IBM과 MS, 기업이 추가 학습 시킬 수 있는 AI 서비스 제공

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1839호(2018. 3. 28. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

IBM과 MS, 기업이 추가 학습시킬 수 있는 AI 서비스 제공.pdf

ž IBM, MS, 구글 등이 제공하는 클라우드 인공지능(AI)을 기업이 독자적인 데이터로 추가 학습시켜 자사의 비즈니스에 적합한 AI를 손쉽게 개발하려는 움직임이 확산되고 있음

Ø 가령 ‘오토박스 세븐(Autobacs Seven)’은 IBM의 이미지 인식 AI의 클라우드 서비스인 ‘Visual Recognition’에다가 다양한 마모 상태의 타이어 이미지를 이용해 추가 학습시켜 타이어의 마모 상태를 진단할 수 있는 AI를 2개월 만에 개발하였음

<자료> Autobacs [그림 1] 타이어 마모 진단 스마트폰 앱

Ø 오토박스 세븐은 클라우드에서 동작하는 이 AI를 호출하여 이용할 수 있는 스마트폰 앱을 2017년 9월부터 제공중임

Ø 이 앱을 이용하는 사용자가 자기 차량의 타이어를 촬영하면 이미지는 곧바로 IBM의 클라우드로 보내지며, 추가 학습을 마친 AI는 마모 수준을 대·중· 소의 3 단계로 평가해 줌

<자료> Autobacs

[그림 1] 타이어 마모 진단 스마트폰 앱

ž 추가 학습이 가능한 클라우드 AI 서비스 기능을 제공하는 이유는 범용 AI로는 특정 분야에서 요구되는 정확도 높은 진단이나 판단을 기대할 수 없기 때문

Ø 추가 학습이 가능한 AI 서비스가 등장하기 전에 클라우드로 제공되는 AI 서비스는 크게 두 가지 유형으로 분류할 수 있었음

Ø 하나는 AI의 소프트웨어 모듈 및 실행 환경을 제공하는 유형으로, 학습되지 않은 백지 상태의 AI가 제공되므로 사용자 기업은 방대한 학습 자료를 직접 준비해야 했으며, 소프트웨어 모듈의 선택과 AI 튜닝 등을 위한 개발 스킬을 필요로 하는 등 허들이 높았음

Ø 또 다른 유형은 학습된 AI 제공 서비스로, 클라우드 사업자가 방대한 학습 자료로 개발한 것이며, 화면에 비춰진 사물의 인식, 동일인 여부 판정, 성별이나 연령의 판정, 자연 언어의 의도 해석, 기계 번역 등의 단일 기능 AI 서비스로 다시 세분화 됨

Ø 학습된 AI는 일종의 기성품으로 즉시 사용할 수 있는 장점이 있지만, 기능별로 범용으로 만들어졌기 때문에 특정 분야에 적용할 정도의 높은 정확도를 기대하는 것은 어려웠음

Ø 가령 오토박스7의 앱과 비교한다면, 화면에 비춰진 물건을 인식하는 기능으로는 이 물체가 타이어라고 인식할 수는 있지만, 타이어의 마모 수준까지는 판정할 수 없었던 것임

ž 기존 두 유형의 AI에서 장점만 취한 것이 추가 학습이 가능한 학습된 AI 서비스임

Ø 학습된 AI가 바탕이 되고 있기 때문에, 사용자 기업은 추가 학습용 데이터를 준비하고 읽을 수 있도록 튜닝 함으로써 특정 용도에 맞춘 AI를 비교적 단기간에 개발할 수 있음

Ø 앞서 소개한 오토박스 세븐 외에도, ‘NAVITIME(내비타임)’은 추가 학습이 가능한 AI 서비스를 이용하여 사용자가 스마트폰 앱으로 입력한 사진 이미지를 바탕으로 한 관광 명소를 제안하는 기능을 강화하였음

Ø 또한 역이나 거리에 설치하는 광고 전송 기기 앞에 서 있는 사람의 표정을 심층 분석할 수 있도록 추가 학습이 가능한 AI 서비스의 도입을 검토하기 시작한 광고대행사도 있음

ž 추가 학습이 가능한 학습된 AI 서비스의 장르로 특히 인기가 있는 것은 이미지 분석인데, IBM, MS, 구글 등이 이 서비스를 잇따라 출시하고 있기 때문

Ø 오토박스 세븐이 활용하는 IBM의 Visual Recognition은 2016년 5 월부터 제공되고 있음

Ø 마이크로소프트는 2017년 5월부터 ‘Custom Vision Service’의 프리뷰 버전을 제공하고 있으며, 2018년 1월에는 구글이 ‘Google Cloud AutoML Vision’을 이용자 한정의 알파 버전으로 제공하기 시작했음

Ø MS의 Custom Vision Service는 고객 기업이 스스로 마련한 이미지에 태그를 붙이고 학습시킴으로써 특정 용도의 AI를 개발할 수 있게 하고 있음

Ø 요리 이미지를 판별하는 추가 학습을 시킬 경우, 기업이 직접 준비한 음식 이미지를 요리 이름으로 태그를 붙여 업로드만 하면 되며, 추가 학습한 AI에 태그가 붙지 않은 알 수 없는 이미지를 업로드 하면 미리 등록한 분류에 따라 유사도를 표시해 줌

<자료> xTech

[그림 2] MS Custom Vision Service를 이용한 요리 AI 교육

Ø 두 개 이상의 태그가 필요하고 준비해야 할 이미지는 하나의 태그마다 최소한 5장인데, 이미지가 많을수록 정확도가 올라가지만 추가 학습을 위한 데이터가 반드시 대량으로 있지 않아도 어느 정도 의도한 분류는 가능함

Ø 추가 학습이 가능한 학습된 AI 서비스의 등장에 따라 개발 비용을 절감하면서 자신의 요구 사항에 맞춘 AI를 쉽게 개발할 수 있게 되었으며, 이는 AI의 비즈니스 활용을 가속화하는 계기가 될 것으로 보임