brunch

라이킷 5 댓글

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by 정순호 Oct 31. 2020

인공지능(AI)에 대한 이해와 비즈니스 기회

인공지능 시리즈 (2/2)

왜 이 글을 썼는가? (Why?)

인공지능에 대한 개념을 이해하고 이를 활용한 생산성 향상 예시를 통해 인공지능 비즈니스 기회를 살펴보기 위해

누가 보면 좋을까? (Who?)

일반인으로서 인공 지능에 대해 알고 싶은 분과 이를 활용한 새로운 비즈니스 기회에 대해 관심이 많은 분

어떤 내용인가? 3줄 요약 (What?)

인공 지능에 대한 현실적으로 체계적인 개념을 이해하고 이를 활용하기 위한 인공지능 프레임 워크를 정리

주변 실생활에서 사용되는 실용적인 서비스 사례를 통해 인공지능에 대한 감을 잡고 이를 이해

반복적으로 처리해야 하는 단순 업무를 인공지능을 통해 자동화시킬 수 있고, 많은 비즈니스 기회가 있음

인공지능 시리즈(1/2) 우리는 인공지능을 어떻게 받아들여야 할까? https://brunch.co.kr/@suno7608/2

(전편에서 계속)

인공지능 이란 무엇인가?

인공지능과 관련해 머신러닝, 자연어 처리, 딥러닝, 빅데이터 등 최근에 이러한 키워드를 한 번씩 들어봤을 것이다. 많은 사람들은 이들은 비슷한 개념으로 이해하거나 혹은 영화나 주변에서 흔히 보는 음성 서비스(애플 시리, 구글 어시스턴트)로 이해하곤 한다. 인공 지능과 관련된 여러 분야들의 발전 속도가 빠르고 계속 변화하고 있어서 아직 이렇다 할 인공지능에 대한 공식화된 정의는 없다. 하지만 우리는 학술적인 정의나 단편적인 경험보다는 좀 더 현실적이고 체계적인 이해가 필요하다

우선 아래 그림을 통해 이들 간의 관계와 개념에 대해 이해를 해 보자.

시대별 흐름에 따른 인공지능, 머신러닝, 딥러닝의 포함 관계 (출처: https://steemit.com/mbl/@mbl/mbl-gpu)

인공지능이 가장 상위의 넓은 개념이고, 인공 지능을 구현하는 방법 중 가장 중요한 방법이 머신러닝(기계학습)이다. 딥러닝은 머신 러닝의 여러 방법들 중 중요 방법론으로 인공신경망(Artificial Neural Network)의 한 종류로서 알파고, 자율주행차 등 최근 가장 주목받고 있는 개념이다.

여기서는 학문적인 정의보다는 일반인들이 이해하기 쉽게 각 개념에 대해서 설명하면 아래와 같다.

인공지능(Artificial Intelligence): 가장 오래된 개념으로 인간의 지능을 컴퓨터 프로그램으로 구현해 인공적인 지능을 갖춘 컴퓨터 시스템이다. 2016년 알파고가 이세돌 9단을 이긴 사건으로 많은 사람들에게 알려졌다. 아직은 인간 수준의 지능이 갖고 있지는 않지만 최근 컴퓨팅 기술 및 분석 기법의 발달로 인해 빠른 속도로 발전하고 있다. (더 자세히 알고 싶다면 여기 참조)

머신러닝 (Machine Learning): 말 그대로 기계(머신)가 스스로 학습(러닝)을 하는 것으로 인간이 직접 지시를(프로그래밍) 하는 것이 아니고, 데이터와 원하는 결과 값을 주면 스스로 학습하여 조건을 찾는 것이다. 인간이 컴퓨터를 다루는 근본적인 개념을 바꾸었다는 측면에서 큰 의미를 지닌다.

딥러닝(Deep Learning): 인간의 뇌 신경망을 모방한 인공 신경망의 한 종류로 예전부터 존재했으나, 근본적인 한계로 인해 사라질 뻔하다가 2000년대 들어 기존 한계를 극복할 알고리즘을 찾아 '딥러닝'이라는 새로운 이름으로 브랜딩 하였다. 근래 들어 축적된 막대한 데이터와 그래픽 처리 장치의 발전으로 정확도가 급격히 좋아져서 현재는 활발히 이용되고 있다.

더 자세한 내용을 알고 싶다면 여기를 참고하길 바란다.

인공지능을 활용하기 위한 프레임 워크

OpenAI의 GPT-3을 통해 살펴봤던 것처럼 구글, 페이스북 등 글로벌 테크 기업들은 인공지능 기술 관련 소스코드 및 API, 테스트 환경 등 개발 플랫폼을 오픈 소스로 무료 공개해서 누구가 사용이 가능하다. 이렇게 무료 공개를 하는 이유는 인공지능 알고리즘과 개발 툴의 활용을 위해서는 해당 산업의 전문 지식이 필요하고 또한 이를 통해 더 많은 데이터를 확보할 수 있기 때문이다. 참고로 현재 대표 기업들이 제공하는 인공지능(AI) 프레임 워크는 다음과 같다.

구글 텐서 플로우(Tensor Flow): 2015년 오픈소스로 공개한 딥러닝 프레임 워크. 성능이 좋고 범용성을 기반으로 널리 사용

페이스북 파이 토치(PyTorch): 페이스북 인공지능 연구 팀 FAIR(Facebook AI Research)에서 만든 파이썬 기반 오픈 소스 머신러닝 프레임 웍.

오픈 소스 케라스(Keras) 파이썬(Python)으로 작성된 오픈소스 신경망 프레임 워크. 구성이 간결해 상대적으로 초보자도 쉽게 사용할 수 있음

마이크로 소프트 CNTK(Computational Network Toolkit): 빠르고 쉬운 딥러닝 패키지로 모델과 알고리즘이 다양함

버클리 AI 연구소 카페(Caffe): 이미지 분류 머신 러닝에 특화되어 있음

(좀 더 자세한 내용 및 각 장단점이 알고 싶다면 여기를 참조)

이렇게 AI 프레임 웍을 제공함으로써 핵심 인공 지능 기술 개발은 위 테크 기업들이 리딩 하고, 이를 활용한 실제 비즈니스는 다양한 기업 혹은 스타트업들이 응용하는 형태가 될 것이다. 따라서 보편화되어 있는 인공지능 프레임 웍을 활용해 많은 사람들이 손쉽게 참여 가능하고 미래의 시장의 기회가 열려 있다고 볼 수 있다.

인공지능과 비즈니스 기회

앞서 인터넷 기반 비즈니스 변화에서 살펴보았듯이 새로운 기술 및 디지털 플랫폼의 등장으로 인해 우리 삶의 방식이 바뀌고 이 과정에서 많은 기회가 발생했다. 인공지능 또한 혁신적인 기술로 우리의 일하는 방식을 바꾸고 다양한 산업 분야에 응용될 수 있는 엄청난 기회가 존재한다. 하지만 전문가가 아닌 이상, 우리에겐 이론적인 내용보다는 이를 비즈니스로 연결시켜 어떻게 응용하고 활용할 수 있는가를 살펴보는 것이 더 도움이 된다고 본다.

최근 여러 시장 조사 기관에서 산업별 케이스를 분석해 인공지능 적용 우선순위를 발표했는데, 특히 제조, 의료, 금용 분야에 인공지능 활용이 활발할 것으로 전망했다.

출처: 인공지능이 만드는 미래와 새로운 비즈니스 기회, 정보통신 산업 진흥원(2019-04)

인공 지능을 활용한 기회는 다양하고 광범위 하지만, 여기서는 실제로 인공지능을 응용한 비즈니스를 사례를 통해, AI 기술 중심이 아닌 사용자 중심의 서비스로 어떻게 AI를 활용하는지 살펴보고자 한다. 사실 우리에게 있어 인공지능이라는 큰 기술의 변화를 쉽게 받아들이고 이해하기는 어렵다. 오히려 주변 실생활에서 사용되는 실용적인 서비스를 통해 감을 잡고 이를 잘 이해할 수 있을 것이다.

인공지능을 활용한 생산성 향상 서비스

국내 인공지능 기술 스타트업 중에 '보이저 엑스'라는 곳이 있다. 거창하고 실현 가능성이 적은 서비스보다는 사소하지만 실생활에 꼭 필요한 서비스를 AI를 활용해 개발하여 비즈니스를 운영하고 있다. (Youtube)

보이저 엑스 남세동 대표의 인터뷰 영상

대표적인 서비스로 인공지능 영상 편집 소프트 웨어 '브루(Vrew)'로 동영상에 있는 음성을 인식해 자동으로 자막을 입혀 주는 서비스이다. 평소에 유튜브 혹은 영상을 제작 및 편집해 본 사람은 알겠지만 15분짜리 영상을 만들기 위해 자막 입히고 자르고, 스크립트를 작성하는데 익숙해져도 4시간 이상 걸리는 일이다. 보이저 엑스 남세동 대표는 여기에서 인공지능 활용의 기회를 보았고 동영상 속 음성을 추출해내서 음성인식 기술로 영상에 맞게 스크립트를 자동으로 만들어 주는 서비스를 개발했다. 문서 편집을 하듯 그 스크립트를 편집하면 영상도 같이 편집되는 기술로 동영상 편집의 생산성을 크게 높일 수 있다. 그 결과 자막 작업에 4시간이나 걸리던 것을 '브루' 덕분에 10분 만에 마쳤다는 뜨거운 고객 반응이 있었다.

다른 하나의 유명한 예시로 농사일을 하시는 어머니를 돕기 위해 비전문가가 구글의 텐서 플로우를 활용해 인공지능 딥러닝 기반의 오이 자동 분류 시스템을 만들 경우를 들 수 있다. 자동차 임베디드 시스템 디자이너였던 마코토 고이케는 일을 그만두고 어머니의 오이 농사일을 돕던 중, 오이를 9등급으로 분류하는 일에 하루에 8시간씩 일해야 한다는 것을 알게 되었다. 그래서 그는 몇만 원에 불과한 라즈베리파이 3(Raspberry Pi)으로 오이 사진을 찍고 구글의 텐서 플로우를 활용해 오이를 자동 분류하는 딥러닝을 만들었다. 물론 초기에 딥러닝 학습용 데이터 세트를 위해 7천 장의 오이 사진을 찍고 정확도를 높였고 3개월의 시간이 걸렸지만 아래 이미지에 보는 것과 같이 멋진 인공지능 오이 분류기를 만들었다.(출처: here, 동영상)

구글의 텐서 플로우를 기반으로 농사꾼 어머니를 위한 자동 오이 분류 이미지

여기서 살펴본 바와 같이 사람이 반복적으로 처리해야 하는 단순 업무를 인공지능 알고리듬을 통해 자동화시킬 수 있고, 많은 비즈니스 기회가 있다고 본다. 물론 이를 위해서는 딥러닝 모델을 트레이닝(지도 학습) 하기 위한 데이터 셋을 만드는 일은 비용과 시간이 많이 소요되고 반드시 필요한 과정이다. 대부분의 경우 데이터를 모으고 통합하는 과정에서 1/3 이상의 시간이 소요될 정도로 데이터 비중이 크기 때문에 지금부터 데이터 전처리 및 관리를 시작해야 한다.

우리는 인공지능을 활용한다고 하면 너무 심각하게 받아들이는 경향이 있는데, 일상생활 속에서 당연하게 생각하고 스쳐 지나가는 일들 속에서 기회가 있다고 본다. 지금도 우리 주변에는 사람이 직접 판단해서 처리해야 하는 수많은 단순 노동 및 서비스가 있는데 이는 머지않아 인공 지능으로 대처될 것이다. 인공 지능이 반복적이고 단순한 업무를 처리할수록 이로 인해 사람들은 더 창의적인 일에 몰두할 수 있게 되는 것이다.

우리는 인공 지능과 경쟁하는 것이 아니라 인공 지능을 사용해 달른 비즈니스 기회를 만들어 내는 사람들과 경쟁하는 것이다. 우리 앞에 주어진 멋진 툴을 잘 활용해서 새로운 비즈니스 기회를 만들어 보자.

인공지능 시리즈(1/2) 우리는 인공지능을 어떻게 받아들여야 할까? https://brunch.co.kr/@suno7608/2

인공지능 시리즈(2/2) 인공지능에 대한 이해와 비즈니스 기회: https://brunch.co.kr/@suno7608/3

keyword