태터데스크 관리자

도움말
닫기
적용하기   첫페이지 만들기

태터데스크 메시지

저장하였습니다.

척척박사 윤박사가 들려주는 AI | 최종, 인공지능의 역할과 도전

 

 

 

알파고 이후로 현재까지 인공지능 기계학습에 대한 우리의 관심은 지속적으로 높아지고 있다. 이제는 누구나 인공지능 사회에 대한 긍정과 부정을 얘기하면서 술자리의 안주와 먹거리로 이야기를 하는 시대이기도 하다. 이런 가운데 필자는 지난 1년 가까이 인공지능 기술 트렌드를 중심으로 소소한 이야기를 다루었다. 이제는 앞으로의 인공지능 기술과 4차 산업혁명에서 5차 산업혁명으로 이어지는 중간 다리 역할의 인공지능을 이야기로 기나긴 인공지능의 이야기를 마무리하고자 한다.

 

우리는 인공지능이 무엇이든 다 처리할 수 있는 만능으로 이야기 한다. 공상과학 영화를 많이 본 효과이기도 하지만 알파고가 한 역할이 너무 크기 때문이다. 그러나 단순하게 생각해 보면 알파고는 바둑밖에 못하는 인공지능이다. 알파고는 복잡한 연산은 잘 한다. 그리고 복잡한 계산으로 조합을 만들어 내기도 한다. 이유는 단순하다. 바둑을 배우기 위한 기보라는 데이터가 충실히 쌓여 있는 상태에서 훈련을 하였고, 그 결과를 사람이 튜닝해서 얻은 결과이다. 만약, 바둑의 기보가 없다면 알파고는 바둑을 잘 두었을까? 당연히 ’아니다’라는 결론을 얻을 것이다. 이러한 결론을 잘 이해하고 있다면, 인공지능을 도입하기 위한 방법과 준비 과정이 필요하다는 것을 알 수 있을 것이다. 막연한 인공지능 도입은 회사의 위험도를 높일 수 있고, 자칫하다간 기술 개발 실패의 아픔을 가질 수 있다. 그렇기 때문에 필자는 딥러닝을 도입하기 위한 준비 과정을 이야기 하였고, 딥러닝이 기계학습의 전부가 아니다 라는 이야기를 계속적으로 하였다. 성공적인 인공지능 도입과 추진을 위해서는 목적과 대상이 정확해야 한다. 그리고 아래와 같은 고민을 통해 문제의 정의와 학습의 방법을 준비해야 할 것이다.

 

- 기계학습을 위한 데이터는 어떻게 확보할 것인가?

 

 

- 기계학습을 위한 도메인 지식베이스는 어떻게 확보할 것인가?

 

- 학습된 결과는 어떻게 검증 할 것인가?

 

 

 

- 대상별 학습은 어떻게 할 것인가?

 

- 서비스의 대상에게 어떻게 학습된 결과를 서비스 할 것인가?

 

- 기계학습 결과의 반영 주기는 어떻게 할 것인가?

 

- 도입했을 때의 예상 효과는 어떻게 될 것인가?


- 기타 세부적인 도입 이슈는 어떤 것들이 있는가? 등

 

이러한 내용은 누구나 알고 있고 기본적으로 다루는 내용들이다. 잠시 잊고 있었다면 이제부터 다시 고민하고 깊이 생각해 보았으면 한다. 인공지능에서는 창조적인 생각도 중요하며, 자동화된 서비스를 만드는 것도 중요하다. 하지만 “어떤 데이터를, 누구를 위해서, 무엇 때문에” 라는 목적이 없는 인공지능 개발은 오히려 기술 개발 경쟁에서 밀려나고 자칫 혼란만 가중될 뿐이다.

 

그렇기 때문에 필자는 인공지능을 도입하기 위해 6하 원칙(5W1H : Who, When, Where, What, How, Why)을 토대로 도전하라고 권고하고 싶다. 그리고 인공지능 역할인 자동화라는 목적을 달성하기 위해서도 중요한 요소이다. 이 요소는 유비쿼터스 컴퓨팅(Ubiquitous Computing) 개념을 이해하고 있는 독자라면 누구나 알고 있을 것이다. 그리고 산업의 변화, 기술의 변화, 시대의 변화가 아무리 빨라도 기술의 주기는 반복과 확장이라는 것을 함께 이해했다면 인공지능의 도전 방향을 제대로 짚고 넘어갈 수 있을 것이다. 예를 들면, 무인 자동차의 경우를 보자. 어떤 데이터를 가지고 누구를 위해서 무엇 때문에 만들어지고 있는지가 명확하다. 무인자동차는 차량의 데이터와 도로 데이터, 지도 데이터, 영상 데이터 등을 가지고 안전하게 운전할 수 있는 자동화된 시스템을 만드는 것이 목적이다. 그리고 이 상태에서 어떤 기계학습 모델과 알고리즘을 사용할지는 개발하는 제조사에 따라 필요한 기술을 적용하고 확장할 것이다. 또 다른 예를 들어 보자. 최근에 등장하고 있는 소프트웨어 중에서 ‘디자이너’라는 이름으로 불리는 소프트웨어가 있다. 소프트웨어 개발을 모르는 분석가도 비즈니스 프로세스만 알고 있다면 보다 쉽게 자동화된 시스템을 만들 수 있도록 한 것이다. 이 기술은 프로그래밍 자동화를 위해 3차원 그래픽이나 영상 편집 소프트웨어를 결합하여 확장한 것이다. 이처럼 6하 원칙을 기반으로 무엇을 위해 어떻게 할 것인가에 대한 기준이 만들어진다면 인공지능의 다양한 모델과 기술, 즉 프레임 모델, 의사결정 모델, 규칙기반 모델, 기계학습 모델 등과 같은 자동화 모델을 선별적으로 적용할 수 있다. 그리고 가장 좋은 모델을 적용하여 최적의 결과를 얻는 것이 가장 좋은 방향이 될 것이다. 이렇게 하나씩 하나씩 완성되어 간다면 인공지능의 최종 목표인 스스로 학습하는 자기주도 학습(Self-Organization Machine Learning or Self-directed Machine Learning)이 가능할 것이다.

 

기나긴 기고를 마치면서 필자가 마지막으로 당부하고 싶은 것은 도전을 위해 단계별 목표(Cleansing / Integration –> Detecting –> Prediction –> Forecasting –> Reasoning)를 수립하고 서비스 도메인에 대한 이해도를 높이라는 것이다. 로마가 하루아침에 만들어지지 않은 것처럼 인공지능 서비스도 하루아침에 만들어지진 않을 것이다. 누군가의 고민이 모이고 생각이 모여서 기초를 만들고 여러 가지 인공지능 기술과 모델이 적용되면서 인공지능 서비스 기술은 발전할 수 있기 때문이다.

 

 

** 기고를 마치며
짧다면 짧고 길다면 긴 1년의 시간동안 매월 기고문을 기다려 주신 엑셈 글로벌마케팅본부에 깊은 감사를 드립니다. 많은 내용을 담고 싶었지만 저를 절제시켜주고 어려운 내용이 많아서 다듬는데 힘이 들었을 편집자님께도 감사드립니다. 그리고 재미없는 글을 읽어주신 분들께도 감사 인사를 드립니다. 이제는 홀가분한 마음으로 키보드를 두드려 보려고 합니다. 내년에도 힘찬 한해가되시길 기원합니다.