척척박사 윤박사가 들려주는 AI | 일곱 번째, 스마트 시대의 인공지능 사례 – 스마트 지능

 

 

 

 

스마트 지능(Smart Intelligence)은 개인이 가지고 있는 스마트 디바이스를 이용하여 개인 맞춤형 서비스를 제공하기 위한 인공지능 서비스 모델의 하나이다. 이는 개인별 스마트 디바이스에서 발생되는 데이터를 개인용 클라우드 시스템으로 지식을 생성하고, 개인 맞춤형 기계학습 엔진을 통해 지능형 상황 인지 통합 서비스라 할 수 있다. 또한 최근에 P2P 개념과 다시 결합되어 스마트 디바이스의 프로세스 기능을 강화하고, 클라우드 컴퓨팅에서 실시간 개인 상황 데이터를 훈련시켜 개인 맞춤형 실시간 서비스로의 가능성을 확인하고 있다.

 

 

스마트 지능의 특징
스마트 지능은 상황 정보(Context Information)를 통해 이전의 상황과 반응에 따라 현재 상태를 어떻게 예측하고 추론하는가가 중요하다. 상황 정보는 5W1H(Who, When, Where, What, How, Why)를 기준으로 데이터의 의미정보를 통합하고 정제가 필요하다. 서비스를 위한 콘텐츠는 상황 정보에 따른 예측값으로 콘텐츠를 검색하고, 가장 연관성이 높은 콘텐츠를 평가하여 제공하게 된다. 이 방법은 이전에 기고문에서 언급한 IBM Watson의 원리와 동일하다. 또한 위치기반 증강현실 서비스와 딥러닝이 결합된 새로운 맞춤형 증강현실 및 가상현실 서비스의 개발을 시도하고 있다. 스마트 지능이 적용된 서비스는 예측의 정확도를 높이기 위해 사용자의 만족도 평가를 어떻게 계산하고 기계학습 모델로 피드백(Feedback) 할 것인가에 대한 명확한 구조가 포함되어야 한다. 아래의 그림은 상황정보를 수집하고, 서비스까지의 처리 단계를 표현한 스마트 지능의 그림이다.

 

 

 

스마트 지능을 위한 데이터는 개인이 가지고 있는 데이터도 있지만 기업과 공공기관에서 수집되는 데이터도 있기 때문에 이를 확보하고 통합하는 것이 중요하다. 개인 데이터 통합을 위해서는 개인의 정보를 비식별화하고 통합할 수 있는 옴니 채널(Omni-channel)이 필요하다. 그리고 서비스를 선별하여 제공할 수 있는 콘텐츠 팜을 구성하는 것이 중요하다. 콘텐츠 팜은 다양한 콘텐츠를 대상으로 개인의 상황을 학습한 기계학습 모델 결과 값에 따라 실시간으로 연관성 및 관계성을 평가하여 점수가 높은 콘텐츠를 선별하고 제공되어야 한다. 연관성 및 관계성 평가는 기계학습(단순신경망, 딥러닝 등)을 통해 새로운 상황에 능동적으로 대처하는 구조를 포함하고 있어야 한다. 이렇듯 스마트 지능은 개인의 정보를 하나로 통합하기 위한 일련의 과정이 필요하며, 이를 위해 정부 주도적인 옴니 채널이 구성되어 각 기업이 보유한 개인정보를 하나로 통합하는 과정이 필수적으로 진행되어야 한다. 즉, 아무리 많은 데이터를 생산하여도 개인과 연관된 데이터를 확보하고 통합할 수 없다면 스마트 지능으로 발전할 수 없는 것이다.

 

 

스마트 지능의 서비스 환경
스마트 지능 서비스는 앞에서 언급했듯이 개인을 위한 맞춤형 서비스이다. 그렇기 때문에 각 개인의 성향과 상황을 학습하기 위한 기계학습 엔진이 개인별로 주어지고, 이를 처리하는 인프라도 개인별로 주어져야 한다. 그렇기 때문에 개인용 하이브리드 클라우드 컴퓨팅 환경이 필요하다. 이 환경은 VM(Virtual Machine)의 가상화 서비스(Virtual Service)나 도커(Docker) 기반의 개인 컨테이너 서비스(Private Container Service)가 요구된다. 특히 4차 산업혁명의 핵심 아이템인 클라우드 컴퓨팅, IoT, 빅데이터, 인공지능의 4가지를 결합한 스마트 지능 서비스의 구조 설계가 필요하다. 현재까지의 개인 맞춤형 서비스는 개인의 상태 정보를 이용하여 특정 그룹으로 분류하고, 해당 그룹에 제공하는 서비스를 개인에게 전달하는 형태였다. 그렇기 때문에 정확한 의미의 개인 맞춤형 서비스는 아닌 것이다. 따라서 개인 맞춤형 서비스의 단계별 진행은 그룹 맞춤형 서비스를 먼저 구성하고, 그 이후에 개인별 맞춤형 서비스를 구성하는 일련의 로드맵의 구성과 인프라 설계 및 확장이 필요하다. 아래의 그림은 그룹 구조의 개인화 서비스와 개인별 맞춤형 서비스를 보다 빠르게 구성할 수 있는 인프라 환경 모델 중 하나이다.

 

 

 

개인적으로는 VM 클라우드 환경보다는 Docker 기반의 클라우드 서비스 환경으로 발전시키는 것이 좋다고 생각한다. 그 이유는 VM 클라우드 환경은 개인화에 맞는 표준화된 환경을 기반으로 구축이 필요하며, 서버당 개인을 위해 할당할 수 있는 인프라 가상화의 개수가 제한적이다. 하지만 개인의 성향이나 상황을 학습하는 엔진의 효율은 독립적인 환경을 사용하기 때문에 Docker보다는 우수할 것이다. 이에 비해 Docker 기반의 가상화 서비스는 개인별 성향에 따라 서비스를 추가하거나 변경된 엔진을 빠르게 적용할 수 있다. 서비스를 위한 기본적인 환경이 구성되면 일련의 서버 자원들은 사용자 접속 상태에 따라 자원을 공유하거나 할당받는 구조이기 때문에 VM 환경보다 더 많은 사용자를 대상으로 서비스할 수 있다. 따라서 개인 맞춤형으로 다양한 서비스를 구성하려면 유휴 인프라 자원을 최소화하면서 서비스 활용도를 높일 수 있는 Docker 환경이 적합한 구조라고 본다.

 

 

 

스마트 지능의 한계점과 목표
스마트 지능은 아직까지 미래의 서비스 컨셉(Concept)으로 다루어지고 있지만 인공지능 서비스가 지녀야 할 중장기 전략이자 목표이다. 이를 위해 개인정보 보호법과 같은 관련법들의 정비가 필요하다. 또한 각종 서비스에서 발생된 개인 데이터를 통합하는 주체가 필요하다. 그렇기 때문에 서비스의 성공적인 도입과 정착을 위해 기업과 정부의 많은 준비와 협력이 필요하다. 특히 개인화를 위한 데이터 개방과 통합이 가장 큰 문제이며, 개인 데이터의 보호를 위해 선진국과 같이 정부의 강력한 데이터 통합 정책과 리더십이 필요하다. 그리고 기업이 운영하는 서비스에서 생산된 개인의 모든 데이터는 기업이 책임지고 통합하기에는 법률적, 정책적으로도 부담이 되는 부분이 많다. 따라서 정부가 개인의 데이터를 책임지고 통합하면서 관리할 수 있는 구조가 마련되어야 할 것이다. 이를 기반으로 기업은 데이터의 가공을 통해 서비스의 품질 향상과 최적화를 위한 상생 전략 마련이 필요하다.

이렇듯 스마트 지능 서비스는 개인의 사생활 보호라는 법적인 문제와 양질의 서비스 제공을 위한 데이터 개방이라는 양날의 검과 같은 성격을 지니고 있다. 이 부분을 해결할 현명한 인재와 전략이 지금부터라도 추진된다면 우리나라의 인공지능 서비스는 밝은 앞날을 예견할 수 있다.

 

다음 회차에는 스마트 지능을 한 단계 더 발전시키는 신경계 기계학습 모델인 뇌공학과 인공지능의 관계을 살펴보고, 이와 유사한 자연계 기계학습 알고리즘들을 간단히 소개하고자 한다.