IOT 시대의 인공지능 AI | 딥마인드의 알파고 카카오의 오지고 ..좀 쪽팔린당..

IOT 시대의 인공지능

우리는 온몸에 있는 감각 세포를 통해 실시간으로 주변상황을 인자혹, 매 순간 적절한 반응 작용을 통해 우리 몸을 가장 최적으로 유지하는 항상성을 갖는다. 어떤 반응들은 우리가 의도적으로 조절하지 않아도 자동적으로 일어나며, 어떤 반응들은 우리의 결정에 따라 움직인다. 우리의 몸을 굳이 IT 환경으로 비유한다면 감각신경을 센서, 중추신경을 네트워크, 근육을 액추에이터, 그리고 뇌를 검퓨터로 표현할 수 있다.

우리 자신을 포함한 우리 주변의 모든 일상적인 환경도 마치 우리의 몸처럼 변해가고 있다. 즉 옷이나 안경 신발 등에 부착되는 센서부터 시작해 가로등, CCTV, 신호등과 같이 도시 시설에 설치되는 전자 장비, 그리고 사무실, 공항, 쇼핑몰, 공장에 설치돼 있는 센서들이 우리 몸의 감각 세포처럼 센싱한 데이터를 쉴새 없이 쏟아내며 그때그때의 상황을 알려준다. 소리, 온도, 습도, 흔들림, 기울기, 밝기, 냄새, 이미지, 동영상, 이산화탄소 농도 등의 데이터가 시간에 따라, 위치에 따라 사용 환경에 따라 생성되는 데이터들이 바로 그것들이다. 여기서 생성되는 데이터의 규모는 너무 크고, 속도는 너무 빠르고, 그 종류가 너무도 다양하다. 그래서 우리는 이러한 데이터를 빅데이터라고 한다.

휴대용 스마트 기기나 웨어러블 센서들을 통해 우리 몸에서 측정된 데이터는 주변 환경에서 감지된 데이터와 나의 의료기록 등과 합쳐져서 나의 건강을 항시 모니터링 해주고 필요한 건강정보를 추천해주며, 사무실에서 측정된 데이터는 효율적인 근무환경을 만들어 주고, 쇼핑몰에서 측정된 데이터는 상품 진열과 고객의 이동 동선을 설계하는데 도움을 준다. 도심에 설치된 센서를 통해 교통혼잡을 방지하고 대중교통 운행시간을 알려주고, 좀 더 안전한 치안 환경을 제공한다. 공장 안에 설치된 센서는 원료의 공급 일정을 최적화하고 생산 라인에서 발생할 수 있는 장애를 사전에 감지해 불량률을 줄여 생산성을 향상시킨다.

2015년말 기준으로 약 64억 개의 IOT 기기들이 이미 설치돼 있고, 2020년이 되면 약 500억 개의 센서가 설치될 것으로 예상하고 있다. IoT internet of Things라는 말은 1999년 영국의 기술전략가이며 사업가인 케빈 애쉬튼이 처음 사용했다. 그는 RFID와 같은 센서들이 원하는 모든 사물에 부착되고 이것들이 인터넷에 연결되면 언제 어디서든 사물들을 제어할 수 있는 유비쿼터스 ubiquitous 시스템을 구축 할 수 있다고 설명했다. 참고로 RFID는 사물의 고유번호를 저장하는 바코드 대신 손톱만한 크기의 회로에서 전파를 송수신해서 사물의 고유번호와 필요한 정보를 탐지하는 기술이다.

IoT가 등장하게 된 또 하나의 배경은 그동안 인터넷 주소의 표준이었던 IPv4에서 IPv6로의 전환이다. 집집마다 주소가 있듯이 컴퓨터나 IoT 기기들도 인터넷 주소를 가진다. 인터넷 주소의 표준이 바로 IPv4이며, IPv4에서는 32비트의 정보를 가지고 주소를 정의한다. 즉 2의 32승 = 4,294,967,296 개의 주소를 만들 수 있는데, 2011년 2월 4일부로 모든 인터넷 주소가 소진되어 IPv4 형식의 주소체계는 더는 사용하지 않는다. 이후 IPv6로 전환됐다. IPv6는 128비트의 정보를 가지고 주소를 정하기 때문에 2의 128승개의 거의 무제한의 인터넷 주소를 사용할 수 있어서 500억개의 IoT기기는 충분히 사용하고도 남는 개수다.

일반적으로 IoT는 크게 3개의 층으로 구성돼 있다. 첫 번째는 단말센서층이다. 단말 센서층은 기기 또는 그냥 센서 라고 하는데, 그 구성요소로 1) 센서 2) 중앙처리장치 와 메모리 3) 네트워크 장치가 있다. IoT 단말기는 무선 기기가 대부분이어서 전력 공급장치인 배터리를 내장한다. 여기에 기기를 동작시키는 매우 가벼운 운영체제가 설치된다. 삼성전다, 인텔, 퀄컴, 텍사스 인스트루먼트가 대표적인 IoT 센서 제조회사다.

IotT에서 두 번째 층은 통신망이다. 매 순가마다 측정된 데이터는 마치 시냇물처럼 계속 흘러가는데 통신망은 이를 우너하는 곳으로 흘러가게 하는 통로 역할을 한다. 예를 들면, 비가 오면 계곡으로 빗물이 모여 다시 강으로 합쳐져서 바다로 가듯이, 흩어져 있는 센서들이 측정한 데이터를 중간에서 한번 모으고 다시 모아진 데이터는 상위층으로 전달한다. 이 테디어틔 전달 구조는 마치 나무를 거꾸로 세운 역트리 구조와 흡사하다. 중간 단계에는 여러 개의 센서를 관ㄹ하는 마스터 센서라 있고, 마스터 센서를 관리하는 로컬 서바가 있다. 로컬 서버는 일반적으로 사무실이나 공장 등 현장에 위치한다. 최근에 IoT에서 사용되는 로컬 서버를 클라우드에 비유해 포그 컴퓨터라고도 한다. 이 로컬 서버는 마스터 센서에서 받은 데이터를 다시 중앙 컴퓨터 또는 클라우드로 전송한다. 여기서 클라우드라는 것은 여러 대의 컴퓨터가 모여있는 중앙 데이터 센터를 말한다.

IoT의 세 번째 층은 응용 게층이다.

센서에서 전달된 데이터를 저장하고 분석해서 적재, 적소, 적시에 의사결정을 내리는 단계다. 이 응용 계층은 현장에 있는 로컬 서버에 있을 수도 있고 클라우드에 있을 수 있다. 응용 계층의 기능이  IoT에 핵심이고 인공지능이 바로 응용 계층에 결정적인 역할을 한다.

응용 계층은 다시 3가지 모듈로 구성된다. 첫 번째는 통신망 인터레이스 모듈인데, 센서와 통신하면서 데이터를 송수신하고 센서를 관리한다. 두 번째 모듈은 데이터를 효율적으로 저장하고 분류한다. 필요없는 데이터는 삭제하고 많이 쓰이는 데이터는 가장 입출력이 빠른 저장장치에 위치시키고 데이터 유실을 방지하기 위해 복제본을 만들어 물리적으로 분리된 저장장치에 저장한다. 세 번째는 저장된 데이터를 분석해서 의미 있는 정보를 만든 후 자동으로 의사결정을 내리거나 아니면 사용자에게 의사결정에 필요한 정보를 제공한다. 자율 운전자동차의 ㅇ쳬를 들면, 운전자의 눈에 해당하는 시각 센서를 통해 주변의 상황을 인지하고 분석하고 동시에 자동차의 속도, 사속도를 분석한다.  GPS를 통해 나의 현재 위치를 파악한다. 그리고 도심에 설치돼 있는 CCTV와 다른 교통 시스템에서 확보한 교통 정보를 클라우드와 같은 중앙 컴ㅎ퓨터에서 받는다. 이렇게 수집한 데이터를 분석해서 자동차가 스스로 경로를 결정하고 주행 및 정지등을 수행 한다. 또는 이런한 정보를 운전자에게 제공할 수도 있다.

폭증하는 디지털 테이터는 이미 사람이 수동으로 처리할 수 있는 수준을 넘어선 상태여서 머신러닝이나 딥러닝 같은 인공지능 기술이 IoT 분야에 중요한 이유가 바로 여기에 있다.

인공지능의 미래

오늘날의 인공지능 기술은 앞에서 설설명한 바와 같이 다양한 분야에서 이뤄진 수많으 연구가 결합된 결정체다. 인공지능에 연관된 학문은 거의 모든 분야를 망라한다. 각 시대마다 등장한 천재들은 끊임없이 실패와 좌절을 겪으면서 궁극적인 해결안을 찾아내면서 지금의 인공지능으로 진화시켰다.

최근 인간의 뇌를 모방한 딥러닝 기법이 광범위하게 인공지능 분야에 적용되면서 다양하고 파괴적인 성공 사례를 보여주고 있다. 

얼마전 알파고의 충격에서 확인한 것처럼 이제 인공지능 기술은 더이상 공상과학 소설에서만 나오는 애기가 아니다. 이미 윌 생활의 일부가 되고 있다. 전문가들은 시행착오를 통해 스스로 학습하는 이러한 강화학습 기반의 딥러닝이 인공지능 분야에서 핵심적인 역할을 할 것으로 예상하고 있다.

2045년이 되면 특이점이 도래한다고 예측한 인공지능 분야의 미래학자인 레이 커즈웨일은 말했다.

수학이나 물리학에서는 어떤 함수값이 극한값에 수렴하는 점을 말한다. 어느 순가이 되면 인공지능이 제어할 수 없을 정도로 폭발적으로 발전하다는 것을 은유적으로 표현한 것이다. 즉, 인공지능 기술이 완만하게 발전하다가 급속도로 팽창하듯이 발전하는 시점을 2045년정도로 예측하고 있다.

전문가들은 현재의 인공지능 기술은 지금 중요한 변화의 변곡전에 있다라고 말한다. 얼마전에 있었던 바둑 분야의 세기의 대졀처럼 인공지능 기술이 사람과 겨룰 수 있는 마지막 게임을 정복했다는 것이 그 사실을 증명한다. 더 중요한 것은 알파고가 인간 세계 챔피언을 이기는 수준까지 학습하는 방식이 과거의 방식, 즉 사람이 각 상황에 맞게 IF-THEN식으로 짜놓은 시나리오대로 프로그래밍 된 것이 아니라 사람처럼 시행착오를 통해 스스로 바둑을 두는 방법을 터득했다는 것이다.

알파고를 설계한 프로그래머들 조차도 알파고가 스스로배워온 바둑 능력에 놀라움을 감추지 못했다.

알파고가 보여준 학습 방법은 백지상태인 어린아이가 스스로 배워나가는 사람의 성장 과정과 정확히 일치한다. 스스로 학습하는 인곤지능은 또 다른 가공할 파괴력을 지니고 있다. 바로 인공지능의 학습 속도다. 인공지능이 성장하는 시간은 사람이 성장하는 시간보다 비교할 수 없을 정도로 훨씬 빠르다. 알파고가 바둑을 배운 시간은 3년 남짓인데, 이세돌 9단은 지금이 있기까지 390년 이상 바둑 수련을 해왔다. 마치 태어나서 첫 돌을 맞을 때 박사확위를 받는 것과 마찬가지다.

우리 세대에 들이닥칠 디지털 창세기를 어떻게 준비해야 할지 현재로서는 뚜렷한 담이 없어 보인다.

===

IoT는 우리나라가 정말 많이 뒤쳐졌다.

오늘 기사 보니까 카카오에서 오지고(og GO)라는 AI를 만들어서 실제 바둑기사와 대결을 벌였는데.

82수만인가 따라잡혔다고..

알파고 생각했다고 그 장면을 본 순간.

우리나라의 현 주소를 섬뜩하게 느꼈다.

빅데이터를 가공하는 인공지능 그것도 외국의 인공지능에게 대한민국은 점령당할런지도...

미세먼지 처럼 .