딥러닝도 생태계가 필요해

이대론 식스시그마 운동의 답습?

“시스템 반도체 산업은 거목 하나만 키운다고 되는 일이 아닙니다. 

거대한 숲을 만들어 생태계를 전반적으로 가꾸지 않으면 

대만과 같은 경쟁력을 갖추기 힘듭니다.”

...

이런 말 언론에서 많이들 들어보셨지요?

삼성전자가 메모리 말고 

CPU나 GPU 같은 시스템반도체에서 고전하는 이유가

오랫동안 하청업체들에게 경직된 갑을문화로 

건강한 반도체 생태계를 구축하지 못한 때문이라는 이야기 같습니다.

그런데 반도체 뿐 아니라 우리나라 제조업 딥러닝이 현재 

잘 정착하지 못하고있는 이유도

비슷한 원인 때문인거 같다는 생각이 요즘 듭니다. 

제조업 딥러닝은 데이타 라벨링의 특성상 고객과의 소통이 매우 중요하고

현실적이고 합리적인 목표설정도 대단히 중요한데

데이타는 거의 않 주다시피하면서 인식율은 무조건 99.8% 이상을 요구하니

딥러닝 프로젝트가 여기저기서 실패하는게 어찌보면 당연하다는…

고객사가 프로젝트에 합리적인 목표를 제시하고 

정직하게 양질의 참값을 제공하여 라벨링을 도와주고 

데이타를 충분히 풍부하게 제공하면서 

함께 윈윈하는 생태계를 만들어간다면 업계의 인공지능 기술정착의 성공가능성이 높아질텐데 

업계 현실은 정보도 제한하면서 하청업체가 그 모든걸 알아서 다 해주길 원하는거 같습니다.

과거에 유행했던 식스시그마 운동도 결국 그 취지와 기술은 좋았지만

통계나 수학같은 기술의 문제가 아닌 그걸 취합하는 사람이 정직하고 일관되지 못해서

국내에서 대부분 실패했었죠. 

돌이켜보면 공정의 개선목표을 미리 정해놓고 거기에 억지로 맞추는 통계조작과 윗사람에게 보고할 장표들만 아름답게 꾸미다가 실패하는데가 많았었습니다.

결국 그 운동은 잭웰치 회장이 사망하고, GE가 분해되면서 역사속으로 사라지고 말았죠.

그런데 안타깝게도 오늘날 제조업 딥러닝도 식스시그마와 같은 길을 가고있다는 생각이 드는건 저 뿐일까요?

식스시그마의 문제는 사내의 문제였다면 제조업 딥러딩 문제는 기업간의 관계에서의 문제라는 점인게 다를뿐이죠.

시스템 반도체 문제 = 제조업  딥러닝 문제 = 제조업 생태계 문제.

어쩌면 반도체에 국한된 시스템반도체 문제 보다 

이 인공지능 문제가 훨씬 더 큰 문제 일지도 모르겠네요.

부디 과거의 교훈으로부터 실패의 역사가 반복되지 않기를 바라며...