‘선라이즈 모닝콜’ 기능도 제공 출력 ‘누구 미니’ 보다 3배 향상 T맵 쓸 때 아리아 대신 버튼 호출 운전대 부착 ‘누구 버튼’ 18일 선봬SK텔레콤이 스피커 일색인 인공지능(AI) 제품을 무드등으로 차별화시킨 상품을 내놨다. SK텔레콤은 11일 서울 중구 삼화타워에서 기자간담회를 열고 AI 플랫폼 ‘누구’를 탁상용 조명기기에 결합한 ‘누구 캔들’을 출시했다고 밝혔다. 누구 캔들은 흰색, 청색 등 13가지 일반색과 색채 치료에 쓰이는 4가지 색 빛을 낼 수 있다. 수유·취침·독서 등을 위한 테마등, 무지개·모닥불·사이키 등 애니메이션 효과, ‘선라이즈 모닝콜’ 기능을 제공한다. 선라이즈 모닝콜은 설정한 알람이 울리기 30분 전부터 조명 밝기가 서서히 밝아지다가 시간이 되면 ‘자율감각쾌락반응’(ASMR)을 느끼게 하는 소리를 들려준다. SK텔레콤은 기획 단계에서 기존 AI 스피커 ‘누구 미니’와 다른 무드등 제품을 써 본 사용자의 후기를 두루 섭렵한 뒤 제품에 반영했다. 누구 캔들의 출력이 누구 미니보다 약 3배 큰 10W(와트)가 된 것도 사용자들의 요구에 따라서다. 누구 캔들은 음악감상, 날씨 확인, 배달 주문 등 기존 AI 스피커에서 가능했던 30여개 기능도 제공한다. 이날 SK텔레콤은 모바일 내비게이션 ‘T맵x누구’를 쓸 때 “아리아”라고 부르는 대신 버튼을 눌러 호출할 수 있는 ‘누구 버튼’도 오는 18일 출시한다고 밝혔다. 제품은 운전대에 부착하는 형태로, 이날 간담회를 진행한 이상호 서비스플랫폼사업부장은 “마이크와 스피커가 나란히 붙어있는 스마트폰의 태생적 한계 때문에 큰 음악을 들을 때 호출어 인식이 어렵다는 점을 개선하기 위해 버튼을 만들었다”고 설명했다. SK텔레콤은 ‘T맵’ 출시 16주년을 맞아 오는 17일~31일 ‘T맵 생일잔치’ 이벤츠 참가자 중 3만명을 추첨해 누구 버튼과 스마트폰 거치대를 무료로 준다. 이 부장은 “고객이 제품을 쓸 때 AI 탑재돼 있다는 것조차 모른채 자연스럽게 사용할 수 있게 하는 것이 ‘누구’의 궁극적인 목표”라면서 “차 역시 AI의 핵심공간으로 활용할 계획이며, 앞으로 다양한 사물의 AI화를 꾸준히 진행할 것”이라고 밝혔다. 이어 “딥러닝을 기반으로 음성을 합성하는 모델도 개발 중”이라면서 “올해 말에는 스피커 본연의 기능에 초점을 맞춘 제품을 출시할 예정”이라고 덧붙였다. 김민석 기자 shiho@seoul.co.kr

2016년 3월 전 세계 이목이 집중됐던 알파고와 이세돌 9단의 바둑 대국을 계기로 많은 사람들이 인공지능(AI)의 놀라운 능력과 앞으로 우리 삶에 미칠 영향력에 대해 두려움마저 갖게 됐다.AI 기술은 오랫동안 인간이 지배해 온 분야에서도 인간보다 더 나은 능력을 보여 주며 4차 산업혁명을 이끌 핵심 기술로 부상하고 있다. 의료 발전에도 분명히 긍정적이고 획기적인 기여를 하리라 예상된다. 대형 병원들은 전자의무기록, 처방전달시스템, 의료영상시스템 등 다양한 전산 정보를 보유하고 있다. 딥러닝 기반 AI 기술은 이런 의료 빅데이터를 활용해 좀더 효율적으로 암을 비롯한 각종 질환을 진단, 치료, 예측하는 데 도움을 줄 수 있다. 실제로 미국 인디애나대 케이시 베넷 교수팀은 질병 진단에 AI 알고리즘을 활용하면 진단 성과는 41.9% 향상되고 의료비는 58.5% 절감된다는 연구 결과를 발표하기도 했다. 의료 AI의 잠재적 가치와 높은 시장성은 기업과 병원의 집중적인 연구와 투자로 이어지고 있다. 미국 IBM은 유명 병원들과 협력해 AI 기반 의료 솔루션을 개발하고 있고, 구글은 헬스케어 빅데이터에 투자해 알파고 기반의 딥마인드 헬스를 개발하고 있다. 애플은 병원의 환자 의료정보 수집을 위한 ‘헬스킷’과 개인 건강 관리를 위한 ‘케어킷’ 등을 출시하기도 했다. 국내에서도 스타트업 기업인 뷰노, 루닛 등이 의료영상 빅데이터를 활용한 질병진단 보조도구를 개발, 임상시험 중에 있으며 7개 병원이 IBM 왓슨을 도입해 암환자 진료에 활용하고 있다. 하지만 의료 현장에서 AI 적용의 한계점도 점차 드러나고 있다. 예를 들어 IBM 왓슨을 활용하고 있는 미국 특정 병원의 경우 암 진단 정확도가 95% 이상이라고 하지만 국내 환자에게 적용할 경우 그 정확도가 눈에 띄게 떨어지는 문제가 발생하고 있다. 이는 학습에 사용된 미국 환자 데이터 특성과 국내 환자 데이터 특성의 차이와 변수에 따른 것으로 현재의 딥러닝 기반 알고리즘이 학습된 데이터셋에서만 최적화된 결과를 나타낸다는 것을 보여 준다. 또 딥러닝 기반 AI 알고리즘은 블랙박스 형태의 학습 모델을 갖고 있어서 입력에 대해 단순히 결과만 도출할 뿐 결과에 대한 설명이나 근거를 제시하지 못하고 있다. 이 때문에 일부 국가에서는 AI 기술을 통한 진단 예측 정확도가 높더라도 결과에 대한 근거가 제시되지 않을 경우 의료 시스템 내의 의료기기로 인정하지 않는 추세를 보이기도 한다. 이 때문에 많은 연구자들이 결과에 대한 근거를 제시할 수 있는 ‘설명 가능한 AI’ 개발에 주력하고 있다. 최종적으로 의료 분야에 AI 기술이 접목된 다양한 서비스들이 성공적으로 정착하기 위해서는 몇 가지 제도적 난관들을 해결해야 한다. 우선 기존에 없던 AI 기반 의료기기들의 인허가를 위해서 제대로 된 가이드라인이 필요하다. 지난해 11월 발표된 의료 AI 허가 가이드라인과 같은 관련 가이드라인들을 정비해야 한다. 또 AI 기반 의료기기들은 임상시험까지 기존 상용화 기기에 비해 절차적으로 더 많은 시간이 소요될 가능성이 높다. 또 어렵게 인허가 승인을 받고 건강보험 급여가 적용된다 할지라도 의료수가가 낮게 책정될 우려도 있다. 이는 결국 새로운 의료 AI 기술에 대한 투자나 연구 의욕을 꺾는 결과로 이어질 수 있다. 따라서 AI 의료의 무한한 잠재력을 현실화하고 관련 산업 생태계 조성을 돕기 위해서는 새로운 AI 기반 기기들에 대한 인허가와 보험 급여 적용이 신속하게 이뤄질 수 있도록 절차나 제도 개선이 필요하며 한시적으로나마 적정한 의료수가가 보장돼야 할 것이다.

포스코는 ‘스마트 포스코’(Smart POSCO)로의 체제 전환을 통해 정보기술(IT)과 융·복합 기술을 기반으로 하는 스마트 시대의 도래에 적극 대처하고 있다. 포스코의 스마트 팩토리는 지난 50년간 축적된 현장 경험과 노하우에 사물인터넷(IoT), 빅데이터(Big Data), 인공지능(AI) 기술을 접목해 최적의 생산현장을 구현함으로써 최고 품질의 제품을 가장 경제적으로 생산 공급하기 위한 것이다. 포스코는 세계 최초로 철강연속공정의 특성을 반영한 스마트 팩토리 플랫폼인 포스프레임을 자력 개발하고, 철강업체로는 세계 최초로 생산공정 과정에 AI를 도입함으로써 AI 제철소로의 탈바꿈을 추진하고 있다. 2016년 하반기 딥러닝을 활용해 포항제철소의 2고로 스마트화부터 본격 추진해 지난해 생산량이 5% 개선됐고, 연료비도 4% 절감됐다. 지난 2월에는 포스코와 GE가 양사의 대표적인 스마트 팩토리 플랫폼을 접목해 제철설비에 최적화된 하이브리드형 스마트 팩토리 플랫폼을 공동 개발하고 사업화를 적극 추진하고 있다. 포스코의 ‘포스프레임’과 GE의 ‘APM’(설비자산 성과관리솔루션)을 결합, 양사 플랫폼 간 철저한 호환성 검사를 거쳐 제철설비에 최적화된 하이브리드형 스마트 팩토리 플랫폼인 ‘포스프레임 플러스’를 개발·사업화하게 된다. 백민경 기자 white@seoul.co.kr

포스코는 ‘스마트 포스코’(Smart POSCO)로의 체제 전환을 통해 정보기술(IT)과 융·복합 기술을 기반으로 하는 스마트 시대의 도래에 적극 대처하고 있다. 포스코의 스마트 팩토리는 지난 50년간 축적된 현장 경험과 노하우에 사물인터넷(IoT), 빅데이터(Big Data), 인공지능(AI) 기술을 접목해 최적의 생산현장을 구현함으로써 최고 품질의 제품을 가장 경제적으로 생산 공급하기 위한 것이다. 포스코는 세계 최초로 철강연속공정의 특성을 반영한 스마트 팩토리 플랫폼인 포스프레임을 자력 개발하고, 철강업체로는 세계 최초로 생산공정 과정에 AI를 도입함으로써 AI 제철소로의 탈바꿈을 추진하고 있다. 2016년 하반기 딥러닝을 활용해 포항제철소의 2고로 스마트화부터 본격 추진해 지난해 생산량이 5% 개선됐고, 연료비도 4% 절감됐다. 지난 2월에는 포스코와 GE가 양사의 대표적인 스마트 팩토리 플랫폼을 접목해 제철설비에 최적화된 하이브리드형 스마트 팩토리 플랫폼을 공동 개발하고 사업화를 적극 추진하고 있다. 포스코의 ‘포스프레임’과 GE의 ‘APM’(설비자산 성과관리솔루션)을 결합, 양사 플랫폼 간 철저한 호환성 검사를 거쳐 제철설비에 최적화된 하이브리드형 스마트 팩토리 플랫폼인 ‘포스프레임 플러스’를 개발·사업화하게 된다. 백민경 기자 white@seoul.co.kr

불과 수년 전만 해도 인공지능은 특수 분야에서 연구되는 학문으로 우리 생활과는 거리가 먼 기술이었습니다. 하지만 지금은 검색은 물론 스마트폰이나 인공지능 스피커 등 다양한 기기에서 우리 생활에 파고들고 있습니다. 현재는 음성인식, 사물인식 등 제한적인 기능만 담당하지만, 점차 인공지능이 발달하면 과거 SF 영화에서 보던 것 같이 사람처럼 대화할 수 있는 인공지능도 가능할지 모릅니다. 이런 시대적 변화에 따라서 모바일 기기에 들어가는 애플리케이션 프로세서(AP) 역시 인공지능을 강조하고 있습니다. 작년에 등장한 애플의 A11 프로세서의 경우 더 강력한 CPU와 GPU 이외에도 뉴럴 엔진(neural engine)이라는 독립 신경망 하드웨어를 탑재해 페이스ID 같은 인공지능이 필요한 작업에 사용하고 있습니다. 사실 신경망은 별도의 전용 하드웨어 없이 CPU나 GPU에서도 사용할 수 있습니다. 실제로 딥러닝 연산에는 그래픽카드에 있는 고성능 GPU를 주로 활용합니다. 하지만 일반 컴퓨터와 달리 독립 AI 가속기(AI accelerator)를 모바일 칩에 탑재하는 것은 그럴 만한 이유가 있습니다. 같은 에너지 소모로 더 많은 인공지능 연산이 가능하기 때문입니다. 이는 제한적인 전력 소모만 허용되는 환경에서 매우 중요합니다. 스마트폰에서도 점점 인공지능 서비스가 선택이 아닌 필수가 돼가는 상황에서 여러 제조사가 AI 가속기를 모바일 칩에 탑재하는 이유입니다. 화훼이 역시 기린 970 프로세서에 캄브리콘-1A라는 AI 가속기를 탑재했고 퀄컴의 스냅드래곤 845 프로세서 역시 카메라 이미지 처리 등을 위해 Hexagon 685 DSP에 뉴럴 프로세싱 엔진(Neural Processing Engine·NPE)을 탑재해 카페(Caffe)나 텐서플로(TensorFlow) 같은 인공지능 관련 소프트웨어를 지원할 수 있습니다. 이미 이 AI 가속기는 사진 촬영이나 이미지 검색, 얼굴 인식 등 다양한 서비스에 사용되고 있습니다. 그리고 앞으로는 고가 스마트폰에서만 가능했던 기능이 보급형 스마트폰과 사물인터넷 (IoT)으로 확산될 것으로 보입니다. ARM 같은 주요 제조사에서 여러 회사에서 사용할 수 있게 관련 제품군을 판매할 예정이기 때문입니다. 현재 모바일 CPU의 주류인 ARM은 프로젝트 트릴리움(Project Trillium)이라는 모바일 및 사물 인터넷 기기 전용의 AI 가속기를 개발하고 있습니다. ARM 기반의 CPU와 말리(Mali) GPU와 독립적으로 인공지능 연산을 위해 기계 학습 ML(Machine Learning) 프로세서와 사물 인식(Object detection) 프로세서를 추가한다는 계획입니다. ML 프로세서의 경우 와트(W) 당 3TOPS(TOPS; Trillion operations per second, 초당 1조회)의 연산 능력을 지녀 애플의 A11 프로세서의 초당 6000억 회 연산 능력을 크게 앞서게 됩니다. OD 프로세서는 정지 화면만이 아니라 1080p full HD 영상의 움직이는 사물을 인식할 수 있습니다. ARM은 프로젝트 트릴리움을 통해 여러 제조사가 AI 가속기를 기존의 프로세서에 통합할 수 있게 한다는 계획입니다. 가장 중요한 고객인 애플이 떠나면서 어려움을 겪었던 이메지네이션 테크놀로지스(Imagination Technologies) 역시 AI 가속기에서 활로를 찾고 있습니다. 본래 애플의 A 시리즈 프로세서에 사용된 PowerVR GPU의 제조사인 이메지네이션은 PowerVR 2NX NNA(Neural Net Accelerator)라는 인공지능 전용 가속기를 선보였습니다. 고성능 스마트 기기를 위한 AX2185와 저가형 스마트 기기 및 셋톱 박스 같은 주변 기기를 위한 AX2145이 그것으로 각각 4.1TOPS와 1.0 TOPS의 연산 능력을 지녀 ARM의 프로젝트 트릴리움과 시장에서 경쟁할 것으로 보입니다. 여러 제조사에서 AI 가속기를 지닌 프로세서를 경쟁적으로 내놓으면서 우리가 매일 쓰는 스마트폰이 앞으로 더 똑똑해질 것이라는 점은 의심의 여지가 없습니다. 하지만 하드웨어만으로 인공지능 기반 서비스가 이뤄지지는 않습니다. 이를 효과적으로 사용하는 소프트웨어에 더해 어떤 콘텐츠를 소비자에게 제공할 것인지가 가장 중요합니다. 어떤 기술도 사용자나 소비자를 배제하고 발전할 수 없습니다. 인공지능 역시 예외가 아닐 것입니다. 고든 정 칼럼니스트 jjy0501@naver.com

韓 대표작 재해석 작품도 전시지름 2.5m의 거대한 구가 부르르 떨다 땀 흘리듯 물을 뿜어낸다. 알 수 없는 소리를 쏟아내기도 한다. 관람객들이 안내된 앱을 휴대전화에 다운로드하면 구가 이들의 전화기에서 수집한 소리를 수집하고 가공해 중계하는 것이다. 관람객들의 참여, 진동과 소리, 물 분사 등 구 안의 시스템을 통해 전에 없던 새로운 것을 창조해 내는 셈이다. 이 시대 예술의 역할과 의미를 탐색하는 박기진의 ‘공’이다. 인공지능 딥러닝, 로보네틱스, 빅데이터 등 최신 첨단 기술을 작품에 끌어들여 미래의 인간과 사회, 기계 사이의 관계를 실험하는 작품도 있다. 조영각의 ‘깊은 숨’은 로봇팔에 부착된 카메라로 관람객의 움직임을 포착한 뒤 이미 입력된 빅데이터 등과 결합해 5m 크기의 영상에 투사한다. 하나같이 서울시립미술관이 개관 30주년 기념전을 ‘디지털 프롬나드’(디지털 산책)라고 이름 붙인 이유를 가늠할 수 있는 작품들이다. 8월 15일까지 열리는 전시의 밑그림이 된 것은 미술관이 지난 30년간 모아 온 소장품이다. 미술관은 4700여점의 소장품 가운데 ‘자연’과 ‘산책’을 열쇳말로 꼽아 그에 어울리는 소장품 30점을 추렸다. 젊은 작가 10명에겐 디지털 미디어로 소장품과 미술관, 미술의 의미와 역할을 재해석하는 작품을 만들어 달라고 주문했다. 우리 미술사의 주요 장면이 된 대표작들 사이사이에 디지털 미디어 아트들이 자리해 관람객들에게 갖가지 해석과 의문의 파동을 일으킨다.네 개의 섹션으로 나뉜 전시는 각 방을 이루는 작품들의 주요 키워드를 해시태그로 제시한다. 전시를 기획한 여경환 큐레이터는 “전시장의 2층과 3층, 복도와 계단을 천천이 거닐다 보면 과거와 현재는 물론 미래의 산책자가 되어 볼 수 있을 것”이라며 “관람객 각자가 자신만의 자유로운 동선과 고유한 해석으로 키워드를 만들어 보길 바란다”고 말했다.소장품들은 ‘자연’과 ‘산책’이라는 키워드에 어울리는 이미지와 색채, 상상력으로 미술관 안을 주유하는 관람객들의 걸음에 활력을 더한다. 꽃과 잡초의 리드미컬한 구성이 돋보이는 김종학의 ‘잡초’(1989), 분홍색 하늘로 생동감 넘치는 봄날을 그린 이대원의 ‘농원’(1985), 고대 수렵인들의 호방하고 대담한 기세를 담은 박노수의 ‘수렵도’(1961) 등이 전시장에 나왔다. 김환기, 유영국, 장욱진, 이성자, 천경자, 김창열, 이불 등 국내 주요 작가들의 작품들도 두루 볼 수 있다. 관람료 무료. 매주 월요일 휴관. (02)2124-8800. 정서린 기자 rin@seoul.co.kr

현대 인공지능의 핵심은 ‘심층학습’(딥러닝)이다. 심층학습은 알파고, 자율주행자동차, 기계번역 등 현재 등장한 많은 혁신 기술들에 녹아 있다. 그 핵심은 복잡하고 방대한 데이터를 인간의 신경망 구조를 흉내낸 인공 신경망으로 학습하고 의사 결정을 내릴 수 있다는 점에 있다. 그러나 심층학습에도 분명한 한계가 존재한다. 바로 학습 방법에 대한 기준이 모호하다는 점이다. 보다 정확하게 표현하자면 심층학습의 대상이 되는 인공 신경망 구조에 정해진 해답이 없다는 것이다. 바둑 인공지능 알파고의 인공 신경망은 13층으로 구성돼 있다. 사진에서 사물을 인식하는 인공 신경망은 152층에 달한다. 일반적으로 인공 신경망의 층이 깊어질수록 예측의 정확도가 상승할 것이라고 기대할 수 있으나 반드시 그렇지만도 않다.인공 신경망의 깊이, 한 층의 노드(신경통로) 개수, 학습률, 활성함수, 학습 알고리즘 등 연구자가 정해야 할 요소들이 매우 방대하다. 이처럼 방대한 모수들을 변경해 가면서 최적의 인공 신경망 구조를 찾는 것이 심층학습의 과정이다. 이러한 이유 때문에 고성능 컴퓨팅 자원을 활용해 가능한 한 많은 경우의 수를 시험하는 것이 일반적 접근이다. 하지만 심층학습은 이러한 복잡도를 무색하게 할 만큼 예측 성능이 좋기 때문에 현대 인공지능 기술의 정점에 서 있는 것이다. 경험적 결과에 의존하는 심층학습의 돌파구는 무엇일까. 최근 구글의 구글 브레인 팀은 ‘신경망 구조 탐색’이라는 주제의 논문을 발표했다. 주어진 데이터에 최적화된 인공 신경망 구조를 탐색하는 것이 핵심이다. 재미있는 것은 신경망 구조 탐색 기법 역시 심층학습을 활용했다는 점이다. 심층학습의 인공 신경망 구조를 찾기 위한 심층학습 방법이라고 할 수 있겠다. 그 결과 역시 상당히 흥미롭다. 신경망 구조 탐색으로 얻어진 인공 신경망 구조는 사진에서 물체를 인식하기 위한 데이터인 ‘CIFAR10’에서 2.65%의 오차율을 보였다. 이 수치는 기존의 경험적인 방법에서 기록한 가장 낮은 오차율인 4%보다 훨씬 우수하다는 점에서 큰 의미가 있다. 하지만 신경망 구조 탐색은 막대한 컴퓨팅 자원을 필요로 한다. 위에서 언급한 2.65%의 오차율은 450개의 GPU(정보처리 속도가 빠르고 심층학습의 핵심인 영상정보 처리 장치)를 활용해 3~4주 동안 계산한 결과다. 장비 값만 환산해도 수십억원에 달한다. 신경망 구조 탐색은 학습하는 방법을 학습하는 인공지능으로 출발했으나 이 역시 경험적 결과를 바탕으로 하고 있다. 현재 신경망 구조 탐색은 계산 비용을 줄이는 방향으로 연구가 진행되고 있기 때문에 미래는 밝다. 이런 혁신적인 연구들이 결국은 인공지능의 신비를 풀 수 있는 열쇠가 되지 않을까 기대해 본다.

KT는 특정 인물의 목소리로 음성을 합성하는 ‘개인화 음성합성 기술’(P-TTS)을 인공지능(AI) 스피커 ‘기가지니’에 적용한다고 22일 밝혔다. 해당 기술을 이용한 퀴즈게임 ‘박명수를 이겨라’ 도 출시한다.P-TTS는 딥러닝 기술을 이용해 음성 데이터를 며칠간 수집하면 특정 인물의 목소리를 합성한다. 지하철 안내 음성처럼 단순히 문장을 발음하는 수준이 아니라 개인의 발화 패턴, 억양까지 학습해 진짜 특정인처럼 자연스럽게 말할 수 있다. KT는 “어떤 문장이라도 1초 내로 합성이 가능해 별도 과정이 필요하지 않다”고 설명했다. ‘박명수를 이겨라’ 퀴즈 게임은 기가지니에게 “지니야, 박명수를 이겨라”라고 말하면 개그맨 박명수 씨의 목소리로 나오는 시사상식 등의 퀴즈를 푸는 게임이다. 김민석 기자 shiho@seoul.co.kr

LG이노텍이 무인 양계장을 구축하기 위한 ‘인공지능(AI) 스마트팜 기술’ 개발에 나섰다. 22일 LG이노텍은 농촌진흥청 산하 국립축산과학원과 함께 가금류 빅데이터를 활용한 딥러닝 기술, 카메라 감지 기술 등을 융복합하는 기술을 개발하기로 했다고 밝혔다. 권일근 LG이노텍 최고기술책임자(CTO)와 양창범 국립축산과학원장, 문홍길 가금연구소장 등은 지난 21일 전북 완주군 국립축산과학원에서 관련 업무협약(MOU)을 체결했다. 이 기술이 개발되면 카메라와 각종 센서가 동시에 닭 수만 마리의 상태와 날씨 등 환경 변화를 자동 분석하고, AI가 양계장 온도와 습도를 자동으로 제어한다. 또 닭의 발육 상태를 분석해 출하 시점을 예측하고, 전염병 감염 등 상태와 위치를 전송해 피해를 최소화할 수 있게 된다. LG이노텍 관계자는 “대규모 양계장은 수만 마리를 집단 사육하고 있어 고병원성조류인플루엔자(HPAI) 등 전염병은 물론 폭염 등에도 매우 취약하다”면서 “기술이 개발되면 이런 문제에 발 빠르게 대응할 수 있을 것”이라고 말했다. 축산과학원은 닭의 성장 단계별 행동분석 연구와 관련 표준 개발을 담당한다. LG이노텍은 카메라와 온·습도 센서 등으로 구성된 계측 시스템과 딥러닝 알고리즘(논리 체계)을 개발한다. LG이노텍은 네트워크 카메라를 통한 개체 인식 기술과 닭의 이상 움직임을 찾아내는 명령체계 등 기반 기술을 확보했다. 2020년까지는 양계 농가에 실제로 적용할 수 있는 수준으로 완성도를 높인다는 계획이다. 김민석 기자 shiho@seoul.co.kr

인공지능(AI)과 빅데이터 등 첨단 정보통신기술(ITC)들이 경쟁하듯 차 안으로 들어오고 있다. 자동차 산업으로 첨단 정보통신기술들이 속속 자리매김하면서 ‘이제 달릴 줄만 아는 자동차의 시대는 끝났다’는 이야기가 나올 정도다. 특히 자동차 속 비서 노릇을 담당할 AI 시장은 급속도로 커지는 모습이다.글로벌 시장 규모가 지난해 약 7억 8000만 달러에서 2025년까지 370억 달러로까지 팽창할 전망이다. 다만 아직은 실력은 인턴 수준이다. 운전자의 운전 패턴을 파악해 실시간 안전 주행을 돕고, 문자메시지를 대신 보내주거나 음악을 틀어 주는 정도의 역할을 한다. 하지만 향후 AI 비서의 업무능력은 눈부시게 발전할 것이라는 점에는 그 누구도 이견이 없다.르노삼성자동차의 스포츠유틸리티차량(SUV) ‘QM3’는 자동차와 태블릿PC를 연결해 다양한 인포테인먼트(정보+오락) 서비스를 제공하는 ‘T2C’(Tablet to Car)를 최근 선보였다. 말 한마디로 내비게이션을 검색하고 전화도 걸 수 있다. T2C는 8인치 태블릿PC 형태의 탈착형 인포테인먼트 기기로 SK텔레콤이 개발했다. T2C를 통해 내비게이션 기능뿐 아니라 후방카메라, 스트리밍 음악(멜론)과 아날로그 라디오 청취 등도 가능하다. 오디오 콘텐츠 포털 업체 팟빵과 콘텐츠 제휴를 체결해 실시간으로 팟캐스트도 들을 수 있다. SKT의 인공지능 음성인식 플랫폼인 ‘NUGU’(누구)를 추가하면 음성 명령만으로 전화 발신부터 내비게이션 목적지 설정, 주행 경로 변경, 날씨 등 생활정보 안내 서비스 등도 제공받을 수 있다.올 초 출시된 현대차의 중형 SUV 싼타페도 인공지능과 커넥티비티 기술 등 새로운 정보기술(IT)을 대거 탑재했다. 스마트폰과의 연동을 통해 원격제어, 안전보안, 차량관리, 실시간 길안내 등을 받을 수 있다. 버튼 하나만 누르면 음원 서버를 통해 재생 중인 음악에 대한 정보를 확인할 수 있는 ‘사운드 하운드’ 기능도 갖췄다. 카카오의 인공지능 플랫폼 카카오I(아이)의 음성인식 서버를 활용한 ‘서버형 음성인식’ 기술이 적용돼 내비게이션과 대화할 때의 정확도가 이전보다 높아졌다. 여기에 급한 메모가 필요하면 음성으로 말하면 바로 녹음해 주는 ‘음성 메모’도 가능하다. 문자가 오면 내비게이션 화면에 수신 알림을 해 주고 이를 음성으로 읽어 주는 ‘SMS 읽어 주기’ 기능도 있다.수입차들의 움직임은 국산차보다 빠르다. 한 예로 BMW 차량에는 주의 어시스트(Attention Assist)가 탑재돼 있다. 차량이 운전자의 운전 습관을 파악한 후, 평소와 다른 운전습관을 보이면 경고등을 통해 휴식을 유도한다. 시속 70㎞ 이상에서 작동하는데 휴식을 권고한 후 계속 주행하면 45분 뒤에 다시 경고음을 내보낸다. 차에서 내려 45분 휴식을 취해야만 알림 기능이 해제된다. 또 목적지를 입력하면 자동으로 연료를 체크하고, 부족하면 주유소를 찾아 새 경로를 제안한다. 운전자는 이를 자신의 경로에 손쉽게 추가할 수 있으며, 수정된 경로는 차량에 곧바로 전송된다. 이 밖에 스마트폰이나 스마트워치 등과 연동되는 ‘출발시간 알람’ 기능은 운전자가 차까지 걸어가는 데 소요되는 시간까지 계산해 정시 도착을 위한 정확한 출발 시간을 알려 준다. 메르세데스벤츠가 선보인 ‘엠벅스’(MBUX)는 AI을 적용한 인포테인먼트 시스템으로 운전자가 음성으로 차량 내 음악, 내비게이션 등을 제어하는 것은 물론 딥러닝 기술을 적용해 이용자 위치와 선호도에 따라 자동차가 스스로 맞춤형 장소를 추천하기도 한다. 운행정보를 표시하는 계기판을 두 개의 10인치 디스플레이로 구성해 눈에 확 띄도록 효율성을 높이고, 입력장치 전반에 터치 스크린을 적용한 점도 특징이다. 메르세데스벤츠는 이러한 기술을 적용한 신형 A 클래스 차량을 올 상반기 상용화할 예정이다. 백민경 기자 white@seoul.co.kr

최근 재미있게 봤던 방송 프로그램 중 하나가 ‘알쓸신잡’(알아두면 쓸데없는 신비한 잡학사전)이다. 방송에 나오는 잡학 지식이 우리가 알고 있어야 하는 것인지 의문이 들기도 했지만 한편으로 출연자들이 쏟아내는 다양한 지식에 감탄하기도 했다. 많은 사람들은 연구자들을 오직 자기 분야에만 몰두하는 사람이라고 생각한다. 정말 그럴까. 최근 발표된 연구 결과들을 살펴보면 암 연구가 이제는 단순히 세포나 동물실험 등 하나의 분야에만 몰두하는 연구가 아니라는 것이 잘 나타난다. 암 연구자들은 사회과학연구인 ‘소셜네트워크 연구법’을 암 연구에 적용하고 있다. 세포 안에서는 많은 유전자와 단백질이 끊임없이 상호작용해 기능한다. 연구자들은 이런 상호작용 중 특별하고 이상한 변화를 보인 유전자나 단백질을 찾고 그 변화만 집중 연구했다. 그러나 이런 변화도 정상세포처럼 다양한 상호작용을 통해 성장이나 전이를 일으키고 약제에 대한 효과나 내성도 일으킨다는 사실을 알게 됐다. 이젠 개별 이상을 넘어서 시스템 차원에서 접근해야 한다는 사실을 알게 된 것이다. 이를 ‘시스템 생물학’이라고 한다. 최근 미국 애리조나대 연구진은 사회관계도처럼 암 세포 안에서도 일종의 지도를 만들 수 있고 나아가 보다 효과적인 치료법을 제시할 수 있다고 밝혔다. 사회 전체와 개인이 맺는 관계가 신체와 세포가 맺는 관계로, 세포와 유전자가 맺는 관계로 서로 치환될 수 있다는 것이다. 인공지능(AI)과 딥러닝(심화학습) 기술도 이미 의학연구와 임상현장에 적용하고 있다. 최근 학술지 ‘플로스 원’에 발표된 한 연구에 따르면 일부 컴퓨터 영상분석 기술이 인간보다 수행능력이 더 우수했다. 심부전은 해당 기술의 진단 정확도가 97%로 두 명의 병리과 의사가 보여 준 정확도 74%와 73%보다 훨씬 높았다. 또 컴퓨터단층촬영(CT) 영상에 이 기술을 적용했더니 폐결절의 악성 및 양성 여부를 2명의 영상전문가보다 5~8% 정도 더 잘 구별했다. 자기공명영상촬영(MRI)에서도 영상의학과 전문의가 미처 발견하지 못한 전립선암을 70% 정도 더 찾기도 했다. 딥러닝 기술은 암 연구에서 이미 주류 연구 분야의 하나다. 지난달 미국 시카고에서 열린 미국 암연구협회 연례회의에서는 대학이나 연구소 소속의 유명한 암 연구자가 아닌 구글에서 일하는 연구자가 나와 인공지능과 딥러닝 기술을 접목한 병리 판독결과를 보여 줬다. 암을 효과적으로 치료하기 위해서는 보다 좋은 영상자료를 얻고 이를 통해 보다 정확하게 판독해야 한다. 그러나 현실은 말처럼 쉽지 않다. 가장 큰 이유는 종양이 갖고 있는 이질성 또는 다양성 때문이다. 같은 환자에게서 얻는 종양 조직조차 모양과 범위가 다르다. 치료에 대한 반응도 차이를 보인다. 영국 맨체스터대에서는 화성을 연구하기 위해 천문학자들이 개발한 영상촬영법과 분석기술을 종양을 찾는 데 썼다. 종양도 화성처럼 매우 다양하고 복잡한 모습을 갖고 있고 치료에 따라 변하기 때문이다. 이 기술은 암 치료효과 판정능력을 4배 높였다. 암 연구자들이 다른 과학자들이 개발한 기술에 무임승차한 셈이다. 과거에는 한 분야 기술을 다른 분야에 적용하는 것이 쉽지 않았다. 이제는 분야를 넘나드는 기술들이 많아지고 있다. 학제 간 소통도 보다 원활하게 이뤄지고 있다. 그리고 학문 간 소통, 즉 ‘통섭’을 통한 연구 성과들이 점점 더 많이 보고되고 있다. 아마도 앞으로는 ‘쓸데없는 지식’이라는 말은 없어져야 할 것 같다.

불과 몇 년 전만 해도 일반 대중에게 생소하던 개념인 머신 러닝이나 딥러닝 같은 용어가 이제는 일상적인 단어가 되었습니다. 국내에서는 알파고 이후 인지도가 급격히 높아졌지만, 알파고가 아니라도 이미 구글을 비롯한 주요 IT 기업들이 이를 적극적으로 도입하고 있어 결국 시대의 화두가 되는 것은 시간문제였다고 할 수 있을 것입니다. 그 적용 범위도 단순히 검색이나 안면 인식을 넘어 이제 의료 데이터 분석이나 자산 관리 등 과거 컴퓨터가 할 수 없던 분야까지 확산되고 있습니다. 일부에서는 이로 인해 일자리가 줄어들지 않을까 하는 걱정도 있지만, 다른 한편으로는 사람을 위해 일하는 똑똑한 비서가 생기는 장점도 있습니다. 특히 과학이나 의료 부분 전문가를 도와줄 인공 지능에 대해 기대가 큽니다. 그 대표적인 분야 중 하나가 천문학입니다. 다른 과학 분야와 마찬가지로 천문학 역시 관측기기의 발전으로 인해 갈수록 과학 데이터의 양이 폭발적으로 증가하고 있습니다. 우리 은하에만 수천억 개의 별이 있고 우주에는 이보다 더 많은 은하가 있다는 점을 생각하면 천문 관측 데이터의 폭발적인 증가는 필연적입니다. 하지만 수백만 장에 달하는 관측 이미지를 사람이 수작업으로 분류하고 분석해서 과학적으로 의미 있는 결론을 도출해내는 일은 이제 점점 한계에 도달하고 있습니다. 이런 빅데이터 분석에는 인공 지능의 도움이 필요합니다. 미국 캘리포니아 대학 산타크루즈 입자 물리학 연구소(SCIPP)의 조엘 프리맥 교수가 이끄는 연구팀은 딥러닝 기법으로 멀리 떨어진 젊은 은하들을 분류하는 연구를 진행했습니다. 딥러닝은 이미지 인식에서 특히 탁월한 효과를 입증했기 때문에 이런 목적으로 가장 제격입니다. 연구팀은 허블우주망원경으로 찍은 흐릿한 은하 이미지를 인식하고 분류하는 작업을 학습시켰습니다. 확실한 학습 효과를 검증하기 위해 연구팀은 VELA 시뮬레이션을 이용해서 여러 단계에 있는 은하의 모습을 재구성하고 이를 'Cosmic Assembly Near-infrared Deep Extragalactic Legacy Survey'(CANDELS) 프로젝트에서 얻은 허블망원경 이미지와 비슷하게 열화시킨 후 학습시켰습니다. 그 결과 연구팀이 만든 딥러닝 알고리즘은 시뮬레이션 된 은하 이미지와 실제 은하 이미지 모두 정확하게 인식하고 분류하는 것으로 나타났습니다. '블루 너깃'(blue nugget)이라는 단계와 그 이전 및 이후 상태의 은하를 인식하고 분류하는 작업을 자동화할 수 있게 된 것입니다. 이를 통해 사람의 힘으로 분류하기 어려운 수많은 은하 이미지를 연구 목적에 맞게 분류하고 체계적으로 분석할 수 있을 것으로 기대됩니다. 연구팀은 지금보다 사실 미래에 더 큰 기대를 걸고 있습니다. 앞으로 발사 예정인 제임스 웹 우주 망원경을 비롯해 차세대 우주 관측 장비들은 기존의 관측 장비와 비교해서 엄청난 양의 데이터를 생성할 것입니다. 수십억 개의 은하나 별을 사람이 눈으로 보고 분류하고 분석하는 일은 사실상 불가능하지만, 컴퓨터라면 가능할 것입니다. 최근 급속히 발전한 딥러닝 기술의 힘으로 과학자들은 우주를 더 잘 이해할 수 있을 것으로 기대하고 있습니다. 물론 이는 천문학만의 이야기가 아닙니다. 현재 엄청난 양의 빅데이터를 생산하고 있는 여러 과학의 분야에서 인공 지능의 역할이 점점 커질 것으로 예상합니다. 고든 정 칼럼니스트 jjy0501@naver.com

미국 워싱턴대학교연구진이 알렌 AI연구소와 손잡고 실제 개처럼 행동하고 반응하는 인공지능(AI)를 개발하고 있다고 MIT 테크놀로지 리뷰(MIT Technology Review)가 최근 전했다. 공동 연구진이 개발 중인 것은 특정한 환경에서 개와 비슷한 방식으로 반응하고 행동할 수 있는 AI 시스템이다. 사람과는 다른 신경반응계를 가진 동물의 독특한 행동반응을 연구하고 이를 AI 알고리즘으로 구축하는 것이 연구의 목표다. 연구진은 이를 위해 개에게 미니 캠코더인 고프로(GoPro) 및 마이크와 센서 등을 머리, 몸통 꼬리 곳곳에 부착한 뒤 자유롭게 공원에서 뛰어놀게 하고 데이터를 수집했다. 특히 움직임을 미리 예측하는 데이터 수집에 집중했다. 이는 예컨대 개가 눈앞에서 다람쥐와 같은 다른 동물을 발견했을 때 내는 소리나 행동, 그리고 그 다음에 보일 행동 등을 미리 예측할 수 있는 딥러닝 시스템을 개발하기 위함이다. 이와 동시에 연구진은 총 2만 4500개의 비디오 프레임을 수집하고 이를 면밀하게 분석했다. 해당 비디오는 신체의 각 부위 별 움직임의 데이터를 보다 더 정확하게 수집하고 파악할 수 있도록 돕는다. 이렇게 수집한 데이터는 실제 개처럼 움직이고, 행동을 예측하고, 다음 행동을 예측하는 AI가 탑재된 동물 로봇을 제작하는데 활용될 예정이다. 실제로 이렇게 만든 알고리즘을 테스트 한 결과 기대수준을 넘어 선 결과를 도출해냈다고 연구진은 설명했다. 연구진은 “원숭이 등 다른 동물의 행동 분석을 이용한 데이터를 더 많이 수집할 예정”이라면서 “이 AI 알고리즘이 동물 등 생명체의 시각 및 행동을 이해하고 분석하는데 도움이 될 것”이라고 전했다. 한편 해당 글이 실린 ‘MIT 테크놀로지 리뷰’는 MIT가 발행하는 기술 분석 잡지이자 미래기술과 관련해 가장 저명한 간행물로 평가받는다. 사진=123rf.com 송혜민 기자 huimin0217@seoul.co.kr

최근 학계의 가장 큰 이슈는 인공지능(AI)이다. 4차 산업이 강조되면서 기계학습, 심화학습, 신경망 구조 등에 다양한 방법론을 연구하고 있다. 컴퓨터 등 공학 분야만의 얘기가 아니다. 의학, 사회과학, 예술, 문화 등 모든 분야에서 가히 열풍이라 할 수 있다.# 연구 주체 학교→기업으로… 논문도 구글 최다 이런 추세에서 재미있는 점은 연구 주체가 학교에서 기업으로 일부 이동했다는 점이다. 과거에는 대다수 논문이 학교를 중심으로 저술됐다면 최근에는 기업이 중심이 되는 경우가 많다. 머신러닝 분야에서 가장 권위있는 학회인 신경정보처리시스템학회(NIPS)나 머신러닝국제학회(ICML) 등은 이미 글로벌 기업들의 경쟁의 장이 됐다. 지난해 두 학회에서 가장 많은 논문을 발표한 기관은 구글이었다. 전체 논문 중 구글, 마이크로소프트, 페이스북 등 기업이 차지하는 비중이 25%에 달한다. 이 외에 전통적으로 유명한 학회지에도 머신러닝과 딥러닝 관련 논문이 끊임없이 실리고 있다. 예를 들어 이세돌 프로와 바둑 대결로 유명한 ‘알파고’의 창시자이자, 구글 자회사 딥마인드 소속 데미스 허사비스도 가장 유명한 학술지 중 하나인 ‘네이처’에 관련 논문을 게재한 바 있다. 훌륭한 연구자를 영입한 글로벌 기업들이 우수한 연구 결과를 내는 것이 당연하다고 볼 수도 있다. 하지만 우수 인력을 확보한 배경에는 기업들이 다양한 연구를 시도할 수 있는 방대한 데이터를 축적했다는 점도 작용했을 것이다. 아마존, 구글, 애플 등은 클라우드 서비스 등 데이터 관리 및 관련 서비스에 온 힘을 기울이고 있다. 데이터는 전통적 생산요소인 노동이나 자본과 달리 쌓이면 쌓일수록 더 강력한 힘을 발휘한다. 네트워크 효과다. 시장을 선점하는 자가 시장을 독점할 가능성이 크다. 그래서 경쟁은 더욱 치열하다. # 판 커진 데이터 시장… 개인 권리·독점권 논의도 이런 배경을 현재 상황에 대입해 보면 왜 기업이 연구 분야에서 부각되고 있는지 짐작할 수 있다. 전통적으로 학계에서의 연구는 정부의 행정자료를 기반으로 하는 경우가 많았다. 정부보다 방대한 자료를 보유한 곳은 거의 없었다. 정부가 보유한 자료는 자료의 사적 이용 금지라는 조건하에 연구 목적으로만 학자에게 열람이 허용됐다. 정부는 국민 사생활 보호와 공공성 확대, 연구자는 우수한 연구 결과 생산 등 각자의 목적을 추구했다. 하지만 이제는 정부가 축적하는 자료 이상으로 기업이 축적하는 자료가 많아지고 있다. 그 자료는 기업 내부의 다양한 목적으로 활용될 수 있다. 자료 사용에 있어 정부보다 자유롭다고 할 수 있다. 그렇다면 과연 기업들이 축적한 정보가 한 기업의 수익 활동만을 위해서 활용되는 것이 타당한 것인지, 그 정보를 취득하고 사용함에 있어서 정보 제공자의 의도에 맞게 운영되고 있는지 등도 논의해 볼 필요가 있다. 구슬이 서말이라도 꿰어야 보배라는 말처럼 파편화된 개인의 정보를 모아서 활용하는 것은 기업의 능력이다. 하지만 그렇게 얻은 정보를 그 기업이 독점적으로 활용하는 것은 보다 철학적인 문제다. 과거 2~3차 산업 시대에는 회사 수익이 자본을 공급한 주주의 몫인지, 노동력 등을 제공하는 이해관계자의 몫인지가 논쟁거리였다면 4차 산업 시대에는 정보 제공자인 개인의 권리에 대해 진지하게 고민해 볼 필요가 있다. # 한국도 ‘공공 빅데이터 센터’로 효율성 키워야 ‘공공 빅데이터 센터’ 설립을 통한 데이터 규제 해소는 이번 정부의 공약 중 하나다. 또한 일부 언론에 따르면 문재인 대통령이 지난 2월 울산과학기술원(UNIST) 창업가 간담회에서 데이터 접근성을 확대해 공공성을 증진할 필요성을 언급했다고 한다. 이를 통해 4차 산업의 주요 자원인 정보를 효율적으로 활용하는 계기를 마련하고 우리 사회에 긍정적인 파급 효과가 있길 기대한다.

4차 산업혁명은 인공지능 등을 기반으로 삶에서 이루어지는 급격한 변화를 일컫는다. 이 혁명의 핵심에 ‘판단력’이 있다. 일상에서 사람들은 흔히 ‘결정’ 장애를 호소한다. 판단을 내리는 일만큼 어렵고 중요한 것이 없음을 알려 준다. 판단력은 흥미로운 탐구 대상이다. 구구단이나 역사적 사실이나 영문법은 가르치지만 판단력은 가르칠 수 없다. 자수성가한 재벌 1세보다 2세는 경영학의 원리를 많이 학습하지만 회사를 말아먹는 경우가 있다. 원리를 학습하는 것이 아니라, 원리를 사례에 적용하는 판단력이 관건이고, 원리는 학습할 수 있으나 판단력은 학습되지 않는 까닭이다. 인간은 다른 인간의 판단력을 훔치지 못한다. 그래서 ‘판단력 비판’의 저자 칸트는 판단력을 ‘천부의 자질’이라 했다.판단력은 그것을 지도하는 상위의 교본이 없는 근본 지위에 있는 것이다. 가령 의학상의 규칙, 치료 요법 전체를 잘 공부한 의사를 생각해 보자. 그 의학 지식과는 별도로 환자에게 어떤 의학 지식, 어떤 치료 규칙을 적용해야 하는지는 전적으로 그의 능력에 달렸다. 그 능력을 판단력이라 부른다. 개별적으로 주어진 사례에 어떤 보편적 규칙을 적용하는 것이 합당한지 결정하는 능력 말이다. 명의와 의료 사고를 내는 의사가 갈리는 지점은 바로 저런 판단력의 유무다. 판단력의 문제는 더 심각하다. 히틀러의 법학자인 칼 슈미트가 몰두했던 것 역시 내가 보기엔 ‘판단력의 문제’다. ‘정치신학’에서 ‘독재’를 옹호한 이 법학자는 규칙은 완벽히 합리적으로 구성되지 못한다고 생각했다. 가령 국가에 예산법이 없는데, 예산을 집행해야 한다면 어쩔 것인가? 이런 예외 상태에 대해 법은 답하지 못한다. 국법은 거기서 끝난다. 그러면 법적 절차가 진행되지 못할 때 누가 법 대신 결정하는가? 바로 법 위에 있는 통치자가 결정한다. 인류는 오래도록 법이 예외 상태와 맞닥뜨려 무용지물이 되지 않도록, 완벽히 합리적이도록 법을 다듬어 나갔다. 슈미트의 주장은 그래 봤자 법은 예외 상태와 마주쳐 어쩔 줄 모르며, 법이 무용지물이 된 이 예외 상태는 법 위에 있는 통치자의 결정, 재량, 바로 독창적인 판단력에 따라 타개해 나갈 수 있다는 것이다. 그러므로 보편적이고 합리적인 법 위에 한 인격의 천부의 재능인 판단력, 결정하는 능력이 놓인다. 이렇게 규칙 위에 통치자의 판단력을 위치 짓는 이 사상은 히틀러 같은 독재자를 위한 법철학이다. 규칙이 아무리 합리적으로 마련되더라도 규칙은 그 자체로는 영위될 수 없고 결국 인격이 지닌 천부의 재능인 판단력에 의존할 수밖에 없다는 생각은 인간이 걸어온 합리주의에 대한 의심이다. 인류는 한 인격(또는 공모적인 몇몇 인격)의 판단력이 인간 사회를 좌지우지할 수 없도록 인격에 의존하지 않는, 누구에게나 언제나 예외 없이 작동하는 익명의 규칙을 만들려고 노력했다. 민주주의 자체가 이 예외 없는 익명적 규칙을 존중하며, 여기에 예외를 두고 끼어드는 한 인격의 판단력(독재자가 행사하는 유신이나 긴급권)을 못 참는다. 4차 산업혁명의 의의는 바로 인공지능이 인간 고유 능력인 판단력의 자리를 넘본다는 데 있다. 예외가 생겨 무너지는 합리적인 규칙을 완벽하게 만들고, 완벽하게 개개 경우에 적용하는 혁명으로서 의의 말이다. 가령 알파고는 돌이 놓일 가장 좋은 자리를 판단한다. 그 판단이 실수를 저질렀을 때 사람들은 신기해하고 즐거워하지만, 인공지능은 곧 그 예외를 합리성으로 만회한다. ‘딥러닝.’ 바로 기계학습을 하는 까닭이다. 점점 더 예외 상태(적용돼야 할 규칙이 무용하게 되는 상태)가 발생하는 치욕은 사라지고, 합리성의 자리를 한 인격의 판단력(총기를 잃었을 때는 변덕, 객기, 우유부단)에게 내주는 일은 없어진다. 사람들은 인공지능이 잘못 판단하는 사태(인간에 대한 공격)를 우려한다. 그것은 사실 인간의 재앙이 아니라, 인공지능이 겪는 재앙이다. 인공지능 스스로 예외 상태를 허용해 다시 한 인간의 판단력에, 존 오코너 같은 원시적 영웅의 결단에 자기 자리를 양보하게 되는 까닭이다. 그렇다고 인간은 다시 인간으로 돌아가진 않는다. 인공지능을 다독이며 다시 합리성을 향한 길로 나가 차세대 판단력 혁명을 준비할 것이다.

‘도배’ 차단 기능도 소용 없어 “추천 댓글 여론 왜곡 가능성 포털 정책 근본적 전환 필요” MSN에는 댓글창 아예 없어 드루킹 일당의 네이버 댓글 조작 사건 이후 포털 사이트의 댓글 및 뉴스 서비스 체계가 근본적으로 바뀌어야 한다는 요구가 높아지고 있다. 네이버 등 포털이 매크로(반복 명령 실행 프로그램)를 활용한 댓글 조작을 알고서도 방치했다는 책임론도 불거졌다. 이 기회에 국내 포털의 댓글 정책에 대한 재검토가 필요하다는 지적이다.네이버는 18일 “매크로 등 자동 댓글 작성 프로그램으로 도배하는 행위를 막기 위해 지난달 캡차(APCHA) 기능을 도입했다”고 설명했다. 캡차는 같은 아이디로 똑같은 댓글이 일정 수 이상 올라오면 해당 아이디 사용자에게 문자, 숫자를 조합한 이미지를 보여 주고, 이를 그대로 입력해야 다음 단계로 진행할 수 있는 창이다. 그러나 이런 장치 역시 ‘언 발에 오줌 누기’ 격이라는 게 업계 지적이다. 예컨대 10초가 지나야 댓글이 달릴 수 있게 포털이 조치해도 15초, 20초마다 댓글이 달리도록 설정을 바꾸면 그만이기 때문이다. 네이버 관계자는 “알고서도 댓글 조작을 방치한 게 아니다”라면서 “조작 의혹 댓글들을 자체적으로 파악해 처리할 것은 처리하나, 모두 다 찾아 대응하는 건 어렵다”고 반박했다. 그러면서 “드루킹처럼 매크로는 물론 한 사람이 여러 아이디로 접속하는 식의 수작업을 하면 사실상 막을 방법이 없다”고 시인했다. 네이버는 앞서 2006년 4월부터 댓글제한 정책을 펴고 있다. 아이디 하나당 하루 댓글 20개, 댓글에 대한 답글 40개로 제한을 둔다. 다음 역시 ‘하루 댓글 30개, 댓글 등록 후 15초 내에는 추가 등록 불가, 댓글 1건당 글자수 300자로 제한’ 등을 시행 중이다. 일각에선 포털 사이트 위주의 국내 뉴스 서비스와 댓글 정책이 바뀌어야 한다는 주장마저 나온다. 구글, 바이두 등 해외 주요 검색엔진들은 뉴스를 아웃링크(outlink) 방식으로 전한다. 뉴스 페이지에 기사 제목, 요약문만 뜨고 기사를 클릭하면 해당 언론사 페이지로 연결된다. 반면 국내 포털은 각각 자신들의 뉴스 화면에서 언론사 기사 전체를 보여 주는 인링크(inlink) 방식이다. MSN은 기사의 댓글 창을 아예 없애 조작의 여지를 원천 차단했다. 김승주 고려대 정보보호대학원 교수는 “인링크 방식은 포털들이 광고 수익으로 연결되는 페이지뷰, 이용자 체류 시간을 늘리기 위한 기법”이라고 지적했다. 최진봉 성공회대 신문방송학과 교수는 “추천 수로 댓글 순서를 재배치하는 것 역시 여론 왜곡 가능성이 있다”면서 “댓글 자체는 허용하되 특정 댓글을 맨 위로 올리기 위한 추천 기능을 없애야 한다”고 말했다. 포털의 자정 의지가 낙제점이라는 주장도 나왔다. 김인성 IT 칼럼니스트는 “한 사람이 여러 아이디를 만들 수 있거나, 한 IP로 여러 아이디 로그인을 해도 문제없는 포털 운영 방식도 문제”라고 비판했다. 포털 기업들은 현재 댓글 폐지에는 반대하고 있다. 네이버 관계자는 “인터넷은 전형적인 쌍방향성의 공간”이라면서 “댓글은 중요 서비스 중 하나로 오히려 표현의 자유를 보장하는 촉매제”라고 강조했다. 기업들은 인공지능(AI)을 활용해 댓글 조작을 차단하는 방안도 강구 중이다. 네이버는 이날 “머신러닝, 딥러닝 등 AI 기술을 도입해 댓글의 어뷰징(abusing·오용) 탐지기술을 확보할 것”이라고 밝혔다. 이어 “댓글을 최신순 혹은 인기순, 호감순 등 어떤 식으로 먼저 노출시킬지는 계속 논의 중”이라면서 “지난달 30일 출범한 댓글정책이용자패널에서 월 1회 간담회를 통해 사용자 의견을 수렴하겠다”고도 했다. 최근 네이버는 “다음달부터 매크로 모니터링을 강화하고 상반기 안에 뉴스 편집을 AI에 100% 맡기는 등 여론조작 가능성을 없애겠다”고 밝힌 바 있다. 다음도 “AI를 활용해 조작 댓글로 의심되면 블라인드 처리하는 방안을 고려 중”이라고 말했다. 이재연 기자 oscal@seoul.co.kr 김민석 기자 shiho@seoul.co.kr

인공지능(AI)으로 피부암을 조기 진단하는 기술이 개발됐다. 다른 암과 달리 외부에 드러난 모양으로 1차 진단하는 피부암의 특징 때문에 AI 진단 정확도가 최대 90%에 이른다. 실제 피부과 전문의 진단과 비교해도 손색이 없을 정도다.장성은 서울아산병원 피부과 교수팀은 딥러닝(심화학습) 기반 AI 모델에 악성 흑색종과 기저세포암, 편평상피암 등 12종의 피부 종양 사진 2만장을 학습시킨 뒤 2500장의 사진을 판독시킨 결과 흑색종의 악성 여부를 90% 정도로 정확하게 감별했다고 17일 밝혔다. 연구팀은 질병이 있을 때 얼마나 질병을 잘 찾아내는지 수치화한 민감도와 질병이 없을 때 실제로 없다고 판단하는 정도인 특이도를 기준으로 평가했다. 그 결과 민감도는 91%, 특이도는 90%였다. 악성 흑색종은 폐나 간 등 내부 장기로 전이될 경우 5년 생존율이 20% 미만일 정도로 치명적인 암이다. 가장 흔한 피부암인 기저세포암도 90%의 높은 진단 정확도를 보였다. 편평상피암은 80%였다. 연구팀은 마이크로소프트의 인공지능 모델 ‘ResNet-152’를 활용했다. 이 기기는 피부 종양의 악성도를 판가름하는 종양 비대칭성과 가장자리 불규칙성을 분석할 수 있도록 인간 신경망을 본뜬 ‘합성곱 신경망’(CNN)을 갖췄다. 장 교수는 “이번 연구로 AI 모델의 피부암 진단 정확성이 높은 것으로 나타났고, 실제 피부과 전문의 16명의 진단 결과와 비교해도 적중률이 동등하거나 오히려 높았다”고 말했다. 이번 연구결과는 피부과 분야 국제학술지 ‘저널 오브 인베스티게이티브 더마톨로지’ 온라인판에 게재됐다. 정현용 기자 junghy77@seoul.co.kr

수천 년 된 바둑은 361개 위치에 돌을 놓는 비교적 단순한 게임임에도 불구하고 경우의 수가 너무나 커서 단 한 번도 똑같이 놓인 바둑 경기가 없었다고 한다. 경우의 수를 나타내는 171자리의 숫자가 정확히 계산된 것도 2016년의 일이다. 우주에 있는 원자의 숫자가 대략 80자리 수라고 한다.그런데 2016년 초 인공지능(AI) ‘알파고’가 이세돌 9단에게 이기는 장면을 보고 사람들이 충격을 받았다. 알파고는 그 이전까지 기보들을 학습해 확률적으로 어떤 수가 유리할 것인가를 계산할 수 있어 이런 성과를 얻었던 것이다. 2017년에는 간단한 규칙만 알고 혼자 바둑을 연습한 알파고 제로가 이제는 어느 누구도 당할 수 없는 실력을 갖추게 되었다.AI가 가지고 올 미래의 그림에는 인간을 넘어선 AI의 도움을 받아 놀랍게 발전할 사회와 인간통제를 벗어나 버린 AI에 의한 디스토피아가 마구 혼재되어 있다. 실제로 많은 직업군이 재편되는 과정에서 크게 도움을 받을 사회도 있을 것이나, 완전히 낙오되는 곳도 나올 것이 분명하다. 이런 변화는 과거 여러 차례의 산업혁명에 비해서 훨씬 더 빠르고 광범위하게 나타날 것이 분명하다. 사실 물리학에서는 AI의 도움을 받아 연구를 한 지가 꽤 됐다. 입자물리학에서는 양성자끼리 충돌하는 ‘미니 빅뱅’ 결과로 만들어지는 수많은 입자들을 추적해야 하는데, 연간 30페타바이트(PB)라는 엄청난 데이터 속에 들어 있는 새로운 현상의 발견은 쉽지 않다. 조만간 업그레이드될 거대 강입자 충돌장치(LHC)는 현재보다 수십 배 많은 데이터 처리를 요구하고 있다. 1년 정도 걸리던 데이터 분석이 수십 년 걸릴 수 있다는 이야기다. 이렇게 되면 새로운 실험을 할 수 없게 된다. 그래서 몇 년 전부터 물리학자와 데이터과학자들은 이런 문제의 해결을 함께 고민하기 시작했다. 필자는 물리학 연구의 중요한 도구로 자리잡은 딥러닝 기초를 물리학과 학생들에게 강의하고 있다. 90년 전 확립된 양자역학이나 100년 전 완성된 상대성이론을 강의하는 것과는 달리 나 스스로도 매일 공부하며 강의준비를 하고 있다. 앞으로 완전히 바뀐 세상에서 살아야 할 학생들에게 AI는 컴퓨터가 대중화되기 시작한 30년 전 전산물리학이란 과목이 새로 만들어져 물리학의 중요 도구로 쓰인 것과 같아질 것이다. 100년 전 만들어진 물리학의 포근함에 안주하지 않는 것이 현대 물리학의 당면 과제다. 열기관에 의한 1차 산업혁명, 전자기학에 의한 2차 산업혁명, 컴퓨터와 인터넷에 의한 3차 산업혁명에 이어 4차 산업혁명에서도 물리학이 어떻게 주도적인 역할을 할 것인가를 고민해야 한다. 어쩌면 가장 정확한 빅데이터를 생산하는 물리학 실험실과 AI의 작동원리를 이해할 수 있는 이론물리학에 혁신적 발전이 도래할 수도 있을 것이다. 물리학을 교육하고 연구하는 방식이 AI 발전에 따라 크게 달라질 것이다. 변화의 조짐은 우리나라를 제외한 다른 나라들에서는 눈에 띄게 보인다. 중국에서는 지난해부터 ‘AI 굴기’를 선언하고 2030년까지 세계 최강 AI 기술보유 국가가 되겠다고 선언했다. 가장 많은 데이터를 생산해 내는 중국으로서는 이런 도전이 빈말이 아닐 수 있다. 연간 6조원씩 투자를 하겠다고도 밝히고 있다. 2017년에는 2016년에 비해 10배 많은 투자를 했다. 그리고 기초과학에서도 세계 최고를 지향하고 있다. 지난 20년간 전자·통신산업에서 가장 놀라운 성장을 했던 한국에선 세계의 이런 변화와 비교해 이상하리만큼 비전 제시가 없다. 교육부에서 시대 흐름에 맞게 투자하는 흔적을 발견할 수 없고, 구태의연한 대학입시제도 변화에만 온 에너지를 쏟아붓고 있다. 정부에 산적한 숙제들이 많기는 하지만 미래에 대한 비전과 적절한 투자도 반드시 필요하다. 꼭 재원이 필요한 것만이 아닐 것이다. 비전 제시가 더 중요하다.

인공지능은 현재 여러 분야에서 점점 활용도가 높아지고 있습니다. 의료 부분 역시 예외가 아닌데, 특히 의료 진단 영역에서 인공지능의 전망이 밝습니다. CT, MRI, 초음파를 비롯한 이미지 데이터가 급격히 늘어나면서 사람 대신 판독을 도와줄 인공 지능의 필요성도 커지고 있습니다. 여기서 더 나아가 더 좋은 치료법이나 약 처방 시 주의 사항을 의료진에게 전달하는 역할까지 의료 부분에서 인공 지능의 비중은 계속 커질 것으로 생각됩니다. 이와 동시에 스마트폰을 의료기기로 사용하려는 시도가 진행 중입니다. 이미 널리 보급된 스마트폰의 성능이 매우 좋아졌기 때문에 다양한 의료기기와 연동하거나 혹은 그 자체를 의료기기로 활용할 수 있기 때문입니다. 스마트폰에 연동되는 전자 청진기나 휴대용 초음파 기기 그리고 심지어 스마트폰 카메라를 이용한 현미경도 있습니다. 이런 장비들은 간단히 외래나 병동에서 바로 검사 결과를 확인하거나 혹은 의료 기기 이용이 제한된 지역(분쟁 지역이나 가난한 국가 등)에서 활약이 기대되고 있습니다. 그런데 사실 스마트폰 카메라가 아무리 좋아졌다고 해도 질병 진단용으로 사용하기에는 성능이 다소 모자란 것이 사실입니다. 본래 그런 목적으로 제작된 기기가 아니라는 점을 생각하면 당연하지만, 이를 개선할 방법 없이는 널리 사용되기는 쉽지 않습니다. UCLA의 연구팀은 딥러닝 기법을 통해 스마트폰 카메라 이미지를 현미경 이미지처럼 바꾸는 방법을 저널 'ACS Photonics'에 발표했습니다. 최근 딥러닝 분야에서 주목을 받는 응용은 저해상도 이미지를 고해상도 이미지로 바꾸는 것입니다. 흐릿한 이미지를 통해 실제 선명한 이미지의 모습을 추정하는 것이죠. 물론 실제 이미지를 왜곡할 수 있는 위험성이 존재하지만, 이미 알려진 형태의 이미지를 복원하는 데는 상당한 성과를 거두고 있습니다. 과거 낮은 해상도로 촬영된 영상을 고화질 영상으로 바꿀 수 있다면 스마트폰으로 촬영된 사진 역시 바꿀 수 있을 것입니다. 다만 스마트폰 접사 기능이 아무리 뛰어나도 스마트폰 카메라로 세포를 촬영하기는 어렵습니다. 연구팀은 3D 프린터로 출력한 100달러 미만의 저렴한 현미경 어댑터를 이용해 혈액 검체 및 폐 조직 슬라이드를 촬영한 후 이를 딥러닝 기법을 이용해서 진단용 현미경 이미지로 재구성하는 기술을 선보였습니다. 물론 실제 질병 진단에 사용할 정도로 정확한지는 더 검증이 필요하지만, 초기 결과물은 충분히 가능성을 보여줬습니다.(사진 참조) 비록 현미경을 이용한 확진이 필요없는 것은 아니겠지만, 앞으로 외래에서 간단하게 피 몇 방울로 신속 혈액 검사를 하거나 혹은 고가의 의료장비를 사용할 수 없는 열악한 의료 환경을 지닌 곳에서 활약이 기대됩니다. 영상 판독이 큰 비중을 차지하는 의료 진단 영역에서 이미지 처리에서 강점을 보이는 딥러닝 기술의 활용도는 커질 것입니다. 여기에 스마트폰을 접목하면 어디서든 접근성이 좋아질 것으로 기대됩니다. 하지만 환자의 의료 정보라는 민감한 정보를 다루는 만큼 개인 정보 보호와 보안 문제를 어떻게 해결할 것인지 역시 고민해야 할 것입니다. 고든 정 칼럼니스트 jjy0501@naver.com

시대별 미국인 고정관념 확인 女 수식어 ‘연약한’ 男 ‘수완 좋은’ ‘테러’ ‘폭력’ 이슬람 연관 단어로 2016년 세계경제포럼(WEF)에서 화두로 던져진 ‘4차 산업혁명’에 대해 전문가들은 ‘컴퓨터, 디지털 혁명을 기반으로 모든 것이 연결되는 지능사회로의 진화’라고 설명하고 있다. 사이버 가상 세계와 물리적 현실이 네트워크로 연결되는 지능사회의 핵심은 인공지능(AI)이다.4차 산업혁명의 중심에 서 있는 인공지능 기술이 상상 밖 속도로 발전하면서 일부에서는 인류 문명에 심각한 위협이 될 것이라는 우려를 표하고 있다. 얼마 전에는 인공지능을 연구하는 외국 학자들이 카이스트에 공개서한을 보냈다. 지난 2월 카이스트와 민간기업이 발족시킨 ‘국방 AI 융합연구센터’에서 영화 ‘터미네이터’에 등장하는 킬러로봇을 개발할 수 있다고 지적하고 나선 것이다. 총장이 적극 해명에 나섬으로써 일단락되기는 했지만 인공지능 활용 가능성이 다양해지면서 전문가와 일반인들의 우려가 커지고 있음을 보여 주는 단면이라고 할 수 있다. AI 장착 킬러 로봇의 등장은 먼 미래 이야기일 수 있겠지만 현재 인공지능은 연구자들이 대량의 데이터를 빠르게 처리할 수 있는 좋은 수단으로 자리매김하고 있다.미국 스탠퍼드대 전기공학과, 역사학과, 컴퓨터공학과, 언어학과, 바이오메디컬 데이터과학과 공동연구팀이 미국 국립과학원에서 발행하는 국제학술지 ‘PNAS’ 3일자에 발표한 논문도 인공지능을 활용한 독특한 연구성과이다. 연구팀은 계량언어학적 방법으로 20세기에 미국에서 발행된 책과 논문, 뉴스들을 분석해 여성과 소수 인종에 대한 미국인들의 고정관념(stereotype)과 태도를 분석했다. 이번 연구에는 스탠퍼드대에서 가장 인기 있는 교양강의 ‘음식의 언어’를 가르치는 계량언어학자 댄 주래프스키 교수도 참여했다. 주래프스키 교수를 포함한 연구팀은 컴퓨터가 대용량 데이터를 분석하고 특정 패턴을 자동으로 찾을 수 있는 심화학습(딥러닝) 알고리즘을 설계했다. 연구팀은 구글 북스, 구글 뉴스 데이터셋, 뉴욕타임스 데이터베이스를 바탕으로 1910년대부터 2005년까지 100년 가까이 발행된 인쇄매체에 등장한 1000억개의 단어를 분석했다. 디지털화되지 않은 20세기 초·중반 인쇄물들을 분석하기 위해 지금까지는 많은 연구자들이 오랜 시간에 걸쳐 마이크로필름을 일일이 읽어보면서 문장과 단어를 찾아 분석해야 했다. 이제는 AI 덕분에 연구자가 원하는 문장이나 단어를 오류 없이 빠른 속도로 찾을 수 있게 됐다. 연구팀은 남성과 여성, 그리고 히스패닉과 아시아인 같은 소수인종을 수식하는 단어들을 찾았다. ‘감정적인’ ‘섬세한’ 등의 단어가 남성보다는 여성을 꾸미는 단어로 많이 등장한다면 이는 해당 시기 미국인의 고정관념이고 인쇄매체에 반복적으로 등장함으로써 편견을 강화시키는 역할을 한다고 봤기 때문이다. 그 결과 20세기 초반에는 여성을 묘사할 때 ‘매력적인’ ‘사랑스러운’ ‘연약한’ 같은 단어들이 주로 쓰였다. ‘수완이 좋은’ ‘똑똑한’ 같은 단어들은 남성들에게만 쓰였지만 시대가 변하면서 중성적인 단어로 변했다는 사실을 확인했다. 또 1910년대에는 주로 감정적인 부분에 초점을 맞춰 여성을 묘사했지만 1990년대를 거쳐 21세기가 가까워 오면서는 외적이고 육체적인 매력을 강조하는 단어로 여성을 표현했다고 연구팀은 설명했다. 아시아인에 대해서는 20세기 초·중반까지만 해도 ‘이방인’에게 갖는 부정적인 고정관념이 강했지만 1950년대 이후 아시아 이민자들이 늘어나기 시작하면서 긍정적인 단어들도 쓰이기 시작했다. 한편 1993년 뉴욕 세계무역센터 차량 폭탄 테러와 2001년 9·11테러를 거치면서 신문과 잡지, 책에서 테러리즘을 연상시키는 폭탄, 테러, 폭력이라는 단어와 이슬람, 모스크 등이 연관 단어로 등장했고 이 때문에 미국인들에게 ‘이슬람=테러’라는 편견을 강화시켰다고 연구팀은 분석했다. 주래프스키 교수는 “이번 연구에서도 알 수 있듯이 인공지능과 계량언어학은 문헌의 전승 과정, 방언을 비롯한 언어의 변화를 빠르게 분석해 줘 사회 변화를 시간적, 공간적으로 쉽게 이해할 수 있도록 해 준다”고 설명했다. 유용하 기자 edmondy@seoul.co.kr