AI를 성공적으로 활용할 수 있는 방법
 매스웍스, 크리스 헤이허스트(Chris Hayhurst) 컨설팅 서비스 이사


 


매스웍스 컨설팅 서비스의 크리스 헤이허스트 이사가 4월 23일 서울 강남구 삼성동에서 개최된 ‘매트랩 2019 엑스포’ 미디어 브리핑에서 ‘AI를 성공적으로 도입하는 방법에 대해 말했다. 성공적인 AI 활용을 위해서는 AI의 지능과 관련 데이터 뿐만 아니라 이를 활용하기 위한 올바른 인사이트가 중요하며 이를 매스웍스가 지원한다.


AI의 실패 

“증기기관은 산업혁명을 일으켜 전 세계 경제를 변화시켰습니다. 2018년 매킨지 보고서에 따르면 AI와 관련 제품의 경제적 파급효과는 2030년까지 13조 달러에 이를 것으로 증기기관이 세계에 미친 영향의 4배, IT 시스템이 미친 영향의 3배에 달할 전망입니다. 그러나 실제로 AI를 적용하려는 회사들은 많은 어려움에 봉착해 있습니다.” 헤이허스트 이사가 말했다.

왜 AI 적용이 쉽지 않을까. 매스웍스는 고객들이 AI 기술 개발, 활용에 실패하는지에 대해 조사하기 시작했다. 결과는 프로그래머, 데이터 사이언티스트의 부재 등 인력 문제, 분석할 만한 데이터가 충분하지 않거나 너무 많은 문제, 잘못된 툴을 사용하거나 많은 툴로 인한 통합의 애로 등이었다. 또 AI로 해결할 수 없는 것, 적용을 해도 너무 많은 공수가 걸리는 비즈니스 자체적 문제도 있었다. 

“AI 지능 도입에만 집중할 것이 아니라 그 이면의 다른 부분에 집중해야 한다는 의미입니다. 매스웍스 소프트웨어를 사용할 때 중점을 둬야 하는 것이 바로 이같은 인사이트, 전체적인 구현 능력, 연결과 통합에 대한 것입니다.”

AI의 올바른 구현과 활용을 위해서는 인사이트가 중요하다. 회사 내의 엔지니어, 공학자가 갖고 있는 “인사이트”를 충분히 활용할 수 있어야만 한다. 또 올바른 데이터와 인사이트를 전체 디자인 플로에 적절하게 구현해야만 한다. 마지막으로 기업 내에서 사용하고 있는 다른 시스템과 연결, 통합된 완벽한 사람/작동 환경이 구축돼야만 한다.

“엔지니어, 공학자의 지식과 경험이 AI 기술에 활용돼야 합니다. 수많은 데이터 중 올바른 데이터를 선택해 활용하고, 공학적인 트레이드오프를 선택할 수 있어야 하며, 결과를 평가할 수 있어야 합니다. 그리고 올바른 툴을 가지고 이같이 작업을 할 수 있어야만 더 나은 AI 모델을 만들 수 있는 가능성이 커집니다.” 헤이허스트 이사가 말했다.
 

인사이트의 중요성



“매스웍스의 소프트웨어는 엔지니어들의 인사이트를 적용하는데 탁월합니다. 예를 들어, 뉴질랜드의 한 분유회사는 매스웍스와 AI를 적용해 품질과 효율성을 높이고 있습니다.” 

헤이허스트 이사는 성공적인 AI 구현과 인사이트의 중요성을 말하기 위해 한 분유회사의 예를 들었다. 이 회사의 문제는 공정 과정에서 품질을 모니터링할 수 없고, 공정이 수일이 걸리는 것이었다. 시간과 자원 등 다양한 낭비가 발생했었다.

회사는 AI 솔루션을 통해 원유와 플랜트, 분유 등의 데이터를 AI 모델 안에 넣고, 실시간으로 품질을 예측할 수 있도록 해 낭비를 제거하고 공정을 컨트롤하길 바랐다. 언뜻 보면 다양한 타입의 데이터, 6년 치 데이터를 갖고 있는 등 상황이 좋아보였지만 만들어진 AI 모델은 유용하지 않았다.
 
“이 회사는 그들의 예측이 잘못됐다는 것을 알게 됐습니다. 그러나 매트랩을 통해 각 공장별로 다른 모델을 설계해야할 뿐만 아니라 환경, 기후 요인으로 매년 공장의 예측 결과가 다르다는 것을 깨달고 각각의 공장에 대해 매년 AI 모델을 만들어야함을 알게 됐습니다. 또한 편향된 데이터를 사용하고 있었기 때문에 이를 바로 잡아야한다는 것을 알게 됐습니다. 결국, 회사는 표준화된 데이터를 수집하고 적절한 AI 모델에 적용함으로써 프로젝트를 성공시킬 수 있었습니다.”


올바른 툴 체인

자율주행 회사 보야지(Voyage)의 사례는 AI 모델에 대한 과학, 공학적인 인사이트 결합의 필요성을 잘 말해준다. 여기서 매스웍스 제품은 AI 모델을 설계하는 것뿐 아니라 데이터를 테스트하고 실제 구현하는 것까지 매우 신속하고 효율적인 실행을 보장했다.

보야지는 미국의 한 실버타운에 빠르게 레벨 3 자율주행을 도입하려 했다. 차량의 움직임을 컨트롤하기 위한 AI 시스템을 만드는 것이 가장 중요한 과제였고, 이 밖에 차량 지원 시스템, 제어 시스템, 주변 환경 분석 기능 등이 요구됐다. 이미 보야지는 오픈소스 소프트웨어를 사용해 실패한 경험을 갖고 있었다.
 
“보야지는 매스웍스 시뮬링크를 통해 성공하게 됐습니다. 시뮬링크는 자동차가 어떻게 장애물을 피해 움직이고 반응하는지 분석할 수 있는 조감 데이터를 제공했고, 자동화된 코드를 활용해 ROS(Robot Operationg System)를 구축할 수 있게 했습니다. AI 시스템을 정교화하기 위해 실제 주행과 테스트의 반복이란 긴 테스팅 과정이 요구되는데, 회사는 시뮬링크를 통해 가상 데이터와 합성으로 더 빠르게 효과적인 알고리즘을 얻을 수 있었습니다. 이것이 중요한 이유는 AI 시스템을 훈련시키고 학습시키는 데에 상당히 긴 시간이 걸리기 때문입니다.”

예를 들어, 실제 비디오를 찍어 라벨링 작업을 할 경우, 주행을 하며 하나하나 기록해야하기 때문에 상당한 시간이 걸지만, 시뮬링크를 이용하면 시뮬레이션 데이터를 통해 가상 환경을 만들고, 테스트를 시행해 주행 상황에 대해 반응하는 데이터를 만들 수 있고 이러한 과정을 개선하고 정교화 해 효과적인 AI 모델을 만들 수 있다.



“이를 통해 보야지는 시뮬링크를 이용해 자율주행 프로세스를 3개월 내에 개발할 수 있었습니다. 즉, 전체 디자인 프로세스를 아우르는 올바른 툴 체인을 활용해야 한다는 것입니다.”


시스템 통합

헤이허스트 이사는 끝으로, 다양한 시스템의 통합 필요성을 강조하기 위해 얼리센스(EarlySense)란 회사의 사례를 들었다. 

얼리센스는 환자의 매트리스 아래에 센서를 두고, 환자에게 향후 몇 시간 내 어떤 증상이 일어날지 예측해 치료할 수 있도록 하는 의료 시스템 회사다. 얼리센스는 환자와의 물리적 연결 없이 심박, 움직임을 측정할 수 있는 센서를 만들었고, AI 모델링을 통해 환자 개인의 고유한 데이터를 얻을 수 있게 했다. 이를 통해 얼리센스는 위독한 증상을 예측할 수 있고, 지속적인 모니터링을 통해 증상을 조기 감지하며 빠르게 치료를 할 수 있도록 했다.

“중요한 것은 이 AI 모델이 의사, 간호사 등이 사용하는 기존 병원 시스템과 연결돼야 한다는 것입니다. 한 예로 환자가 일어나려고 하면 움직임을 포착하고, 간호사에게 메신저로 연락이 가며, 환자의 낙상을 방지할 수 있도록 합니다. 즉, AI의 성공을 위해서는 시스템이 주변 시스템이나 환경과 어떻게 상호작용을 하고, 결합할 수 있을지를 생각해야한다는 것입니다.”

AI는 혁신적인 기술이 될 것이지만 다양한 실패에 봉착하기도 한다. 때문에 성공적인 AI 활용을 위해서는 AI 자체만이 아닌, AI 그 이상의 지식이 있어야 한다. 낙농업, 자율주행, 의료 업계의 예에서 볼 수 있듯이, AI나 데이터 그 자체가 아니라 그 활용에 대한 인사이트, 올바른 활용이 중요하다.

“매트웍스는 이러한 AI 기술을 각 회사에 적용할 수 있는 매트랩과 시뮬링크를 개발했습니다. 이 기술은 기존 회사가 사용하고 있는 다양한 시스템이나 제3자 기술에도 통합될 수 있기 때문에 효과적인 기술입니다. 이러한 구현을 통해, 좀 더 큰 세계의 기술과 AI 기술을 통합할 수 있습니다.”



 
 

AEM_Automotive Electronics Magazine