[알기쉬운 AI - 03] 빅데이터 × AI의 의미는?

여러분은 SNS를 이용하고 있습니까? Google계정과 Facebook 등 SNS에는 많은 개인정보가 포함되어 있습니다. 또한 타인의 데이터를 관찰하는 것도 가능합니다. 이 SNS의 급격한 성장은 여러분도 아시다시피 스마트폰 보급에 뿌리를 두고 있습니다. 사실 이 SNS의 보급과 AI는 매우 강한 관계가 있다는 것을 알고 계십니까?

 

1.AI × 빅 데이터

AI가 인간의 능력 이상의 작업을 수행하기 위해서는 대량의 데이터를 사용하여 학습해야 합니다. 그 데이터의 경험치에 의해서 대답을 이끌어내기 때문에, 기본적으로 데이터의 양은 많을수록 좋다고 할 수 있습니다.

 

즉, 머신러닝과 딥러닝은 입력되는 데이터의 양과 질이 그대로 능력으로 이어진다고 해도 과언이 아닙니다.

 

방금 전의 SNS를 예로 들면, SNS는 개인의 이름, 생년월일, 주소부터 구매 내역까지 방대한 양의 데이터를 관리하고 있습니다.

 

이 데이터를 대량으로 취급하는 'SNS'와 데이터 취급의 프로인 'AI'의 관계를 안다면 GAFA (Google, Apple, Facebook, Amazon)가 왜 강하고, 미래에도 강할 것인가?라는 질문의 답을 알 수 있을 것입니다.

 

즉, 소셜 네트워크의 발달로 사람들의 정보 사용이 증가하고, IoT 디바이스가 등장하여 다양한 물건이 인터넷에 접속하기 시작하면서 지금까지는 수치로 측정할 수 없었던 영역의 데이터도 취득이 가능 해지고 있습니다.

 

이렇게 얻은 대량의 데이터를 "빅데이터"라고 합니다.

 

이러한 시대 배경으로 인해 더 나은 AI를 만들기 위한 데이터의 취득이 쉬워진 것도 AI붐을 도래시킨 또 하나의 이유입니다.

 

2. 제3차 AI붐과 그 미래는?

AI활용의 예

그러나 지금까지 말씀드렸던 대로 AI의 최신형인 딥러닝도 완전히 자립된 시스템은 없습니다. 영화와 TV 속에 등장하는 상상 속 AI 기술은 아직 SF 세계의 이야기에 지나지 않습니다. 

 

이전의 AI붐과 비교해 실용적인 범위는 넓어졌다고 하지만, 잘못된 AI의 도입으로 인해 오히려 생산성이 하락하거나 브랜드의 훼손으로 이어질 가능성도 배제할 수 없습니다.

 

이제 인공지능이 어떻게 서비스나 시스템에 활용되고 있는지 구체적인 예를 통해 확인해 보겠습니다.

 

<생산 관리 시스템>

첫째, 제조업이 안고 있는 가까운 미래의 위기감으로 “저출산과 고령화로 인한 일손 부족 및 기술력의 저하”라는 것이 있습니다. 제조업에서는 무엇을 만들 것인가를 결정하고 인원을 배치하고 고장이나 폐기를 예측하면서 생산하고 출하합니다. 즉, 제조업의 업무 내용은 "예측과 결정"의 연속입니다. 그 속에서 "예측"은 바로 AI의 전문 분야입니다. 실제로 흔히 볼 수 있는 사례로 품질예측, 이상 예측 감지를 AI로 합니다. 그리고 AI 모델 고도화를 통해 지금까지 기술자의 경험과 직감에 의존하던 업무수행을 AI로 시스템화하는 것입니다.

 

AI는 실제로 카메라 등을 통해 얻은 동영상에서 하루에 몇수십 만개 생산되는 제품 중에서 단 몇 개의 결함을 발견할 수 있습니다. 이는 AI가 정상적인 제품을 학습하고 그와는 상이한 것들을 "불량"으로 인식해 낼 수 있기 때문입니다.

 

<연구 개발>

새로운 제품이나 재료를 검증하는 재료 개발도 제조의 중요한 부분 중 하나입니다.

 

재료 개발에서 검토해야 할 것들은 무한에 가깝습니다. 예를 들어 Apple 사에 채용될 정도의 고성능 콘덴서를 만들기 위해서는 “어떤 원소들을 합성해서 만들지? 어떤 프로세스로 만들지?”라는 복잡한 문제를 해결해야 합니다. 연구진은 실험 결과와 논리에 의지하여 좋은 성과를 내려고 시행착오를 거쳐 왔습니다.

 

AI는 다양한 패턴의 실험을 거의 아무런 노동력 없이 실시하면서 지금까지 많은 시간을 들여도 찾을 수 없었던 결과를 쉽게 얻어낼 수 있습니다.

 

기존의 실험 베이스 연구개발은 시간과 비용이 많이 소모되고 성과를 달성하는 확률도 낮아서 많은 실패를 착실하게 거듭하는 수밖에 없었습니다. 그러나 머신러닝 모델의 예측을 통해 새로운 아이디어를 제시해 주거나 고려해야 할 기술의 우선순위를 지정할 수도 있습니다. 따라서 보다 효율적인 재료 개발이 가능합니다.

 

특히 AI 기술을 이용한 재료과학은 머티리얼 인포매틱스(material infomtics)라는 이름으로 비밀리에 인기를 끌고 있습니다.

 

<광고>

Web 마케팅은 과거의 광고 실적 등의 데이터로부터 생성된 모델을 사용하여 리스팅 광고의 키워드 변환 예측, 구매 확률이 높은 부문에 대한 광고 게재, 배너광고의 위치 선정 등에 활용되고 있습니다.

 

실제로 리스팅 광고(웹 사이트를 검색했을 때 상위에 표시되는 광고) 나 SNS 광고 등의 게재를 AI 기술로 자동화하는 서비스 등이 나와 있습니다.

 

예를 들어, 이 설루션에 탑재된 AI 캐릭터가 광고대행사 담당자와 같이 대화 형으로 매일 운영 성과를 보고하고, 앞으로의 개선 제안도 수행하는 것입니다. 그 외에도 구입 이력 데이터 등의 모델을 생성하고 다음의 베스트 액션을 예측하여 그 사람이 관심을 가질만한 콘텐츠를 제공하거나, 누르기 좋은 타이밍을 예측하고 데이터 전송시간을 최적화할 수도 있습니다.

 

<방범 ・감시 시스템>

AI에 의한 영상 분석에서는 인간의 보폭과 관절의 움직임 등을 분석하고 부자연스럽게 움직이는 사람이나, 점원의 사각지대에 장시간 머물러있는 손님을 발견할 수 있습니다.

 

예를 들어, 딥러닝을 사용하면 도둑 특유의 부자연스러운 움직임을 학습할 수 있기 때문에 기존의 감시 카메라에서는 어려웠던, 상품 선택에 망설이고 있는 사람과 도둑의 구분을 감지할 수 있습니다.

 

감시 카메라가 찍히기만 하면 실시간으로 ‘사람의 옷의 종류’, ‘차종’, ‘차량 번호’등을 식별할 수 있으며, 사람과 차량이 많이 왕래하는 대형 교차로를 모니터링할 수 있습니다. 범죄 수사에도 도움이 되는 성과를 내고 있어서 자세나 보폭, 손을 흔드는 방식 등 걸음걸이 특징으로부터 개인을 식별하고 범죄 용의자나 테러리스트 추적이 가능한 기술도 개발되고 있습니다.

 

<유통 · 상점>

매장에서 판매하는 제품의 가격은 소매업자가 자유롭게 결정할 수 있습니다. 상품이나 서비스에 따라 매일 가격이 변하는 일도 드물지 않습니다. 전단지에 게재되는 제품 할인 가격은 손님 유치에 중요한 역할을 담당하고 있습니다. 어떤 상품을 어느 타이밍에 얼마나 할인하면 매장 전체의 매출과 수익을 극대화할 수 있는지 AI를 통해 예측함으로써 개별점포뿐만 아니라 체인스토어 전체의 매출을 극대화하는 계획도 즉시 세울 수 있습니다.

 

이처럼 AI를 사용하여 가격을 최적화하는 방법은 호텔이나 여관 업계에도 도입되고 있습니다. 지금까지 관광 시즌과 이벤트에 맞게 관리자가 객실당 요금을 설정하는 것이 일반적이었습니다만, AI는 같은 상권의 호텔이나 여관의 객실 및 요금 정보를 수집하여 거의 전자동으로 최적의 객실 요금을 제안해 줍니다. 또한 객실의 고객 체험 및 브랜드 가치 향상에도 AI가 사용되고 있습니다.

 

예를 들어, 중국 슈퍼 허마셴셩(알리바바가 인수해 신유통 실험모델로 내세우고 있는 회원제 신선제품 매장)은 손에 든 제품을 바탕으로 요리를 제안해주고 선택한 요리에 맞는 레시피도 제안해 줍니다. 선택한 음식에 맞는 음료를 추천하거나, 음료 코너에서 결정을 못하고 있으면 신제품을 안내하는 등, AI를 통해 더 사용자에게 최적화된 장사를 가능하게 한 것입니다.

 

<스포츠>

일반적으로 스포츠의 세계는 아날로그적인 이미지가 강했습니다. 실제로 전통적인 스포츠의 세계는 대부분 감독이나 선수의 경험과 직감에 의해 의사결정이 이루어지고 있었습니다. 그러나 최근 도쿄 올림픽 등에 스포츠 AI의 기술도입 움직임이 강해지고 있습니다.

 

경기 사진이나 영상을 분석하여 시합에 승리하는 기술을 가시화하거나, 선수의 포지션과 게임 전략을 최적화하는 등 팀 전술에의 응용이 본격화되고 있습니다.

 

예를 들어, 테니스, 배구, 야구 등의 시합형 스포츠는 자신의 능력을 향상하는 것만큼이나 상대의 전술을 분석하고 그에 맞게 자신의 전술을 짜는 것이 중요합니다. 경기 전에 상대 선수의 경기를 AI로 분석, 그 선수의 강점을 방어하는 플레이와 전술을 준비하는 등 전술 강화를 도모할 수 있게 될 것입니다.

 

실제로 배구팀 "NEC 레드 로켓츠"는 상대 세터가 토스를 올릴 때를 AI로 분석하고 공격자를 예측해 블로킹의 확률을 높이는 등의 노력을 기울이고 있습니다.

 

더욱이 신체와 가까운 곳에서는 선수의 스킬업을 지원합니다. 선수의 움직임을 센서와 이미지 처리로 가시화하면 운동 동작을 정확하고 직관적으로 파악할 수 있기 때문에 수정 사항을 쉽게 찾을 수 있습니다.

 

 

[알기쉬운 AI - 04] AI공부에 필요한 기본지식 3가지