인터마인즈는 인공지능(AI) 기술로 유통업계의 디지털 전환을 선도하는 스타트업이다. 딥러닝, 컴퓨터 비전, 센서 기술 등을 활용해 일명 ‘스마트 리테일 솔루션’을 제공하고 있다.김종진 인터마인즈 대표는 2016년에 회사를 창업했다. 그는 LG애드, 롯데백화점에서 광고와 유통 분야에서 근무했다. 보광그룹의 홍보 계열사 인터옥스 대표도 맡았다. 인터마인즈의 모기업인 마인즈랩의 초대 최고경영자(CEO)도 역임했다. 마인즈랩은 음성인식 AI 분야 기업이다.인터마인즈는 소비자가 필요한 상품을 어느 곳에서나 쉽게 구매할 수 있는 시스템을 AI로 구현하기 위해 설립됐다. 딥러닝 기술을 바탕으로 소프트웨어와 하드웨어 기술이 결합한 무인 스토어 상용화가 목표다. 구체적으로 미국의 아마존고 같은 서비스를 내놓는 것이다. 아마존고는 미국 최대 전자상거래 기업인 아마존이 운영하는 세계 최초의 무인 가게다. 계산대와 계산원 대신 AI, 머신러닝 등 첨단 기술이 결제 업무를 처리한다.마인즈랩은 2017년 롯데정보통신과 각종 영상을 분석해 상품 인식이 가능한 스마트 카트를 개발했다. 이듬해 무인 사물인터넷(IoT) 기반 점포도 구축했다. 마인즈랩은 같은 해 농협의 통합 무인 매장 점포와 솔루션도 선보였다. 2019년부터는 이마트와 스마트 결제 키오스크 등을 개발하고 있다.인터마인즈의 AI 기술은 정지된 이미지와 과거 데이터를 기억해 의미 있는 동작을 분석할 수 있다는 것이 강점이다. 고도화된 동영상 인식 엔진도 개발해 다양한 상황에 대응할 수도 있다. 무인 편의점 등에 설치된 카메라에 담긴 고객의 움직임을 AI로 자동 분석하는 ‘스마트 비전(Vision)’ 기술도 보유하고 있다.
지난 해 대통령직속 4차산업혁명위원회의 주관으로 진행된 『인공지능 대중화를 위한 대국민 인공지능 이용 인식조사』는 국민들의 인공지능에 대한 인식과 활용 정도를 확인하고, 정책 방안을 도출할 목적으로 실시되었다. 조사 결과를 보면 정책 당국 입장에선 ‘발등에 불이 떨어졌다’는 말이 나올 만 하다. 우리 국민들은 인공지능을 먼 미래의 일이 아닌, ‘코 앞의 닥친’ 미래로 체감하고 있고, 또 인공지능의 적극적인 도입과 확대를 기대하고 있는 것으로 나타났기 때문이다. 조사 결과에 따르면 국민 대부분(99%)은 이미 인공지능을 인지하고 있으며, 그 관심도 또한 60% 수준으로 높았다. 프라이버시 침해, 일자리 축소에 대한 우려도 있었으나 대다수 국민들은 인공지능이 개인과 민간 영역을 넘어 의료(62%)와 공공 영역(재난방역 33%, 치안안전 27%)으로 더욱 확장해 나가야 한다는 의견을 보였다. 소수가 독점하는 인공지능이 아닌 누구나 누리고 편리하게 이용하는 진정한 ‘대중화 시대’를 원하고 있는 것이다. 그렇다면 국민들의 관심도가 높은 ‘공공 영역의 인공지능(AI) 도입’은 어디까지 진행 되었고 또 어떤 문제들을 해소해 나가야 할까? ‘챗봇’부터 ‘난민정책’까지, 공공 AI 도입 분야 다양해져정보통신정책연구원(KISDI)에 따르면 우리나라 공공기관은 ‘민원’, ‘안전/보안’, ‘정보제공/통계분석’을 중심으로 AI를 활용하고 있는 것으로 나타났는데, 챗봇 서비스(14%), 고객센터(11%) 서비스 등이 주요 사례였다. 최근에는 복지 정책 확대, 코로나19 등의 영향으로 AI를 보조적 행정 수단으로 활용하기도 한다. 자
디지털·AI 정책은 대한민국이 20년 내에 G3 국가로 도약하기 위한 핵심 전략이자 도구다. AI 산업을 G3국가 도약의 핵심 견인차로 활용하여, 10년 내 세계 10대 기업 1~2개, 2042년 세계 10대 기업 3~4개를 대한민국에서 배출한다는 목표로 뛰어야 한다. 이미 G8 국가로 도약한 한국의 국격에 걸맞은 글로벌 통신사(위성통신과 AI기술 기반의 제4 이통사 선정), 글로벌 방송사(KBS를 민영화하고, AI 및 위성 기술 기반 방송사로 개혁), 글로벌 Event(AI·로봇분야 CES·MWC·WEF 육성)를 육성하고 지원하여 한국의 상징자본과, 문화 자본의 극대화를 준비해야 한다. 디지털·AI가 융합되는 사회 모든 부문에 자유의 바람, 민주화의 바람, 건강한 경쟁의 바람을 불어넣어 생산성을 제고하고 가격을 낮추면, 수요가 증가되어 경기가 좋아진다. 그 결과로 창업과 일자리가 창출되며, 이를 통해 새로운 산업과 글로벌 기업이 탄생할 것이다. 한편 사회 각 부문의 격차(빈부, 지역, 성별 등)를 디지털·AI로 해소하여 국가의 지적 자본을 더욱 단단하게 구축하고, 사회의 인프라를 지능 인프라로 구축하며, 모든 정부 서비스를 초맞춤형, 초자동화하는 HYPER(超) 정부로 재탄생하는 주춧돌을 마련해야 한다. 1982년 야간 통행 금지 해제, 1989년 해외여행 자유화 조치처럼, 지나고 보면 너무나 당연한 자유를 제한했던 과거의 유물을 제거하는 게 마땅하다. 국민 복리를 증진하고 신산업을 육성하기 위해서다. 의료 분야에서는 원격 진료 및 디지털 치료제를 전면 허용하고 관련 규제를 일소하겠다는 선언을 새 대통령이 함으로써 증가하는 의료 수요에 대처하고, 국민 건강 및 수명을 획기적으로 제고해야 한다. 원격
2021년 7월 미국 캘리포니아에서 발생한 대형 산불은 서울의 3배가 넘는 면적을 태웠다. 같은 시기 중국 허난성에서는 시간당 200mm가 넘는 기록적인 폭우로 수십만 명의 이재민이 발생했다. 작년 12월 미국 중부 지역에서는 강력한 토네이도가 캔터키주를 휩쓸고 지나가 90명 이상의 사망자가 발생했다. 호주 국립기후보호센터 ‘2019년 정책보고서’에 따르면, 2050년까지 지구 온도는 섭씨 3도 증가하면서 인간이 살기 힘든 환경이 될 가능성이 높다고 한다.세계 최대 자산 운용사인 블랙록(BlackRock)은 2020년 기업의 기후 위기 대응을 투자 전략의 핵심으로 삼겠다고 발표했다. 아울러 화석연료를 통해 25% 이상의 수익을 창출하는 기업들은 투자 포트폴리오에서 제외할 것이라고 밝혔다. 세계경제포럼(WEF)에서도 향후 10년 동안 기업이 부딪칠 가능성이 가장 높은 3대 위험 요소로 기상 이변, 기후 변화 대응 실패, 인간에 의한 환경 훼손을 꼽았다. Jeffrey K. Lazo 연구에 따르면, 갑작스런 기후변화로 인한 업무 중단, 손실 비용 등은 미국에서만 약 6300억 달러 수준으로 평가된다. 이런 직간접적 위험들은 기업 경영의 갑작스러운 변화로 이어져 기존 제품과 서비스의 생존을 어렵게 할 수 있다. 하지만, 기후변화로 인한 위기 상황에도 일부 기업들은 AI를 이용해 기후변화에 대응하고 있다. 기후변화 예측 솔루션으로 사업 안정성 제고구글은 약 5~10분 만에 최대 6시간까지의 기상변화를 예측할 수 있는 일기예보 인공지능 ‘NowCast’를 2020년 1월에 공개했고, IBM은 기상 데이터, 기후변화 위험 분석 기능 등을 통합한 AI 친환경 솔루션 ‘Environmental Intelligence Suite’를 2021년 10월에 출시했다. 이러한
작년 CES 2021은 코로나로 54년 만에 All-digital이라는 콘셉트로 온라인으로 진행됐다. 이 때문에 올해 CES 2022의 오프라인 행사 선언은 큰 기대감을 가지게 했다. 하지만 결국 오미크론의 글로벌 확산 탓에 구글, 메타, 트위터, 아마존, 마이크로소프트 등 주요 빅테크 기업들이 대거 불참 선언을 하면서 살짝 김이 빠졌다. 미국과 관계가 좋지 못한 중국 기업들 역시 대거 불참한 상태에서 CES 2022가 시작된 것이다. 이 와중에도 한국은 사상 최대 규모인 416개 기업이 참가했는데, 그 중 292개가 스타트업이었다는 점은 주목할 만한 일이다. 기대와 우려를 동시에 안고 시작한 CES 2022올해 CES 2022는 화려함과 대규모 전시로 늘 눈길을 사로잡았던 빅테크 기업들의 참가가 부진했다는 게 우선 과거 전시 때와 다른 점이다.이들이 터줏대감처럼 차지했던 Central Hall에는 빈 공간이 많았다. 확실히 볼거리가 줄어서 전체를 둘러보는데 시간 부족할 일이 없었다. 한국 기업 사상 최대 규모 참가라는 것이 체감될 정도로 전시를 구경하는 내내 한국인을 보거나 한국말을 듣는 일이 흔했다. 개인적으로 CES 행사 중 가장 볼거리가 많고 신선한 아이디어가 많은 CES 맛집이라 할 수 있는 유레카 파크 역시 한국 스타트업들로 가득 채워진 느낌이었다. 연결성, 새로운 경험, 확장성, 실용성을 보여준 CES 2022 올해는 메타버스, 로봇, 헬스케어, 모빌리티, NFT, 항공우주 등 다양한 키워드를 가지고 CES 2022를 분석한 내용들이 많았다. 아무래도 펜데믹이 장기화되다보니 새로운 기술 혁신보다는 현재의 펜데믹 상황에서 비대면이 일상화된 생활, 환경, 건강 등 새롭게 마주하고 있는 문제점들에 대한 방향성을 제시하는
2021년 말 개봉한 SF 영화 Don't Look Up에서 BASH사 CEO 이셔웰은 민디 박사에게 이렇게 말한다. “배시는 당신의 정보를 4천만 건 가지고 있어요. 1994년부터 내린 결정을 모두 알죠. 당신의 대장 용종도 검진 결과 나오기 몇 달 전에 알았어요. 네댓 개쯤 있더군요. 빨리 확인해 봐요. ... 우리는 96.5%의 정확도로 사망 방식도 예측해요. 우리 만난 후로 좀 알아봤죠. 당신의 죽음은 아주 하찮고 따분했어요. 당신은 외롭게 혼자 죽을 거예요.”2021년 하반기에 출간된 책 AI 2041의 첫 챕터인 <황금 코끼리>는 2041년 뭄바이에 살고 있는 10대 소녀 나야나가 주인공이다. Nayana의 가족은 가네쉬 보험이라는 서비스의 할인 혜택을 받기 위해 미성년자 나야나의 동의 없이 데이터 액세스에 동의한다. 자기의 동의 없이 정보가 공유되는 것에 대해 화가 났지만, 보험사의 황금 코끼리 서비스를 통해 “오늘은 비가 오니 우산을 챙기세요” “당신이 가는 길에 교통사고가 났으니 혼잡을 피해 다른 길로 돌아가세요” 등 유용한 팁을 얻게 되면서 앱을 점차 활용하게 된다.가족들의 사소한 행동 변화가 보험료 인상, 인하를 결정한다. 황금 코끼리는 조부모님들에게 약을 복용하게 안내해주고, 병원 예약 일정을 잡으라고 상기시켜준다. 아버지는 앱 알람의 계속된 꾸지람으로 담배를 끊고, 보험료를 할인받게 되었으며, 독한 술 대신에 레드와인을 추천받는다. 당뇨병의 위험을 가지고 있는 동생에게는 단 음식을 끊게 만들어준다.나야나는 새로운 반 친구인 사헤지(Sahej)를 좋아하게 된다. 앱에서 “남자들에게 자신을 더 매력적으로 만드는 꿀팁”을 제시받기도 한다. 메타버스 교실에 등장한
3월로 다가온 제20대 대통령 선거에 온 국민의 관심이 집중되어 있다. 일견 디지털 기술과 선거는 접점이 크지 않은 것으로 보인다. 컴퓨터나 스마트폰을 전혀 다루지 못하는 정보소외 계층 역시 어려움 없이 선거에 참여해야 하기에, 선거는 아날로그의 영역에 머물러 왔다. 2020년 말 심각한 코로나19 확산 와중에 선거를 치른 미국 역시도 아날로그 방식인 우편 투표를 시행했다. 일본의 경우 아직도 수기로 후보의 이름을 적는 방식의 투표를 고수하고 있다.그러나, 일부 국가에서는 선거의 디지털화가 이미 적극적으로 추진되고 있다. 블록체인 신분증 도입으로 널리 알려진 에스토니아는 2005년부터 전자투표(i-Voting)를 시행해왔으며, 2019년 3월에 시행된 의회 선거에서는 40% 이상이 전자투표를 활용했다. 다만, 에스토니아 전자투표 시행 후 투표율 자체가 증가하지는 않았다고 한다. 스위스에서도 2004년부터 일부 주에서 전자투표가 시행되어 왔으나, 현재는 보안 문제 해결을 위해 중단된 상태이다. 전자투표 확대는 해외 스위스 유권자의 참정권을 효과적으로 보장할 수 있는 방안이 될 것으로 기대되고 있다. 이러한 선거의 디지털화 추세에 따라, AI 기술이 선거에 활용되는 사례 역시 점차 증가하고 있다. 소셜미디어 데이터 분석을 통한 선거 결과 예측AI는 일찍이 소셜미디어 플랫폼 상의 데이터 분석을 통한 선거 결과 예측 및 여론 분석에 활용되어 왔다. 2016년 미국 대통령 선거에서 대다수 언론사가 힐러리가 당선될 것이라고 예측한 가운데, 캐나다 기업 어드밴스드 심볼릭스의 AI Polly가 트위터와 같은 소셜미디어 플랫폼 상의 데이터를 분석한 결과 트럼프가 당선될 것이라고 예측했다. Polly는
지난 8일 막을 내린 세계 최대 IT·가전 전시회 CES 2022는 명징한 메시지를 던진다. ‘연결·융합·확장’ 기술의 만개(滿開)다. 전시를 지배한 키워드가 이를 웅변한다. 모빌리티, 인공지능(AI), 로보틱스, 이른바 ‘MARs’다. ‘마스’는 화성 식민지 건설 같은 꿈을 현실로 끌어들인 초강력 에너지다. 사물인공지능(AIoT), 통신(5G), 빅데이터와 시나브로 연결되더니 어느새 로빌리티(로봇+모빌리티)로, 아이버스(AI+메타버스)로 융합하고 확장한다. 경계의 파괴다.자동차 기업이 로봇을, 전자 회사가 차를 만들겠다는 산업의 ‘오버래핑’만이 아니다. 공간 경계도 허물어진 지 오래다. 한국형 발사체의 고단한 역사를 기억하는 이라면, CES 전시장 한복판을 차지한 미국 우주여행선 ‘드림체이서’에 주목하기 마련이다. 우리가 발사체라는 지구적 경쟁에 묶여 있는 사이 드림체이서를 만든 시에라 스페이스는 외계 행성을 거주지로 만드는 ‘테라포밍(terraforming)’ 기술로 우주적 경쟁을 주도했다. 경계 뛰어넘는 초격차 경쟁드림체이서는 별도의 우주센터가 필요 없다. 김포공항 활주로를 이용해 올려보낼 수도 있다는 얘기다. 한 번 쓰고 버리는 우리 발사체와 달리 25번이나 재활용할 수 있다는 것도 놀랍다. 53년 전, 미국 항공우주국(NASA)이 달탐사로 뿌린 씨앗이 스페이스X, 블루오리진 같은 민간 우주 탐험사들로 싹을 틔웠고, 시에라 스페이스라는 아이돌급 우주 스타트업을 키워낸 것이다.CES는 우리의 빈틈을 비추는 역설적 경고다. 국가 주도의 누리호 프로젝트 하나에 온 국민이 매달려 ‘성공 발사’를 조마조마 기다리는 게 현실이다. 국가가 실패
![[데스크 칼럼] 실패를 대하는 자세](https://img.hankyung.com/photo/202201/07.19431757.3.jpg)
독일 카이저슬라우테른 공대 교수로 사회정보학을 가르치는 츠바이크 교수는 기술과 사회, 문화, 인공지능과 윤리 분야 전문가다. 또한 독일 연방의회의 인공지능 분야 전문조사위원회 위원으로 독일의 정책 수립에도 적극 참여하고 있다. 원래 생화학을 전공한 그녀는 통계 이론과 데이터 분석을 접한 뒤 사회정보학 영역에 뛰어들었다.그동안 많은 미국 학자의 책이 있었지만, 독일 학자의 이 책은 유럽에서도 인공지능 연구에 대한 기대와 함께 인공지능이 사회에 갖는 함의에 대해 많은 논의를 하고 있음을 알게 해준다. 사실 이런 논의는 유럽 연합 국가에서 더 치열하게 전개되고 있다. 책은 크게 3부로 구성됐다. 1부 도구 상자에서는 저자가 이 문제에 어떻게 도달하게 되었고, 현재 논의되는 여러 주제가 어떤 배경을 갖게 되는지 짧게 설명한다. 책의 핵심은 2부와 3부에 있다. 2부는 본인이 참여했던 여러 연구나 관심 분야를 소개하면서 알고리즘, 컴퓨터 지능, 머신 러닝 등이 어떻게 적용되고 있으며 어떤 한계가 있는 것인지 알려준다. 우리에게 익숙한 넷플릭스 추천 알고리즘이나 타이타닉호 사건, 채용 면접, 로봇 청소기, 재판에 활용하는 알고리즘 등의 사례를 통해 최적의 해를 구하는 것이 생각보다 매우 어렵다는 점과, 알게 모르게 우리의 판단과 사회적 차별이 어떻게 반영될 수 있는지 설명한다. 다시 말해, 데이터의 부족이나 치우침, 인간의 수작업이나 변수 조절 등에 의해 인공지능은 가치중립적이지 않음을 지적한다. 이 책의 장점은 2부에서 확연히 드러난다. 알고리즘이나 머신러닝, 인공지능을 다양한 그림과 간단한 사례를 통해 이해하기 쉽게 설명하고 있기 때문이다.&n
고객 중심 기업에서 마케팅 전략을 연구하는 사람에게 새해의 시작은 1월이 아닌, 10월이다. 다음 연도의 시장 트렌드를 예측하는 각종 도서가 서점에 깔리는 시기이기 때문이다. 가을 낙엽이 채 떨어지기도 전에 마케팅 담당자는 기업 내부에서 도출한 시장 전략과 트렌드 서적을 비교 분석하며 새해 사업계획을 가다듬는다.트렌드란 무엇인가. 트렌드와 유행의 차이는 지속성에 있다. 유행은 짧은 기간 동안 잠깐 인기를 얻다가 사라지는 사회현상으로, 아이스 버킷 챌린지를 예로 들 수 있다. 루게릭병 환자를 돕는 기부 캠페인을 활성화하기 위해 시작된 이 챌린지는 한때는 사회의 핫이슈였지만, 점차 SNS 상에서 하나의 놀이처럼 번지다가 사라져 지금은 흔적조차 찾아볼 수 없다. 반면 트렌드란 고객들의 가치관, 태도, 행동의 변화로 오랜 기간 지속되며 사회를 바꿔나가는 힘을 가진다. 2010년대 초반부터 젊은 세대가 관심을 가진 ‘생활에서 실천하는 환경 보호’는 오늘날까지 지속되어 기업들이 더 이상 ESG라는 단어를 외면할 수 없도록 만들었다. 하지만 모든 것이 디지털화되는 4차 산업혁명과 코로나19로 인한 온택트 문화의 확산으로 트렌드의 변화 속도는 전례 없이 빨라졌다. 중장년층의 디지털 서비스 이용은 당연해졌고, 먼 이야기일 것 같았던 메타버스가 눈앞에 펼쳐지고 있다. 국내 대표 소비 트렌드 분석가 김난도 교수는 2020년 트렌드 서적을 발표하며 “코로나가 바꾼 것은 트렌드의 방향이 아닌 속도”라고 말한 바 있다. AI 에스노그라피(ethnography) 시대 열린다기존 고객 트렌드 조사 방법은 많은 시간이 걸렸다. 미국의 자동차 회사 포드는 10여 년 전부터 트렌드
코로나19가 처음 확인된 지 약 2년의 시간이 흘렀지만, 사태의 종식까지는 아직 많은 시간이 걸릴 것으로 보인다. 특히, 최근 들려오는 오미크론 변이의 확산 소식은 인류를 다시금 큰 고민에 빠뜨리고 있다. 전 세계에 큰 사회경제적 충격을 입힌 코로나19의 출현은 사실 예상 밖의 일은 아니었다. 이전에도 많은 감염병 전문가들이 이러한 사태의 발생을 예견해 왔다. 한 예로, 세계보건기구와 세계은행이 공동 설립한 글로벌 준비태세 감시 위원회(Global Preparedness Monitoring Board, GPMB)는 2019년 잠재적인 감염병 확산을 탐지하고, 통제하기 위한 시스템을 선제적으로 구축할 필요가 있다고 강조한 바 있다. 한국도 2004년 SARS, 2009년 신종플루, 2015년 MERS라는 감염병 위기를 경험해 왔는데, 어쩌면 이들이 이번 코로나19 사태의 전조증상이었을 지도 모를 일이다. 백신 접종 등의 영향으로 코로나19가 전세계에서 지역으로 유행의 범위가 좁아지는 엔데믹으로 전환되더라도, 코로나19와 유사한 팬데믹이 언제든지 다시금 우리 곁을 찾아올 가능성이 남아 있다.그렇다면 우리는 새로운 팬데믹을 무방비하게 맞이할 수 밖에 없는가? 다행스럽게도 최근 급격히 발전하고 있는 AI 기술이 인류가 전염병에 보다 효과적으로 맞서 싸울 수 있도록 하는 다양한 도구를 제공하고 있다. 새로운 감염병에 대한 대응 조치는 크게 마스크 쓰기, 사회적 거리 두기, 감염자 파악 및 접촉자의 신속한 추적, 격리로 이어지는 비약제적 개입(NPI, Non-pharmaceutical intervention)과 치료제, 백신 등의 약물을 활용하는 약제적 개입(PI, Pharmaceutical Intervention)으로 구분된다. 개발에 많은 시간이 소요되는 약물 개발 이전에는 비약제적 조치가 감염병 대응
한국인이 가장 멀리하고 싶어하는 단어 를 꼽으라면 아마도 ‘실패’가 1~2등을 다툴 것이다.(다른 하나는 ‘비교’ 또는 ‘열등’이지 않을까?) 미국 생활 30년 동안 직장과 일상에서 다양한 민족을 겪은 경험을 토대로 내린 결론은 악착같은 삶에 익숙한 동아시아계에서도 성공을 향한 한국인의 피나는 노력은 가히 독보적이라는 점이다. 실패자로 낙인찍히고 싶어하지 않는 우리 민족성이 6.25 전쟁 후 60년만에 세계 10위의 경제 대국으로 만들어낸 동력이라 확신한다. 하지만 한국의 관료주의적, 평가 중심적 연구 문화에서 자라난 '실패 공포증'은 국책과제 성공률을 97~99%의 상수 (constant)로 만들어 버리는 '안타까운 현실'의 뿌리라는 점도 부인할 수 없다.이 점이 바로 ‘한국형 DARPA’가 롱런하기 어려운 가장 큰 이유라는 게 필자의 생각이다. 그렇다면 지난 몇십년 동안 실패를 모르는 성공가도(?)를 달리는 연구 문화에 익숙한 우리에게 과연 ‘한국형 DARPA’는 실패를 어떻게 정의하고 관리하여야 롱런이 가능할까? 이에 대한 답을 찾으려면 먼저 미국의 DARPA가 실패를 어떻게 관리하는지에 대한 심도있는 이해가 필요하다.DARPA 연구 문화에서 가장 핵심적인 점을 꼽으라면, DARPA가 시행하는 연구에서 ‘실패’는 우리가 상식적으로 정의하는 ‘연구비의 낭비’, 즉 연구팀에게 ‘실패자’라는 무능력의 족쇄를 씌우는 비관적 컨셉이 아니라, 오히려 정반대로 ‘불확실성을 없애준’ 귀한 지식으로 여기는 긍정적 컨셉이란 점이다. 이를 제대로 이해하려면 먼저 DARPA의 존재 이유를 이해하여야 한다.DARPA의 홈 페이지에서 쉽게 찾을
학습은 데이터기반 AI의 가장 중요한 요소다. 미디어에는 AI가 데이터로부터 스스로 지식을 학습하고 이를 이용해 지능적 작업을 수행한 성과들이 종종 보도된다. 그런데 AI의 학습이 정확히 무엇을 의미하는지 구체적인 설명은 생략되는 경우가 많다. AI가 지식을 데이터로부터 학습하는 이유는 무엇이고, AI는 데이터로부터 어떠한 지식을 어떻게 학습할까? AI가 데이터로부터 지식을 배우는 이유데이터기반 AI는 목표 작업을 수행하기 위한 지식이나 방법을 설계자가 제공하지 않아도 데이터만으로 고성능 AI를 개발할 수 있다는 점에서 매력적이다. 그러나 대규모 데이터 수집의 어려움, 학습에 요구되는 많은 계산량, 학습데이터와 이질적인 입력에 대한 성능 저하 등 여러가지 이론적, 현실적 한계를 갖는다. 최근 여러 기업들이 막대한 비용과 인프라를 투자해 개발하고 있는 초거대 AI모델 역시 현 데이터기반 AI의 기술적 한계와 비효율성을 노출하고 있다. 그렇다면 데이터를 이용해 AI를 학습시키는 대신 작업에 필요한 지식을 인간이 직접 제공하면 어떨까?데이터가 아닌 지식을 직접 입력받아 목표 작업을 수행하는 AI를 지식기반 AI라고 하는데 이러한 방식은 AI 역사의 초기부터 많이 시도돼왔다. 그런데 지식기반 AI역시 여러가지 한계를 가지고 있다. 데이터기반 AI의 성능이 데이터의 양과 질에 좌우하는 것처럼 지식기반 AI의 성능은 AI가 보유한 지식의 양과 정확도에 좌우한다. 그런데 목표 작업이 복잡할 경우 이를 수행하기에 충분할만큼 완전하고 무결한 지식베이스를 구축하는 것은 매우 어렵다. 또한 지식의 완전성과 무결성을 유지하기 위해서는 기술 발전에 의해 지식이 확
매년 1월 미국 라스베이거스에서는 세계 최대 가전전시회, CES(Consumer Electronics Show)가 열린다. CES는 주로 스마트홈과 디지털 헬스케어 산업을 중심으로 혁신 기술과 다양한 서비스를 선보이는데, 이번 ‘CES2022’에는 ‘푸드테크(FoodTech)’가 새로운 기술 카테고리로 추가되면서 푸드테크 시장에 대한 관심이 높아 지고 있다. 푸드테크는 ‘식품(Food)’과 ‘기술(Tech)’의 합성어로 용어는 아직 생소하지만, 금융과 교육 산업의 패러다임을 바꾼 핀테크(Fintech)와 에듀테크(Edutech)처럼 기존 식품 산업에서도 AI, 빅데이터, IoT(사물인터넷) 등 ICT기술과의 결합을 통해 서비스 혁신과 새로운 부가가치를 창출할 것으로 기대되고 있다. 푸드테크의 적용은 식품 생산·가공·유통 및 외식 산업 전반에 걸쳐 가능한데, 최근 Economist가 발표한 ‘2022년에 두각을 나타낼 신기술 22’에 선정된 ‘수직 농업’, ‘배달 드론’, ‘맞춤형 영양’, ‘인공육류·생선 제조’기술들도 모두 푸드테크의 범주에 포함된다. 비대면 문화 확산에 따른 푸드테크 도입 가속화국내에서 가장 적극적으로 푸드테크를 도입하고 있는 분야는 외식산업이다. AI배차시스템을 적용한 배달플랫폼이나 빅데이터 기반 상권분석, AI 예약 시스템을 통한 고객 수요 예측 등 외식업에서 AI와 빅데이터의 활용은 이미 주요 경쟁력으로 자리잡았다. 소비 트렌드에 민감할 수밖에 없는 외식업계는 코로나19로 비대면 문화가 확산되자 발빠르게 푸드테크를 적용, 키오스크, 모바일앱 주문, 무인매장, 서빙 로봇 등으로 고객 서비스를 고도화하고 있다. 미래의 모습일 것만 같
![[칼럼] AI 푸드테크가 바꾸고 있는 식품 산업](https://img.hankyung.com/photo/202112/01.28276708.3.jpg)
GPT-3가 시작한 초거대 AI라는 트렌드는 아직도 진행 중이다. 얼마 전 마이크로소프트와 NVIDIA는 GPT-3보다 3배나 큰 규모의 언어모델 MT-NLG를 발표했다. MT-NLG는 두 회사의 자연어 처리 AI모델 튜링-NLG와 메가트론-LM을 기반으로 공동개발되었으며 5300억 개의 파라미터를 가지고 있다. 현재 연구되고 있는 AI모델들의 규모는 더욱 커서 구글은 1조6000억 파라미터 규모의 모델을, BAAI(베이징인공지능연구원)은 1조7500억 파라미터 규모의 모델을 학습한다고 알려져 있다. 초거대 AI들이 다양한 작업에서 가능성을 보여주자 이러한 추세로 발전하면 범용인공지능(AGI)에 이를 수 있을지에 대한 궁금증도 커지고 있다. 과연 초거대 AI들은 AGI로 발전할 수 있을까? 강한 인공지능, 약한 인공지능, 그리고 AGIAI의 원래 목표는 인간과 유사한 지능(강한 인공지능)을 구현하는 것이지만 이는 매우 요원한 목표이다. 인간의 지능은 업무수행을 위한 사고능력 외에도 의식, 지각, 자기인식, 감정, 양심 등 다양한 요소를 가지고 있는데 이들이 어떻게 발현되는지 모르는 것은 물론, 각 요소들을 구현할 수 있을 만큼 구체적으로 정의하기도 어렵다. 지금까지 개발된 모든 AI는 약한 인공지능, 즉 사고능력을 가지고 있지는 않으나 각자의 방법으로 특정한 작업을 수행할 수 있는 제한된 지능이다. 이들은 특정 작업만을 수행할 수 있으며 성능 역시 한계를 갖는다. 학습에 많은 데이터와 계산을 요구하고, 과거 학습에서 배운 지식과 경험을 새로운 작업의 학습에 충분히 활용하지 못하며, 학습 데이터와 이질적인 입력에 대해 잘 적응하지 못한다. 이러한 한계를 극복하기 위해 많은 연구자들이 노력하고 있으나 현재와 같은 방식으로
AI를 통해 백신을 초고속으로 개발하거나 독거노인이 위급 상황에 처하면 AI 스피커가 보호자나 119에 연락을 취하는 등 우리사회의 다양한 사회문제 해결에 AI가 점점 더 많이 활용되고 있다. 아직까지 조명 받진 못했지만 실로 AI가 필요한 곳은 바로 ‘보육’분야가 아닐까 싶다. 국내 보육현장의 가장 큰 문제는 보육교사 1명이 담당하는 영유아가 너무 많다는 것이다. 『2018년 전국보육실태조사 어린이집조사』보고서에 따르면, 중간 경력교사의 1일 총 근로시간은 9시간 7분이며 그 중 점심시간은 평균 7분, 휴식시간은 평균 37분에 불과해 화장실 갈 시간도 없다는 보육교사의 고충이 공감된다. 뿐만 아니라 어린이집 운영을 위한 각종 부수 업무로 어린이집 10곳 중 6곳(61.2%)에서 초과근무가 비일비재하다. 필자도 어린이집에 자녀를 보내본 학부모로서 보육교사 선생님들의 노고를 알기에 주말에 무리한 다음날 어린이집에서 컨디션이 안 좋지는 않았는지, 싫어하는 반찬이 식단으로 나온 날 밥은 잘 먹었을지 열 가지 궁금한 점이 있어도 한 번의 연락도 조심스러웠다. 특히 울면서 셔틀버스에 탄 날, 어플리케이션을 통해 전달되는 웃고 있는 사진 한 장만으로 안심하며 ‘보육의 디지털화’가 가져다 주는 엄청난 효과를 몸소 체험한 바 있다. 디지털 기술을 활용한 소통을 넘어 보육에 AI가 적용된다면, ‘AI 어린이집 교사’가 있다면 내 아이를 맡기고 싶을지 궁금해졌다. 첫 발걸음 뗀 국내 AI 보육로봇AI 어린이집 교사가 실제로 있을까? 올해 7월, 서울시는 보육현장에 첫 ‘AI 로봇’을 도입해 어린이집 300개 소에 무상대여를 시작했다고 한다. 약 25CM의
주변을 돌아보면 새삼 놀란다. 정보통신기술(ICT) 진화가 몰고 온 변화 때문이다. 세상을 뒤바꾸는 ‘게임체인저’가 이토록 많았던 적이 있었을까. 메타버스, 인공지능(AI), 비트코인, NFT(대체불가능토큰), 디지털트윈, 클라우드….숨 막힐 듯 쏟아지는 키워드들의 대장이 메타버스다. 2035년 ‘메타 이코노미’가 315조원에 이른다니, 말 그대로 ‘상전벽해’다. 암호화폐는 또 어떤가. 코인게코에 따르면 지난달 11일 업비트의 하루 평균 암호화폐 거래대금은 12조4925억원, 유가증권시장의 10조9964억원을 훌쩍 뛰어넘었다. 기술이 가져온 권위의 해체메타버스는 현실과 가상을 연결해 새로운 세상을 만든다. 상상하는 모든 게 현실이 된다. 천리 밖 전시회도 실시간 감상할 수 있다. 증강현실(AR), 가상현실(VR), 5G, 에지컴퓨팅 기술이 융합해 만들어낸 대전환이다. 대전환 시대를 관통하는 가치가 탈중앙화다.탈중앙화는 원래 권리를 되돌려 주는 것이다. 중앙집권적 통제는 이 세계에 존재하지 않는다. 분산된 권한과 디지털로 증명된 신원, 신뢰만 존재할 뿐이다. 분산 신원증명(DID)으로 금융회사 중개 없이 개인 간(P2P) 금융 거래가 가능해진다. 내 신용도를 계산하는 기준도 직업, 소속, 연봉, 카드 연체율 등 획일화된 조건이 아니라 생애 전반의 콘텐츠로 대체된다. 기술이 시민을 이롭게 하는 것이다.이미 탈중앙화로 꽃을 피운 나라도 등장했다. 블록체인 강국 에스토니아다. 인구 120만 명의 이 작은 유럽 국가는 구(舊)소련의 감시로부터 살아남기 위해 세계 최고의 전자정부를 만들어냈다. 전자신원증명(E-ID) 하나면 2600개의 행정업무를 앉아서 처리할 수 있다. 운전면허증, 의료보험증
![[데스크 칼럼] 메타버스와 탈중앙화](https://img.hankyung.com/photo/202112/07.19431757.3.jpg)
최근 서울시교육청 산하 서울교육정책연구소가 코로나19 전후 서울시내 학교 중학생들의 성적표를 분석한 결과 중위권이 큰 폭으로 감소한 것으로 나타났다. 코로나19 발생 전인 2018~2019년과 발생 후인 2020년 등 3개년 동안 서울시 소재 중학교 382개교 2~3학년의 1학기 국어, 영어, 수학 학업성취 등급 비율을 추적한 결과다. 2018~2020년 간 중위권 비율은 국어 58.24%→ 56.49% → 49.35%, 수학 44.44% → 43.59% → 34.19%, 영어 44.13% → 42.56% → 35.14%로 코로나19가 본격적으로 유행한 2020년에 급감한 것을 알 수 있다.그 동안 원격수업 장기화로 학력격차가 심해졌다는 ‘심증’은 많았지만 이번처럼 실제 학업성취도 분석을 통해 객관적인 ‘물증’이 드러난 것은 처음이다. 당분간 코로나19의 종식이 어려울 것이라는 전문가들의 의견이 지배적이기에 앞으로 교육 양극화는 더 심화되어 부익부 빈익빈의 심화, 국가 경쟁력 약화 등 더 큰 문제들로 번질 우려가 있다. 교육 양극화 해소 단초 ‘AI 에듀테크(AI Edutech)’에듀테크(Edutech)는 교육(Education)과 기술(Technology)의 합성어로서 교육분야에 AI, Bigdata, AR/VR, IoT 등과 같은 최신 ICT기술이 융합된 새로운 교육 패러다임을 의미한다. 과거 이러닝(e-Learning)이 단순히 오프라인 강의를 온라인 강의로 옮겨놓기 위한 접근방법이었다면, 에듀테크는 ICT기술을 통해 교육에 대한 접근방법을 총체적으로 혁신하는 것이라고 할 수 있다.미국 미래학의 씽크탱크인 다빈치연구소(Davinci Institute)를 이끌고 있으며 구글이 선정한 최고의 미래학자로 유명한 토마스 프레이(Thomas Frey)는 최근 AAAI(Association for the Advancement of Artificial Intelligence, 전미인공지
불화수소는 플라스틱이나 유리를 녹이는 소재중 하나이지만, 고순도의 불화수소는 반도체 공정의 불량률을 최소화하기 위해 꼭 필요한 재료입니다. 2019년 7월 1일 일본 경제산업성이 반도체 및 디스플레이 제조 핵심 소재인 불화수소, 폴리이미드, 포토레지스트 등 3개의 수출을 제한하기로 발표하면서 본격적인 대한민국에 대한 경제제재에 돌입했습니다. 일본에서 수입되는 공정의 핵심 소재에 대한 도입이 중단되고, 핵심소재에 대한 재고가 줄어들면서, 연 매출이 100조원이 넘는 국내 반도체 업체들의 공정이 중단될 위기가 왔었습니다.다행히 정부와 민간, 연구소와 대학이 함께 협력하여 어려움을 이겨낼 수 있었습니다. 그만큼, 산업분야에서 요소기술은 매우 중요합니다. 반면 세계적으로 인기를 얻고 있는 미국의 전자회사가 제조하는 최신 핸드폰의 강점인 디스플레이, 카메라, 메모리, 배터리는 모두 한국에서 주요 부품을 공급하고 있고, 이들이 원가에서 차지하는 부분이 30%을 넘는다고 합니다. 그만큼 소비자에게 제공되는 최종 생산품을 만들기 위해서 필요한 꼭 필요한 소재를 만드는 것도 중요하다는 의미일 것입니다.그럼 인공지능에서는 최종 제품과 소재/부품/장비(소부장)의 분업이 어떻게 이뤄질까요? 인공지능 분야에서는 어떤 것들이 고객이 찾는 최종 제품을 만들기 위한 조립 및 생산 기술이고, 어떤 것들이 소부장에 해당하는 원천기술 소재 및 부품 생산 기술이 될까요? 이것을 쉽게 정의하기는 어려운 면이 있습니다만, 먼저 인공지능 최종 제품은 AI시스템이 될 수 있을 것 같습니다. 예를 들어 인공지능 스피커, 의료 진단 및 처방 인공지능 시스템이 이에 해당할 수 있습니다. &n
자동차 부품 생산 회사인 A社는 생산라인 공정 대부분이 무인 자동화로 구성돼 있다. 자동화 생산라인은 수작업으로 작업하는 생산라인 보다 생산성과 효율성이 월등히 뛰어나다. 그러나 설비 부품 하나가 고장나면 수리할 때까지 가동을 멈춰야 하는 게 단점이다. 갑작스러운 생산 중단은 공장 생산성 저하 및 납기 지연으로 연결돼 회사에 막대한 손실을 입히게 된다.예고 없는 생산 중단에 따른 손실 비용을 줄이고자 많은 고민을 하고 있었던 이 회사는 현재 IoT센서를 활용한 설비 예지보전을 통해 설비 상태를 실시간 모니터링하고, 설비 고장을 사전에 예측할 수 있게 됐다.A社는 생산라인 컨베이어 및 설비 모터 등에 진동 및 전류 센서를 설치했다. 실시간 모니터링, 이상 패턴 발생시 알람을 받는 시스템도 구축했다. 설비 유지보수 관리자는 이상 패턴 발생시 생산이 없는 시간에 사전 정비를 통해 예측 불가능한 생산 중단을 방지할 수 있게 된 것이다. 기존에는 담당자가 정기적으로 공장 생산라인을 돌면서 설비 상태를 점검하고 점검일지를 작성, 보고하며, 관리자의 주관적 판단으로 설비 유지보수 업체에 연락해 점검하는 방식이었다. 개선 후에는 실시간 모니터링 및 자동 작성 보고서로 객관적 데이터를 통해 보다 정확한 설비 상태를 확인, 점검할 수 있게 됐다. 점검 활동에 필요한 업무 리소스도 많이 줄일 수 있게 됐다.▶IoT센서 데이터 기반 AI-FDC (Fault Detection and Classification) 적용스마트공장 시대로 접어들면서 설비 유지보수, 관리 활동은 더욱 중요한 과제로 떠올랐다. 설비에 대한 사전 예방 보전 활동은 시간기반보전과 상태기반보전으로 분류된다. 대다수 공장이 하고 있
지난 10월 24일 잠실 올림픽 주경기장에서는 그룹 방탄소년단의 온라인 콘서트 공연이 열렸다. 방탄소년단이 대형 스타디움 공연장 무대에 오른 것은 2019년 10월 이후 처음으로, 약 5만여 명이 객석을 가득 채웠던 2년 전과 달리 비대면으로 개최되어, 방탄소년단 멤버들은 공연 중간중간 텅빈 객석을 보며 아쉬움을 표현하기도 했다.비록 관객들의 호흡과 함성을 가까이에서 직접 느낄 수는 없었지만, 그 빈자리는 첨단 공연 기술이 대신 채워주었다. 이번 콘서트에는 '비주얼 이펙트 뷰(Visual Effect View, VEV)'라는 새로운 기술을 도입, 실제 공연장에서만 볼 수 있는 LED 속 효과가 온라인 송출 화면에도 그대로 구현될 수 있었다. 관객들은 VEV를 통해 VJ 소스, 가사 그래픽, 중계 효과 등이 결합된 화면을 시청함으로써 공연장에 설치된 LED를 생생하게 체험할 수 있었고, 부상으로 의자에 앉아 공연하는 한 멤버의 모습은 주경기장 한쪽 면을 가득 채운 초대형 LED 스크린에 실시간으로 송출되어, 다른 멤버들의 안무와 하나의 무대처럼 보이게 연출된 모습도 장관이었다.더하여, 관객들은 메인 화면 외에 총 5개의 다른 시야를 제공하는 멀티뷰를 최대 2개의 기기로 동시 접속할 수 있었고, 화면 우측에는 멤버와 관객들이 실시간으로 소통할 수 있는 대형 채팅장도 마련되어 현장감을 더욱 높였다. 또한, 방탄소년단 팬클럽의 응원봉인 ‘아미밤’을 기기와 연동하면 무대 조명 색깔은 물론 리듬에 맞게 색상과 깜박임을 자동으로 조정하는 등 실제 오프라인 콘서트와 유사한 효과를 경험할 수 있는 ‘온라인 콘서트 기술의 집합체’였다고 할 수 있겠다.첨단 공연 기술, K-POP 무대의 세계적 확장
성공적인 한국형 DARPA (Defense Advanced Research Projects Agency, 국방고등연구계획국)를 런칭하고 운영하기 위해선 미국 DARPA를 벤치마킹하는 게 첫 번째 순서다. 그들이 어떻게 DARPA를 기획하고 운영해 왔으며 어떤 실패를 경험했고, 어떻게 발전시키고 있는지를 분석하는 건 두 말할 필요 없는 명제다. 관료 지배적, 평가 중심적 연구 문화가 특성인 한국의 장점은 이런 벤치마킹을 진짜 잘한다는 거다. 특히 인터넷에 자료가 많으면 많을수록, 정말로 꼼꼼하고 자세하게 기관의 구조를 분석할 뿐만 아니라 모든 구성요소를 하나 하나 철저하게 파헤친다. DARPA의 나이가 이제 63살이고, 한국이 그간 이루어 낸 경제 성장의 상당한 부분을 연구비에 투자했던 점을 고려한다면, 현재와 과거 여러 정부를 거치면서 다양한 기관에서의 (아마도 열 번 이상?) 벤치마킹을 통해 DARPA의 장점을 우리나라에 도입하고자 했던 노력이 부단했으리라. 당연히 상당한 지식을 축적했을 거고 이를 바탕으로 준비도 잘 하고 있으리라 믿어 의심치 않는다. 한국형 DARPA에 대한 기획을 얼마 전 기사로 접했을 때, 지난 25년간 다양한 DARPA 과제의 기획에 참여하고 수행했던 필자의 경험으로 판단하자면 “아, 이거 99% 실패할텐데….” 라는 비관적 걱정이 앞선 것이 사실이다. 가장 큰 이유라면, 이런 ‘표면적’ 정보만으로는 아무리 DARPA를 수십 번 벤치마킹하고, 이를 한국 연구문화에 맞게 변형하고, 세계적 명성이 있는 프로그램 매니저(PM)를 모셔오고, 해마다 수조원의 연구비를 배정하고, 연구 실패를 당연시하겠다고 선포하더라도, DARPA가 60여년간 쌓아온 ‘무형적’ 생태계를 충분히 소화시
올해 초 인공지능(AI) 챗봇 ‘이루다’ 논란이 업계를 뜨겁게 달궜다. 이 사건으로 인해 사회 각계각층에서 AI의 신뢰성에 대한 우려가 제기됐다. 특히 성·인종차별 관련 혐오발언 등이 여론을 통해 걷잡을 수 없이 파급되면서 ‘AI 윤리’ 문제 역시 도마 위에 올랐다. 지난 2016년 3월 MS에서 출시한 챗봇 ‘테이(Tay)’ 역시 출시 16시간만에 운영을 중단한 바 있다. 백인우월주의 및 여성·무슬림 혐오 성향의 익명 사이트에서 테이에게 비속어와 인종·성차별 발언을 되풀이해 학습시켰고, 그 결과 실제로 테이가 혐오 발언을 쏟아낸 탓이다. 또한, AI로 이미지나 음성·영상까지 정교하게 합성해 만드는 ‘딥페이크’ 기술이 발전하면서 양산된 가짜 뉴스들이 민주주의의 근간인 ‘진실’을 위협할 수 있다는 경고등이 켜졌다. 국내에서는 ‘지인능욕’이라는 이름으로 주변인들을 음란물 대상으로 만드는 딥페이크 악용사례들이 나온지 오래다. 올해 4월부터 관련법 개정을 통해 이런 행위들을 불법화했지만, 트위터나 페이스북에선 대행서비스까지 버젓이 활개를 치고 있다. AI의 악용으로 인해 AI 윤리문제 대두 문제는 누구나 ‘딥페이크’ 기술을 사용할 수 있게 되면서 악용 사례들이 음란물의 범위를 넘어 사회의 신뢰 근간을 흔드는 쪽으로 확대되고 있다는 점이다. 인공지능 분야 석학인 토비 윌시(Toby Walsh) 호주 뉴사우스웨일스대 교수는 “세상은 딥페이크를 통해 누구나 진실을 조작할 수 있는 곳으로 향하고 있는데, 지켜보고만 있어야 하는가”라고 묻기도 했다. 이같은 반응은 세계적으로 발생
미국의 DARPA(Defense Advanced Research Projects Agency, 국방고등연구계획국)하면 빠지지 않는 농담이 “외계인을 잡아 고문해 연구를 시키는 곳”이다. 꿈같은 기술들을 착착 개발해 우리의 일상(인터넷, GPS, 자율주행 등등)을 바꿔온 기관이다보니 이런 우스갯 소리가 나오려니 한다. 지난 25년간 미국에서 십수 개의 DARPA 과제를 수행하면서 진짜 외계인은 아직 구경도 못했다. 하지만 외계인이라고 해도 믿을 만큼 괴짜 천재 과학자들과 공학자들은 많이 보았다. 이들 옆에서 배운 경험과 지식은, 실패가 당연시되는 소위 '문샷' 연구문제를 어떻게 접근하고 풀어나가야 DARPA의 관심을 끌 수 있는지, 궁극적으로 DARPA의 지원은 얻어낼 수 있는지에 대한 전략 수립에 큰 도움이 됐다. (현재 필자는 DARPA의 지원으로 무인전투기를 위한 인공지능기술과 소형 드론을 이용한 통신중계망을 개발하고 있다.)최근 뉴스에서 국방과학기술委를 출범시키면서 소위 ‘한국형 DARPA (가칭 K-ARPA)’를 기획하고 있다는 기사를 접했다. 또 비록 위성을 궤도에 올리는 것은 실패했지만 누리호 발사체 성공도 봤다. 한국의 국력도 이제는 DARPA같은 ‘실패를 가정하고, 두려워하지 않는’ 연구들이 일반화할 정도로 커진 듯 해 정말로 뿌듯했다. 하지만 한편으로는, DARPA라는 이름이
테슬라는 편리한 자율주행 기능으로 자동차 업계를 선도하고 있으며 많은 소비자들이 테슬라를 믿고 구입하고 있다. 그런데 올해 6월 미국 고속도로 교통안전국(NHTSA)은 2016년 이후 테슬라의 자율주행 중 사람이 사망한 30여 건의 사고를 조사한다고 밝혔다. 고도의 인공지능 기술과 SW로 자율주행을 구현했으나 다른 차량과 보행자를 인식하지 못해 사망 사고가 계속 발생하자 미국 정부가 조사에 착수한 것이다. 캘리포니아주도 올해 5월 테슬라가 자율주행 사고 원인을 파악해 개선하지 못하면 자율주행(오토 파일럿)이라는 명칭을 금지하겠다는 입장을 밝혔다. 오류의 원인을 파악하고 개선하기 힘든 인공지능인공지능, 특히 딥러닝은 고정된 규칙이 아니라 많은 변수와 대량의 데이터를 반복적으로 처리하여 주어진 문제를 귀납적으로 해결하는 알고리즘이다. 이러한 방식으로 인공지능은 규칙에 기반한 전통적인 과학과 기술이 하지 못했던 번역, 사물 인식, 신약 물질 탐색 등 많은 기능을 수행하는 혁신을 이룩하였다. 2012년 제프리 힌튼 교수가 영상인식 콘테스트(이미지넷 콘테스트)에서 딥러닝으로 성공적인 영상 인식을 한 후 인공지능이 폭발적으로 발전하고 있으며, 인공지능 발전으로 더 좋은 서비스를 과거보다 적은 데이터와 연산 자원(컴퓨팅 리소스)으로 제공하게 되었다. 그러나 인공지능은 고정된 규칙에 기반하지 않고 많은 변수를 이용하기 때문에 수많은 변수 중에 무엇이 중요한 역할을 했는지를 알기 어렵다. 그 결과 오류가 발생하더라도 어떠한 변수 때문에 오류가 발생했는지를 파악하기 어려워 오류를 개선하기 어렵다. 앞에서 본 자율주행차량의 인식 오류도 그 원인을
최근 2~3년간 AI기술의 주요 트랜드 중 하나는 거대 AI모델들의 약진이다. 2018년 GPT와 BERT가 개발된 후 자연어처리 분야에 사용되는 AI모델의 규모는 계속 증가해왔다. 특히 2020년 발표된 GPT-3의 규모와 성능은 큰 화제가 되었다. 이러한 트랜드는 화웨이의 판구알파 및 네이버의 하이퍼클로바로 이어졌으며, 아직 출현하지 않은 GPT-4도 벌써부터 규모와 성능에 대한 궁금증을 자아내고 있다. 초거대 AI모델들이 딥러닝의 새로운 패러다임이 된 이유와 그들의 한계는 무엇인가? 초거대 AI가 출현한 이유데이터기반 AI들은 작업을 수행하는데 필요한 지식을 데이터로부터 학습한다. 딥러닝 기술의 발전으로 인해 AI의 학습능력은 과거와 비교할 수 없을만큼 강력해졌다. 그럼에도 불구하고 데이터기반 AI의 성능은 여전히 학습데이터의 규모와 품질에 좌우된다. 충분한 학습데이터를 확보할 수 있는 작업에는 높은 성능을 얻을 수 있으나 그렇지 않은 작업에는 높은 성능을 얻기 어렵다.이러한 한계를 극복하기 위해 널리 사용되는 방법은 타 작업을 위해 학습된 신경망의 지식을 전이해 사용하는 것이다. 목표 작업을 학습하기 위한 데이터가 부족할 경우 데이터가 풍부한 유사 작업에 대하여 신경망을 사전학습한 후 그 모델을 전용하면 목표 작업에서 비교적 우수한 성능을 얻을 수 있다. 예를 들어 소량의 데이터만으로 강아지와 고양이를 구분하는 AI를 개발해야할 경우 대규모 물체영상 데이터로 학습된 신경망을 전용해 상위 1~2개의 계층만을 강아지와 고양이 영상으로 추가학습한다. 이러한 전이학습이 효과적인 이유는 유사 작업을 수행하기 위해 습득한 지식이 목표 작업에도 도움이 되기 때문이다.
“게임은 끝났다!”미국 공군 보안·인공지능(AI) 최고책임자 니컬러스 셰일런은 파이낸셜타임스(FT)에 이렇게 말했다. 15년간 미국은 중국을 기술로 따라잡지 못할 것이라는 단언이다. 미국 첨단 기술의 심장부에 가장 근접해 있는 인물인 그는 정부의 ‘느려터진’ 정책 집행을 비판하며 항의성 사표를 냈다. 세계 AI 기술계가 들썩인 것은 물론이다. 미· 중 간 데이터 초격차가 그가 꼽은 위기의 근원이다. 사회주의 일당 독재 중국은 개인정보 보호는 고민할 필요 없이 마음먹은 대로 강력한 국가 지원 드라이브를 걸 수 있다는 게 다르다. 14억 인구가 쏟아내는 빅데이터는 딥러닝으로 진화하는 AI에 최적의 생육 조건이다. 데이터는 AI의 전부다. '승자독식' AI 패권 경쟁의 룰중국은 2025년까지 모든 제조업에 AI를 이식하겠다는 야심 찬 전략을 수립해 밀어붙이고 있다. “이 전략이 의료, 금융, 국방으로 확산하고 미래 예측에까지 활용될 경우가 두렵다”는 게 세계 AI 전문가들의 속내다. 중국의 AI굴기는 원천기술에서부터 현실화하고 있다. 미국 앨런연구소는 중국이 5년 안에 AI 연구 세계 최정상에 오를 것으로 봤다. 최상위 1% 레벨 논문 인용 건수가 미국을 앞지르기 직전이라는 게 그 근거다. 이미 전체 논문 인용 건수는 세계 1위 수준이다. 지난해 세계 AI 논문 가운데 20.7%가 중국에서 발표됐다.게임의 룰은 ‘승자독식’이다. 마이크로소프트, 구글, 페이스북, 애플, 아마존 등 이른바 ‘빅테크’가 독식하는 정보기술(IT) 비즈니스만 봐도 그렇다. 이들의 영토를 거치지 않고는 사업을 하기도, 사생활을 즐기기도 어려운 종속 구조가 철옹성처럼 견고하다.
![[데스크 칼럼] "게임은 끝났다!"](https://img.hankyung.com/photo/202110/07.19431757.3.jpg)
엣지 재단의 존 브록만은 지식의 지휘자 또는 문화 기획자라고 부르는 게 가장 어울리는 사람이다. 그가 설립한 엣지 재단은 기술과 과학 분야의 리딩 엣지 사상가를 연결해 그들의 생각을 엮고 이를 책 형태로 출간하는 일을 한다. 이미 생명, 마인드, 우주, 종교 등 이 시대의 가장 큰 주제를 갖고 수십 명의 뛰어난 학자와 사상가들의 생각을 묶어서 책으로 출간해, 수준 높은 지적 담론을 이끌어 왔다. 참여자 글은 대부분 15페이지를 넘지 않는 분량의 에세이 스타일이라 어느 챕터를 먼저 읽어도 상관이 없다는 것이 또 큰 장점이다.그가 2019년에 던진 주제는 인공지능이며, 이를 위해 1948년 ‘사이버네틱스’라는 용어를 도입한 위대한 학자 노버트 위너를 도입해 각 사람들의 생각을 엮었다. 노버트 위너는 ‘사이버네틱스’를 출판한 후 2년 뒤 1950년에 기술과 인간 사회에 대한 또 다른 역작 ‘인간의 인간적 활용’이라는 책을 통해 신기술이 불러올 결과에 대한 우려를 표현했다. 이를 ‘기계 정부를 통한 신파시즘의 위협’으로 예측하면서 맹목적인 기술 낙관주의에 경고를&n
‘AI를 통한 낯선 아름다움의 발견’국립중앙과학관이 내달 말까지 진행하는 예술 공모전의 이름이다. AI를 활용한 그림, 음악, 안무 등의 창작품을 공모하는데, 여기서 ‘낯선 아름다움’이란 인간과 AI기술의 창조적 협력관계를 통해 발견할 수 있는 예술적 놀라움과 가치를 말한다고 한다.그간 기술의 지속적인 발전에도 창의성만큼은 인간 고유의 영역이라고 생각해왔다. 창의성이 근간이 되는 예술은 인간의 감성을 바탕으로 완성되기에 AI로 대체할 수 없다는 생각이 강했던 것 같다. 그러나, 최근에는 기술과 예술의 융합적인 시도들을 일상에서 쉽게 찾아볼 수 있게 되었다. AI미술, 모방에서 창조로 진화구글의 딥드림(Deep Dream)이나, 트위터의 딥포저(Deep Forger) 등 테크 기업에서 만들었던 초기 AI 작가들은 주로 기존 작품들을 학습하여, 패턴을 읽고 모방하는 작업들을 했다. 반면 최근의 AI기술은 발전된 알고리즘을 통해 새로운 창조물을 만들어내고 있다.지난 5월, 런던에서는 세계 최초의 로봇 작가 ‘아이다(Ai-da)’의 두 번째 전시회가 열렸다. 첫 번째 전시회에서는 추상화를 그렸다면, 이번에는 거울을 보고 직접 본인의 자화상을 그렸다고 한다. 2019년에 등장한 아이다는 로봇기업 엔지니어드 아츠(Engineered Arts)의 제작 기술과 옥스포드대 과학자들이 개발한 알고리즘, 리즈대 AI엔지니어가 제작한 로봇 손이 합작해서 만들어졌다. 아이다는 눈 역할을 하는 카메라로 사물을 관찰하고, 내장된 소프트웨어로 작품을 구상하여 직접 붓을 잡아 그림을 그린다. 그리고 전시회의 관람객
지난 8월 29일 아프가니스탄 카불에서 벌어진 일이다. 미국이 급작스런 철군에 대한 여론을 반전시키기 위해 급박하게 실행한 미션에서 현지 구호활동가와 어린이 7 명 등 총 10 명의 사상자를 내는 대형사고를 친 것이다. 드론이 ‘물통’을 폭탄으로 오인해 폭격을 했다는 게 지금까지 알려진 사고의 원인이다.이 안타깝고 참담한 ‘실수’의 원인은 인공지능이 아닌 인간의 판단미스로 알려졌지만, 현재 사용되고 있거나 미래의 전장에서 사용될 인공지능 기술에 요구되는 신뢰성에 대해 시사하는 바는 절대로 작지 않다. 만약 이 미션에 인공지능 물체인식 기술이 사용되었다고 언론에 보도되었다고 가정해 보자. 필자의 생각으로는 테슬라의 자율주행 사고와는 비교도 안될 정도로 엄청난 후폭풍을 몰고 왔을 거라고 예상한다. 결론적으로, 이런 사고는 국방에서 점점 더 큰 스케일로 의지하고 있는 인공지능의 신뢰성에 대한 커다란 의문을 갖게 한다. 그렇다면 이 신뢰성을 100% 가까이로 늘리려면 어떻게 해야 할까? 딥러닝을 기반으로 한 현재의 기술발전 속도를 볼 때, 더 많은 데이터와 지속적인 모델 훈련만이 그나마 가능한 방법일 것이다. 이를 제일 잘 하고 있는 회사는 아무래도 테슬라인 듯 하다. 최근 테슬라의 AI Day 행사에서 보여준 데이터 수집과 분석, 그리고 거대 스케일 훈련 인프라는 가히 타의 추종을 불허한다는 생각이다.문제는 이렇게 거의 무한한 데이터를 모으고 이를 이용한 딥러닝 모델을 끊임없이 훈련시키더라도 100%로 신뢰성을 얻기에는 불가능하다는 것이다. 며칠 전 MIT 인공지능랩의 닐 톰슨(Neil Thomson) 이 제1 연구자로 국
기자를 구독하려면
로그인하세요.
이관우 기자를 더 이상
구독하지 않으시겠습니까?
