포스코 앙상블 AI 3 : 인공지능의 미래

 

 

몇 년 전부터 우리 사회 최고의 화두는 ‘4차 산업혁명’이다. 다양한 분야에 인공지능(AI)이 접목돼 효율성을 높이고 비용 절감을 돕는 등 기존 산업을 한 단계 진화시키는 데 역할을 톡톡히 하고 있다. 스마트제철소 구현 등 포스코 역시 전 분야에 AI를 적용하는 시도를 거듭하고 있다. AI가 몰고 온 변화의 바람과 융합 기술을 활용한 포스코형 AI의 개념, AI의 미래 모습 등을 특별 연재한다. <편집자주>

 

 

글 ㅣ 장병탁 서울대 컴퓨터공학과 교수

 

 

가상에서 현실로, 일상이 된AI

 

 

AI는 더 이상 가상 세계 속 이야기가 아닙니다. 컴퓨터와 스마트폰 속 AI가 스피커와 카메라 등에 탑재되어 우리의 일상 깊숙이 들어오고 있는데요. 체스와 바둑 등 게임 환경에서 작동하던 딥러닝 AI 기술 역시 집, 상점, 병원, 공장 등 실생활에 적용되기 시작했습니다.

 

 

 

 

기술 관점에서 AI는 지난 60년간 크게 두 가지 패러다임 안에서 발전해 왔습니다. 첫 번째 패러다임은 ‘기호주의 인공지능(Symbolic AI)’으로, 인간이 정해준 규칙에 따라 판단하는 지식 기반의 추론 시스템을 말하고요. 두 번째 패러다임은 머신러닝 등 ‘연결주의 인공지능(Connectionist AI)’으로, 데이터 기반의 학습 시스템 연구 분야가 이에 해당합니다.

 

 

지식 기반의 시스템은 인간의 지식을 활용해 안정적인 시스템을 설계할 수 있지만 현실 세계의 불확실성을 반영하기 어렵다는 한계가 있습니다. 이에 반해 데이터 기반의 시스템은 데이터 학습으로 불확실성은 제거할 수 있지만 데이터 부족 현상과 모델 설명이 어려운 단점이 있죠.  

 

 

차세대AI기술, 포스코 앙상블A

‘POSCO Ensemble AITM(이하 포스코 앙상블 AI)’는 앞서 설명한 두 가지 AI 패러다임의 한계를 뛰어넘는 차세대 AI 기술입니다. 딥러닝의 단점인 데이터 부족 현상과 설명이 어려운 문제를 극복하고자 지식 기반의 물리 모델을 활용하는 한편, 데이터 확보가 가능한 현실 환경에서의 최적화를 위해서는 딥러닝 학습 방식을 취하기 때문이죠. 또, 두 가지 방식 중 현재 상황에 따라 더 적절한 방법을 취사선택하거나 결합하는 방식(ensemble)으로 최적의 결과를 만들어냅니다.

융합은 이론상으로 Bias-Variance* 딜레마를 해결하는 하나의 방법입니다. 모델의 종류와 복잡한 정도를 문제와 데이터의 복잡도에 최적화시켜 해답을 찾아낼 수 있기 때문인데요. 머신러닝의 역사에서 현실 세계의 문제 해결에 도움이 됐던 다양한 방법들과 이론적 기반을 공유하기도 합니다. 
* Bias-Variance : 지도학습 알고리즘의 지나친 일반화를 예방하고자 두 종류의 오차를 최소화할 때 겪는 문제.

포스코 앙상블 AI는 무척 창의적이면서도 현실적인 방법론입니다. 오랜 기간 전문 분야에서 그 성과가 검증된 물리 모델에 토대를 둔 지식 기반 시스템의 장점은 살리면서도, 지금까지 이 분야에서 시도된 적 없는 빅데이터 기반의 딥러닝 기술을 결합시켰기 때문이죠. 설명력이 우수하면서 현실 세계의 다양한 불확실성 문제를 해결하는 통일된 프레임 개발이 가능하다는 강점을 갖고 있습니다.

머신러닝 3.0, 스스로 학습하는 AI시대

한편 제3의 패러다임인 인지주의 인공지능(Cognitive AI) 개발도 진행되고 있습니다. 여기서 인지주의 인공지능이란 AI가 환경과 상호작용하면서 필요한 데이터를 스스로 평가하고 수집하는 가운데 지식을 축적해나가는 인지 시스템을 뜻합니다. AI 에이전트(agent), 로봇 연구 등을 통해 발전하고 있는 분야이기도 하죠.  
 

인지적 인공지능 기술은 현재의 딥러닝 기술에서 한 걸음 더 나아가 스스로 학습하는 자율학습 인지시스템으로 발전해나갈 것입니다. AI가 점차 센서(sensor)와 액추에이터(actuator)를 갖추게 되면 환경을 인식하는 것은 물론, 부족한 데이터는 스스로 채집하면서 데이터 부족 문제를 해결할 수 있을 것으로 보입니다. 설명력 부분 역시 AI가 스스로 가설을 세우고 능동적으로 데이터를 수집하는 과정에서 지식을 쌓고 불확실성은 줄이는 방향으로 작업을 수행할 수도 있고요. 이는 머신러닝 기술 관점에서 보면 1세대 감독학습, 2세대 무(無)감독학습에 이어 3세대 자율학습의 시대로 나아가고 있음을 의미합니다.  

 

AI의 미래와 포스코가 나아가야 할 길

AI는 딥러닝을 통해 주어진 문제에 대한 방법을 스스로 찾는 단계까지 발전했습니다. 문제의 목적함수가 명확히 정의되고 학습 데이터만 확보되면 기계가 문제 해결의 알고리즘을 스스로 찾고, 이렇게 찾아낸 알고리즘이 사람의 알고리즘을 능가할 수도 있죠.

알파고 사례에서 보듯이 이미 실험적인 환경에서는 기계가 만든 알고리즘이 사람이 작성한 알고리즘보다 더 우수하다는 사실이 증명된 바 있습니다. 그러나 현실 세계의 문제는 목적함수를 명확히 정의하기 어렵고 이 또한 계속해서 변화하기 때문에 상황에 따라 바뀌는 목적함수에 적응할 수 있는 머신러닝의 기술이 필요한데요. 이를 위해 기계 스스로가 환경을 인지하고, 그 변화에 유연하게 대응할 수 있는 자율학습 능력을 갖춰야 할 것입니다. 인지를 담당하는 지능의 개발과 상황을 보다 정확히 인식할 수 있는 사물인터넷(IoT)을 통한 계측 기술, AI의 판단 결과를 정확히 수행하는 로봇 기반의 제어 기술이 함께 발전해야 하는 이유가 바로 여기에 있는 것이죠.

환경이 빠르게 변화하는 제조업에서 자율학습 능력을 갖춘 AI 기술 개발을 현실화하기란 쉽지 않습니다. 하지만 이 같은 발전이 불가능하다고 보지 않습니다. 이미 알파고의 승리를 통해 그 가능성을 확인했기 때문입니다.

포스코가 지속적인 IoT 기술 개발을 통해 생산 공정의 디지타이제이션(digitization)을 실현하고, 공정을 보다 정밀하게 제어하는 자동화 환경 구축과 자율 인지시스템 개발에 박차를 가한다면 철강 산업의 글로벌 경쟁력을 공고히 하는 것은 물론, 4차 산업혁명 시대를 선도하는 미래 기업으로 거듭날 수 있을 것입니다.