다이어리 2020

홈 > 전자·ICT > 뉴스&프로덕트



매거진
잡지이미지
잡지이미지
잡지이미지
잡지이미지
잡지이미지
  • 구독신청
  • 광고안내

ADI 11월 지원

[Technical Report] AI의 가능성과 과제

입력 : 2019.10.15 17:18

글자크게보기 글자작게 댓글달기 좋아요 즐겨찾기

페이스북 트위터 카카오스토리 블로그

[첨단 헬로티]



한 때는 연구실과 슈퍼컴퓨터에 제한되었던 정교한 인공지능(AI)이 오늘날 더 작고 저렴 해진 저전력 기기와 IoT 제품을 비롯한 소비자 등급 제품과 서비스에 핵심적인 부분이 되고 있다. 일부에선 AI가 주로 전문성을 홍보하는 유행어처럼 사용되기도 하지만, 그보다더 AI는 진정한 새로운 기능과 특성을 실현 가능하게 한다.


애플의 최신 아이폰 CPU A11은 2개의 프로세싱 코어로 구성된 ‘신경 엔진(neural engine)’을 포함한다. 이들 코어는 머신 러닝 알고리즘을 실행하고 페이스 ID 잠금 해제 인식과 얼굴 표정 추적 같은 기능을 지원하는 지능을 제공 하도록 설계됐다.

LG는 로봇 진공청소기, 냉장고, 에어컨, 세탁기를 포함하여 AI를 적용한 가전제품을 선보였다. 미국의 스타트업 부이(Buoy)는 곧 출시할 자사의 양수 펌프에 머신 러닝 알고리즘을 탑재해 물의 흐름을 최적화하고 누수와 같은 비정상적인 상황을 탐지함으로써 물 공급을 원격으로 수행하고 비상 시에는 자동으로 차단할 수 있도록 했다고 밝혔다.


애플(Apple), 구글(Google), 아마존(Amazon), 마이크 로소프트(Microsoft)를 포함해 적지 않은 회사들이 AI를 사용하여 인간의 요청을 더 잘 이해하고 더 자연스럽게 반응하는 다양한 AI 기반 비서 기능을 전용 하드웨어와 앱의 형태로 개발하고 있다. 멀지 않은 시기에 밸브, 베이비 모니터, 카메라, 헤드폰과 같은 많은 일상적인 기기들이 기존의 명령만 수행하던 수준에서 벗어나 최신 AI 기술에 의존해 더 섬세하게 유용한 방식으로 상황에 반응하고 데이터를 처리할 수 있게 될 것이다.

그러면 AI는 어떻게 연구실에서 나와 주류로 합류하게 되었을까, 그리고 그 이유는 무엇일까? 이러한 커다란 변화를 형성하는 데에는 여러 가지 트렌드가 결합하고 있다.



AI 혁명에 불을 지핀 인터넷, 비디오 게임, 과학

지난 10여 년 간 연구를 중심으로 실용적인 측면에서 획기 적인 돌파가 이뤄졌으며, 이는 AI 소프트웨어의 효용성을 크게 향상시켰다. 딥 러닝 기법을 신경망 훈련에 적용하 면서 신경망은 흥미로운 장난감에서 가끔씩 인간을 뛰어 넘는 강력한 도구로 변모했다. 이러한 연구의 획기적인 발전의 파급력은 두 가지 다른 비교적 최근의 개발에 의해 강화되었다.

하나는 인터넷에 의해 제공되는 방대한 양의 실제 훈련 데이터이고, 다른 하나는 3D 비디오 게임 그래픽용으로 처음 개발되었으나 AI에 이상적으로 밝혀진 강력한 저가의 병렬 프로세싱 하드웨어이다.

이러한 새로운 AI 연구의 혜택과 실용적 구현이 연구실에 서 산업으로 내려가면서 사용하기 쉬운 소프트웨어 툴이 개발되었으며, 교육 프로그램과 문서화가 크게 향상되었 다. 이제 개발자와 설계자, 엔지니어들은 AI 기법과 이를 사용하는 방법을 보다 잘 이해할 수 있게 되었다.


AI에 대한 GPU의 가치를 깨닫게 되자 GPU 제조업체들은 특별히 AI를 겨냥해 기능과 소프트웨어 툴을 개발하기 시작했다. 이러한 트렌드의 첫 번째 물결은 GPU의 병렬 프로세싱 기능을 이용하는 것이었다. 그러나 다음 물결은 AI 소프트웨어, GPU 및 전문적인 AI 실리콘을 실행하는 범용 프로세서를 포함한다. 애플의 새로운 아이폰 CPU 신경 엔진 코어가 이 예이며, ARM과 퀄컴(Qualcomm)은 모두 AI 중심의 프로세서와 프로세서 코어를 연구하고 있다. 이러한 전용 칩은 자연적으로 모바일, IoT 및 임베디드 기기에 적합한 더 전력 효율적이고 압축된 AI 기능을 제공할 수 있다.



AI, 온보드 또는 클라우드 방식?

AI를 보드에 탑재할 경우 연결성, 지연, 개인정보 보호 문제가 없기 때문에 가능한 경우 보드에 탑재하는 뚜렷한 경향이 있다. 특히 AI가 카메라와 오디오 입력 같은 사생활 정보나 개인 데이터를 처리하는 경우가 많으므로 개인정보 보호 문제는 중요하다. 그러나 AI를 기기에 내장하는 것이 실용적이지 않을 때조차 어디에나 있는 저지연, 고대역폭 인터넷 커넥티비티는 거의 모든 장치가 데이터 센터의 중앙 집중적인 AI의 성능을 이용할 수 있다는 것을 의미한다.


예를 들어 구글 번역 앱과 같은 모바일폰 번역 앱은 프로 세싱을 중앙 서버에 오프로드 하고, 개인 비서 앱과 장치는 언제나 클라우드에서 프로세싱의 일부를 수행하며, 내비게이션 앱은 향상된 길 찾기를 위해 유사한 방법을 사용 한다.

아마존 웹 서비스와 같은 클라우드 컴퓨팅 제공업체는딥 러닝 애플리케이션을 실행할 수 있는 가상화 된 GPU 인스턴스를 홍보한다. 현재 이러한 클라우드 서비스에서 실행하는 소프트웨어를 제공하는 책임은 여전히 고객 에게 있지만, 이와 같은 트렌드를 좀 더 일반적인 형식으로 부른다면, 궁극적으로 ‘서비스로서의 AI’라고 할 수있을 것이다. 이러한 모델에서는 로컬에서 실행하기에 는 너무 고성능을 요구하는 AI에 기반한 간편한 프로세싱 서비스에 기기가 데이터를 보내면 1초도 안 돼 결과를 수신할 수 있다.


어디에나 있는 AI의 과제

AI 기술을 자신들의 제품에 이용하고자 하는 기업들은 이와 같이 급변하고 끊임없이 발전하는 분야에서 경험 많은 엔지니어와 소프트웨어 개발자가 부족해 어려움을 겪을수 있다. 위에서 언급한 바와 같이 지식이 확산되고 교육 자원이 향상되고 있기 때문에 이러한 기술 부족은 시간이 지남에 따라 점점 더 문제가 되지 않을 것이다. 그러나 단기적으로는 우수한 AI 개발자를 고용하는 비용이 평균보다 높을 가능성이 크고, 많은 개발자들은 여전히 실제적인 경험이 부족하다.


또 다른 중요한 과제는 AI가 놀라우며 거의 마법 같은 결과를 내놓을 수 있지만 동시에 디버깅 프로세스에 근본적인 변화를 가져오고 예측 불가능한 행동을 함으로써 제조 업체들이 자신들의 제품이 항상 예상대로 수행한다는 보 장을 할 수 없게 된다는 점이다.

실제로, 어떤 소프트웨어 프로그램이나 빗나갈 수 있지만 AI는 예상되는 파라미터를 크게 벗어날 수 있다는 점에서 위험을 높인다.

어떤 개발자는 발전된 AI를 신비한 ‘블랙박스’라고 본다.


데이터가 들어가고 결정이 나오지만 설계자조차 어떻게 그러한 결정에 도달했는지 또는 블랙박스 안에서 어떠한 일이 일어나고 있는지 완전히 이해하지 못한다.



AI의 블랙박스 내부 들여다보기

자율주행차 소프트웨어 개발업체 드라이브닷에이아이 (Drive.ai)의 공동 창업자 겸 CEO인 새밉 탠던(Sameep Tandon)은 IEEE 스펙트럼과 가진 최근 인터뷰에서 블랙박스 딜레마를 “심각한 문제” 라고 언급했지만, 이러한 위험을 제어하고 블랙박스 내부를 들여다보면서 AI 기반 시스템을 디버깅 할 수 있는 몇 가지 기술을 소개했다. 드라이브닷에이아이는 차량을 운전하는 하나의 방대한 AI 를 만드는 대신 뚜렷한 기능을 가진 개별적인 부품이나 모듈로 주행 시스템을 만든다. 이러한 기능의 일부는 AI 기반이 아닐 수 있다. 이와 같은 모듈식 접근 방법은 개발 자가 문제가 있는 요소들을 분리해 디버깅할 수 있게 도와준다.


또한 이 회사는 종종 엄격하게 제한된 입력 데이터를 사용 하여 시스템을 테스트한다.

예를 들어 일부 이미지 인식 테스트는 장면의 대부분을 차단하여 하나의 세부적인 디테일에 대한 시스템 반응에 초점을 맞춘다. 이는 기존의 디버깅과 일부 유사한 분리 방법이다. 마지막으로 드라이브닷에이아이는 이 기술을 시뮬레이션의 폭넓은 사용과 결합하여 AI의 문제가 되었던 주행 시나리오에서 광범위한 사소한 변화를 테스트하여 비정상적인 행동을 찾고 최적으로 수행하도록 시스템을 훈련한다.


향상의 여지는 명백하지만, 기존의 프로그램과 같이 애플 리케이션이 ‘작성’되거나 ‘구성’되는 방식을 넘어 학습 과정에서 ‘훈련'되거나 ‘성장'하는 AI의 특성 상 예측되지 않 은 행동의 문제는 항상 어려운 문제로 남을 것이다. 안전이 중요한 애플리케이션의 경우 중복 구성을 추가할 필요가 있을 수 있다.

이를 통해 2개 이상의 개별 프로그램이나 장치가 최선의 방책을 결정하는 데 ‘투표’하거나 또는 최소한 서로의 행동을 모니터링하여 특이사항이 감지될 때 경고 또는 셧다운 할 수 있다.


기술의 모든 근본적인 전환과 마찬가지로 AI는 혁신적인 변화를 약속하지만 잠재성을 최대한 활용하기 위해서는 설계자와 엔지니어가 제품을 개발하는 방식 또한 배우고 변화시킬 필요가 있다.

실제로 최종 사용자들도 AI의 첨단 제품을 단순한 구식 장치처럼 계속 다루는 대신 이러한 새로운 기술에 적응하 기를 배운다면 AI가 제공하는 강력한 새로운 도구로부터더 많은 것을 얻을 수 있다. 이러한 인식의 변화는 신중하게 고려된 면밀한 설계와 마케팅, 그리고 실질적인 최종 사용자 교육을 필요로 한다.


마크 패트릭(Mark Patrick) 마우저 일렉트로닉스(Mouser Electronics)

이 기사는 의 요약글입니다. <기사 상세내용보기>를 클릭하시면 전체 기사를 보실 수 있습니다.

기사 상세내용보기

어드밴텍 2019.0917
디지키 2019.11
이전글
KETI, 제3회 모비우스 2.0 IoT서비스 개발자 대회 성료
다음글
[한국형 스마트시티 1] ‘혁신 성장의 플랫폼’으로 발돋움
교육원 법정의무교육
개풍전자
주요 광고주 / 추천기업

토마스케이블 케이블

SPK한국스테어펌프 펌프

효성훼바 훼바

나라삼양감속기 감속기

케이씨티앤에스 소재부품

마이클앤솔루션 튜브넘버링기

엔아이피 머신비전

플루크네트웍스 테스터기

엘리먼트14 전자부품

SEC e-beam

에스디상사 공구

FAMAX 공장자동화

지브라 산업용PC

더블유케이티 절연제품

성안당 기술서적

댓글쓰기

0/500

등록
전체 댓글수 0

최신순 | 인기순

    댓글이 없습니다.