본문 바로가기

경제 뉴스/경제뉴스 스크랩

200222 인공지능 응용사례와 비지니스모델

728x90

인공지능 응용사례와 비즈니스 모델

with 이경전 교수 (경희대 경영대학)

 

인공지능, 기계가 인간처럼(인간처럼이라고 정의하면 안된다고 본문에 나옴) 생각하고 판단하고 행동. 의외로 많은 분야에 적용되고 있다는데, 오늘은 세계적으로 주목받는 인공지능 중심의 스타트업의 사례를 통해 거꾸로 인공지능이 어떤 것인지 배워보자.

 

경희대 경영대학 이경전 교수

세계인공지능학회에서 1995, 1997년에 이어 2020 3번째로 혁신적 인공지능 응용상 수상. 혁신적 인공지능 응용상이란 인공지능 기술을 산업에 응용해 성과를 낸 것에 대해 상을 주는 것을 말한다.

 

■ 인공신경망으로 품질관리시스템을 개발

- 이번에는 시흥시의 중소제조기업인 프론텍의 품질검사시스템을 개발

- 하루 10만개 정도의 용접 너트를 생산하고 현대차 등에 납품하는 기업, 현대차에서 용접 너트에 대한 더 높은 차원의 불량체크를 요구  요즘 많이 성과가 좋아진 인공신경망(컨볼루션 뉴로 네트웍)을 적용해 0.2초안에 95%의 정확도로 불량품을 찾아내는 인공지능을 개발.

- 기존에는 규격, 나사선 정도의 불량체크가 가능했지만, 인공지능 소프트웨어를 도입해서 (기존의 설비를 바꾸지 않고도) 표면의 더 자잘한 불량을 체크해낼 수 있게 됨.

 

■ 인공지능의 한계?

- 인공지능은 각 분야 (각 도메인)의 문제를 그 때 그 때마다 새롭게 풀어야 한다. 하나의 인공지능 시스템을 만들어서 여러 분야에 그대로 적용할 수는 없다. 19×19 바둑을 잘 두는 사람이라면 대게 10×10 바둑도 잘 두기 마련이다. 하지만 알파고의 경우에는 19×19를 세계챔피언 수준으로 잘 두더라도 10×10 바둑을 새롭게 배워야 잘 둘 수 있다.

 

- 알파고를 만들어 낸 빅마인드 회사의 중요한 비전은 AGI (Artificial General Intelligence). 하나의 문제만 푸는 게 아니라 여러 일반적인 문제들을 다 풀 수 있는 인공지능을 만드는 것. 이번에 빅마인드는 한 프로그램으로 바둑도 두고, 장기도 두고, 체스도 두는 시스템을 개발한 것. 2016년에 이세돌 9단을 이긴 알파고는 바둑 하나만 둘줄 알았으나, 2017년에 발표된 논문은 바둑, 장기, 체스 세 개를 세계 챔피언 수준으로 두는 것. 빅마인드는 알파고 시스템을 만들어서 계속 영역을 넓혀가겠다는 것. (이경진 교수의 생각은 이것이 완전이 일반화되기는 어렵다고 봄. 바둑을 잘 두는 인공지능이라고 체스를 가르치기 편한 게 아니고, 19×19 바둑을 잘둔다고 해도 10×10은 새롭게 가르쳐야 한다.)

 

■ 우리나라 인공지능 기술 수준은?

 인공지능에도 여러 가지 분야가 있기 때문에, 현재 우리나라 인공지능 기술수준이 높다 낮다 한마디로 판단하기는 어렵다. 이경진 교수는 이번에 유럽에서 열린 세계인공지능학회를 다녀 보고 충격을 받은 것은 발표논문수의 비중이 중국이 40%, 미국이20%로 이 두 나라의 논문수가 전체의 2/3 정도를 차지했다는 점이다. 한국은 영국과 비슷하게 논문수로는 5~6위 정도의 비중의 논문을 발표했다.

 

 하지만 인터넷 시대에 인터넷 기술을 이용해 구글, 아마존 등이 세계 굴지의 기업으로 도약한 것처럼, 인공지능기술도 결국 논문수보다도 결국 돈을 잘 벌고 혁신적인 부가가치를 창출해내는 것이 중요하다. 이경전 교수는 한국의 젊은 창업가들은 인공지능을 통해 돈을 버는 방법을 오히려 중국, 미국보다도 더 잘 찾아내고 있다고 생각한다고 말했다.

 

■인공지능은 '인간처럼' 판단하고 행동하게 만드는 게 아니다.

인공지능은 '사람을 닮은, 인간처럼'이라는 개념이 들어가면 잘못되었다고 생각한다. 사람처럼 만드는 것이 목표가 아니라, 합리적으로 행동하는 시스템을 만드는 것. 학문적으로는 최적화하는 시스템을 만드는 것이 목표이다. 즉 어떤 문제에 목적이 있고 제약조건이 있을 때 그 문제의 목표를 달성하기 위한 최적의 방법을 찾는 것이다. 인공지능을 가르치는 방법론은 크게 딥러닝, 강화학습, 몬테카를로 트리서치(탐색방법론, 알파고가 여기에 해당), 인덕티브 러닝(귀납적 학습) 등이 있다. 프로그래머들은 머리를 써서 이러한 방법론을 통해 첨단기법의 최적화 알고리즘을 만드는 것이다.

 

■ 과거 인공지능과 현재의 인공지능

1) 과거 : 사람이 머리를 써서 프로그램을 짜고, 탐색을 통해 인공지능이 답을 찾는 구조

- 인공지능은 현재 잘 안될 것 같은 걸 해결하는 게 인공지능. 인공지능에서 가르친다는 개념은 기계학습(머신러닝)이라고 하는데, 예전에는 가르치지 않고 사람이 직접 머리를 써서 좋은 프로그램을 짜서 로직/탐색 기법을 통해 추론해서 해답을 찾는 것이 올드 스타일 인공지능.

ex 1995년에는 대우조선이 일정계획을 하는 시스템을 인공지능으로 개발. 이 일정계획은 2~3년 정도 길게 보고 만들어야 하기 때문에 매우 복잡하고, 만들더라도 수정이 까다롭다는 특징을 가지고 있었다. 이에 대해 인공지능을 개발해 일정계획을 보다 쉽게 하도록 바꾸었고, 이를 통해 수주를 더욱 적극적으로 할 수 있게 되어 생산량도 크게 늘어났다.

 

2) 과거 : 룰베이스드 시스템으로 (사람이 조건을 걸어서) 작동

과거 20년 전쯤의 룰베이스드 시스템 (규칙을 설정, 조건을 걸어서 그 조건에 맞을 경우 작동)

ex 국내에서 대부분 사용되던 카드가 갑자기 해외에서 2회 이상 사용될 경우 자동으로 카드정지 시켜라

 

3) 현재 : 과거 데이터를 통해 학습을 하고, 어떤 조건문없이 스스로 판단하는 것.

즉 이 인공지능을 작동시키는 직원 또한 이 인공지능의 기준이 무엇인지 잘 모를 수 있다. 예를 들어 한 기업가가 은행에서 대출이 거부가 되었을 때, 불공정하다는 느낌을 받을 때 사람이 판단하는 경우에는 설명이 가능하지만, 인공지능은 이유 설명을 하지 않는다. 이 때 그 기업가는 불공정하다고 느낄 수 있다. 그러다보니 현재의 딥러닝은 설명성이 부족하기 때문에 요즘은 인공지능의 페어니스(인공지능의 공정성), 인공지능의 설명성(XAI, Explainable AI)에 대한 요구가 늘어나고 있다. (특히, 채용,금융,의료 분야 등에서는 결과만 말하는 것이 끝이 아니라, 병명의 이유, 채용의 이유 등을 설명해줘야 한다.) 또한 사회 통념, 법률, 규제 등도 반영해야 되기 때문에 인공지능 거버넌스, 알고리즘 거버넌스라고 해서 많이 연구되고 있다.

 

■ 금융 산업에서의 인공지능 서비스는?

- 오래전부터 인공지능을 사용했던 분야이자 대표적인 분야.

- 사기검출(프로드 디텍션), 대출 심사시 회수가능성 예측, 뱅크럽시 프리딕션(부도예측), 금융투자 포트폴리오 구성, 주식투자 등에 활용되고 있다.

- 이러한 인공지능은 패턴분석과 수많은 데이터의 축적과 분석을 통해 학습시킨다. (ex부도예측 : 산업의 특징, 기업가의 특징, 그 회사의 재무제표의 특징 등을 분석하는 알고리즘, 이를 결합하는 앙상블을 통해 분석)

 

■ 최근 스타트업들의 인공지능 활용은?

다음 시간에!