최근 인공지능이 빠르게 발전ㆍ보급되는 배경에는 ①머신러닝, 심층학습(딥러닝) 연구의 발전, ②컴퓨터 계산 능력 향상, ③스마트폰 및 센서, IoT 기기 및 고속통신망의 정비에 따른 빅데이터의 출현이 있다. 여기서는 이 3가지 배경을 바탕으로, 인공지능의 향후 전망을 고찰한다.

 

(1) 머신러닝, 심층학습(딥러닝) 기술의 진화와 심화

 

인간이나 동물의 뇌신경회로처럼 알고리즘을 다층 구조화한 뉴럴 네트워크로 이루어진 심층학습은 2012년에 화상인식 정밀도가 크게 향상하여 길이 열리게 되었으며, 최근에는 빈칸 채우기와 같은 형식으로 자기학습을 진행하는 자연언어처리 분야가 크게 발전하고 있다. 일찍이 IT 업계의 진보ㆍ발전을 개나 쥐의 성장 속도와 같이 빠르다는 의미에서 도그(마우스) 이어(year)라고 불렀는데, 그야말로 하루가 다르게 기술이 발전하고 있으며, 다양한 분야에서 잇따라 인간을 뛰어넘는 연구 결과가 발표되고 있다.

 

예를 들어, 입력한 사진을 가지고 ‘강아지’나 ‘고양이’ 등 자동으로 분류 및 판정하는 ‘화상 분류(Image Classification)’ 분야에서는 이미 인간의 인식 수준을 뛰어넘었는데, 최근에는 기술이 더 다양해지고 있다.

 

아래 그림은 특정한 이미지 데이터세트에 관한 화상 분류 모델의 정답률을 나타내는 리더 보드이다. 세로축의 Top1 Accuracy는 최초의 예측에 대한 정답률을 나타내며, 가로축의 시간의 경과와 함께 ‘state-of-the-art(최첨단 모델)’의 정답률이 90%가 넘을 정도로 향상한 것에 더해 그밖에도 많은 기술이 등장했음을 알 수 있다.

 

최근 강력한 컴퓨팅 파워를 배경으로 정밀도를 향상시키는 새로운 기술이 개발되는 한편, 원래 존재하던 고전적인 방법을 재검토함으로써 가벼운 고성능 기술도 재등장하고 있다. 이것은 마치 나선 계단을 오르는 것처럼, 오래되고 친숙한 것이 새로운 가치를 띠게 되어, 원래보다 한층 더 높은 수준으로 부활한 것과 같다. 이러한 경향은 앞으로도 계속되어, 머신러닝, 심층학습에 관한 기술의 발전(발견, 진보)과 심화(추구, 개선)가 동시에 진행될 것으로 예상된다.

 

<그림1> ImageNet 데이터세트의 화상 분류(Image Classification)의 리더 보드

주) ImageNet은 1400만 장 이상의 컬러 사진과 설명(정답 라벨)을 보유한 화상 데이터베이스임

자료 : https://paperswithcode.com/sota/image-classification-on-imagenet

 

(2) 컴퓨터 처리 성능의 향상

 

미국의 물리학자이자 인텔의 공동 창업자인 고든 무어가 제언한 ‘무어의 법칙’은 반도체 업계의 경험칙으로서, 반도체의 집적률은 18개월마다 2배로 증가한다는 법칙이다. 컴퓨터 처리 성능은 이 집적률에 비례하며, 실제로 현재까지 기하급수적으로 향상하였다. 아래 그림은 CPU(중앙연산처리장치) 클럭 주파수의 천이를 나타내는 그래프인데, ‘y＝10X’이 직선으로 나타나는 이른바 편대수 그래프이며, 실제로는 시간의 경과와 함께 ‘「1→2→4 →8→16→32’로 가속도적으로 진화함을 나타내고 있다.

 

최근에는 반도체 개발 속도가 둔화되기 시작하여, 무어의 법칙이 끝났다는 견해가 있는데, 양자역학을 사용하는 꿈의 컴퓨터라 불리는 ‘양자 컴퓨터’의 연구가 진행되고 향후 실용화되면, 처리 성능이 더욱 향상할 것으로 기대된다.

 

양자 컴퓨터는 양자역학의 원리를 바탕으로 하는 완전히 새로운 형태의 컴퓨터이며, 2019년에는 미국의 Google이 실증실험에 성공하여, 슈퍼컴퓨터로는 1만 년이 소요되는 계산 문제를 불과 3분 20초 만에 풀었다는 보도가 있었다. 내용이나 성패 여부에 대한 의논이 있긴 하지만, 기존에 없던 새로운 차원의 처리 능력을 갖고 있으면서 동시에 매우 적은 소비 전력으로 처리할 수 있기 때문에, 앞으로의 AI 전략, 디지털 개혁(Digital Transformation : DX)뿐 아니라 그린 성장 전략의 관점에서도 그 실용화가 기대된다.

 

가까운 미래에 양자 컴퓨터와 인공지능을 조합하여, 예를 들어 신소재나 신약 개발, 탈탄소화를 위한 기술 개혁, 양자 암호 통신ㆍ기술에 대한 활용, 우주의 수수께끼 등 미지의 현상 해명 등, 까마득히 복잡한 계산을 바탕으로 하는 기술 혁신 및 새로운 발견이 있을 것으로 기대된다.

 

<그림2> CPU(중앙연산처리장치) 클럭 주파수의 천이

주) 세로축의 클럭 주파수는 CPU(중앙연산처리장치)의 처리 속도를 나타내며, 단위는 MHz(메가헤르츠)이다. 1MHz는 전기 신호를 1초에 100만 번 전환(온/오프)할 수 있음을 나타낸다. 최근에는 성능이 향상하여 여러 CPU에서 처리하는 멀티코어를 채용하거나 화상 처리 및 심층학습(딥러닝)에 적합한 GPU(그래픽처리장치)와 구분하여 사용되고 있다.

자료 : https://www.soumu.go.jp/johotsusintokei/linkdata/r01_01_houkoku.pdf

 

IBM은 2016년에 클라우드에서 접속할 수 있는 양자 컴퓨터를 공개했다. 현재 클라우드에 공개된 양자 컴퓨터의 양자 비트 규모는 작으며, 고전 컴퓨터에 비해 우위성을 가지는 이용 방법이 현재로서는 존재하지 않지만, 실제로 양자 컴퓨터에서 계산을 실행시킬 수 있는 환경을 제공하는 것은 교육적 관점 및 실험가뿐 아니라 누구나 사용할 수 있도록 하기 위한 엔지니어링(캘리브레이션의 자동화 등)의 관점에서 매우 중요한 의미를 지닌다.

 

또한 2017년에는 양자 정보과학 분야의 지도적인 위치에 있는 연구자 존 프레스킬(John Preskill)이 Q2B라는 양자 컴퓨터의 비즈니스 응용을 목표로 하는 국제회의에서 있었던 기조연설에서 현재 발전하고 있는 양자 컴퓨터를 근미래적으로 어떻게 응용해야 하는지에 대해 이야기했다.

 

거기서, 근미래에 실현될 고전 컴퓨터가 잠재적인 우위성은 뛰어나지만 양자 오류 정정을 실장하기에는 규모가 부족한 중소 규모의 양자 디바이스를 NISQ(Noisy Intermediate -Scale Quantum) 기술로 정의하고, 향후 어떻게 활용해야 할지에 대한 문제를 제기했다.

 

2014년 이후 Google과 IBM, 그리고 마찬가지로 초전도 양자 비트 방식의 하드웨어를 개발하는 벤처기업 Rigetti Computing 등이 양자 컴퓨터의 실제 기기를 업데이트하는 과정에서 양자 오류 정정을 실장한 대규모 양자 컴퓨터를 기다리지 않고 실제 기기를 응용하려는 기운이 고조됨과 더불어, NISQ(=근미래에 실현될 양자 컴퓨터)의 응용이라는 새로운 연구 필드가 형성되었다.

 

2019년에는 Google이 53양자 비트의 양자 컴퓨터를 높은 정밀도로 작동시키는 데 성공하여, 랜덤 양자 회로를 사용하는 벤치마크 태스크를 실행했다. 실제 양자 컴퓨터는 이러한 태스크를 200초 만에 실행할 수 있는데 반해, 동일한 태스크를 고전 컴퓨터에서 수행하게 되면 1만 년이 걸린다는 견적이 발표되었고, 이러한 결과는 ‘양자 초월성’으로서 각종 매체에서 보도되었다.

 

컴퓨터를 사용하는 경우의 계산 속도는 아직은 더 최적화해야 하는 여지가 있으므로, IBM의 반론 및 이후 고전 컴퓨터에서 시뮬레이션 방법을 개선함에 따라 슈퍼컴퓨터를 사용하여 비슷한 시간 안에 시뮬레이션할 수 있게 될 것이다.

 

현재 양자 컴퓨터가 잘 수행할 수 있는 업무에 있어 슈퍼컴퓨터와 양자 컴퓨터가 힘겨루기를 하는 상황인데, 조만간 양자 컴퓨터의 양자 비트 수가 증가하고 연산 정밀도가 향상함에 따라 이러한 문제 설정에 대한 우위성이 확실해질 것으로 예상된다.

 

또한 Google, IBM, Rigetti computing 등이 진행하는 초전도 양자 비트 방식뿐 아니라 IonQ 및 Honeywell이 실천하는 이온트랩 방식, 더불어 PsiQuantum, Xanadu 등이 수행하는 광양자 비트에 더하여, 최근에는 냉각 원자를 이용하는 새로운 방식이 등장했다.

 

(3) 빅데이터의 시민권 확립과 인공지능에 대한 활용

 

빅데이터의 정의는 ‘디지털화의 더 큰 발전과 네트워크 속도 향상, 또한 스마트폰 및 센서 등 IoT 관련 기기의 소형화ㆍ저비용화에 따른 IoT의 발전으로 인해 스마트폰 등을 통한 위치 정보 및 행동 이력, 인터넷 및 TV의 시청ㆍ소비 행동 등에 관한 정보, 또한 소형화된 센서 등으로부터 얻어진 방대한 데이터’이다.

 

이러한 빅데이터 중 POS 데이터는 민간의 개인 소비 예측 등에 활용되며, 위치 정보 데이터는 신종 코로나 바이러스 감염증의 감염 방지 및 예방 행동 분석 등에 사용된다. 또한 이러한 데이터들은 정부의 통계 데이터나 실적 데이터 등 전통적인 데이터와 비교하여 ‘얼터너티브 데이터((Alternative data)’라고 불리며, 집계ㆍ공표의 빈도가 높아 점차 존재감을 드러내고 있다.

 

우리 정부는 '데이터기반행정법' 제14조(민간 데이터 제공 요청 등)에 따라 민간 데이터 이용ㆍ활용을 강화한다. 구체적으로는 민간데이터 구매제도 구체화 ▲민간 데이터 조달 체계화 ▲민간데이터 판매 및 상품화 등이 포함된다.

 

먼저 민간데이터 구매제도 구체화를 위해 예산 편성 세부지침 및 예산 집행지침에 데이터 구매 관련 사항을 구준해 구체적으로 규정하도록 했다. 또 시장자율 기반의 가격책정이 존중될 수 있도록 민간 의견을 충분히 수렴해 데이터 대가산정 기준안을 마련하고, 발주준비->계약->사후관리 등 단계별로 참고할 수 있는 민간데이터 활용 가이드라인을 마련하고 표준계약서를 제공하기로 했다.

 

민간 데이터 조달 체계화를 위한 방안도 마련됐다. 계약방식을 물품(일반 데이터 파일), 디지털서비스(API 및 시각화서비스), 용역(보고서 및 분석모델) 등으로 세분화한다. 또, 일정 규모 이상의 데이터 구매는 용역사업과 분리발주하도록 하는 등 민간데이터 구매 촉진을 위한 구매 기준을 마련한다.

 

민간데이터 판매 및 상품화 지원을 위해서는 공공부문의 민간데이터 구매 수요를 조사·발표하는 수요예보 제도를 도입하기로 했다. 또, 다양한 데이터 상품이 나올 수 있도록 데이터 바우처 지원범위를 확대하고 원본 데이터뿐 아니라 새롭게 만든 데이터도 상품으로 등록해 판매할 수 있게 했다.

 

이러한 민간 데이터들은 즉각적으로, 또한 효율적으로 데이터를 취득할 수 있기 때문에, 실체 경제의 움직임을 훨씬 더 시의적절하게 정책에 활용할 수 있고, 기업의 입장에서도 국가가 모은 데이터를 사업에 활용할 수 있다는 이점이 있다.

 

한편, 개인정보의 적절한 익명화 등 데이터 활용에서 빼놓을 수 없는 개인정보에 대한 배려와 정보를 보호하는 체제의 구축이 과제가 된다. 또한 데이터의 신뢰성, 지속 가능성은 언제나 과제가 되는 한편, 데이터의 표준화, 정형화 등도 과제가 된다. 앞으로는 이용자의 동의를 얻어 구매 이력 등의 개인 데이터를 위탁받아 제3자에게 제공하는 ‘정보은행’이나 정보를 매매하는 ‘데이터 거래 시장’이 보급의 열쇠가 될 텐데, 정부는 이러한 데이터들의 사양이나 취급 규칙을 정리하여 교육 및 의료, 인프라, 스마트시티 등 준공공 분야로서 정비할 예정이므로, 앞으로도 빅데이터는 얼터너티브 데이터로서 시민권을 확립하고, 인공지능에 활용될 것으로 기대된다.

 

 

[ICT 핵심기술별 글로벌 마켓 데이터] 통계BOOK 상세보기
- 인공지능(AI) / 빅데이터 / 클라우드 컴퓨팅 / 사물인터넷(IoT) / 블록체인ㆍ가상화폐 / 메타버스 / NFT(대체불가능토큰) / 디지털트윈 / XR(확장현실) / 양자기술 / IT보안 / IT네트워크 / 5Gㆍ6G / 각 분야별 글로벌 마켓 데이터

https://www.irsglobal.com/shop_goods/goods_view.htm?category=02000000&goods_idx=85580&goods_bu_id=