%88/109074

③ https://www.top500.org/news/market-for-artificial-intelligence-projected-to-hit-36-billion-by-2025/

④ https://www.demandbase.com/press-release/marketing-executives-predict-artificial-intelligence-will-revolutionize-marketing-2020/

⑤ http://www.gereports.kr/ge-using-ai-build-powerhouse-knowledge/

⑥ http://www.gereports.kr/

⑦ http://biz.chosun.com/site/data/html_dir/2017/03/27/2017032703099.html

⑧ https://www.top500.org/

⑨ 인공지능 헬스케어의 산업생태계 분석 및 활성화 방안 연구, 2016

⑩ https://home.kpmg.com/kr/ko/home/insights/2017/10/issue-monitor-201710.html

⑪ <깊은 강화학습 전략의 응용에 관한 고찰> (2016, 박주영, 허성만, 김태환, 박정호, 김재인)

⑫ https://news.kotra.or.kr

⑬ http://news.joins.com/article/20403630

⑭ https://namu.wiki/w/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5

⑮ http://news.joins.com/article/22766972