Recommended
More Related Content
Similar to 24차 창조경제연구회 공개포럼
Similar to 24차 창조경제연구회 공개포럼 (20)
24차 창조경제연구회 공개포럼
- 1. Contents 2015년 창조경제 24차 포럼 보고서 ❙인공지능과 4차 산업혁명 1. 공고문 ················································································1 2. 연구회 소개 ········································································5 3. 발표자료 ···········································································11 4. 보고서 ··············································································87 5. 기고문 ············································································271 6. 기부금 ············································································285
- 3. 1 1. 공고문
- 5. 1. 공고문 3 「제 24 차 창조경제연구회 공개 포럼 안내」 ‘인공지능과 4 차 산업혁명’ 지난 1 월 20 일 개최된 다보스 포럼의 ‘미래고용보고서’에서는 2020 년까지 700 만개의 일자리가 사라지며, 가트너는 전체 직업의 1/3 이 사라질 것으로 예상하고 있습니다. 급격히 변하는 미래사회 의 파괴적 혁신의 주역에는 인공지능이 있습니다. 이러한 변화를 피할 수 없다면 앞서가야 합니다. 다보스와 가트너가 제시하는 4 차 산업혁명의 핵심은 초연결사회입니다. 그리고 초연결사회의 중 추적인 역할은 인공지능이 담당할 것입니다. 창조경제연구회는 혁신기술인 1)인공지능의 활용방안과 2)인공지능 산업의 현황을 정리 및 3)구글, 페이스북, IBM 등이 공개한 오픈소스(Open -source)의 활용사례를 소개합니다. 그리고 인공지능의 발전에 필수적인 4)빅데이터 확보 전략과 앞으로 5)인공 지능과 사회가 함께 발전할 수 있는 방안을 제시하고자 합니다. 마지막으로 6)인공지능 산업 발전을 위한 인재확보 및 육성전략도 이번 포럼에서 다루고자 합니다. ‘인공지능과 4 차 산업혁명’라는 이번 포럼에서 (사)창조경제연구회(이사장 이민화)는 인공지능에 대한 활용방안을, 학계에서는 현재 인공지능의 기술의 발전을, 그리고 산업계에서는 인공지능 산업의 현황을 발표하는 자리가 될 것입니다. 그리고 인공지능의 각계 전문가들의 의견 청취와 토론의 장으 로 “인공지능과 4 차 산업혁명의 미래전략”을 모색하는 기회가 될 것입니다. 인공지능이 불러올 사회 의 변화를 예측하는 자리에 여러분을 초대합니다. ◈ 포럼 개요 ◈ □ 일 시: 2016. 3. 29(화) 14:00~16:30 □ 장 소: KT광화문빌딩 1층 서울창조경제혁신센터 舊드림엔터 (서울특별시 종로구 세종로 100) □ 주 최: (사)창조경제연구회 □ 참가신청: http://onoffmix.com/event/63139 시 간 내용 사회 및 발표자 14:00~14:05 개회(취지, 참석자 소개 등) 김애선 책임연구원 14:05~14:35 인공지능 기술 발전과 응용분야 김대식 교수(카이스트) 14:35~15:00 인공지능의 산업 활용 현황 이경일 대표(솔트룩스) 15:00~15:25 인공지능과 4차 산업혁명 이민화 이사장 15:25~16:10 패널토론 좌장 정지훈 교수(경희대) 정완용 국장(미래창조과학부) 이경일 대표(솔트룩스) 이경전 교수(경희대) 차원용 소장(아스팩 연구소) 배영우 상무(IBM) 16:10~16:25 청중 의견 청취 및 답변 좌장 정지훈 교수 16:25~16:30 마무리 사회자 / 좌장 서울시 강남구 논현로 28길 25 도곡 카이스트 Tel:02-577-8301 | Fax: 02-577-8302 | kcern@kcern.org | http://kcern.org
- 7. 5 2. 연구회 소개
- 9. 2. 연구회 소개 7 창조경제연구회 이사장 인사말 2009년 창조경제 연구회라는 스터디 그룹을 통 하여 새로운 국가 경제 패러다임 도출을 시도한 바 있었다. 이제 국가 차원의 창조경제 시대를 맞 아 새롭게 사단법인으로 재출범 하고자 한다. 한국의 최대의 위협은 북핵이 아니라 성장 동력 의 상실이라 하지 않는가. 노령화 사회, 양극화로 인한 사회 갈등해소 비용, 복지와 사회 안전망의 투자 등의 경제적 부담을 감당할 새로운 국가 성 장 동력이 고갈되고 있다. 청년들은 도전보다는 안전한 직업을 선호하여 과반수가 공무원이 되고 자 청춘을 바치고 있다. 실패에 대한 사회적 무관 용으로 기업가정신이 사라진 것이다. 노령화 사회 진입을 앞둔 한국의 마지막 도약의 기회가 창조경제가 아닌가 한다. 철도 혁명, 인터넷 혁명보다 훨씬 더 거대한 스마트 혁명은 인간을 호모 모빌리언스로 진화 시킨다. 이러한 스마트와 소셜 혁명은 빅데이터와 결합하여 인류역사 최대의 변곡점이 될 것이다. 대한민국이 이 기회를 맞이하기 위하여 국민 모두의 힘을 결집해야 할 것이 다. 바로 한국의 창조경제라는 스마트 혁명을 맞이하는 국가비전이 필요한 이유다. 한 강의 기적을 이어갈 새로운 국가 성장 동력으로 국가의 모든 힘을 결집하기 위한 공유 된 비전이 필요한 때이기 때문이다. 벤처 1.0이 유선 인터넷 혁명을 기반으로 발전했다 면, 이제 벤처2.0은 스마트 혁명을 기반으로 꽃 피울 것이다. 우리의 강점인 IT 경쟁력 과 스마트폰 보급율이 기초 체력이다. 향후 5년이 대한민국의 국가 흥망을 결정짓는 중 차대한 시기가 될 것이다. 시대의 소명은 과연 한국의 창조경제가 성공할 것인가 하는 방관자가 아니라 어떻게 성공시킬 것인가 하는 적극적 참여자의 입장을 가지는 것이 아닌가 한다. 창조경제는 자율을 기반으로 한다는 점에서 정부 주도의 창조경제만으로는 한계가 있다. 이러한 관 점에서 수 많은 민간 차원의 창조경제 연구 조직들이 다양한 목소리를 낼 필요가 있다 는 판단으로 순수 민간 차원의 연구 모임을 뜻있는 분들을 중심으로 결성하였다. 월간
- 10. 인공지능과 4차 산업혁명 8 모임을 통하여 주제 토론을 하고 연간 행사로 정책 발표를 하고자 한다. 사무국은 열정 을 가진 소수정예의 젊은이들이 참신하게 뒷받침할 것이다. 연구는 개방적으로 수행될 것이다. 그 결과들은 보고서와 책 그리고 언론과 SNS를 통하여 이 사회와 개방 공유하 고 발전시켜 나갈 것이다. 궁극적으로 영국의 호킨스 센터를 앞서는 세계적인 창조경제 싱크네트워크(Think Network)가 되고자 한다. 한국의 창조경제는 전 산업 분야를 아우른다는 점에서 문화 산업 중심의 타국의 사례와는 다른 진화를 시작하고 있다. 먼저 출발한 영국보다도 한 국이 새로운 세계 경제 패러다임의 선구자가 될 수 있다는 의미다. 국가 경제 정책으로 산업, 금융, 교육, 사회, 문화, 공공조직 등 전 분야의 창조경제 구현 정책을 선도할 수 있을 것이다. 제 1 한강의 기적을 이룩한 KIST, 경부 고속도로, 포항제철에 견줄 수 있 는 메타기술, 혁신 생태계, 개방 플랫폼 구축을 통하여 제 2 한강의 기적을 이룩하여, 대한민국의 일류국가 진입에 일조 하고자 한다.
- 11. 2. 연구회 소개 9 창조경제연구회 정기포럼 성과
- 13. 11 3. 발표자료
- 15. 3. 발표자료 13
- 16. 인공지능과 4차 산업혁명 14
- 17. 3. 발표자료 15
- 18. 인공지능과 4차 산업혁명 16
- 19. 3. 발표자료 17
- 20. 인공지능과 4차 산업혁명 18
- 21. 3. 발표자료 19
- 22. 인공지능과 4차 산업혁명 20
- 23. 3. 발표자료 21
- 24. 인공지능과 4차 산업혁명 22
- 25. 3. 발표자료 23
- 26. 인공지능과 4차 산업혁명 24
- 27. 3. 발표자료 25
- 28. 인공지능과 4차 산업혁명 26
- 29. 3. 발표자료 27
- 30. 인공지능과 4차 산업혁명 28
- 31. 3. 발표자료 29
- 32. 인공지능과 4차 산업혁명 30
- 33. 3. 발표자료 31
- 34. 인공지능과 4차 산업혁명 32
- 35. 3. 발표자료 33
- 36. 인공지능과 4차 산업혁명 34
- 37. 3. 발표자료 35
- 38. 인공지능과 4차 산업혁명 36
- 39. 3. 발표자료 37
- 40. 인공지능과 4차 산업혁명 38
- 41. 3. 발표자료 39
- 42. 인공지능과 4차 산업혁명 40
- 43. 3. 발표자료 41
- 44. 인공지능과 4차 산업혁명 42
- 45. 3. 발표자료 43
- 46. 인공지능과 4차 산업혁명 44
- 47. 3. 발표자료 45
- 48. 인공지능과 4차 산업혁명 46
- 49. 3. 발표자료 47
- 50. 인공지능과 4차 산업혁명 48
- 51. 3. 발표자료 49
- 52. 인공지능과 4차 산업혁명 50
- 53. 3. 발표자료 51
- 54. 인공지능과 4차 산업혁명 52
- 55. 3. 발표자료 53
- 56. 인공지능과 4차 산업혁명 54
- 57. 3. 발표자료 55
- 58. 인공지능과 4차 산업혁명 56
- 59. 3. 발표자료 57
- 60. 인공지능과 4차 산업혁명 58
- 61. 3. 발표자료 59
- 62. 인공지능과 4차 산업혁명 60
- 63. 3. 발표자료 61
- 64. 인공지능과 4차 산업혁명 62
- 65. 3. 발표자료 63
- 66. 인공지능과 4차 산업혁명 64
- 67. 3. 발표자료 65
- 68. 인공지능과 4차 산업혁명 66
- 69. 3. 발표자료 67
- 70. 인공지능과 4차 산업혁명 68
- 71. 3. 발표자료 69
- 72. 인공지능과 4차 산업혁명 70
- 73. 3. 발표자료 71
- 74. 인공지능과 4차 산업혁명 72
- 75. 3. 발표자료 73
- 76. 인공지능과 4차 산업혁명 74
- 77. 3. 발표자료 75
- 78. 인공지능과 4차 산업혁명 76
- 79. 3. 발표자료 77
- 80. 인공지능과 4차 산업혁명 78
- 81. 3. 발표자료 79
- 82. 인공지능과 4차 산업혁명 80
- 83. 3. 발표자료 81
- 84. 인공지능과 4차 산업혁명 82
- 85. 3. 발표자료 83
- 86. 인공지능과 4차 산업혁명 84
- 87. 3. 발표자료 85
- 88. 인공지능과 4차 산업혁명 86
- 89. 87 4. 보고서
- 91. 4. 보고서 89 창 조 경 제 연 구 회 24차 포럼 보고서 인공지능과 4차 산업혁명 2016. 3. 29
- 92. 인공지능과 4차 산업혁명 90 2016년 창조경제 24차 포럼 보고서 보고서명: 인공지능과 4차 산업혁명 발 행 처: (사)창조경제연구회 발 행 인: 이민화 편 집 인: 윤예지 발 행 일: 2016. 3. 29. 주관연구원: 주강진 연구원 공동연구원: 김애선 연구원 김예지 연구원 장아침 연구원 윤예지 연구원 최경주 연구원 외부자문: 김대식 차원용 이경일 법률 자문: 정재훈 변호사
- 93. 4. 보고서 91 목 차 Ⅰ. 서론 ················································································································· 97 1. 인공지능 개발 및 활용의 필요성 ········································································ 97 2. 인공지능의 기술 ··································································································· 100 3. 인공지능 산업 ······································································································· 103 4. 인공지능 혁명의 본질 ························································································· 105 5. 인공지능의 6대 미래전략 ··················································································· 107 6. 인공지능과 미래사회 ··························································································· 113 Ⅱ. 인공지능의 기술 ·························································································· 117 1. 인공지능(AI, Artificial Intelligence)이란? ························································ 119 2. 인공지능 기술의 발전사 ····················································································· 124 3. 딥 러닝의 시대 ····································································································· 131 Ⅲ. 인공지능 산업의 현황 ················································································ 145 1. 해외 인공지능 산업의 현황 ················································································ 145 2. 국내 인공지능 산업의 현황 ················································································ 167 Ⅳ. 인공지능 혁명의 본질 ················································································ 171 1. 인공지능 혁명과 O2O ························································································ 171 2. 인공지능의 활용사례 ··························································································· 177
- 94. 인공지능과 4차 산업혁명 92 Ⅳ. 인공지능의 6대 미래전략 ·········································································· 182 1. 활용 전략 ·············································································································· 186 2. 개발 전략 ·············································································································· 193 3. 인재육성 전략 ······································································································· 199 4. 빅데이터 확보전략 ······························································································· 205 5. 규제 개혁 전략 ····································································································· 213 6. 미래 사회의 갈등해소 전략 ················································································ 228 Ⅵ. 인공지능과 미래사회 ·················································································· 240 1. 인공지능에 대한 윤리적 접근 ············································································ 240 2. 인공지능의 윤리 논란 ························································································· 249 3. 윤리적 인공지능이 나아가야할 방향 ································································ 257 <참고문헌> ·········································································································· 262 <부록> 인공지능 관련 벤처기업의 인식조사 ················································ 265
- 95. 4. 보고서 93 Executive Summary 1. 인공지능이 촉발시킨 4차 산업 혁명에 대한 대응이 대한민국의 미래를 좌우하는 분수 령이 될 것이며, 인공지능 혁명의 본질은 빅 데이터, 클라우드, IoT 등과 함께 현실세 계(offline)와 가상세계(online)의 융합을 통하여 최적화되는 O2O(online 2 offline)융합 에 있음 2. 인터넷 혁명의 초연결 사회가 시장의 연결 비용을 줄였다면 인공지능 혁명의 지능 사 회는 시장의 선택 비용을 줄여 시장 효율성을 극대화하면서 기존 직업을 위협하고 있 으나, 개인 감성화 수요의 증대로 새로운 직업의 출현이 예상됨 3. O2O융합은 직업의 50%를 없애는 50조$ 규모인데 비하여 인공지능 기술 자체의 산업 규모는 수천억 불에 불과하며, 이는 기술 개발보다 활용이 대한민국의 미래 전략의 핵 심임을 알려주고 있음 4. 인공지능의 경쟁력은 알고리즘과 빅데이터에 의하여 결정되며, 이중 알고리즘은 이미 대부분이 오픈소스로 개방되어 있으므로 결국 빅데이터가 경쟁의 핵심이 되고 있음 5. 한국의 인공지능 국가전략은 알고리즘 개발보다 빅데이터 확보 전략에 중심을 두어야 한다는 것이며, 결국 막대한 예산보다 개인정보와 국가정보 정책의 글로벌 경쟁력 확보 가 관건임 6. 이에 따라 1) 활용 전략 2) 개발 전략 3) 인재 전략 4) 빅 데이터 확보전략 5) 규제 개 혁 전략 6) 미래사회 갈등해소 전략이라는 인공지능 6대 국가전략을 제시하고자 함 1) 활용 전략: ① 개방플랫폼 활용 ② 빅데이터 확보 ③ BM과 특허전략 ④ 인재확보 2) 개발 전략: ① 오픈소스 활용 ② 목적 중심 개발 ③인재와 M&A ④ 플랙쉽 집중 3) 인재 전략: ① 공개교육 활용과 확대 ② 교육기관의 확충, ③ 학위 심사 개혁 4) 빅 데이터: ① 정부 3.0의 재정립 ② 개인 데이터 유동화 ③ 데이터 개방 혜택 5) 규제 개혁: ① 개인정보 정책 글로벌화 ② 클라우드 정책 개혁 ③ 데이터 분리 6) 갈등 해소: ① 약한 인공지능과 직접 민주제 ② 강한 인공지능과 알고리즘 공개 의무화
- 96. 인공지능과 4차 산업혁명 94 ◦ 1980년대 3차 산업혁명을 이끌었던 인터넷 혁명의 시대에서 이제 인공지능을 중심 으로 한 O2O 혁명이 주도할 4차 산업혁명 시대로 넘어가고 있음 - IoT, 클라우드와 빅데이터, 그리고 인공지능이 융합되어 가상세계에서 예측과 맞춤을 통한 현실세계를 최적화하는 O2O 시스템 구축에 인공지능은 중추적인 역할을 함 ◦ 1950년 앨런튜링의“기계도 생각할 수 있는가?”란 질문으로 촉발된 인공지능은 논 리체계와 계산기능의 한계 그리고 데이터의 부족 등으로 두 번의 빙하기를 겪었으 나 컴퓨팅 파워의 발달, 2) 알고리즘의 혁신, 특히 3) 빅데이터의 등장으로 급속히 발전함 - IoT, 클라우드 등 기술의 혁신으로 빅데이터가 출현하면서 딥 러닝을 활용한 인공 지능은 급속히 발전하면서 의료, 법률, 세무, 교육 등 전문적인 범위만이 아니라 예 술의 영역에도 도전함 ◦ 해외의 인공지능 관련 선도 기업들은 자사의 인공지능 알고리즘을 공개하여 인공지 능 시스템의 표준을 주도함과 동시에 인공지능에 대한 부정적 여론을 무마하고 있음 ◦ 또한 인공지능의 주요 기업들은 공격적인 M&A을 통하여 세계 인공지능 석학과 인재들을 영입하면서 4차 산업혁명을 준비하고 있으며, 이들이 이룬 연구 성과들은 괄목한 수준임 - 인공지능은 영상인식, 음성인식 등은 인간과 동일한 수준이거나 인간보다 우수하며, 번역은 최대 42개 국어까지 가능함. 또한 주어진 영상은 보고 텍스트로 표현하며, 스스로 학습하여 상황에 대한 예측하는 수준까지 도달함 - 국내에서도 시멘틱 웹과 의료분야에서 의미 있는 성과를 내고 있으며, IT기업들이 인공지능에 공격적인 투자를 감행하고 있음 ◦ 세상을 급속히 바꾸는 인공지능 혁명은 예측과 맞춤을 통한 가치를 창출이며, 이러 한 과정에 IoT, 클라우드, 빅데이터, 그리고 인공지능이란 기술의 융합이 핵심임 - 4차 산업혁명은 직업의 절반을 바꿀 50조 달러의 규모인데 비하여 인공지능 산업 자체는 1,000억 달러의 규모에 불과함 - 이는 인공지능 기술 개발보다, 인공지능의 활용이 훨씬 더 중요하다는 것을 의미하 고 있음 <요약>
- 97. 4. 보고서 95 ◦ 인공지능을 중심으로 기술 혁신은 궁극적으로 가상 세계에서 맞춤과 예측을 통한 현실의 최적화이며, 이것이 4차 산업혁명이 추구하는 O2O의 본질임 - 실제 예측과 맞춤을 통한 최적화는 제조업의 PSS, 아마존의 예상배송, 히타치의 물류 시스템, 구글의 무인자동차, 넷플릭스의 콘텐츠 추천 등 많은 분야에서 활용되고 있음 ◦ 따라서 피할 수 없는 4차 산업혁명 시대를 우리가 주도하기 위한 6대 미래 전략을 제시하고자 함 ◦ 인공지능 활용전략으로 1) 개방 플랫폼 활용, 2) 빅데이터 확보, 3) BM과 특허전 략, 4) 인재확보 전략을 바탕으로 50조 달러 규모의 인공지능의 활용 시장으로 진 출해야 함 ◦ 인공지능 분야가 초기 단계이므로 활용전략에 기반을 둔 연구개발을 한다면 특정 분야에서는 시장 주도권을 쥐는 것이 가능함 - 이에 인공지능 연구 개발 전략으로 1) 공개된 오픈 소스를 활용, 2) 활용 목적에 집중한 개발, 3) 적극적인 인재영입, 4) 알고리즘 개발은 데이터가 확보가능한 분야 로 진출할 것을 제안함 ◦ 인공지능 산업은 물리적인 자원이 아니라 다양한 비즈니스를 창출 혹은 인공지능 기술을 개발할 인재가 중요하나 국내에서는 인공지능 관련 전문가가 절대적으로 부 족하므로, 인재육성을 위한 3대 전략으로 1) 공개교육 자료 활용, 2) 교육기관의 확충, 3) 학위심사 개혁을 제시함 ◦ 인공지능 기술 발전에 필요한 소스개발과 컴퓨팅 능력은 선도기업의 오픈소스와 GPU 출현으로 해결되었으나, 인공지능을 학습시킬 양질의 빅데이터를 확보하는 것 은 쉽지 않음 ◦ 인공지능 산업을 위한 빅데이터 확보 방안으로 정부 3.0을 통한 공공 데이터의 전 면적인 개방과 개인데이터의 공유가 될 수 있는 토대가 마련되어야 하며, 데이터 수집 및 활용과 사생활 보호를 위한 시스템 구축과 개인의 정보공개를 인정 및 개 인정보 통제권을 강화가 필요함 ◦ 인공지능은 단순히 하나의 기술이 아니라 다양한 기술의 융합으로 빅데이터 형성과 클라우드의 활용이 중요하나, 한국은 개인정보보호법의 규제가 가장 강한 국가이며, 클라우드 활용을 저해하는 규제가 산적해 있음
- 98. 인공지능과 4차 산업혁명 96 ◦ 원칙적으로 개인정보의 수집 및 활용 그리고 유통에서 사전규제를 철폐하고 사후징 벌로 규제 패러다임 전환이 필요하며, 클라우드에 관한 규제는 국제적 수준에 맞추 어 국내 시장의 갈라파고스화를 방지하는 방향으로 규제 개혁이 이루어져야 함 ◦ 인공지능이 촉발한 급격한 사회변화에 대한 많은 두려움과 반발이 존재하나, 실제 기술의 혁신은 언제나 역사적으로 인류에게 부를 창출해 주었고, 다만 기술이 일군 부를 모두가 누릴 수 있는 공정한 사회 Governance가 필요하며, 이에 대한 방안으 로 직접민주제를 제안함 - 과거 비용의 문제는 Block Chain이란 기술의 등장으로 해결되었으며, 실제 에스토 니아와 나스닥의 사례는 스마트 직접 민주제가 가능하다는 것을 보여줌 ◦ 결국 인공지능은 미래사회에 피할 수 없는 흐름이며, 인류는 인공지능을 어떻게 활 용할 것인가를 고민해야 함 ◦ 모라벡 패러독스(인간이 잘할 수 있는 일은 인공지능이 어려우며, 인공지능에게 쉬 운 일은 인간에게 어렵다)는 인류가 인공지능을 어떻게 활용해야 하는지 방향을 보 여주는데, 즉 인류는 인공지능과의 공존과 협력이 필요한 것임 ◦ 특히 강한 인공지능의 등장한다면 인류와 인공지능의 갈등을 피할 수 없기 때문에 이 에 대한 철저한 규제가 필요하며 그 방안으로 인공지능 소스 코드를 공개를 제시함 - 이어서 강한 인공지능 출현의 최단 예측 시간의 절반인 10년 안에 기술적인 대응 방안이 개발되어야 할 것임 ◦ 또한 인공지능의 운영 시스템 핵심원칙으로 인공지능은 인류를 해치지 않는다는 점 을 실제 반영할 수 있는 국제 표준으로 정하여 인간과 인공지능이 공존할 수 있는 미래를 건설해 나가야 함
- 99. 4. 보고서 97 Ⅰ. 서론 1. 인공지능 개발 및 활용의 필요성 □ 4차 산업혁명과 인공지능 ◦ 2016년 다포스 포럼의 핵심 의제였던 4차 산업혁명의 핵심은 O2O(Online 2 Offline)의 융 합이며 이는 다른 말로 사이버 물리 시스템(Cyber-Physical System)이라고도 부르고 있음 - O2O 융합은 현실세계에 물리적으로 실재하는 것과 사이버 공간의 데이터 및 소프트 웨어를 실시간으로 통합하는 시스템을 일컫는 용어임 ◦ O2O 융합의 핵심기능은 예측과 맞춤으로 요약되는데, 예측과 맞춤을 위해서는 반드 시 지능이 필요함 - 지금까지 모든 업무영역에서 예측과 맞춤은 지능을 가진 인간고유의 기능이었지만, AI 기술이 발전함에 따라 기계의 지능이 인간의 지능을 대체할 수 있게 됨 - 24시간 쉬지 않고 대량의 데이터를 실시간으로 처리해야하는 O2O 융합을 구축하기 위해서 인공지능 기술을 적용하는 것은 필수적이라고 볼 수 있음 - 즉 4차 산업혁명은 인공지능을 중심으로 한 O2O 융합이 보편화되면서 발생되는 산 업구조의 변화를 총칭하는 것임 ◦ 기술이 발전해나감에 따라 지금보다 더 많은 업무분야에서 인공지능의 가치산출능력 이 인간지능의 능력을 뛰어넘을 것으로 예상됨 - 관리, 행정 등의 업무들을 비롯해 법률, 의료, 금융 등의 전문 업무영역도 결국은 인 공지능이 수행하게 될 가능성이 큼 □ 인공지능 기술의 발전 ◦ 인공지능 기술은 기술개발 패러다임이 계산주의에서 연결주의로 전환됨에 따라, 최근 몇 년간 전례 없는 기술진보를 이룩하면서 세간의 주목을 받게 됨 - 인공지능은 최근 들어 갑자기 발명된 신기술이 아니라, 1930년대부터 부침을 거듭하 며 발전해온 기술이며, 인간의 신경망과 유사한 구조로 인공지능의 구조를 개발하는 개발방식을 연결주의라고 부름
- 100. 인공지능과 4차 산업혁명 98 ◦ 연결주의에 기반을 두어 설계된 인공지능은 인간과 유사한 방식으로 데이터를 학습하 여 스스로 지능을 고도화시켜나가는 것이 가능함 - 기계가 학습할 수 있도록 하는 알고리즘과 기술을 머신러닝이라 통칭하며, 뇌의 학습 방법과 유사한 방법으로 설계된 머신러닝 알고리즘과 기술을 딥 러닝이라 함 - 구글의 인공지능 알파고는 하루 3만 번, 지금까지 총 100만 번 이상의 대국을 거치 며, 스스로 바둑을 학습한 결과 2015년 10월 중국 프로 기사 판 후이(Fan Hui)와 5 차례 대국에서 모두 승리를 거둠 - 딥 러닝은 인공지능을 프로그래밍 범위 내에서 움직이는 기계적 지능수준에서 스스로 학습하고, 개선해나가는 유기적 지능수준으로 격상시킴 ◦ 인공지능 기술개발에 대한 투자는 빠르게 가속화되는 추세이며, 점점 많은 영역에서 상업적 활용이 가능한 수준의 인공지능들이 출현하고 있음 □ 시대변화에 따른 비즈니스 모델 혁신 필요 ◯ 인공지능으로 인해 소프트파워 경쟁의 시대가 열리고 있음 - 기술이 발전함에 따라 점점 더 많은 제품과 서비스에 인공지능을 중심으로 하는 사이 버 물리 시스템이 적용되어 가고 있음 - 때문에 산업분야에 상관없이 모든 기업들은 하드웨어 측면의 경쟁우위를 확보하기 위 한 전략뿐만 아니라 소프트웨어 경쟁우위를 확보하기 위한 전략도 반드시 필요하게 될 것임 ◯ 제조업체를 비롯한 대한민국의 모든 기업들은 비즈니스 모델 및 사업전략을 시대변화 에 맞춰 수정할 것을 검토해 보아야함 - 특히 신흥국과 경쟁해야하는 전통 제조업체의 경우, 기술의 평준화로 인해 하드웨어 측면에서 기술적 우위를 확보하는 것이 점점 더 어려워지고 있음 - 기업은 자사의 제품과 서비스가 하드웨어 측면에서의 기술발전이 한계에 직면하는 순 간, 크게 3가지의 전략적 선택이 가능함 - 첫 번째는 끝없는 제품가격 경쟁구도에 진입하는 것이며, 두 번째는 사업철수, 세 번 째는 소프트파워 경쟁을 시작하는 것임 ◯ O2O 융합은 미래 소프트파워 경쟁의 핵심 축이 됨
- 101. 4. 보고서 99 - 지금까지는 브랜드를 중심으로 한 기업 이미지 및 스토리 등이 소프트파워 경쟁의 대 부분을 차지해왔음 - 하지만 온라인과 오프라인이 융합되어가는 현시점부터는 O2O 융합이 고객에게 제공 하는 가치를 중심으로 소프트 파워 경쟁이 이루어질 것임 ◯ ‘변화를 선도하면 미래가 열리고, 변화를 부정하면 도태된다’는 명제의 징조가 빠른 속도로 나타나고 있음 - 첨단기술로 무장한 핀테크 기업들은 전통은행을 해체하고 있으며, 넷플릭스와 유투브 는 TV를, 쿠팡, 아마존은 오프라인 리테일 업체의 자리를 위협하고 있음 - 소프트파워 경쟁을 도외시하는 기업은 변화를 선도하는 경쟁자에 의해 자연 도태될 가능성이 높음 □ 인공지능 개발 및 활용비용의 감소 ◯ 선진기술을 보유한 기업들이 자사의 인공지능 소스코드를 오픈소스화 시킴에 따라 인 공지능 개발에 필요한 투자비용이 대폭 감소함 - 2015년 11월 9일, 구글이 인공지능 오픈소스 ‘TensorFlow’를 공개한 것을 기점으로 기업보유의 인공지능 기술들이 차례차례 일반에 무료 공개됨 ◯ 인공지능을 직접 개발하지 않더라도 인공지능 SaaS(Software as a Servies)를 활용하 면 손쉽게 사이버 물리 시스템을 구축할 수 있음 - IBM의 Watson과 애플의 Siri 등 상업적으로 즉시 활용 가능한 수준의 인공지능들이 SaaS화 되면서 자체 IT개발역량에 구애받지 않고 누구나 고도의 인공지능을 활용할 수 있게 되었음 ◯ 이처럼 인공지능이 주도할 4차 산업혁명은 기존의 사회흐름을 통째로 바꿀 거대한 흐 름으로 다가오고 있으며, 이러한 변화를 피할 수 없다면 앞서기 위한 국가적 전략이 필요한 시점임
- 102. 인공지능과 4차 산업혁명 100 2. 인공지능의 기술 □ O2O 혁명과 인공지능 ◯ 인공지능은 사람의 지능을 인공으로 구현하기 위한 기술로서, 앨런튜링이 “기계도 생 각할 수 있는가?”라는 질문을 던진 이후에 다양한 학자들이 인공지능에 대한 다양한 정의를 내림 ◯ 1950년대 John McCarthy가 인공지능이란 개념을 창시하고, 인공지능에 대한 장밋빛 전망이 쏟아지면서 인공지능에 대한 대중의 관심은 뜨거워졌으나 계산기능의 한계와 논리체계 한계로 성과를 보이지 못함 - 이후에 1980년대 신경망연구와 일본의 5세대 컴퓨터, 영국 Alvey의 등장으로 관심이 고조되었으나 데이터의 부족 등으로 빙하기를 겪음 ◯ 기존의 인공지능 관련 연구는 주목할 만한 성과를 내지 못하였으나, 딥 러닝으로 대 표되는 인공지능 기술의 발전으로 영상과 음성인식, 자동번역, 무인 주행(자동차와 드 론) 등 다양한 분야에서 두각을 나타내고 있음 ◯ 최근에 들어서 인공지능 관련 연구는 1) 분산 컴퓨팅, 특히 GPU(Graphic Processing Unit)의 발달, 2) 알고리즘의 혁신과 개방, 3) 대용량의 빅데이터의 가용성이란 삼박 자가 어우러지면서 급속히 발전하고 있으며 새로운 전환점을 마련하고 있음 ◯ 주목할 점은 인공지능은 단순히 하나의 기술로 끝나는 것이 아니라 맞춤과 예측이란 핵심기능을 제공하는데 그 과정에서 다양한 기술의 융합과 O2O라는 새로운 세계를 이끌어갈 주역으로 떠오르고 있다는 것임 - 사물인터넷과 웨어러블을 통하여 대량의 데이터를 수집하고 클라우드로 데이터를 저 장 및 관리하고 인공지능을 활용하여 의미 있는 빅데이터를 추출하는 일련의 과정이 기술의 융합임 - 기술의 융합을 토대로 가상 세계에서 예측과 맞춤을 통하여 현실 세계를 최적화시키 는 것이 O2O 혁명의 본질임 - 가상의 세계에서 일대일 대응으로 실제 세계에 예측과 맞춤이란 가치를 창출함으로서 시간, 에너지, 비용 등을 절약할 수 있으며, 개인별 맞춤 서비스를 제공하기 때문에 기존에 없던 새로운 수요나 가치를 창출할 수 있음
- 103. 4. 보고서 101 ◯ 본 보고서에서는 인공지능을 “학습을 통하여 예측과 맞춤의 가치를 제공하는 최적화 시스템”이라고 정의함 □ 인공지능의 발전사(두 번의 빙하기) ◯ 인공지능 기술은 크게 지식 기반과 데이터 기반으로 분류되며, 이를 각각 계산주의와 연결주의로 부르고 있음 - 지식기반 시스템은 사람이 가진 지식을 컴퓨터로 표현하고 이를 활용해 현상을 분석 하거나 문제를 해결하는 것임 - 연결주의는 지식을 직접 제공하기보다는 지식과 정보가 포함된 데이터를 제공하고 컴 퓨터가 스스로 필요한 정보를 학습함 ◯ 1950년대에 존 매카시를 중심으로 당대 최고의 과학자들이 인공지능을 연구하면서, 인공지능 기술의 급속한 발전이 예상되었으나 계산기능과 논리체계의 한계, 데이터 부족 등 문제에 직면하면서 첫 번째 빙하기를 맞음 - 하버트 사이먼과 앨런 뉴웰(1958)은 인공지능이 10년 안에 체스 챔피온을 누르고, 수 학적 정리를 증명할 것이라고 예상함 - 마빈 민스키(1967)는 한 세대 안에 인공지능을 창조하는 모든 문제가 해결될 것으로 전망함 - 그러나 계산주의로는 불가능하다는 점이 밝혀지면서 첫 번째 인공지능의 겨울을 맞이함 ◦ 계산주의 실패 이후에 등장한 ‘연결주의(Connectionism)’는 인간의 두뇌를 모사하는 인공신경망 구축을 기반으로 한 모델로서 Back Propagation이라는 출력 값의 오류 학습을 통하여 발전함 - 연결주의에서 인공신경망은 인간의 두뇌가 수많은 뉴런들이 시냅스를 통해 연결된 것 처럼, 여러 가지의 프로그램 노드(node)를 연결한 그물망으로 구성하여, 그물망 한쪽에 는 특정 정보와 관련된 다양한 입력 값들이 있으며 이들 정보와 연결된 노드들이 여 러 특징을 추려 공통점을 찾아내고 이를 통해 출력 값을 찾아내는 과정임 - 이러한 연결주의는 막대한 컴퓨팅 파워와 방대한 학습 데이터가 필요로 하는데 당시 에는 두 가지 모두가 턱없이 부족했음 - 결국 연결주의의 신경망 기술도 학습에 필요한 데이터와 컴퓨팅 파워의 부족이라는 한계를 극복하지 못하고 두 번째 인공지능 겨울을 맞이함
- 104. 인공지능과 4차 산업혁명 102 ◦ 2010년으로 넘어오면서 GPU(그래픽 프로세서)의 등장으로 분산 처리 기술의 발전은 과거에 문제가 되었던 방대한 양의 계산문제를 해결하고, 클라우드 컴퓨팅과 IoT로 엄청난 빅데이터가 누적되면서 인공지능 연구는 새로운 전환점을 맞이함 □ 딥 러닝의 시대(세 번째 부활) ◦ 딥 러닝은 인간의 뇌와 같은 신경망인 뉴럴 네트워크(Neural Network)를 학습의 주 요 방식으로 사용하는 것임 - 뉴럴 네트워크를 다층 구조로 구성하면서, 입력 층과 출력 층 사이에 하나 이상의 숨 겨진 층을 딥 뉴럴 네트워크(DNN, 심층 신경망)라고 부르기 시작하면서 딥 러닝이라 고 부르게 됨 - 이러한 구조가 인간의 두뇌 구조와 학습하는 방식이 동일하다는 점에서 뇌 과학과 인 공지능이 만나게 되었음 - 딥 러닝의 기본구조를 이루는 모델로는 CNN(Convolutional Network)과 각 순간별 뉴럴 네트워크를 시간에 따라 적층해 시계열 데이터로 처리하는 RNN(Recurrent Neural Network)이 있으며, 각각 영상과 음성처리에 주로 활용 - 이러한 연결주의의 신경망 기술은 학습에 필요한 데이터와 컴퓨팅 파워가 필요한데 1980년대에는 이러한 부분에서 한계에 직면하였으나 2010년대에는 GPU와 IoT & 클 라우드의 등장으로 빠르게 기술이 진보함 ◦ 현재 딥 러닝 방식은 이미지 인식과 음성 인식에 큰 성과를 나타내기 시작함 - 2009년에 들어서는 지도 학습 방식의 딥 러닝 알고리즘이 대부분의 패턴 인식 경쟁에 서 SVM(Support Vector Machine) 등 기존 방식을 능가하기 시작함 - 음성인식에서 10년간 성과가 거의 없던 스카이프의 번역 기술도 불과 3년 사이에 실 용화되어 15개국에서 베타 번역 서비스에 돌입 - 영상인식에서도 인간의 인식률을 돌파했다고 페이스북과 구글이 선언하고 있으며, 알 리바바와 바이두는 얼굴인식으로 금융 서비스를 시작하고 있음 ◦ 인공지능의 활용은 의료, 법률, 세무, 교육 등 다양한 범위에서 활용되기 시작하였으 며, 이제는 예술의 영역에도 도전하고 있음
- 105. 4. 보고서 103 3. 인공지능 산업 □ 해외의 인공지능 산업 ◦ 2015년 구글이 자사의 머신러닝 기술 ‘TensorFlow’를 공개한 이후에 페이스북, MS 등의 많은 기업들이 뒤이어 자사의 인공지능 소스를 공개하고 있음 ◦ 이러한 흐름은 자사의 인공지능 소스코드를 공개하여 인공지능의 시스템 표준을 주도 하겠다는 기업들의 욕구와 함께 빠르게 발전하는 인공지능 기술을 우려하는 시선을 잠재우기 위한 산업계의 의도가 숨어있음 - 이로 인해 인공지능 개발기업 및 연구자들은 공개된 오픈소스를 활용하여 개발비용과 시간을 절감할 수 있으며, 인공지능 산업 전체의 발전도 도모할 수 있음 ◦ 구글은 실제 검색, 광고, 구글 포토, 유투브 등 실제 서비스에도 적용하는 기술들을 공 개하고 있으며, 머신 비전 기술을 외부개발자들이 쉽게 활용할 수 있게 클라우드 비 전 API도 공개함 ◦ 페이스북은 오픈 소스 토치(Torch) DL 모듈을 공개하였으며, 엔비디아(NVIDIA)와 손잡고 머신러닝(ML) 기술을 구동하기 위한 하드웨어 시스템 빅서(Big Sur)를 오픈 소스(Open-source)로 공개함 ◦ 마이크로소프트는 딥 러닝 툴킷인 CNTK(Computation Network Toolkit)와 분산형 머신러닝 툴킷인 DMTK(Distributed Machine learning Tool Kit)를 공개하였으며, 중국의 IT업체 바이두는 자사 실리콘밸리 연구소에서 개발한 인공지능 소프트웨어인 WARP-CTC를 오픈소스로 공개함 ◦ 야후는 딥 러닝 SW인 카페온스파크(CaffeOnSpark)와 1,100억 건의 사용자 행동 데 이터를 머신러닝 연구용으로 공개하였으며, 삼성전자도 딥 러닝 플랫폼인 베레스 (Veles)를 오픈소스로 공개함 □ 인공지능 기업들의 연구 성과 ◦ 페이스북은 사물감지, 자연언어 이해와 이미지 인식, 사진 속 사람의 얼굴인식, 예측 과 학습, 바둑, 지도학습을 통한 음성비서 영역까지 다양한 분야에서 성과를 나타내고 있음
- 106. 인공지능과 4차 산업혁명 104 ◦ 알파고로 자사의 인공지능 기술을 선보인 구글은 인지·판단·예측 능력을 키워 알아서 판독이 가능한 구글 포토, 42개 언어로 번역이 가능한 자동번역, 페이스북의 M과 같 은 개인 비서 역할을 하는 나우 등 다양한 영역에 진출함 ◦ 이외에도 MS 코타나는 개인 비서 역할에서부터 카네기멜론 대학에서는 사람들의 동선 을 계산하여 에너지 절약 시스템까지 진출하였으며, 아마존의 경우 물류 예측과 음성비 서 에코를 선보임 ◦ 비단 미국의 기업만이 아니라 중국의 IT 기업 바이두는 딥 스피치를 활용한 음성인 식, 개인비서 듀어를 출시함 □ 인재확보 경쟁과 M&A ◦ 인공지능은 첨단 기술의 영역으로 어느 산업보다 기술 개발을 이끌어갈 인재가 중요 하기 때문에 세계 유수의 기업들은 공격적으로 인공지능의 석학들을 영입하기 위한 치열한 경쟁을 하고 있음 ◦ 구글은 인재 영입 경쟁에서 최선두를 달리고 있는데, 인공지능의 4대 천황이라 불리 는 제프리 힌튼 교수와 레이 커즈와일을 영입했으며, 지금은 바이두에 있는 앤드류 응까지 보유하였음 - 또한 알파고로 유명한 영국의 딥 러닝 전문 회사 딥마인드와 사진인식을 통한 번역 기술을 가지고 있던 워드렌즈 2014년에 인수함 ◦ 페이스북은 인공지능의 세계적 석학 얀 르쿤 교수를 영입해 인공지능 연구소의 총괄 로 선임하였으며, 얼굴인식 소프트웨어인 딥페이스(DeepFace)를 시작으로 음성인식 인공지능 개발업체 위트에이아이 등을 인수함 ◦ 애플, IBM, MS는 공격적으로 인수합병을 통한 우수한 인재를 영입하고 있는데, 인공 지능의 인재영입 경쟁은 계속해서 과열되고 있음 - 특히 중국의 바이두는 구글의 인공지능 연구를 이끌었던 앤드류 응(Andrew Ng)을 영입하면서 미국 실리콘밸리에 ‘인공지능센터’를 신설하고 공격적인 투자를 진행하면 서 이러한 흐름은 지속될 것으로 보임
- 107. 4. 보고서 105 □ 국내 인공지능 산업의 현황 ◦ 국내의 인공지능 기업들은 해외 기업들에 비하여 기술격차가 존재하지만, 빠르게 성 장하고 있음 - 국내의 대표적인 인공지능의 선두기업은 솔트룩스로 시맨틱 웹 분야에서는 세계 10대 시맨틱 기술 기업으로 선정될 만큼 기술력에서는 인정받고 있음 - 스타트업 루닛은 2015년 국제 이미지 인식 기술대회(ILSVRC)의 위치 식별 분야에서 구글(7위)을 제치고 5위를 차지하였으며, 또 다른 스타트업 뷰노도 2015년 같은 대회 의 이미지 인식 분야에서 5위를 차지할 만큼 빠른 기술 발전을 보임 - 이외에도 소셜 데이터 분석의 사이람, 리스크 관리에 딥 러닝을 접목시킨 솔리드웨어, 메신저 관련 스타트업 플런티, 스캐터 랩, 드론 관련 스타트업 유비파이 등 많은 스타 트업들이 등장하고 있음 ◦ 국내의 IT 대기업들은 M&A를 활용한 인재를 영입하려는 움직임을 보이고 있으며, 특히 게임업계의 경우 게임에 인공지능 기술을 적용하면 개인 맞춤형 스토리텔링이 나, 유료서비스 제공 시점을 보다 정확하게 설정할 수 있다는 점에서 인공지능을 주 목하고 있음 - 넷마블게임즈, 콜럼버스, 엔씨소프트 등은 인공지능을 활용한 프로젝트나 연구소를 설 립하여 인공지능을 게임에 접목시키고 하는 노력을 기울이고 있음 4. 인공지능 혁명의 본질 □ 인공지능과 O2O 혁명 ◦ 연결이 중심이던 웹 1.0에서 기술의 발달로 개방과 정보의 공유의 웹 2.0으로 넘어오 면서 데이터는 기하급수적으로 증가했고, 따라서 필요한 데이터를 찾는데 드는 시간 과 비용을 절감하고 상황인식과 의미에 기반을 두는 웹 3.0의 시대로 전환되고 있음 ◦ 이러한 흐름은 산업에도 그대로 적용되고 있는데, 기존의 1차 산업혁명과 2차 산업혁 명이 대량생산과 효율의 중심이었다면, 4차 산업혁명은 최적화가 중요시되는 시대로 가고 있음
- 108. 인공지능과 4차 산업혁명 106 ◦ 특히 3차 산업혁명이 시장에서 연결비용을 감소시켰다면 인공지능은 선택비용을 감소 시켜서 새로운 산업혁명을 주도할 것이고, 이러한 변화의 핵심은 바로 탐색과 선택이 결합한 추천 서비스로 시장에서 공급과 수요의 양 측면에서 발생한 비용을 감소시킬 것임 - 공급 측면에서는 전문적인 지식을 바탕으로 하던 금융, 의료, 법률 등에서 인공지능이 영역을 넓혀나가고 있으며, 수요 측면에서는 다양한 비서 서비스가 나타나고 있음 ◦ 인공지능은 핵심은 예측과 맞춤을 통한 가치를 창출이며, 이러한 과정에는 IoT, 클라 우드, 빅데이터, 그리고 인공지능이란 다양한 기술의 융합이 있음 ◦ IoT를 통하여 데이터를 수집하고 데이터가 저장 및 분석할 수 있는 가상의 공간 클 라우드와 인공지능이 저장된 데이터를 처리 및 분석하여 가치 있는 빅데이터를 창출 하고, 가상의 공간(Online)에서 예측과 맞춤을 하고 현실(Offline)에서 최적화하여 가치 를 창출함 □ 인공지능의 활용사례 ◦ 인공지능이 맞춤과 예측으로 현실을 최적화하여 가치를 창출하는 사례는 제조업, 유 통업, 물류, 콘텐츠 등 다양한 산업이 있음 ◦ 자동차에 부착된 센싱으로 데이터를 확보하고 클라우드에서 빅데이터를 축적하여 인 공지능이 제공한 예측과 맞춤으로 최적의 경로로 주행하는 무인 자동차는 인공지능을 활용한 대표적인 사례임 ◦ 제조업에서 인공지능을 활용한 예측과 맞춤은 세계 1, 2위의 중장비 기업인 캐터필라 와 코마츠의 사례에서 볼 수 있음 - 하루라도 장비가 고장 나면 막대한 손실은 입는 건설현장에서 캐터필라와 코마츠는 기계에 부착된 센서로 사전에 장비를 관리하는 Before Service를 시행하여 새로운 시 장을 창출함 ◦ 유통과 물류에서도 인공지능을 활용되고 있음 - 아마존의 예상배송 시스템을 활용하여 경쟁업체보다 빠르게 상품을 배송할 수 있으며 하타치는 인공지능을 활용하여 최적의 업무 방안을 도출함 ◦ 인공지능을 활용한 새로운 가치창출은 B2C 분야에서 나타나고 있는데, 기존에는 소
- 109. 4. 보고서 107 비자들의 표면화된 니즈만을 충족시켰으나 이제는 개인 데이터를 활용한 추천 서비스 로 소비자들도 인식하지 못한 니즈(Unmet needs)를 충족시킬 수 있음 - 넷플릭스는 이러한 추천 서비스를 기반으로 글로벌 기업으로 성장하였음 5. 인공지능의 6대 미래전략 ◦ 최근 국내에서도 인공지능 산업을 육성하기 위하여 엑소브레인과 딥뷰 등의 국가과제 를 시도하고 있으나 아직은 해외와 기술적 격차가 존재함 ◦ 특히 인공지능을 연구하는 연구소가 턱없이 부족하고 관련 전문가가 부족하여 이에 대한 대책이 필요하며, 인공지능 산업의 발전을 위하여 가장 필요한 데이터 확보가 개인정보보호법을 위시로 한 다양한 규제에 묶여 있음 ◦ 따라서 본 보고서에는 4차 산업혁명을 이끌어 갈 인공지능의 발전을 위하여 인공지능 기술의 활용과 개발, 인재 육성, 데이터 확보 및 규제 개혁, 그리고 인공지능 기술이 촉발할 사회 갈등 해소 등을 정리한 6대 미래 전략을 제언함 □ 인공지능의 활용전략 ◦ 인공지능의 주요한 기술은 이미 개방되어 있으며, 인공지능의 산업 자체보다는 활용산 업이 규모가 압도적으로 크기 때문에 기술 개발보다는 활용에 주목해야 함 ◦ 인공지능은 단계별 활용을 위하여 1) 개방 플랫폼 활용, 2) 빅데이터 확보, 3) BM과 특허전략, 4) 인재확보 전략을 제시함 - 일반 소비자를 상대로 하는 애플의 Siri, 구글의 Now, MS의 Cortana, 페이스북의 M 등이 개발되어 있으며, 기업들에게 IBM의 Watson Developer Cloud나 구글의 클라 우드 API 등이 제공되어 있음 - 이러한 개방 플랫폼을 많은 기업들이 활용하고 있으며, IBM의 왓슨을 전 세계 400개 기업들이 활용하고 있으며, 100개 기업은 왓슨을 기반으로 실제 상품이나 서비스를 제공함 - MS의 경우에도 인공지능에 대한 전문적인 지식이 없어도 개발자가 쉽게 앱을 만들 수 있도록 다양한 서비스를 제공함
- 110. 인공지능과 4차 산업혁명 108 ◦ 이처럼 인공지능이 제공하는 맞춤 서비스를 위해서는 데이터 확보가 필수적이나, 데 이터의 원천이 되는 시장은 대기업들이 장악하고 있음 ◦ 중소기업들이 빅데이터를 확보하기 위해서는 대기업과는 다른 틈새 전략이 필요하며, 그 방안으로 BM과 특허가 필요함 - Nest는 약 114건의 특허를 출원하여 하드웨어→소프트웨어→응용 서비스까지 이루어 지는 견고한 특허 포트폴리오를 구성함 - 핏빗(웨어러블)도 센싱을 통해 확보한 데이터를 바탕으로 고객에게 부가 서비스를 제 공하려는 시도를 하고 있음 - 이처럼 후발주자들은 특허 포트폴리오를 기반으로 빅데이터를 확보할 수 있음 ◦ 인공지능 기술의 활용을 위해서는 인재확보가 가장 중요하나, 중소기업이 확보할 수 있는 인재의 범위는 한정되어 있음 ◦ 따라서 효율적인 인재확보를 위한 전략이 필요하며, 3대 전략으로 1) 산학협력, 2) 국 가과제를 통한 인재확보, 3) 사내벤처 지원을 제시함 □ 인공지능의 개발전략 ◦ 인공지능 분야는 아직은 초기 단계이나 활용전략을 기반으로 연구개발에 돌입한다면 Long Tail 부분에서 시장 주도권을 쥐는 것이 가능한 것으로 판단됨 ◦ 따라서 인공지능 연구 개발 전략으로 1) 공개된 오픈 소스를 활용, 2) 활용 목적에 집중한 개발, 3) 적극적인 인재영입, 4) 알고리즘 개발은 데이터가 확보가능한 분야로 진출을 제안함 ◦ 인공지능의 선도 기업들이 제공한 오픈소스를 이용한다면 시간과 비용을 줄일 수 있 으며, 다양하게 형성된 커뮤니티는 개발과정에 많은 도움을 받을 수 있음 ◦ 구글, MS, 페이스북 등의 기업이 인공지능 관련 시장을 선도하고 있기 때문에 전체 적인 기술개발 보다는 명확한 Business Domain을 설정한 이후에 연구개발이 필요함 - 대표적인 사례로 뉴스추천 기술을 제공하는 데이블과 인공지능 메시징 업체 플런티가 있음 - 비록 데이터, 컴퓨팅 파워, 인력 등의 기술개발 조건들을 중소기업 또는 벤처기업이 완벽하게 충족하기에는 어려움이 있으나, 공개된 기술을 활용하고 특정한 Business Domain을 선정한다면 성과를 거둘 수 있음
- 111. 4. 보고서 109 ◦ 인공지능의 주요 소스는 공개되었으며, 대량의 데이터를 처리하는데 필요한 컴퓨팅 파워 도 대중화되어 결국 머신러닝에 필요한 양질의 빅데이터를 확보가 중요한 관건이 되었음 ◦ 이러한 점을 감안한다면 개발 단계에서 데이터가 확보가 용이한지 확인이 필요하며, GitHub, 개발자 커뮤니티 및 Image-net, Statista, Google Public Data Explorer 등 무료로 데이터를 개방하는 곳에서 데이터를 확보할 수 있음 □ 인재육성 전략 ◦ 인공지능 산업은 하드웨어 중심의 산업이 아니라 소프트웨어 중심의 산업이므로 물리 적인 자원보다는 인적 자원이 중요하나 국내는 인공지능 관련 전문가가 절대적으로 부족한 상황임 ◦ 따라서 인재육성을 위한 전략이 필요하며, 그 방안으로 공개교육 자료 활용, 교육기관 의 확충, 학위심사 개혁이라는 3가지를 제시함 ◦ 전 세계적으로 많은 기업이나 기관에서 온라인으로 다양한 교육 자료를 제공함 - 구글과 조지아공과대학은 유다시티를 통하여 공개강의를 진행하고 있으며, 코세라나 에덱스는 연구원이나 과학자 혹은 프로그래머를 위한 MOOC 서비스를 제공함 - 야후는 머신러닝 연구자를 위한 2천만 명의 데이터를 공개함 ◦ 인공지능 전문가들을 육성하기 위한 전문적인 교육기관이 필수적이나, 국내에서는 인 공지능 관련 교육을 전문적으로 수행할 전문 교육 기관이 부족함 - 당장 인공지능 관련 산업에 투입될 인재를 양성하기 위한 교육기관의 확충과 민간 교 육기관과 연구기관을 활용한 교육 시스템의 확보가 필요함 ◦ 본 보고서에서는 구글의 교육 프로그램을 벤치마킹한 3개월 교육 융합 프로젝트를 제 안하며, 교육프로그램이 다양한 예제를 실행할 수 있도록 정부와 기업들의 지원(빅데 이터 제공)이 있다면 훨씬 효과적인 교육이 될 것으로 예상됨 ◦ 인공지능은 최근 관련 연구가 활발해지면서 국내외 다양한 연구 커뮤니티가 형성됨 - 특히 arXiv(아카이브)와 ICLR라는 인공지능 학회에서는 경쟁과 공유를 통하여 인공 지능 관련 커뮤니티를 형성함 - 그러나 국내에서는 졸업요건 중에서 ‘SCI 저널에 논문 게재’로 짧게는 몇 개월에서 길 게는 1년 가까운 시간이 소요되면서 최신 연구를 따라가지 못함
- 112. 인공지능과 4차 산업혁명 110 - 이론적으로 특정 분야를 정립하거나 연구(실험) 결과를 정리한 과정도 중요하지만, 인 공지능처럼 빠르게 기술이 성장하는 분야의 경우 학위 심사에 융통성을 발휘하여 최 신 주제로 다양한 연구가 이루어질 수 있는 학위 심사의 유연성이 필요함 ◦ 중복과 경쟁연구가 이루어질 수 있는 Challenge나 Shared Task의 개최가 필요함 - Challenge나 Shared Task의 개최를 통하여 연구 성과를 공유하고, 특정 주제에 대한 중복과 경쟁연구가 이루어진다면 인공지능 산업의 성장과 우수한 인재들을 인공지능 분야로 끌어들일 수 있음 - Challenge나 Shared Task의 주제는 다른 산업에 비하여 규제가 약하거나 경쟁력이 있는 게임, 제조, 그리고 국방(테러)을 제시함 □ 빅데이터 확보전략 ◦ 양질의 빅데이터를 확보는 인공지능 산업의 가장 중요한 부분임 - 인공지능 산업의 선도기업들이 인공지능 소스를 공개하여도 데이터를 공개하지 않는 이유는 여기에 있음 - 그러나 국내에서는 개인정보보호법 등의 규제로 개인정보 수집 및 활용에 제약이 있 으며 공공 데이터의 활용에서도 공공기관의 소극적인 대응으로 많은 어려움이 있음 ◦ 인공지능 산업의 발전을 위해서는 공공 데이터를 개방하고, 개인데이터가 활용될 수 있 는 토대를 마련해야 함 - 공공 데이터 개방을 위해서는 정부 3.0의 추진이 필요하며, 이를 위하여 공공 데이터의 원칙적 개방과 데이터 관련 규제는 포지티브 방식에서 네거티브 방식으로 바뀌어야 함 - 민간 데이터의 공유를 위해서는 영국의 사례처럼 데이터의 공유를 지원하는 사회제도를 구축해야 함 ◦ 데이터 수집 및 활용에서 많은 사람들이 가지는 사생활 보호는 기업의 개인정보 관리 수준을 검증하는 시스템을 갖추고, 개인의 정보공개를 인정하되 개인정보 통제권을 강화가 필요함 ◦ 또한 수집을 통제하는 사전규제 방식에서 활용과 이에 대한 책임을 무는 사후 규제로 규제의 패러다임 전환이 필요함
- 113. 4. 보고서 111 □ 규제 개혁방향 ◦ Hogan Lovells 보고서에 따르면 국내의 개인정보보호 관련 규제는 아시아에서 가장 강도 높은 수준으로 데이터의 수집부터 활용까지 많은 제약이 있음 - 개인정보에 대한 불명확한 개념으로 개인정보 수집 자체가 어려우며, 데이터 수집 시 목적, 항목, 기간 등의 명시적 동의만이 허용되기 때문에 데이터를 수집 목적과 다른 융합산업에서 활용이 원천적으로 차단됨 - 개인정보 비식별화에 대한 폭넓은 정의는 비식별화된 데이터의 활용을 어렵게 하며, 개인정보보호법, 정보통신망법, 신용정보법 등 파편화된 규제들은 중소기업이나 벤처 기업의 경우 규제 대처 능력을 떨어뜨림 - 규제를 위반한 경우에도 지나치게 형사처분에 의존하고 있는데, 일본의 경우 시정명령 이후 형사처분을 진행하지만, 국내의 경우 즉각적인 형사처분으로 기업활동을 위축시킴 ◦ 따라서 규제 개혁의 방향은 Opt In에서 Opt Out으로 패러다임의 변화가 필요하며, 명시적 동의가 아니라 묵시적 동의를 인정하여 다양한 데이터의 활용이 가능하도록 해야 함 ◦ 또한 개인통제권을 강화하여 개인정보 보호와 활용의 균형점을 찾아야 하며 원칙적인 사후 징벌 및 형사처분 위주의 과도한 규제는 개선되어야 함 ◦ 2013년 BSA 글로벌 클라우드 컴퓨팅 성적 보고서에서 국내 클라우드 준비도는 조사 국가 24개국에서 3위로 평가되었으나, 규제 강도는 1위로 평가되면서 강도 높은 규제 로 클라우드 활용에 대해서는 미지수라는 평가를 내림 - 실제 클라우드 관련 규제는 의료법 시행규칙, 전자금융감독 규정 등에서 데이터의 물 리적 접근 제어 및 데이터 저장 장소를 국내로 한정했고, 이러한 규정들은 클라우드 속성을 이해하지 못한 규제들로서 개선이 필요 - 또한 클라우드 활용에서 국제 CC 표준을 넘어서는 공공 기관에서 보안 등급제를 만 들며 이를 민간으로 확산하고자 하나, 이러한 규제는 국내 시장을 갈라파고스화 하여 국내기업의 경쟁력을 약화시킬 우려가 있음 ◦ 따라서 국내 클라우드 관련 규제는 데이터의 논리적 망분리를 통하여 클라우드를 활 용할 수 있도록 규제 개선이 필요하며, 보안등급은 국제 표준을 따르도록 하여 국내 시장의 갈라파고스화를 방지하여야 함
- 114. 인공지능과 4차 산업혁명 112 □ 사회갈등 해소 ◦ 인공지능 사회로 넘어오면서 약한 인공지능이 초래할 수 있는 양극화와 강한 인공지 능이 초래할 수 있는 특이점에 대하여 많은 논란이 야기됨 - 그러나 특이점에 이르기까지 기술적인 부분에서 많은 어려움이 있으며, 인공지능의 활 용 측면에서 약한 인공지능이 불러올 수 있는 양극화에 집중할 필요가 있음 ◦ 기술의 혁신이 불러온 1차 산업혁명부터 3차 산업혁명까지 기술의 혁신이 불러올 사 회의 변화에 많은 반발이 있었음 - 적기조례와 러다이트 운동은 기술의 혁신에 대한 두려움과 반발이 있었으나 결과적으 로 기술의 혁신은 언제나 인간의 삶을 풍요롭게 하였음 - 새로운 기술의 출현은 오히려 실업보다는 새로운 일자리를 창출하였음이 역사적으로 증명됨 ◦ 인공지능은 맞춤과 예측을 통하여 개별적 수요를 창출하기 때문에 생산성 향상뿐만이 아니라 시장의 수요를 늘리면서 양질의 일자리를 만들 것임 ◦ 인공지능은 모든 데이터를 수집하는 과정에서 Big Brother가 될 위험이 존재함 - 인공지능의 리스크는 Big Brother가 만들 수 있는 집단의 폭주이며, 이를 경계하기 위 한 투명한 Governance가 필요함 - 투명한 Governance의 실현을 위해서는 직접 민주제가 필요하나, 많은 비용으로 지금 까지는 현실성이 떨어졌음 - 그러나 스마트폰의 대중화와 Block Chain1)이 등장하면서 스마트 직접 민주제가 가능 해짐 - 실제 나스닥에서는 Block Chain을 활용한 주주총회가 열렸으며, 북유럽의 에스토니아 는 Block Chain을 활용한 직접민주제를 시험하고 있음 ◦ 직접 민주제를 활용한 투명한 Governance 위에서 인공지능이 만든 부를 공정하게 나 눌 수 있는 분배정의의 공통원칙이 수립되어야 함 - 동·서양을 막론하고 찬란한 문명을 일구었던 국가의 멸망은 토지겸병과 같은 부의 집 중(양극화)으로 인한 사회시스템의 마비가 주요 원인이었음 1) 비트코인에서 활용되는 기술로 공개할수록 보안성이 높아지는 특성을 가짐
- 115. 4. 보고서 113 - 20세기 인류가 만든 자본주의가 성장을 추구했으나 양극화를 초래했고, 사회주의는 복지를 추구했으나 황폐화를 초래함 - 혁신이 없는 분배는 갈등을 촉발시키고 승자 독식의 혁신은 증오를 키우게 되기 때문 에, 혁신을 통해 가치를 창출하고 이를 공정하게 분배하는 선순환 구조의 구축이 필 요함 ◦ 따라서 가치 창출과 가치 분배의 선순환이 이루어질 수 있는 공정한 분배정의의 방향 으로 ‘혁신의 선순환’이라는 기업가주의를 제 3의 사회적 지향점으로 제안함 6. 인공지능과 미래사회 □ 인공지능과 윤리 ◦ 날이 갈수록 인공지능이 인간 행동을 대체하면서 인간 없이도 자율적인 판단이 가능 할 것이라는 예측이 확산되고 있음 ◦ 인공지능을 설계하는 단계에서 윤리적 기준을 알고리즘화하는 소프트웨어 방법이 있 어 인간의 통제 없이도 인공지능의 자율적인 윤리적 행동이 가능할 것이라는 연구가 발표되었음 - 예를 들면, 공리주의 원칙의 프로그램을 설계하거나 기존 사례에서 학습을 통해 비교 평가하여 자신의 의무를 결정하도록 설계하고, 다양한 경우의 수를 두고 시뮬레이션 과정을 거치도록 설계하는 소프트웨어 방법론이 제시되었음 ◦ 인공지능이 점점 발전하면서 윤리적, 법적, 사회적인 영역에도 영향을 끼칠 것으로 예 상됨 ◦ 인공지능의 알고리즘이 인간의 가치판단 및 의사결정의 수준까지 가능해질 것으로 예 상되어 기존 인간 중심의 규범 체계에 근본적인 변화가 필요함 ◦ 인간과 로봇, 로봇이 매개된 인간과 인간 사이의 바람직한 관계 정립을 위해 로봇 윤 리가 대두되었음 - ‘로봇윤리론’이란 로봇공학자 ‘지안마르코 베루지오’에 의해 처음으로 제시된 개념으로, 로봇을 사용하는 주체인 인간의 통제권, 로봇이 지켜야 하는 윤리적 규범, 인간 수준 의 자율적인 윤리 판단에 관한 내용이 담겨있음
- 116. 인공지능과 4차 산업혁명 114 - 한국의 윤리학자인 변순용 교수는 윤리의 논리 중 의무론, 공리주의, 덕 윤리, 책임윤 리의 개념을 로봇학에 적용하여 로봇윤리를 정립할 수 있다고 설명하였음 □ 로봇윤리헌장의 등장 ◦ 지속가능한 인간 사회 수준을 유지하기 위해 로봇윤리헌장 제정을 위한 논의가 시작 되었음 - 로봇 기술이 발전하면서 인간 삶의 질을 향상시킬 수 있다는 기대감이 존재하는 반면 인간을 말살할 수도 있는 로봇이 등장할 것이라는 우려가 확산되면서 로봇은 지속가 능한 사회를 위한 수준이 되어야 함 ◦ 여러 국가에서 로봇과 인간의 관계, 로봇의 자율적 판단 규제, 로봇의 행동 규범 등에 대한 로봇윤리가 발표되었음 - 1942년 아이작 아시모프는 로봇의 행동을 규정하는 ‘로봇의 3원칙’을 발표하였음 - 2004년 이탈리아에서 ‘제1회 로봇윤리 국제심포지엄’에서 로봇윤리가 공론화됨 - 2004년 일본은 인간과 로봇이 공존하는 관계임을 강조하는 ‘세계로봇선언’발표 - 2007년 국제로봇자동화학회에서 최초로 로봇윤리 로드맵을 공표하였음 - 2010년 영국은 로봇은 인간을 절대 해쳐서는 안 되므로 로봇 설계·사용·운용에 있어 서 법 규범에 부합해야 함을 강조하는 ‘로봇원칙’을 발표하였음 - 2007년 한국은 ‘인본주의’에 철학에 따라 세계 최초로 로봇산업이 지향해야할 미래, 로봇 제조업자의 법적·윤리적 책임, 로봇의 개조와 파괴 등에 대한 사용자의 윤리 등 을 정립하는 로봇윤리헌장 초안을 발표하였음(차원용 교수 외) □ 인공지능의 자율적 행동, 어디까지 인정해야 할까 ◦ 약한 인공지능의 발전은 이미 상당한 수준에 도달했고, 인간보다도 더 다양한 능력을 가져 높은 수준의 자율적인 의사 결정 및 행동이 가능한 강한 인공지능이 출연할 것 이라는 가능성이 확대되고 있음 ◦ 인공지능의 자율적인 행위로 인해 인간만이 향유했던 인간 본연의 권리가 침해되고, 인류를 말살 시킬지도 모른다는 우려와 위기의식이 확산되었음 ◦ 인공지능의 행동, 책임, 권한 등에 대한 윤리적 논란이 일고 있음
- 117. 4. 보고서 115 - 인공지능은 딥 러닝에 의해 사람보다 더 일관된 윤리적 판단이 가능할 수도 있으나 사회, 문화적, 시대적 흐름에 맞지 않는 윤리 기준이 적용되어 잘못된 윤리적 판단을 할 수도 있음 - 사회적 합의에 따른 윤리적 코드로 인공지능을 설계한다면 인공지능의 윤리적 판단을 인정할 수 있으나 특정 개인이나 집단에 의해 오용될 소지가 있음 - 인공지능에 권한을 부여하기 위해 인공지능, O2O 시대에 적합한 새로운 사회적 합의 를 도출할 수 있으나 인간에 대한 컨트롤 기능이 강화될 수도 있음 - 인공지능이 무기화되면 전쟁 억제력이 강화되며, 군 예비력을 유지하고, 인간이 수행 하기에는 위험한 작업을 대신 처리할 수 있다는 의견이 있는 반면, 오히려 인공지능 의 자율적인 판단으로 무고한 생명의 손실이나 참사로 이끌 치명적인 결과도 예상됨 - 인공지능의 윤리 알고리즘으로 합리적인 의사결정이 가능할 수도 있지만 또 다른 사 회적 혼란이 야기될 수 있음 - 인공지능이 빅데이터를 활용하게 될 경우 개인 맞춤형 서비스가 가능해질 수 있지만 개인정보나 프라이버시를 침해할 가능성이 있음 - 이미 개발 완료되어 판매 중인 성인용 로봇이 인간의 외로움을 해결해줄지도 모른다 는 기대감이 있지만 반면 왜곡된 성문화가 확산되고, 인간의 존엄성이 상실될 것이라 는 우려도 확산되고 있음 □ 인공지능의 바람직한 미래를 위한 3대 원칙 ◦ 로봇의 활용이 여러 영역에서 확대되는 ‘팍스 로보티카’의 시대가 될 것으로 예상됨 ◦ 그러나 인간보다 뛰어난 자율적 판단과 의사결정이 가능한 강한 인공지능이 인류를 해칠지도 모른다는 공포가 확산되면서 인공지능의 윤리적 행동, 판단, 권한 등에 대한 논란이 지속되고 있음 ◦ 인공지능이 윤리적 판단의 유일한 주체가 되는 것은 막아야 하며, 인공지능이 초래할 비인간적, 비윤리적 문제를 최소화해야 함 ◦ 인공지능의 최종 결정과 관리는 인간이 주체가 되어야 하는데 이를 위해서는 첫째, 인공지능의 알고리즘은 의무 공개되어야 함 - 강한 인공지능을 통제하기 위해서 인공지능의 알고리즘 코드가 공유·개방되어야 함
- 118. 인공지능과 4차 산업혁명 116 ◦ 둘째, 인공지능을 윤리적으로 설계하여 운영, 활용되기 위해서는 글로벌 스탠다드에 준하는 AI 윤리 기준을 수립해야 함 ◦ 셋째, 10년 내 강한 인공지능을 규제할 기술을 개발해야 함 - 강한 인공지능이 머지않은 미래에 개발·완성될 것이라는 예측이 발표되면서 이를 막기 위한 기술이 반드시 개발되어야 함 ◦ 3대 원칙에 따라 인공지능이 발전한다면 인간과 로봇이 파트너가 되어 공존, 협력하 는 융합의 관계를 형성할 것으로 기대됨
- 119. 4. 보고서 117 Ⅱ. 인공지능의 기술 ◦ 알파고와 이세돌의 세기의 승부이후 인공지능에 대한 관심이 극대화되고 있음 - 10의 17승이라는 우주의 원자보다 많은 경우의 수로 풀어야 하는 바둑에 인공지능이 도전한 것은 과거의 인공지능과 획기적으로 다른 발상의 전환이었음 - 이것은 최근 발달한 딥 러닝 기술들이 뒷받침하고 있음 [그림] 인공지능 기술 발전의 성과 ◦ 1997년 IBM의 딥 블루(Deep Blue)가 인간과의 체스 게임에서 승리한 이후 2011년 IBM의 인공지능 ‘왓슨(Watson)’이 제퍼디(Jeopardy) 퀴즈쇼에서 사람과 경쟁해 우승 하고, 2012년 구글의 힌튼(Hinton) 교수가 딥 러닝(Deep learning) 알고리즘을 이용 해 대량의 영상으로부터 고양이의 얼굴을 스스로 학습하는 성과를 올렸음 - 그러나 이전부터 인공지능을 소재로 한 다수의 영화들이 상영되어 사람들의 관심을 끌어 왔음 - 매트릭스, A.I, 아이 로봇, Her, 어벤져스, 트랜센던스 등의 유명한 영화상에서 인공지 능은 인간의 상상력을 통해 이미 인간을 넘어서는 강한 초인공지능까지 도달했음 - 인간의 역사를 보면 미래는 상상력을 이끌기 때문에 만화가와 소설가가 과학자보다 인간의 미래를 더 잘 예측해 온 바 있음
- 120. 인공지능과 4차 산업혁명 118 [그림] 인공지능 기술 발전의 성과 ◦ 이제는 과학과 인문학이 인공지능에 대하여 답을 할 때가 되었음 - 최근 5년간의 비약적인 인공지능의 성과는 과학자들에게 더 많은 숙제를 주고 있음 - 인공지능 기술의 발전은 ‘과연 약한 인공지능은 인간에게 복음인가, 경쟁자인가’, ‘양 극화의 우려는 어떻게 극복할 것인가’, ‘강한 인공지능은 인류의 재앙인가’, ‘이를 막 는 제도적 장치는 무엇인가’ 등의 사회학에도 많은 숙제를 던지고 있음 ◦ 구글의 CEO 에릭 슈미츠가 “머신러닝 기술의 출현은 앞으로 5~10년 안에 많은 산 업에 영향을 끼칠 것이라 확신한다”고 한 반면, 세계적인 물리학자인 스티브 호킹은 “인공지능은 인류의 재앙이 될 것”이라는 상반된 예측을 하고 있음 - 간단히 말해, 인공지능은 양 날의 칼로 인간의 미래에 다가오고 있음 - 약한 인공지능과 강한 인공지능이 각각 양날의 칼을 대표하고 있음 - 약한 인공지능은 인간의 도구로 역할을 수행해 고생산성 사회를 기대하게 하나, 강한 인공지능은 미래에 인간을 위험에 빠뜨릴 수도 있다는 우려를 자아내고 있음 ◦ 이와 같이 인공지능은 한국의 발전에 결정적 영향을 미칠 수 있으나 현실적으로 이러 한 기술에 대해 깊이 이해하고 대비하는 기업인들은 의외로 많지 않음 - 인공지능과 기계학습에 대한 시각은 막연하고 비현실적인 장밋빛 기대를 가진 사람부 터 지나치게 회의적인 사람까지 다양함 ◦ 이 보고서의 목적은 이러한 문제를 극복하는데 도움을 주는 것임 ◦ 인공지능은 근본적으로 미래 기술들과 융합하여 온라인과 오프라인이 융합하는 O2O 세상을 선도함 - O2O 융합을 이끄는 클라우드, 빅데이터, 사물인터넷, 스마트카, 생체인터넷, 핀테크
- 121. 4. 보고서 119 (Fintech), 디지털 헬스케어(Digital healthcare), 플랫폼 등이 인공지능과 융합하여 궁 극적으로 지금과는 완전히 새로운 세상을 열어갈 것으로 예상됨 - 다보스 포럼의 4차 산업혁명 보고서가 의미하는 것은 인공지능 및 기계학습 기술이 가져올 변화에 슬기롭게 대처하지 못한 기업과 국가는 미래 세계의 낙오자가 된다는 것임 ◦ 이를 위하여 우선 인공지능에 대한 올바른 이해를 위한 기술적 지식이 필요하기 때문 에 이와 관련한 설명을 제시하고자 함 1. 인공지능(AI, Artificial Intelligence)이란? ◦ 인공지능은 사람의 지능의 일부를 인공으로 구현하기 위한 기술임 - 현재까지 발생했던 4차례 산업혁명을 살펴보자면, 1차 산업 혁명은 기계 혁명이었음 - 18세기 증기기관을 비롯해 다양한 기계들이 발명되면서 사람이나 짐승이 하던 일들이 기계로 대체됨 - 그 결과, 비약적으로 증가된 생산성은 세계사를 완전히 바꾸는 산업혁명으로 이어짐 - 이어서 2차 산업혁명은 전기 에너지를 활용한 대량생산 혁명이었음 - 3차 산업혁명은 PC와 인터넷으로 대표되는 인터넷 혁명이었으며, 인공지능이 초래한 4차 산업혁명이 시작되었음 - 육체노동의 자동화가 산업혁명으로 이어져 물질의 혁명을 이루었듯이 정신노동의 대 체가 이루어진다면 서비스 영역의 일대 혁명이 초래될 수 있을 것임 ◦ 인공지능은 O2O 혁명의 주역이며 인간의 역량과 결합하는 약한 인공지능이 제 4차 산업 혁명을 이룩할 것임 - 서로 다른 두 개의 세계가 만나 새로운 O2O 세계를 열어가고 있음 - 물질(Atom)로 구성된 오프라인의 세계는 소유가 원칙이고 자원이 제약된 80:20의 파 레토 법칙이 지배함 - 정보(Bit)로 구성된 온라인 세계는 공유가 원칙이고 무한대로 관계가 확장되는 롱테일 (Long tail)의 법칙이 지배함
- 122. 인공지능과 4차 산업혁명 120 - PC 네트워크 시대에는 서로 분리되었던 두 세계가 모바일 인터넷으로 만나기 시작했 고, 이제 IoT(사물인터넷)와 IoB(생체인터넷)의 등장으로 두 개의 세계는 융합되기 시 작함 - 두 세계 충돌의 혼돈 속에서 우버, 에어비앤비 등 거대 혁신의 유니콘 기업들이 탄생 하고 있음 - 혼돈은 항상 생명 탄생의 근원이 되어 옴 [그림] 인공지능과 4차 산업혁명 ◦ 흔히들 O2O를 배달의 민족과 같은 온·오프라인 유통 정도로 오해하고 있으나, 이는 거대한 O2O 혁명의 서막에 불과하며, 본격적인 O2O 혁명은 이제 막 시작하고 있음 - 커머스에서 제품을 사고팔 수 있는 지속적인 서비스를 온·오프라인에 걸쳐서 융합하는 O2O 서비스가 진정한 O2O 혁명인 것임 - 이 분야에서 거대 혁신 유니콘 기업들이 계속 등장할 것임 ◦ 미치오 카쿠는 그의 저서 ‘평행우주’에서 우리가 살고 있는 우주와 완전히 동일한 또 하나의 우주가 존재한다고 했음 - 필자는 O2O 혁명을 ‘오프라인 세계와 1:1 대응이 되는 평행 우주인 온라인 평행 모 델을 통하여 오프라인이 최적화된다’는 것으로 정의하고자 함
- 123. 4. 보고서 121 - 내비게이터의 경우, 실제 도로와 온라인 지도가 대응되며 실제 차량 위치와 온라인 차량 위치정보가 대응되고 있음 - 이러한 평행 모델 상의 빅데이터와 인공지능을 통하여 내비게이터는 안 가본 길을 맞 추어 주고 최적의 시간을 예측해 주고 있음 - 즉 평행 우주인 온라인 대응 모델을 통하여 실제 세계에 예측과 맞춤이란 가치를 제 공하고, 이를 통하여 오프라인 세계를 최적화함 - 그 결과 시간 절약, 에너지 절약, 도로 투자 절약을 가능하게 하고 있음 ◦ 이러한 교통 최적화는 수학적으로 공장 운영 최적화와 병원 설비 최적화 등과 동일함 - 적절한 평행 우주 대응 모델만 구축하면 모든 분야의 O2O 최적화가 가능해질 것임 - 이제야 O2O 혁명이 본격적으로 등장하는 이유는 O2O 평행 모델 구축비용의 급감 때문임 - IoT, IoB, GPS 기술 등은 데이터 수집 비용을 급격히 감소시킴 - 데이터 저장 비용과 처리 속도는 30년 사이에 각각 1억 배와 백만 배가 향상됨 - O2O 평행 모델 구축비용보다 최적화 가치가 커지는 분야마다 O2O 혁신 기업의 탄 생이 예고되고 있는 것임 [그림] 인공지능은 O2O 세상 ◦ 이제 O2O 평행 모델 구축을 위한 신기술 대융합을 살펴보기로 함
- 124. 인공지능과 4차 산업혁명 122 - 오프라인 세계의 3대 요소는 시간(天), 공간(地), 인간(人)임 - 한글의 창제원리이며, 태극기의 철학인 천지인(天地人)의 우리 사상은 미래 세계의 등 대이기도 함 ◦ 공간을 대응하는 기술인 IoT와 위치기술은 인간을 대응하는 기술인 IoB와 소셜 네트 워크와 더불어 오프라인의 데이터를 온라인상의 클라우드에 빅데이터화하여 시간을 융합함 - 이 과정에 필요한 6개의 기술을 오프라인과 온라인을 대응하는 요소기술이라 명명하 고자 함 ◦ 한편 온라인의 평행우주 모델에서 오프라인의 최적화를 위한 6대 기술은 다음과 같음 - 기존의 서비스 디자인 개념을 O2O 평행우주 모델로 확장한 O2O 서비스 디자인은 O2O 평행 모델 설계의 핵심이 됨 - 다음은 평행 모델 구축을 위한 최적화 기술들을 선정함 - 플랫폼은 O2O 세계의 필수 구성 요소임 - 핀테크는 서비스와 제품의 결합을 위하여 빠질 수 없는 요소임 - O2O 세계에서의 인간의 동기부여 대안으로 게임적 기법으로 현실을 개선하는 게임 화의 중요성이 대두됨 - 온라인과 오프라인 자체가 융합하는 가상·증강 현실은 미래의 이야기가 아님 - 인공지능과 지능형 로봇은 미래 직업 혁명을 예고함 ◦ 자율주행 차, 지능형로봇, 핀테크, 디지털 헬스케어, O2O 커머스, 클라우드, 빅데이터 의 기술과 융합하여 과거에는 구현할 수 없었던 제품과 서비스들이 융합되고 있음 - 이와 같이, 인공지능의 발전은 신기술과의 융합에 의해 O2O 스마트 세상의 파괴적 혁신의 주역이 될 것임 - 그러나 여기에서 오해하지 말아야 할 것은 인공지능은 O2O의 한 축이지, 미래 세상 자체는 아니라는 것임 - 미래 O2O 세상의 가치 변화는 일자리의 절반이 사라지는 50조 달러에 달할 것으로 추정하나, 인공지능 산업의 규모는 1,000억불에서 2,000억 불 사이로 추정하고 있음 - 즉 인공지능은 이해와 활용이 중요하지, 기술 자체가 목적은 아니라는 것임
- 125. 4. 보고서 123 학자 정의 John McCarthy (1955) 지능적인 기계를 만드는 엔지니어링 및 과학 (The science and engineering of making intelligent machines) Charniak & McDermott (1985) 여러 계산모델을 이용하여 인간의 정신적 기능을 연구하는 것 (The study of mental faculties through the use of computational models) Kurzweil (1990) 인간에 의해 수행되어질 때 필요한 지능에 관한 기능을 제공하는 기계를 만들어내는 작업으로 정의 (The art of creating machines that perform functions requiring intelligence when performed by people) Rich & Knight (1991) 컴퓨터가 특정 순간에 사람보다 더 효율적으로 일을 할 수 있도록 하는 연구(The study of how to make computers do things at which, at the moment, people are better) Schalkof (1991) 인간의 지능적인 행동양식에 있어 계산적 과정을 이용해 모방하고 설명하는 것에 대한 연구 분야 (A field of study that seeks to explain and emulate intelligent behavior in terms of computational processes) Luger & Stubblefield (1993) 지능적인 행동의 자동화에 관한 컴퓨터 과학의 한 부문 (The branch of computer science that is concerned with the automation of intelligent behavior) Gartner (웹페이지) 인공지능은 특별한 임무수행에 인간을 대체, 인지능력을 제고, 자연스러운 인간의 의사소통 통합, 복잡한 콘텐츠의 이해, 결론을 도출하는 과정 등 인간이 수행하는 것을 모방하는 기술 (Artificial intelligence is technology that appears to emulate human performance typically by learning, coming to its own conclusions, appearing to understand complex content, engaging in natural dialogs with people, enhancing human cognitive performance(also known as cognitive computing) or replacing people on execution of non-routine tasks) □ 인공지능의 정의 ◦ 인공지능에 대해서는 다양한 정의가 존재함 - 아래에 ETRI에서 정리한 정의를 소개함 [표] 인공지능에 대한 정의
- 126. 인공지능과 4차 산업혁명 124 학자 정의 Technavio (2014) 스마트 기기는 인지컴퓨팅(인공지능과 기계학습 알고리즘이 적용된)이 임베디드된 기기로 볼 수 있음 (A smart machine is a machine that is embedded with cognitive computing ability, which uses artificial intelligence and machine learning algorithms to sense, learn, reason, and interact with people in different ways) BCC Research (2014) 스마트 기기는 불확실 혹은 다양한 환경 하에서 업무를 수행할 수 있도록 고안된 하드웨어 및 소프트웨어 시스템으로 정의 (Smart machines are hardware or software systems that can accomplish their designate task even under conditions of uncertainty and variability) NIA 인공지능은 인간의 학습능력과 추론, 지각, 이해능력 등을 실현하는 기술 자료 : ETRI(2015), 인공지능기술과 산업 가능성 ◦ 본 보고서에서는 인공지능을 “학습을 통하여 예측과 맞춤의 가치를 제공하는 최적 화 시스템” 이라고 정의함 2. 인공지능 기술의 발전사 □ 인공지능의 발전 과정 ◦ 현실적으로 인공지능 기술은 2010년까지도 주목할 만한 변화를 일으키지 못하고, 심 지어는 많은 인공지능 학자들로부터도 외면당했음 - 특히 인공지능 역사상 두 번의 거대한 기대가 거품으로 판명되면서 실망감은 극대화 되었으며, 실제로 인공지능으로 이룩한 실용적인 성과가 거의 없었던 것이 인공지능 의 겨울을 초래함 - 그런데, 최근 딥 러닝으로 대표되는 인공지능 기술이 놀라운 속도로 발전함에 따라 음성인식, 영상인식, 자동번역 등의 분야에서 획기적인 성과를 올림에 따라 전 세계가 주목했고, 구글의 알파고 프로젝트가 그 백미라고 할 수 있음 ◦ 1950년대 화려하게 등장한 인공지능은 기대에 못 미치는 성과로 인하여 부침을 거듭 해왔음
- 127. 4. 보고서 125 - 인공지능의 정의 중 하나를 ‘아직 구현되지 않은 사람을 닮은 지능’이라는 것이 인공 지능의 딜레마를 표현하고 있음 - 즉 인공지능은 구현이 되면 더 이상 인공지능이 아니라는 자조 섞인 정의도 있음 [그림] 인공지능의 발전사 자료: IDC&EMC, 디지털 유니버스 스터디 2011, 한국정보화진흥원 ◦ 두 번의 겨울을 겪은 인공지능 분야가 최근에 다시 급부상하게 된 것은 과거와 달리 세 가지 결정적 변화가 통합된 결과임 - 그 세 가지는 1) 분산 컴퓨팅, 특히 GPU(Graphic Processing Unit)의 발달, 2) 알고 리즘의 혁신과 개방, 3) 대용량의 빅데이터의 가용성임 ◦ 우선 첫 번째는 컴퓨팅 파워의 급증임 - 특히 GPU(그래픽 프로세서)를 활용한 분산 처리 기술의 발전은 과거에 문제가 되었 던 방대한 양의 계산 과제 대부분을 해결할 수 있게 되었고, 특히 NVIDIA의 역할이 컸음 - 이들이 제공한 GPU(Graphic CPU)와 수행언어인 Cuda가 이러한 오픈 소스 하드 웨어의 생태계를 구축해 온 것임 - 2015년 12월 페이스북이 Big Sur를 발표하면서 오픈 소스 하드웨어의 새로운 장을 열고 있음
- 128. 인공지능과 4차 산업혁명 126 ◦ 두 번째는 딥 러닝에서 새로운 해결 방안들이 제시되고, Caffe, Torch 등의 대학발 오픈 소스를 통한 협업이 큰 역할을 담당했음 - 이러한 오픈 소스 활동은 이제 대학 차원을 넘어 구글의 텐서플로우, MS의 DMTK 등으로 이어지고 있음 - 오픈 소스 인공지능은 기술의 촉진만이 아니라, 사람들이 우려하는 강한 인공지능을 출현을 막는데도 핵심 역할을 할 것으로 기대됨 - 이제 인공지능 프로그램은 단독 기술 개발 차원에서 전 세계적 오픈 소스 생태계로 발전하고 있는 것임 ◦ 세 번째는 빅데이터의 등장임 - 클라우드 컴퓨팅과 IoT와 IoB로 발현된 엄청난 엣지(Edge) 데이터는 인공지능 기술에 매우 결정적 학습 도구를 제공하여 딥 러닝을 구현 가능한 기술로 재탄생시킴 - 토론토 대학의 힌튼 교수의 역할이 매우 컸다고 할 수 있음 - 여기에 2009년부터 시작된 개방정부(정부 2.0) 활동의 결과로 공공 데이터의 개방이 촉진되면서 학습형 인공지능의 학습 도구를 대거 제공하게 된 것임 ◦ 이를 통하여 맞춤과 예측의 가치를 창출하여 인간 세계를 이롭게 하는 것이 인공지능 의 역할이라 할 것임
- 129. 4. 보고서 127 [그림] 인공지능의 3대 혁신 요소 ◦ 인공지능은 생명현상을 닮아 가고 있음 - 이는 외부 환경을 인식하는 오감의 역할(Perception)과 스스로 판단하는 인지의 역할 (Cognition)과 반응의 역할(Manipulation)으로 대별됨 - 우선 시작은 시각과 청각부터의 오감 영역으로, 눈과 귀가 센서라면 시각중추와 청각 중추가 오감의 지능임 - 최근의 인공지능의 발달이 바로 이 영역에서 시작하고 있음을 주목할 필요가 있음 - 이어서 대뇌의 맥락을 판단하는 인지 기능이 최근 발전을 거듭하고 있음 - 그리고 최근에 보스톤 다이나믹스의 아틀라스와 같이 행동의 영역에까지 딥 러닝이 확산되고 있는 중임 [그림] 인공지능이 만드는 초연결 지능사회
- 130. 인공지능과 4차 산업혁명 128 ◦ 한편 인공지능은 시장 경제를 근본적으로 변화시키는 기술적 혁명임 - 인터넷의 등장으로 시장들이 실시간으로 연결되면서 탐색 비용을 극소화시켰고, 그 결 과 초연결 플랫폼 경제가 도래함 - 그러나 의사결정에 필요한 지능은 여전히 거래 주체의 역할로 남아 있으며, 인공지능 은 바로 이 영역에서 혁신을 이룩하고 있음 ◦ 전통적으로 인공지능 기술은 크게 지식 기반과 데이터 기반으로 대별됨 - 이를 각각 계산주의와 연결주의라 부르고 있음 - 지식기반 시스템은 사람이 가진 지식을 컴퓨터로 표현하고 이를 활용해 현상을 분석 하거나 문제를 해결하는 반면, 데이터를 기반으로 한 시스템에서는 지식을 직접 제공 하기보다는 지식과 정보가 포함된 데이터를 제공하고 컴퓨터가 스스로 필요한 정보를 학습함 ◦ 1956년 존 매카시, 마빈 민스키, 나다니엘 로체스터, 클로드 샤논과 같은 당시 최고의 정보 과학자들이 영국의 다트머스 대학에 모여 ‘인공지능’이라는 새로운 분야를 연구 하기 시작했음 - 계산주의자들에 의해서 인공지능 연구는 기계로 세상을 모델링하는데 한계를 보여 결 국 기대에 부응하지 못했음 - 1970년대까지 학자들은 추론, 자연어 분석 등 인공지능에 대하여 매우 긍정적 전망을 했음 - 사이몬 등은 10년 안에 세계 체스 챔피언을 물리칠 수 있을 것이라고 했으나, 실제로 는 1997년에 IBM의 딥블루에 의해 이루어졌음 - 민스키 등은 8년 안에 대부분의 인공지능 문제가 해결될 것을 기대했으나, 계산주의 로는 불가능하다는 것이 밝혀지면서 첫 번째 인공지능의 겨울에 돌입했음 ◦ 이후 대응책으로 에드워드 파이겐바움이 제시한 전문가 시스템이 실용성을 보이고, 일본에서는 5세대 컴퓨터 프로젝트, 영국에서는 앨비(Alvey) 프로젝트를 시작했으며 대규모 지식의 표현이 핵심 주제로 자리 잡았으나, 결국 원하는 목표에 도달하지 못 하고 깊은 겨울에 돌입함 - 그럼에도 IBM의 딥블루는 나름대로 성과를 거두었음
- 131. 4. 보고서 129 [그림] 기계 학습의 과정 자료: http://www.nickgillian.com/wiki/pmwiki/php/GRT/GettingStarted ◦ 계산주의의 실패로 재등장하게 된 ‘연결주의(Connectionism)’는 인간의 두뇌를 모사하 는 인공신경망 구축을 기반으로 한 모델로 Back Propagation이라는 출력 값의 오류 학습을 통하여 발전했음 - 사실 연결주의는 1958년 프랭크 로젠블라트의 퍼셉트론(Peceptron) 이론에서 퍼셉트 론이 학습하고 의사 결정을 하며 언어를 번역할 수 있을 것이라 주장했음 - 그러나 1969년 마빈 민스키가 저서를 통하여 퍼셉트론의 한계에 대해 통렬히 비판하 면서 이후 연결주의적 연구는 중단된 바 있었음 - 연결주의에서 인공신경망은 두뇌의 물리적 구조와 같이 수많은 뉴런들이 시냅스를 통 해 연결된 신경망이 인공적으로 만들어진 형태로, 여러 가지의 프로그램 노드(Node) 를 연결한 그물망으로 구성되며, 그물망 한쪽에는 특정 정보와 관련된 다양한 입력 값들이 있으며 이들 정보와 연결된 노드들이 여러 특징을 추려 공통점을 찾아내고 이 를 통해 출력 값을 찾아내는 과정을 거치게 됨 - 결국 연결주의는 막대한 컴퓨팅 파워와 방대한 학습 데이터가 있어야하는데, 당시에는 두 가지 모두가 턱없이 부족했음 - 이러한 연결주의의 신경망 모델은 이후 지도 학습과 비지도 학습으로 발전함 ◦ 이런 인간의 뇌와 같은 신경망인 뉴럴 네트워크(Neural Network)를 학습의 주요 방 식으로 사용하는 것을 딥 러닝이라고 부름 - 이유는 뉴럴 네트워크를 다층 구조로 구성하면서 입력 층과 출력 층 사이에 하나 이 상의 숨겨진 층을 갖고 이를 딥 뉴럴 네트워크(DNN, 심층 신경망)이라고 부르기 시 작했기 때문
- 132. 인공지능과 4차 산업혁명 130 - 이러한 구조가 인간의 두뇌 구조와 학습하는 방식이 동일하다는 점에서 뇌과학과 인 공지능이 만나게 되었음 - 뇌는 추상화 과정을 통하여 유연한 대응력을 가지게 되는데, 다층 구조는 바로 점에 서 선으로, 선에서 면으로, 면에서 입체로 가는 추상화 과정을 통하여 뛰어난 학습 능 력을 가지게 되는 것임 - 바로 아래 그림의 뇌의 인지 구조에서 딥 러닝의 구조가 벤치마킹됨 [그림] 신경망 이론과 뇌과학 ◦ 이러한 뇌의 지능이 시사하는 바는 계획된 과외공부보다 놀면서 배우는 것이 더 좋은 학습방식임을 다시 깨닫게 해주고 있음 - 실패를 통하여 학습하는 인간의 모델이 바로 Back Propagation 학습이라는 신경망의 구조 자체임 - 실패를 통한 학습이 환경 변화에 대응하는 생명체의 진화의 산물이라는 점에서 신경 망 학습은 자연의 원리이기도 함
- 133. 4. 보고서 131 ◦ 딥 러닝의 기본구조를 이루는 모델로는 CNN(Convolutional Network)과 각 순간별 뉴럴 네트워크를 시간에 따라 적층해 시계열 데이터로 처리하는 RNN(Recurrent Neural Network)로 대별되며, 각각 영상과 음성처리에 주로 활용되어 왔음 - 사실 공간과 시간의 차원 이외에는 두 개의 기술은 거의 동일하다고 볼 수 있음 - 그러나 이러한 연결주의의 신경망 기술도 학습에 필요한 데이터와 컴퓨팅 파워의 부 족이라는 한계에 직면했고, 그 결과 두 번째 인공지능의 겨울이 닥쳐옴(Convolution 은 Weighted sum의 개념으로 파악하면 이해가 쉬울 것임) 3. 딥 러닝의 시대 □ 딥 러닝의 시대 도래 [그림] 딥 러닝의 발전사 자료: 장병탁(2015), 인공지능의 현재와 미래 ◦ 2004년에 토론토 대학의 제프리 힌튼 교수가 캐나다 첨단 연구소(CIFAR)에서 50만 달러 수준의 적은 펀딩으로 뉴럴 컴퓨테이션과 어댑티브 퍼셉션(NCAP) 프로그램을 만들어 컴퓨터 과학자, 생물학자, 전기 공학자, 뇌과학자, 물리학자, 심리학자를 초대 했음