[모두를 위한 人工知能] 4. 人工知能이 아무리 發展해도 結局 사람의 '經驗'이 重要하다

[IT東亞]

[編輯者註 / '人工知能(AI)'은 더 以上 SF映畫에서나 보던 想像의 技術이 아닙니다. 이미 現實과 實際가 되어, 알게 모르게 우리 日常에 스며들고 있습니다. 이에 人工知能에 關한 普遍的 知識은 現代人이라면 누구라도 가볍게 알아 둘 만합니다. 이 連載에서는 人工知能의 歷史부터 日常/産業 내 融合, 國內外 人工知能 産業 現況, 人工知能 關聯 最新 트렌드, 近未來의 人工知能 融合技術 等, 筆者가 오랜 동안 現業에서 얻은 다양한 經驗과 知識을 하나씩 讀者와 共有합니다.]

1部 - 還甲이 훌쩍 넘은 人工知能의 어제와 오늘 ( https://it.donga.com/102301/ )

2部 - 人工知能 技術을 活用해 비즈니스 價値를 높여라 ( https://it.donga.com/102418/ )

3部 - 人工知能 産業/企業을 支援, 育成하기 위해 必要한 것 ( https://it.donga.com/102543/ )

본 連載에서 繼續 强調하고 있지만, 人工知能은 이제 全體 産業 分野 內 폭넓은 領域에서 活用되고 있고, 우리 日常에도 생각보다 깊게 들어와 있다. 앞으로는 누구나 자연스럽고 簡便하게 人工知能 融合 商品과 서비스를 使用하게 되리라 豫想한다.

移轉 連載에서 人工知能 技術은 學習 結果에 對한 豫測 不可能性과 初期 데이터 準備/學習에 많은 컴퓨팅 資源이 必要하다고 言及했다. 이러한 人工知能 技術을 事業에 適用하는 融合企業들은 大部分 새로운 事業모델의 問題를 定義하고, 이를 解決하는 手段으로 人工知能을 使用한다. (勿論 旣存 프로세스의 效率을 높여 附加價値를 만드는 데도 使用한다.)

卽 그들은 새로운 商品과 서비스를 위해 人工知能 技術을 活用하는 것이다. 이는 누구도 進出하지 않은 이른 바, ‘이머징 市場(Emerging Market, 開拓 新興市場)’에 挑戰함을 意味한다.

아래 그림으로 보듯, 人工知能 融合企業은 一般的으로 비즈니스 모델에 따라 解決할 問題를 定義하고, 이를 위한 人工知能 모델을 設計한 뒤 關聯 데이터를 蒐集, 加工해 學習을 準備하는 段階를 거친다.

學習이 完了되면 비즈니스 目的에 맞는 지를 檢討해, 最終的으로 비즈니스에 適用(Model Deploy)한다. 그런데, 人工知能은 數學問題의 正答을 풀어 알려 주는 게 아니라, 學習에 依한 '確率'을 土臺로 豫測을 하는 것이다.

이 確率 土臺의 豫測이란 것에서 그 解釋의 差異가 發生한다. 아래 그림처럼, 三角形과 四角形 分布 데이터를 土臺로, 三角形과 四角形을 區分하는 그래프를 學習한 人工知能을 例로 들어본다. (1部 連載에서 다룬 그래프와 類似하다.)

그래프 中間의 붉은 線上에 正確하게 位置한 特定 圖形을 入力으로 주었을 境遇 人工知能은 어떤 結果를 낼까?

아마도 '50% 確率로 세모' 或은 '50% 確率로 네모'라는 結果를 낼 것이다. 萬若 이 圖形이 세모였다면, '50% 確率로 세모'라는 結果가 맞다고 結論 내어 學習될 수 있을까? 또는 '50% 確率의 네모'는 틀린 結果라고 이야기할 수 있을까?

여기에는 單純히 學習이 잘될 것 같은 데이터를 蒐集, 加工하는 것뿐 아니라, 解釋에 對한 經驗도 必要하다. 逆說的이게도 4次 産業革命을 代表하는 尖端 技術인 人工知能의 活用 範圍가 넓어질수록, 人間의 '經驗的 知識(heuristic)'李 漸漸 重要해지고 있다.

例를 하나 더 들어보자. 아래 寫眞으로 보듯, 딥러닝 基盤의 이미지/動映像 分析 學習이 되어 있는 人工知能 모델에, 山에서 山岳自轉車를 타는 寫眞을 入力으로 넣었다고 假定하자.

이때 사람을 區別해 사람으로 正確히 認識할 確率이 99.3%, 바위는 바위로 認識할 確率이 82.8%로, 各各의 事物을 分離, 認識해 確率을 基盤으로 物體를 豫測하고 그 結果를 알려줄 것이다.

이 程度의 確率로 事物을 認識한다면 人工知能이 잘 動作하고 있다고 할 수 있을까? 위에서 言及한 50% 確率보다는 確實히 높으니, 豫測을 아주 잘하고 있다고 할 수 있지 않을까? 或은 最小 99% 以上의 確率로 豫測돼야 使用이 可能하기 때문에, 結局 잘 動作하지 않는 水準이라 해야 할까?

아마도 이는 自身이 만들려고 하는 製品이나 서비스에 따라 달라질 것이다. 卽 顧客에게 提供하려는 使用者 經驗(UX)에 따라 비즈니스에 使用 與否가 決定된다. 人工知能에서 使用者 經驗이 重要하다고 말하는 理由가 바로 이것이다.

使用者 經驗이나 顧客 經驗이라는 걸 알기 위해, 視線, 腦波, fMRI 같은 科學 裝備를 活用한다. 또는 觀察, 質問, 討論 等을 통해 얻을 수도 있다. 하지만 사람의 行動을 正確히 理解하거나, 미리 豫測하는 것은 事實上 不可能하다.

예전에 筆者가 美國 실리콘밸리에서 事業하던 時節, 投資를 받기 위해 많은 機關投資者들을 만났던 때가 있다. 실리콘밸리 IT分野 1世代인 애플이나 IBM, 마이크로소프트, HP 等의 創業者들은, 손에 잡히는 類型의 製品에 익숙한 世代들이었다.

소프트웨어 開發社였던 마이크로소프트도 (無形의) 소프트웨어를 케이스에 담아서, 類型의 무엇인가를 顧客 손에 쥐어 주어야 그 價値를 느끼고 體驗했던 企業이다. 自身의 成功을 발板으로 後輩들을 위한 資金과 네트워크를 支援하여, 投資와 비즈니스 開發을 加速化하는 結果를 만들어냈다.

실리콘밸리 企業의 主要 엑시트(Exit) 모델을 上場(IPO)에서 M&A(引受合倂)로 바꾸어, 스타트업 生態系 變化를 構築한 世代이기도 하다. 그런데 그들에게 IT 新世代들이 登場했다. 페이스북(現在는 메타)은 사람들의 社會 關係를 그래프 理論 바탕으로 具現하면, 사람이 모이고 이를 基盤으로 비즈니스가 可能하다고 말하며 投資를 要請했다. 유튜브는 플랫폼을 잘 만들어 놓으면, 사람들이 콘텐츠를 無償으로 올릴 것이고, 이를 土臺로 賣出이 發生할 것이라며 投資를 呼訴했다.

앞선 IT 1世代들의 經驗으로는 納得할 수 없는 비즈니스 모델이고, 投資를 決定하기도 어려운 說明이었다. IT 新世代들은 大部分 大略 18個月 以後부터 刮目할 賣出을 記錄했고, 엄청난 速度로 成長해갔다. 앞 世代들의 經驗에서는 말도 안되는 비즈니스 모델이었기에, 새로운 비즈니스 모델을 내세우며 投資를 要請하면 ‘젊은 親舊들이 뭔가 큰 뜻이 있겠지’라며 흘겨 넘겼다.

새로운 技術과 서비스에 關해 全 世界에서 가장 寬大하다고 말하는 실리콘밸리 마저도 不過 20年 前만 해도, 앞 世代들의 經驗으로 納得하지 못하는 部分에 對해서는 否定的인 認識이 澎湃했던 것이다.

人工知能 技術을 통해 附加價値를 높이는 融合産業의 大部分은, 現在 우리가 알고 있는 製品이나 서비스를 넘어서는 境遇가 많다. 解決하기 어려운 問題를 定義하고, 그에 맞는 人工知能 모델을 設計한 뒤 데이터를 모아 學習한 結果를 바탕으로 하기에 그 結果를 豫測하는 것도 쉽지 않다.

그 結果조차 確率로 나오기 때문에, 使用者 經驗에 對한 實證 없이 結果가 顧客에게 받아들여질 지는 누구도 豫測하기 어렵다. 勿論 이러한 內容 檢證을 위한 美國 MIT式 리빙랩(地域社會 問題解決 集團/共同體)이나 顧客接點에서 常用 水準의 製品을 實證하는 유럽式 리빙랩 같은 方法論이 存在했다. 人工知能을 活用하는 融合産業에는 그 程度가 거의 모든 것에 適用되고 있다.

實際로 人工知能 半導體를 만들어 特定領域에서 推論 性能을 높인 會社의 境遇, 最小 1年 程度의 推論 結果를 레퍼런스로 要求하기도 한다. 이러한 實證을 통한 레퍼런스를 만드는데 都市 次元에서 積極的으로 對應하는 地域이 많다. 이를 '시티 스케일 實證(City Scale Reference, 都市 規模 實證)'라고 한다. 人工知能 融合産業을 育成하기 위해서, 都市 規模의 데이터와 共工科 民間部分의 協力을 통해 레퍼런스를 만들기 위한 플랫폼을 都市 規模로 構築하는 것이다.

이러한 都市 規模 實證 인프라를 빠르게 構築하고 活用하는 地域이 바로 中國과 유럽이다. 中國의 境遇 충칭市에 中央政府와 地自體 主導로 인프라를 構築해, 바이두, 마이크로소프트 等 關聯 大企業과의 協力 및 投資 誘致를 實施하고 있다. 主로 自律走行, 스마트시티 等 人工知能 및 尖端分野에서 巨大 實證 인프라를 마련하는 中이다.

또한 알리바바 本社가 있는 항저우市는 交通問題 같은 都市問題를 解決하기 위해, 人工知能 基盤 디지털 트윈, 事物인터넷, 빅데이터 솔루션 等의 尖端 技術을 活用한다. 이에 公共 데이터를 통한 問題解決과 이를 土臺로 한 都市規模 플랫폼인 ‘시티 브레인(City Brain)’을 發表하고 實行하고 있다. 시티 브레인은 아시아 20餘個 都市에 맞춤型 솔루션으로 輸出도 이뤄졌다.

알리바바의 'ET Brain'를 基盤으로 한 시티 브레인은 交通信號 制御를 통한 實時間 交通滯症 解消, 交通事故 實時間 感知, 大衆交通 스케줄의 效率的 管理로 費用 節減과 輸送 能力 向上, 犯罪 追跡, 火災/가스感知/災難狀況 豫測 市民 알림 等 公共 데이터 플랫폼을 提供한다. 民間企業이 參與하고 市民이 體感하며 實證할 수 있는 플랫폼을 만든 것이다.

싱가폴 亦是 '버추얼 싱가폴(Virtual Singapore)'이라는 假想 싱가폴 플랫폼을 만들어, 都市 全體를 시뮬레이션할 수 있도록 했다. 太陽光 패널의 最適 設置 地域과 豫想 發電量, 아파트 密集地域 內 有毒가스 事故時 被害 範圍 豫測 等 都市 全體에 디지털 惠澤을 適用하고 最適化하는 人工知能 融合産業 플랫폼이다.

以外 유럽 덴마크의 코펜하겐, 英國의 런던 等 여러 國家에서 都市 規模의 實證 플랫폼을 만들고, 共工科 企業이 參與할 수 있도록 하고 있다.

우리나라도 國家人工知能集積團地와 國家人工知能데이터센터가 構築되고 있는 光州廣域市를 人工知能 革新據點으로 삼고, 지난해부터 4次 産業革命委員會에서 議決하고 人工知能 融合産業을 위한 實證 인프라 構築이 進行 中이다.

國家人工知能데이터센터의 大單位 컴퓨팅 파워와 貯藏空間을 活用하여, 自律走行 自動車, 에너지, 헬스케어 分野에 實證 센터를 만들어 該當 企業에게 各種 關聯 裝備와 컴퓨팅 資源을 提供하고 있다.

헬스케어 實證센터의 境遇 光州廣域市 빛고을 健康타운에 設置해 모든 市民이 豫約하고 利用할 수 있다. 모든 헬스케어 企業이 製品을 市民에게 提供하고, 그 데이터를 活用할 수 있게 마이데이터 活用을 위한 體系도 만들었다. 또한 昨年부터 科學技術情報通信部의 支援을 받아, 人工知能 半導體 實證 體系를 構築하고 있으며, 올해는 實際 市民들이 體驗할 수 있는 서비스를 土臺로 한 實證과 메타버스 콘텐츠 製作/實證 事業을 大邱廣域市, 濟州島와 함께 超廣域圈으로 進行 中이다.

그中 自律走行 關聯해서는 國內 最大規模의 '人工知能 基盤 超大型 드라이빙 시뮬레이터'도 製作되고 있다.

위 그림에서 보듯, 自律走行 自動車를 그대로 캐빈에 넣어 直接 테스트하고 走行 結果를 만들어 낼 수 있다. 昨年부터는 各種 센서를 裝着한 車輛을 통해 비전 데이터를 비롯한 實際 道路 데이터를 蒐集하고 있는데, 完成車 製造社뿐만 아니라 센서 業體, 소프트웨어 業體, 콘텐츠 業體 等 實際 道路運行 許可를 받기가 어려운 모든 自律走行 關聯 企業의 支援 環境과 레퍼런스를 만들 수 있다. 더불어, 實際 道路走行에서는 테스트하기 困難한 事故環境이나 特定狀況을 具現해, 人工知能과 사람의 對應 差異 같은 레퍼런스度 만들 수 있게 構成된다.

이렇듯 人工知能 融合産業은 그 競爭力을 높이기 위해, 다양한 環境의 性能 檢證 外에도, 事業 모델과 아이디어에 對해 實際 動作하는 레퍼런스를 必要로 하는데, 이를 위한 플랫폼은 國家와 地自體 單位에서 提供해야 한다. 都市 規模 實證은 이제, 人工知能 融合産業의 成長을 위해서는 選擇이 아닌 必須 條件이다. 向後 이러한 人工知能 關聯 要素 技術이 어떻게 適用되고 發展되는지 關心 갖고 바라보면, 새로운 活用 아이디어를 實現하는데 큰 도움이 되리라 생각한다.

글 / 人工知能産業融合事業團 곽재도 本部長

美國 뉴욕 所在 로체스터 大學에서 人工知能 分野를 工夫한 뒤, 文化體育觀光部 文化技術 PD로 在職하며 硏究開發 事業을 企劃했다. 現在 大統領 所屬 知識財産委員會 4,5,6期 專門委員으로 活動 中이며, 人工知能産業融合事業團 所屬으로 國家 人工知能 데이터센터를 비롯해 人工知能 産業融合 生態系 造成을 위한 集積團地 造成事業을 推進하고 있다.

整理 / IT東亞 이문규 (munch@itdonga.com)