[AI 컨퍼런스 인터뷰]②(하) 최윤석 MS 전무 “AI 대중화, 신뢰성 확보 필수”
"얼굴 인식 기술은 보안시스템 적용 가능…회사 단위로 이뤄지는 서비스 통합, 시너지 노려야”
2017-09-07 원태영 기자
IoT와 AI 기술을 접목해 간단한 ‘스마트 도어벨’ 같은 것들을 만들 수 있다. 지금도 최근에 지어진 아파트의 경우, 부재중에 누군가 찾아오면 방문객의 얼굴을 사진으로 남기는 기능을 제공하고 있다. 이를 클라우드와 연결해 AI 기술을 접목하면, 해당 방문객이 누군지 찾아주는 서비스를 받을 수 있게 된다.
특히 얼굴 인식 AI 기술을 적용하게 되면, 얼굴 뿐만 아니라 특정한 복장에 대해서도 인식이 가능하게 된다. 예들 들어 복면이나 마스크를 쓰고 집안에 들어올 경우, 도둑으로 인식 집주인에게 자동으로 경고를 해 줄 수도 있다.
MS는 지난 5월 2017년 연례 개발자 컨퍼런스 빌드에서 이와 비슷한 기술을 공개한 적 있다. AI 포 워크플레이스 세이프티(AI for Workplace Safety)란 기술이다. AI 시스템이 현장에 설치돼 있는 여러 대의 CCTV에서 나오는 영상을 실시간으로 분석해 사전에 위험 요소를 파악하는 방식이다. 이 기술은 영상 분석을 통해 위험을 사전에 감지, 작업자에게 알려주며 영상 속의 사람들이 적절한 권한을 가지고 작업을 하는지, 해당 도구가 어디에 있는지 찾아주는 역할도 함께 한다.
아울러 AI 기술이 발전함에 따라, 데이터 분석 능력이 점점 더 향상될 것으로 보인다. 예를 들어 수면 기록을 비롯해 스마트체중계, 스마트체지방계 등을 통해 이용자가 했던 모든 운동 기록을 수집, 이를 통합적으로 분석해 의미있는 데이터를 도출할 수 있을 것이다.
AI의 한 분야로 머신러닝이 각광받고 있다.
먼저 머신러닝과 딥러닝을 구분할 필요가 있다. 머신러닝은 특정 데이터를 집어 넣어 AI를 학습시키는 것이다. 예를 들어 머신러닝을 통해 개와 고양이를 구분하기 위해선, 수많은 개 사진과 고양이 사진을 넣어야 한다. 아울러 사진을 넣을 때마다 AI에게 해당 사진이 무슨 사진인지를 알려줘야 한다. 이후 AI는 학습된 데이터를 바탕으로 해당 사진이 무슨 사진인지를 판단하게 된다. 따라서 머신러닝의 경우, 학습 데이터와 테스트데이터를 구분하는 것이 중요하다. 100만장의 사진이 있다면 70만장으론 학습을 하고 나머지 30만장으로는 검증을 하는 방식이다.
반면 딥러닝의 경우, 바탕이 되는 데이터를 그대로 주고 딥러닝 알고리즘이 인공 신경망(Neural Network)을 이용해 스스로 분석한 후 답을 내는 방식이다. 넓은 의미에서 보면 딥러닝 역시 머신러닝에 포함된다. 알파고의 경우, 딥러닝의 대표적인 사례다.
AI를 크게 나누면, 약인공지능, 강인공지능, 초인공지능 등으로 분류할 수 있다. 약인공지능은 특정 분야에서만 쓰이는 것을 의미한다. 강인공지능은 사람과 유사하게 전 분야를 다루는 것이다. 초인공지능은 사람을 뛰어넘는 것을 말한다. 현재의 인공지능 기술 수준은 약인공지능 단계다. 일각에서는 강인공지능으로 넘어가는 시점이 대략 2040년쯤이라고들 말한다. 초인공지능의 경우, 2060년 정도로 알려져 있다. 그러나 이보다 더 빠르게 다가올 수도 있는 상황이다.
현재 한국의 AI 기술 수준은 선진국과 비교해 어느정도 수준인가. 한국 정부의 과제는.
아직까진 미국 등 선진국에 비해 기술 수준이 부족한 상황이다. 특히 최근엔 중국이 빠르게 부상하고 있다. AI 관련 최근 리포트를 보면, 미국의 경우 원천기술 부분은 여전히 강세를 나타내고 있지만 머신러닝이나 딥러닝 관련 새로운 이론들은 중국이 미국을 앞서가고 있는 상황이다.
중국은 실제로 AI 분야에 많은 투자를 하고 있다. MS의 경우도 AI 전문인력 가운데 중국계 인원이 상당히 많다. 지금과 추세가 계속된다면 AI 기술을 배우기 위해서 중국어를 배워야 하는 상황도 일어날 수 있다.
한국도 몇몇기업들이 AI 관련 인재들을 영입하고 있지만. 아직은 제한적인 상황이다. 현재 AI 분야는 전 세계적으로 인재 확보 경쟁이 치열하다. AI 인력 확보를 위해선 매력적인 환경을 구성하는 것이 중요하다. 한국 정부도 인재 모집을 위한 프로젝트 및 연구 인프라를 구축해야 할 것으로 보인다. 중국의 경우 AI에 대한 몇 개년 계획을 상당히 구체적으로 세워놨다. 한국도 국가적 장기 지원책, 산학협력모델, 글로벌협력모델 등 다양한 계획을 수립할 필요가 있다.
AI 기술이 향후 궁극적으로 추구해야할 방향은 무엇인가.
우선 AI에 대한 허들을 없앨 필요가 있다. 대중화되기 위해선 모두가 공감할 수 있도록 신뢰성을 확보해야 한다. 기업의 경우 특정 영역에서 한정적으로 사용하기 때문에 크게 문제가 되지 않는다. 예컨대 정확도가 85%인 기술이 있다면 기업에서는 없는 것 보다 낫다는 입장에서 해당 기술을 쓸 수 있다. 그러나 대중적인 서비스라고 가정할 경우, 일반 대중입장에서 85%의 적중률은 사용하기 꺼려지는 기술일 수 있는 것이다.
아울러 최근 AI가 그동안 불가능으로 여겨졌던 사람과의 바둑대결을 승리로 이끌었 듯 그간 사람들이 예상치 못했던 일들이 벌어질 가능성이 높다. 결국 이러한 큰 힘에는 그에 따른 책임이 동반된다. 기업뿐만 아니라 정부 차원에서도 준비가 필요한 부분이다. 윤리적 문제 뿐만 아니라, AI를 활용한 인명살상용 무기 등도 경계해야 한다. 전 세계적인 합의가 필요하다.
현재 각 회사 단위로 이뤄지고 있는 서비스들도 통합할 필요가 있다. 각각의 AI 서비스가 벽을 치고 따로 움직이기보다는 벽을 허물고 상호연동할 때 시너지 효과를 얻을 수 있을 것이다. 아울러 기존에 AI 기술을 도입하지 않았던 기업들의 경우, 빠른 시일내에 AI 기술을 도입해야 할 것으로 보인다. 향후 AI와 접목에 실패하면 그 기업의 미래는 보장받기 어려울 것이다.