IoT 시대의 AI 활용

0

IoT 시대가 본격적으로 도래하면 대량의 데이터를 훨씬 쉽게 모을 수 있게 된다. 요즘 클라우드 환경에서는 1GB 정도의 데이터라면 100원도 안 되는 금액으로 이용할 수 있다. 그러나 데이터는 쌓아두기만 해선 가치가 없으므로 축적된 데이터를 토대로 한 자동화를 위해 AI(인공지능)가 필요하다.

제3차 AI 붐 도래하다

지금은 2013년부터 시작된 제3차 AI의 시대라고 할 수 있다. 제2차 AI의 시대는 엑스퍼트 시스템(Expert System)이라고 불리는 것이 주류였다. 그 후 기계학습이라고 하는 인공지능이 보급되었다.

일반적인 기계학습의 경우에는 사람의 얼굴에 눈이 있고 입이 있고 코가 있고 귀가 있고…하는 식으로 정보를 컴퓨터에게 가르칠 필요가 있었다. 그러나 이런 정도의 정보로는 개와 고양이의 차이를 논리적으로 설명할 수 없었다. 귀가 있고 눈이 있고 코가 있고 입이 있다는 것은 동일하므로 사람, 개, 고양이의 고유한 특징을 명확하게 해주지 못 했다. 물론 실제 사진으로 개와 고양이의 눈을 2차원으로 보면 각각의 특징이 있어 분류가 가능하지만 컴퓨터가 그 미묘한 차이를 구분할 수 없었다. 사람이 그 부분을 처리해야 했다. 그런 가운데 태어난 것이 딥러닝(Deep Learning)이다.

딥러닝

딥러닝은 많은 데이터를 컴퓨터에 투입하면 컴퓨터가 자율적으로 얼굴을 인식하게 되는 방법이다. 여기서 주목해야 할 것은 인식을 위한 특징의 설계와 구분을 사람이 하지 않는다는 점이다.

딥러닝에는 몇 가지 종류가 있는데, 현재 이미지 인식 등의 진보가 진행되고 있는 이론은 ‘합성곱 뉴럴 네트워크’라고 불리는 것이다. 개의 이미지를 컴퓨터에게 보여주고 결과적으로 개인지 여부를 판단시킨다. 틀렸을 때는 판단 과정을 조사한다. 이런 조정을 컴퓨터 스스로가 하는 것이다. 수백만 번 반복함으로써 정밀도가 향상된다. 이 작업은 최신 컴퓨터에서도 많은 시간이 소요된다.

이렇게 해서 정밀도를 올린 인공지능은 ‘학습이 완료된 뉴럴 네트워크’라고 한다. 이 학습 노하우와 실행 기반을 가지고 있는 기업이 강한 인공지능을 보유하고 있는 기업이라고 할 수 있다.

제조업에서 AI의 활용

제조업에서 AI의 활용을 살펴보면, 데이터를 계속 클라우드에 축적하여 고장을 예고할 수 있고 이를 통해 문제를 사전에 방지할 수 있다. 또 카메라를 활용한 이미지 해석에 의해 문제를 인식하는 등 서플라이 체인의 여러 가지 프로세스에서 활용할 수 있다.

현재, 북미에서 IoT를 추진한 제조업의 경우 신제품 준비 시간을 75% 줄였고 또 북미 제조업의 33%가 국내 공장으로 회귀하는 등의 많은 효과를 얻고 있다고 한다. 그중에서도 서비스 등 비제품 측면에서의 발굴이나 시장을 바꾸는 효과를 얻었을 수 있다고 한다.

예를 들어, GE에서는 IoT 도입으로 흔히 얘기되는 예방보전 메인터넌스나 기자재배치의 최적화 외에도 비제품 측면에서의 발굴이나 시장 전환을 통해 현재는 전 세계 항공 산업의 에코화를 진행하고 있다고 한다. 이것은 단순한 제품 판매가 아니라 노하우의 판매다. 게다가 항공 산업이 이 노하우를 받아들이기 위해서는 ‘GE의 엔진을 반드시 이용해야 한다’는 것이 중요하다. 이 ‘GE의 엔진을 반드시 이용해야 한다’는 포인트가 실현되지 않으면 예를 들어 다른 코모디티화된 제품처럼 신흥국의 저렴한 제품이나 서비스로 대치되고 만다.

가까운 일본에서 일어나고 있는 IoT와 AI의 변화도 살펴보자. 우선 부품 제조사의 예이다. 이 회사는 자사 데이터와 타사 데이터를 모두 투입 가능한 데이터 관리 Data Lake Layer를 만들고 있다. 이 대량의 데이터를 자사를 위해서만이 아니라 타사도 이용 가능하게 하여 얻을 있었던 식견 그 자체를 판매할 수 있도록 하고 있다. 제조업용 감시 카메라를 이용하는 예도 있다. 직원이 특정 설비에 접근하면 비콘이 반응해 어떤 메인터넌스를 할지 직원이 가진 모바일에 표시되는 사례다. 이에 의해 ‘종이 매뉴얼 감소’, ‘본사 담당자와의 원격소통’ ‘보고서 제출의 디지털화’가 진행되었고 노하우가 적은 직원이라도 메인터넌스 작업을 수행할 수 있게 되었다.

이들 사례를 보면 모두 대량의 데이터에서 가치를 만들어낸다. IoT로 취득하는 데이터는 대량일 뿐 아니라 데이터 수집 속도도 더 빨라지고 데이터 그 자체도 다양하면서 손상된 것이 있을 수도 있다. 즉 지금까지와 같이 표준화된 데이터의 핸들링이 아니다.

지금까지, 파악한 데이터를 분석해서 현장에 피드백하더라도 대개의 경우 현장에서는 ‘그 사실을 이미 알고 있었다’는 반응이 많았다. IoT 시대에는 현장에서도 파악하지 못한 데이터를 분석해 원래 파악했던 데이터와 혼합하는 것이 중요하다.

– 이미 축적된 데이터(기록 데이터) : 인력으로 하는 일의 효율화
– 앞으로의 데이터(가설 데이터) : 인력으로는 어려운 예측 모델의 도출

데이터의 폭발적 증가를 전제로 하면 IoT와 AI가 만드는 미래는 단순한 ‘생산성 개선’이 키워드가 아니라 AI에 의한 대량 데이터 분석, 그리고 그 결과로 인한 새로운 이노베이션을 찾아야 한다.

 

 

Facebook Comments

About Author

월간 app의 프로필 사진

국내 모바일 산업과 창업 생태계를 응원합니다. 모바일 트렌드에 대한 전문 컬럼을 기고하거나 유망한 스타트업을 소개하고 싶으시면 연락바랍니다. 적극 수용하겠습니다~♥

댓글 남기기