※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1837호(2018. 3. 14. 발행)에 기고한 원고입니다.


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

분기 최대 실적 낸 아이폰과 애플 워치, 성장 키워드는 ‘헬스’.pdf



[ 요 약 ]


아이폰 X이 기대만큼의 성과를 내지 못하고 있다는 지적에도 불구하고 2017 4분기에 아이폰은 역대 최대 매출을 올렸으며애플워치 역시 4분기에만 약 800만 대를 출하하며 시중의 모든 웨어러블 기기 가운데 역대 최대 분기 판매량을 기록하였음아이폰과 애플 워치가 성장을 지속한 이유 중 하나로 건강 및 의료관리 기능이 꼽히고 있는데특히 애플 워치의 데이터를 신경망으로 분석해 심장질환과 당뇨병을 진단해 내려는 시도에 높은 관심이 모이고 있음



[ 본 문 ]


ž 20174분기에 애플은 아이폰 판매대수가 전년 동기 대비 감소했음에도 불구하고 역대 최고의 분기 매출 실적을 기록하였음


Ø 최근 공개된 애플의 4분기 결산 발표에 따르면 아이폰의 판매대수는 7,731 6,000 대였는데, 이는 전년 동기 대비 1.2% 감소한 것으로 연말 홀리데이 시즌이 포함된 4분기에 아이폰의 판매 실적이 전년 동기 대비 감소한 것은 이번이 처음임


Ø 이런 결과는 아이폰의 성장이 둔화되고 있다는 우려가 나오는 가운데, 또한 새로 출시된 10주년 기념 모델 아이폰 X가 당초 기대했던 만큼의 수요 창출이 어렵다는 전망이 제기되는 가운데 나타난 것이라 애플로서는 우려할 만한 상황이라 볼 수 있음


Ø 그러나 아이폰의 시장 동향에 정통한 전문가들은 상황을 낙관하고 있는데, 그 근거는 4분기 애플의 매출액이 882 9,300만 달러로 분기 매출로는 사상 최대치를 기록했기 때문


Ø IDC에 따르면 애플의 매출 실적 호조를 견인한 것은 9월과 11월에 출시된 아이폰 8과 아이폰 8 플러스, 아이폰 X인데, 아이폰 X의 판매대수가 예상했던 것만큼 높지 않았던 것은 사실이나 아이폰 X은 역할은 그 자체 보다 다른 라인업과의 관계에 있음


Ø 아이폰 X의 가격은 999 달러부터 시작되는데, 이 최고가 모델의 등장으로 인해 아이폰의 평균 판매가격은 역대 최고치인 796 달러를 기록하게 됐으며, 다양한 가격대의 제품이 갖춰지며 신흥국과 선진국 시장 모두에서 폭넓은 고객층에 어필할 수 있게 되었다는 것임


[1] 애플 2018 1분기1) 제품별 판매실적(단위: 천대, 백만 달러)

제품

2018 1Q

2017 1Q

전년 대비 성장률

판매대수

매출액

판매대수

매출액

판매대수

매출액

아이폰

77,316

61,576

78,290

54,378

-1%

13%

아이패드

13,170

5,862

13,081

5,533

1%

6%

5,112

6,895

5,374

7,244

-5%

-5%

서비스

 

8,471

 

7,172

 

18%

기타 제품2)

 

5,489

 

4,024

 

36%

합계

 

88,293

 

78,351

 

13%

1) 애플은 9월말 회계연도 기업으로 10~12월 기간이 회계연도의 1분기가 됨

2) 기타 제품에는 애플 TV, 애플 워치, 비츠(Beats) 제품, 아이팟 터치, 애플 브랜드 및 써드파티의 액세서리가 포함

<자료> Apple


ž 애플의 4분기 판매 실적에서 또 하나 주목할 것은 애플 워치의 약진인데, 3세대 애플 워치는 시중에 나와 있는 모든 웨어러블 기기 중 가장 높은 매출 성장세를 보이고 있음


Ø 애플은 2017 9월에 3세대 애플 워치인 시리즈(Series) 3을 출시했는데, 애플이 애플 워치만의 판매량을 별도로 발표하지 않아 정확한 것은 아니지만, 시장조사기관 캐널리스(Canalys에 따르면 20174분기 애플 워치 출하대수는 800만 대로 추정됨


<자료> Apple


[그림 1] 3세대 애플 워치 Series 3


Ø 캐널리스의 추정이 맞다면 이 분기 출하대수는 애플 워치 사상 역대 최고치이며, 애플뿐 아니라 모든 웨어러블 기기 메이커의 분기 출하대수를 통틀어서도 역대 최대치임


Ø 또한 4분기 스위스의 시계 출하대수인 680만 대를 넘어서는 것이기도 한데, 애플 워치의 분기 판매량이 스위스의 시계 판매량을 넘어선 것도 이번이 처음임


Ø 시리즈 3 모델의 2017년 연간 출하대수는 약 900만 대로 애플이 2017년에 출하한 모든 애플 워치 중 거의 절반을 차지하였는데, 시리즈 3은 애플 워치 중 처음으로 휴대전화 통신 기능이 내장된 셀룰러 지원 모델을 제공한 것이 특징


Ø 캐널리스에 따르면 셀룰러 지원 모델이 전체 애플 워치 출하대수에서 차지한 비율은 13% 수준이지만 그 성장 속도는 현재 시중에 나와 있는 모든 셀룰러 지원 웨어러블 기기 중에서 가장 빠르다고 함


<자료> Statista


[그림 2] 스위스의 시계 출하량을 넘어선 애플워치 출하량


ž 애플 비즈니스의 관건은 아이폰과 애플 워치의 판매 실적을 계속 이어 나갈 동력을 확보하는 것인데, 애플이 오래 전부터 공을 들여온 것은 건강의료관리 기능의 강화임


Ø 애플의 건강의료 기능 강화 전략은 이미 스티브 잡스 시절에 구상된 것으로 오래 전부터 생물의학 전문가로 구성된 비밀 팀을 운영 중인 것으로 알려지고 있는데, 이 팀의 목적은 생체에 손상을 주지 않는 비침습의 방식으로 혈당을 측정하는 센서의 개발이라고 함


Ø 작년에 팀 쿡 CEO는 개발 중인 혈당 측정 장비를 자신의 팔에 장착해 직접 테스트하고 있다는 보도가 나오기도 했는데, 보도에 따르면 이 장비는 애플 워치와 함께 작동하는 포도당 지속 측정기의 프로토타입이었음


Ø 팀 쿡은 스코틀랜드의 글래스고 대학에서 명예박사 학위를 받을 당시 행한 강연에서도 이 장비에 대해 언급한 바 있는데, 자세한 내용은 밝히지 않았지만 애플 워치의 시계 밴드에 측정 기능을 넣을 방안을 고려 중이라 말한 바 있음


Ø 이 외에도 아이폰과 애플 워치를 건강·의료정보 관리의 핵심 단말기로 만들기 위해 의료 분야 연구에 주력하고 있다는 징후는 많은데, 가령 아이폰에는 피트니스 장비 및 건강관리 앱에서 데이터를 모으고 공유하기 위한 소프트웨어 기반인 HealthKit(헬스킷)이 있음


Ø 아이폰은 현재 건강관리 앱인 Health(국내에서 명칭은 건강)를 제공하고 있는데, 헬스킷Health 조합하면, 이용자가 자신의 데이터를 아이폰 또는 애플 워치에서 확인하거나 의사로부터 통지를 받을 수 있게 할 수 있음


Ø 헬스킷과 함께 애플이 개발한 건강·의료 관련 소프트웨어 기반은 2가지가 더 있는데, 하나는 의학·의료 연구용 앱인 ResearchKit(리서치킷)으로 이를 이용하면 아이폰 이용자의 활동과 증상, 건강 상태를 측정·조사할 수 있는 앱을 개발할 수 있음


Ø 또 하나는 CareKit(케어킷)으로 개인의 건강·증상·치료 데이터를 다루는 앱을 개발할 수 있는 플랫폼이며, 건강관리 계획을 기록하고, 증상과 투약 치료를 관리할 수 있음


ž 아이폰의 의료건강관리 기능 강화와 관련해 애플은 아이폰의 차기 OSiOS 11.3에서 이용자가 의료기관으로부터 자신의 정보를 쉽게 접근할 수 있는 구조를 도입하였음


Ø 애플은 2018 1월 공개한 iOS 11.3 베타에서 이미 제공 중이던 Health을 업그레이드하며 새롭게 Health Records(건강 기록)'라는 섹션을 추가하였음


<자료> Apple


[그림 3] iOS 11.3에 추가된 Health Records 기능


Ø 이용자는 Health Records를 이용해 병원 등의 의료기관으로부터 자신의 데이터를 수집하고 관리하게 있게 되었는데, 데이터 항목은 건강 상태, 치료, 검사 결과, 복약, 바이탈 사인, 알레르기, 예방 접종 등 다방면에 걸쳐 있음


Ø 이 새로운 기능은 당분간 미국의 아이폰 이용자에게만 제공되는데, 애플은 존스 홉킨스 메디신(Johns Hopkins Medicine, 메릴랜드주 볼티모어)과 시더스 사이나이(Cedars-Sinai, 캘리포니아주 로스앤젤레스) 10여 개 의료기관과 제휴하고 있으며, 이들 병원을 이용하는 환자는 즉시 새로운 기능을 사용할 수 있음


Ø 지금까지 환자들은 각 의료기관에 저장된 자신의 데이터를 보기 위해 각각의 웹사이트에 로그인하여 조회하고 일일이 손으로 취합해야 했는데, 이런 불편함을 해소하기 위해 애플은 의료기관과 연계해 환자에게 보다 간편한 방법을 제공할 것을 기획했다고 함


Ø 이번에 개발된 Health Records 기능은 전자의료 기록을 전송하기 위한 표준인 FHIR(Fast Healthcare Interoperability Resources)를 준수하고 있음


Ø 애플이 세부 사항을 공개하고 있지 않지만, iOS 11.3에서 도입되는 Health Records 기능은 케어킷의 개념에 가까운 것으로 보임


ž 건강의료 정보 강화 전략과 관련해 아이폰보다 관심을 모으고 있는 것은 애플 워치인데, 애플 워치를 인공지능과 결합해 의료기기로 활용하려는 시도가 활발히 전개되고 있음


Ø 애플 워치는 심장 박동이나 보행 수를 측정할 수 있고 매일의 운동량을 알려줄 수 있기 때문에 건강 관리용 웨어러블로도 인기가 높음


Ø 현재 이 애플 워치의 데이터를 인공지능(AI)으로 분석하여 질병을 감지하는 연구가 진행되고 있는데, 이를 통해 심장 질환이나 당뇨병의 징후를 정확하게 포착하게 된다면 가전 기기 등급의 웨어러블을 AI와 결합을 통해 의료기기로 바꿔놓는 셈이 됨


Ø 이 연구는 모바일 헬스 데이터 스타트업인 카디오그램(Cardiogram)과 캘리포니아 대학 샌프란시스코 캠퍼스(UCSF)가 공동으로 진행하고 있음


Ø 카디오그램은 애플 워치에서 측정한 신체 데이터를 분석해 건강 관리용 앱을 제공하고 있으며, UCSF는 스마트폰 등을 이용해 심장병을 예견하고 질병 발병을 예방하는 연구인 Health eHeart Study' 프로젝트를 전개하고 있음


Ø 카디오그램과 UCSF는 애플 워치에서 측정한 데이터를 AI로 분석해 부정맥을 감지 할 수 있음을 공동으로 증명한 바 있는데, 동일한 수법으로, 당뇨병, 고혈압, 불면증 등의 질환도 감지할 수 있다고 공개해 관심을 모으고 있음


ž 카디오그램은 건강 관련 데이터 분석 신경망인 딥하트(DeepHeart)를 개발했는데, 이 신경망은 심방 세동은 97% 정확도, 당뇨는 85% 정확도로 판정해 냈다고 함


<자료> Apple

[그림 4] 카디오그램의 심박 모니터링


Ø 애플 워치에 탐재된 센서로 측정한 심장 박동이나 보행 수 등의 데이터를 딥하트 신경망에 입력하면 딥하트는 부정맥의 일종인 심방 세동(Atrial Fibrillation)을 감지하는데, 임상 실험결과 97% 정확도로 심방 세동을 감지하였음


Ø 카디오그램은 부정맥에 이어 딥하트를 이용해 당뇨병이나 고혈압 등을 감지하는 연구를 진행했으며, 그 연구 결과는 논문 DeepHeart: Semi-Supervised Sequence Learning for Cardiovascular Risk Prediction을 통해 공개되었음

DeepHeart Semi-Supervised Sequence Learning for Cardiovascular Risk Prediction.pdf


Ø 논문에 따르면 이 연구에는 14,011명의 피험자로부터 모은 2억 건의 애플 워치 데이터가 사용되었으며, 동시에 UCSF의 협력을 얻어 이 피험자들을 대상으로 대학 병원에서 검사한 의료 데이터를 수집해 활용하였음


Ø 카디오그램은 애플 워치에서 측정한 데이터와 의료 데이터를 사용해 딥하트 알고리즘을 교육시켰는데, 그 결과 딥하트가 85%의 정확도로 당뇨병을 판정하였음


Ø 또한 불면증은 83% 정확도로, 고혈압은 81%의 정확도로 판정 할 수 있었는데, 기존에도 기계학습을 통해 심박수와 이들 질병 사이의 관계를 밝히려는 연구가 진행되고 있었지만 딥하트는 기존 연구에 비해 정확도가 크게 향상되었다고 함


ž 의료 분야는 AI와 궁합이 좋은 것으로 평가되나 의료의 특성상 알고리즘 교육에 사용할 데이터가 극히 적은 것이 문제였는데, 딥하트는 새로운 방식으로 이 문제를 개선하였음


Ø 의료 분야에서 AI의 도입은 선도적으로 빠르게 이루어지고 있으며 의료는 AI의 스윗 스폿(sweet spot)이라는 평가도 받고 있지만, 의료 분야는 데이터 보호가 철저해 알고리즘 교육에 사용할 데이터가 매우 적다는 고유의 문제점을 안고 있음


Ø 딥하트 연구에서도 카디오그램은 1만여 명의 피험자가 UCSF 병원에 문진 형태로 제공한 데이터를 이용했는데, 즉 딥하트 연구에는 1만 건이라는 적은 데이터로 질병을 감지해 내야 하는 어려운 미션이 부여되었음


Ø 구글 인셉션(Google Inception) 등 이미지 인식 알고리즘을 개발할 때 보통 100만 건 이상의 교육 자료를 확보하는 것과 비교해 보면, 의료 분야에서 얼마 안 되는 데이터로 알고리즘을 효과적으로 교육하는 기법이 요구됨을 알 수 있음


Ø 딥하트 개발에서는 Semi-supervised Sequence Learning(준지도 순서 학습)이라는 기술을 사용했는데, 이는 네트워크를 Sequence Autoencoder(시퀀스 오토인코더)로 미리 교육하는 기법임


<자료> Andrew M. Dai et al.


[그림 5] 준지도 순서 학습


Ø [그림 5]에서 시퀀스 오토인코더는 Recurrent Network(회귀망, 시간에 의존하는 처리)로 구성되는 네트워크에서 입력 시퀀스(왼쪽 절반)를 읽어 들여 그 결과를 벡터량으로 매개변수에 저장함


Ø 그 다음 학습된 매개변수에서 네트워크는 입력 시퀀스를 재현(오른쪽 절반)하는데, 구체적으로 말의 늘어선 모양(W, X, Y, Z, eos)을 시퀀스 오토인코더에 입력하면 네트워크가 그 순서를 학습하고 그에 따라 말의 순서를 출력하게 됨


Ø 이런 방식을 통해 교육 과정을 간소화하여 적은 의료 데이터로도 딥하트를 교육 할 수 있었으며, 1​​만 건에 불과한 의료 데이터로 딥하트의 판정 정확도를 높일 수 있었음


ž 카디오그램은 애플 워치 측정 데이터를 이용해 여러 질병을 감지 할 수 있음을 증명한 데 이어, 다음 단계로 질병을 감지한 이용자에게 치료법의 제시를 계획하고 있음


Ø 심장은 신경 세포를 통해 많은 장기와 연결되어 있기 때문에, 오래 전부터 심장 박동이 당뇨병이나 고혈압, 불면증과 어떤 관계가 있는지 의학적 관점의 연구가 진행되어 왔음


Ø 심장 리듬의 불규칙성을 나타내는 지표인 HRV(Heart Rate Variability)은 질병과 상관관계가 있을 것으로 추정되고 있음


Ø 가령 사람은 차분히 있을 때는 심장 박동 수가 일정하지 않아 HRV이 높게 나타나는 반면, 스트레스를 받으면 심장 박동 수가 증가하고 심장이 규칙적으로 박동하여 HRV가 낮아지는 것을 알 수 있음


<자료> Cardiogram


[그림 6생리 상태에 따라 다른 심박 데이터


Ø 이 때문에 HRV와 질병 사이의 관계에 대한 연구가 진행되어 왔으며, HRV와 당뇨병의 관계는 Diabetes, glucose, insulin, and heart rate variability: the Atherosclerosis Risk in Communities(ARIC) study라는 제목의 논문으로 발표된 바 있음


Ø 이 논문은 HRV의 감소와 초기 당뇨병 사이에 관계가 있다고 결론을 내리고 있는데, 카디오그램은 이 연구 성과를 기반으로 딥하트 신경망을 개발한 것임


Ø 딥하트는 애플 워치에서 측정한 데이터를 사용하여 부정맥, 당뇨병, 고혈압, 불면증을 감지 할 수 있음을 증명했는데 향후에는 이를 감지한 이용자들에게 의료기관에서 입증된 해결책을 제시한 것을 계획하고 있음


Ø , 카디오그램의 앱이 병원의 의사를 대신해 환자를 진단하고 대처 요법을 알려주는 것을 구상하고 있는 것임


ž 애플 워치가 모든 웨어러블 기기 중 역대 최고의 분기별 매출을 기록한 가운데, AI와 결합을 통해 의료 기기로 역할이 강화된다면, 애플 워치의 판매 증가는 당분간 이어질 전망


Ø 애플 워치가 인기를 구가하고 있는 웨어러블이긴 하지만 역대 최고를 기록한 판매대수 수준이 여전히 당초 기대치를 밑돈다는 지적도 있는데, 주요 이유 중 하나로 센서의 정확도가 높지 않아 애플 워치의 건강관리 기능이 제한적이라는 점이 거론되고 있음


Ø 그러나 애플 워치에 AI를 결합하면 높은 정확도로 질병을 정밀하게 감지 할 수 있는 의료기기로 변신시킬 수 있음이 입증됨에 따라 상황이 변화될 전기가 마련되었음


Ø 손목에 차고 다니는 애플 워치를 통해 어느 날 갑자기 당뇨 진단을 받는 것은 당황스러운 경험일 수도 있으나, 조기에 질병의 징후를 발견하고 질병을 극복할 수 있는 의료기관의 검증된 치료 방법이 제시될 수 있다면 건강 모니터링의 패러다임이 변할 가능성이 있음


Ø 애플 워치의 기능과 역할에 대해서는 여전히 갑론을박이 많지만, 애플 워치의 역할이 크게 바뀌어 의료 기기로서 새 출발을 할 것 같은 흐름이 강하게 감지되고 있음

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1799호(2017. 6. 7 발행)에 기고한 원고입니다.


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

AI가 AI를 개발한다, 구글의 전사 인공지능 프로젝트 Google ai.pdf



[ 요 약 ]


작년 11인공지능 퍼스트(AI First) 기업을 선언했던 구글의 선다 피차이 CEO는 올해 구글 I/O 컨퍼런스에서 그간의 성과를 설명하며 인공지능을 구글의 모든 제품과 서비스의 기반으로 삼는다는 전략 하에 Googl.ai 프로젝트를 진행 중이라고 설명. Google.ai의 연구 테마에는 사람이 아닌 인공지능이 인공지능의 알고리즘을 설계하는 AutoML이 포함되어 있으며, 이 연구 성과를 바탕으로 구글의 제품을 개선하고 인공지능 연산 처리를 위한 새로운 데이터센터를 구축한다는 계획


[ 본 문 ]

ž구글은 최근 개최된 연례 개발자 컨퍼런스 ‘Google I/O 2017’에서, 전사 차원의 인공지능(AI) 전략으로 ‘Google.ai’ 프로젝트를 진행 중이라고 공개


Ø 작년 11월 제품 발표회에서 인공지능 최우선(AI First) 기업을 선언한 바 있는 선다 피차이 CEO는 올해 I/O 컨퍼런스 기조연설에서 전사 차원의 AI 전략을 실행 중에 있다고 밝히며 프로젝트의 세부사항에 대해 발표하였음  구글은 최근 개최된 연례 개발자 컨퍼런스 Google I/O 2017에서, 전사 차원의 인공지능(AI) 전략으로 Google.ai 프로젝트를 진행 중이라고 공개

<자료> Engadget


[그림 1] Goolge.ai를 발표하는 선다 피차이 CEO


Ø 현재 진행 중인 전사 프로젝트의 명칭은 Google.ai로 고도의 AI를 개발하고 이를 구글의 모든 제품과 서비스의 기반 기술로 삼는다는 전략을 구현한 것임


Ø 진행 중인 Google.ai 프로젝트는 「기초연구」, 「도구」, 「응용기술」의 세 분야로 구성되어 있는데, 기초 연구는 고도의 AI 기술의 개발을, 도구는 AI를 실행하는 프로세서 등에 기반한 AI 데이터 센터의 제공을, 응용기술은 AI를 통한 구글 서비스의 개선을 목표로 하고 있음


ž 「기초연구」 분야에서 구글이 주목하고 있는 연구 테마는 AutoML인데, 이는 AI AI를 생성하는 기술의 개발을 통해 알고리즘 개발 임무를 인간에서 AI로 이관하려는 것임


Ø AutoML은 기계학습(Machine Learning)을 자동 생성하는 연구, 다시 말해 알고리즘이 다른 알고리즘을 생성하는 기법을 개발하는 것으로 [그림 2]AI AI를 생성하는 것을 보여주는데, 왼쪽이 인간이 만든 AI 알고리즘이며 오른쪽은 그 AI가 만들어 낸 딥러닝 알고리즘임


Ø [그림 2]의 사례는 처리 결과를 다음 단계로 루프시키는 반복(Recurrent) 구조의 네트워크로 시간에 의존하는 언어처리 등에 따라 언어 처리 등에 사용될 수 있는데, 이 알고리즘에 한 단어를 입력하면 다음 단어를 예측해 줌


<자료> Google Research Blog


[그림 2] 사람과 인공지능이 설계한 기계학습 알고리즘 아키텍처 비교


Ø AI가 생성한 알고리즘 아키텍처를 보면 사람이 설계한 것과 동일한 특징을 공유하기도 하지만, 증식적인 조합을 구현하기 위해 새로운 엘리먼트를 구사하는 것처럼 주목할 만한 차이를 보이는데 이런 방식은 사람이라면 반복 구조의 네트워크에서 대개는 사용하지 않는 것임


Ø 보통 알고리즘의 개발 연구자의 경험과 감이 크게 작용하며, 기존에 확립된 기술을 기반으로 개선점을 찾아 새로운 모델을 생성하게 됨


Ø 반면 AI는 수 많은 알고리즘을 생성하고 이들의 실제 학습 수행 정도를 파악하는 방법, 즉 피드백을 바탕으로 정확한 알고리즘을 만드는 방법을 학습함


Ø 인간은 소위 정석이라 불리는 것들을 축적하지만, AI는 때로 사람이 생각하기에 상식을 뒤집는 방식을 생성하는데, 선다 피차이 CEO의 설명에 따르면 인간이 생성한 알고리즘보다 AI 생성한 알고리즘의 정밀도가 더 높다고 함


Ø AutoML는 구글의 딥러닝 AI 리서치 센터인 구글 브레인(Google Brain)에서 연구 중이며 AI가 최적의 네트워크 구성을 자동으로 설계하는 것을 목표로 하는데, 이는 딥러닝 알고리즘 설계의 임무를 연구원에서 AI로 이관시킴을 의미함


Ø 이는 어찌 보면 AI 연구자 자신도 AI의 진화로 인해 일자리를 잃게 됨을 의미하나, 현재는 AI 연구자의 수가 절대적으로 부족하기 때문에 AutoML은 인력 부족을 해소하는 수단이 되며, 구글은 AI로 대체 가능한 연구인력을 AI 클라우드 개발로 돌려 관련 사업을 강화한다는 계획임


ž 「도구」 분야와 관련해서는 대규모 연산을 위한 확장성에 초점을 맞춘 인공지능용 프로세서로 Cloud TPU를 발표하였음


Ø TPU(Tensor Processing Unit)는 기계학습 연산 전용 프로세서인데, 텐서(Tensor) Trillion Sensor의 합성어로 향후 전세계가 수조 개의 센서들을 연결될 것이란 뜻을 담고 있음


Ø Cloud TPU 2세대 TPU로서 대규모 연산을 위한 확장성을 중시한 설계로 되어 있으며, 성능은 180Tflops(테라플롭스)64GB의 고속 메모리를 탑재한다고 함


Ø 플롭스(FLOPS, FLoating point OPerations per Second)는 컴퓨터의 성능을 수치로 나타내는 단위로 1초 동안 수행할 수 있는 부동소수점 연산의 횟수를 의미하며, 테라플롭스는 1초에 1조 번(1012) 연산 처리가 가능하다는 뜻


Ø 64개의 Cloud TPU가 보드에 탑재되면 TPU 파드(Pods)를 구성하게 되는데, 파드의 최대 성능은 11.5 Pflops(페타플롭스, 테라플롭스의 1천 배)로 이는 수퍼 컴퓨터 수준의 성능임



<자료> Engadget


[그림 3] 인공지능용 프로세서 Cloud TPU() AI 퍼스트 데이터센터(아래)


Ø TPU 파드는 랙에 탑재되어 구글 연산 엔진(Google Compute Engine)으로 제공될 것이며, 구글은 Cloud TPU를 이용한 AI 처리 전용 데이터 센터를 구축할 계획인데, 이를 AI 최우선 데이터센터(AI First Datacenter)라 부르고 있음


Ø Cloud TPU 발표와 동시에 구글은 텐서플로우 리서치 클라우드(TensorFlow Research Cloud)를 발표했는데, 이는 Cloud TPU 1천 개 연결한 연구자들을 위한 클라우드 서비스로 고도의 AI 기술 개발을 위해 무상으로 제공한다고 함


ž 「응용기술」 분야와 관련해서는 인공지능을 카메라에 응용한 신제품 구글 렌즈(Google Lens)를 적용 사례로 소개하였음


Ø 구글 렌즈는 카메라의 렌즈를 AI로 구성한다는 아이디어로, 카메라의 기능과 성능을 AI 소프트웨어가 결정한다는 뜻이며, 사진 촬영을 시작하면 카메라가 AI를 이용해 이미지를 재구성함


<자료> Google.ai


[그림 4] 카메라에 AI를 결합한 구글 렌즈


Ø 가령 [그림 4]처럼 야간 촬영 시 이미지에 노이즈가 있을 경우 AI가 이를 보정하는데, 셔터를 누르면 카메라가 자동으로 여러 차례(16, 32회 등) 빛에 노출시킨 후 노이즈를 제거하는 것을 반복하게 됨


Ø 또한 철조망 뒤에서 사진을 찍을 경우 AI가 자동으로 철조망을 제거하는 이미지 인페인팅(Image Inpainting) 기능도 갖추고 있음


Ø 구글 렌즈는 카메라에 비친 객체를 판정하는 기능이 있어, 가령 꽃 촬영에 구글 렌즈 기능을 선택하면 꽃의 종류가 무엇인지를 식별하고, 길거리 상점을 촬영하면 그 간판의 이름을 인식한 후 관련된 정보를 함께 표시해 줌


Ø 즉 카메라가 이미지 검색의 입력 장치가 되는 것으로 이는 구글 고글(Google Goggles) 등에서 이미 제공되는 기능이지만, AI를 이용하여 그 기능성과 인식 정확도를 향상시켰음


ž 드러나 보이지 않는 곳에서 AI를 이용해 구글의 서비스를 폭넓게 지원하는 응용 사례로는 구글 지도와 지메일을 소개하였음


Ø 카메라의 이미지 인식 기능을 AI와 접목하는 기술은 구글 스트리트 뷰(Street View)와 구글 지도(Google Maps)에도 적용되어 활용되고 있음


Ø 스트리트 뷰는 촬영된 이미지에서 건물에 부착되어 있는 숫자를 읽어 식별할 수 있었는데, 지금은 AI가 숫자뿐만 아니라 거리의 이름도 읽어 정확히 위치를 파악할 수 있음


Ø 표지판이 선명하게 찍혀 있지 않은 경우라도 샘플이 네 장 AI가 정확하게 판정할 수 있다고 하는데, 구글은 이 기술을 스트리트 뷰로 촬영한 800억 장의 이미지에 적용하여 위치를 파악하고 있기 때문에 구글 지도의 정확도를 크게 향상시켰다고 함


Ø 이미지 인식 기능의 활용은 와이파이 접속에도 이용할 수 있는데, 스마트폰으로 와이파이 네트워크 이름과 패스워드를 스캔하면 자동으로 와이파이에 연결하도록 도와줄 수 있음


Ø 스마트 회신(Smart Reply) 기능이 탑재된 지메일 역시 AI의 지원으로 구글 서비스 편의성을 강화한 대표적 사례인데, AI는 수신한 메일의 제목과 내용을 파악하여 이용자를 대신해 최적의 회신 문장을 생성한 다음 이용자에게 제시함


Ø 이용자는 AI가 제시한 세 개의 회신 문장 중에서 가장 낫다고 생각하는 하나를 클릭하는 것만으로 메일 회신을 할 수 있는데, 스마트 회신 기능이 등장한 지는 1년이 넘었으며 지금은 다소 복잡한 내용의 메일에도 회신 문장을 생성할 수 있는 수준이 되었음




<자료> Engadget


[그림 5] 인공지능 활용한 이미지 인식 기능 개선()과 이메일 자동 회신(아래)


Ø 이처럼 인공지능은 겉으로 드러나게 또는 드러나지 않게 기능성 향상에 기여하고 있으며, 구글은 이번 개발자 컨퍼런스에서 향후 자신들의 모든 제품과 서비스에 AI를 적용해 개선시키겠다는 목표를 밝힌 것임


ž 「응용기술」 분야와 관련해서 또 하나 주목할 것은 구글이 AI를 의료 분야에 적용할 계획임을 명시했다는 것으로, 향후 IBM 및 애플과 치열한 기술 경쟁을 예고하고 있음


Ø 구글은 이미 AI를 사용하여 당뇨 망막증(Diabetic Retinopathy) 판정 시스템을 발표한 바 있는데, 이 병은 당뇨 합병 질환으로 실명 위기까지 이어질 가능성이 높은 것으로 알려져 있어, 정확한 판정 시스템의 개발은 질병의 조기 발견과 치료에 상당한 기여를 할 것으로 기대되고 있음


Ø 구글에 따르면 AI는 이미 의사보다 높은 정확도로 당뇨 망막증 진환을 감지해 내는 데 성공했으며, AI를 의료 이미징에 활용할 수 있다는 것이 증명되자 구글은 자회사 딥마인드(DeepMind) 함께 의료 분야에서 AI 연구 개발을 중점적으로 추진하고 있음


<자료> Google


[그림 6] AI를 이용한 의료 이미지 판독


Ø 구글이 개발한 이미지 인식 알고리즘인 구글 인셉션(Google Inception)은 세계 최고 수준의 성능으로 평가받고 있는데, 구글은 누구나 자유롭게 이 소프트웨어를 이용하여 진단 및 치료 솔루션을 개발할 수 있도록 공개하고 있음


Ø 가령 구글 인셉션 소프트웨어를 피부암의 판정에 응용하면 전문의보다 정확하게 질병을 판정 할 수 있는 것으로. 나타났는데, 특별한 알고리즘이 필요하지 않아 암 탐지 시스템의 개발 문턱이 극적으로 낮아졌기 때문에 이미 피부암 판정 스마트폰 앱까지 등장하고 있는 상황


Ø IBM 왓슨의 선도적 비즈니스가 성과를 거두며 의료 분야에서 AI 활용에 대한 평가와 전망은 매우 긍정적인데, 구글과 기술 경쟁, AI 기반 의료 기술의 공개화 등 흐름과 맞물린다면, 의료 분야에서 AI 기반의 혁신 사례는 잇따라 등장할 것으로 예상됨


ž 구글은 자신들의 모든 영역에 AI를 적용하고자 하는 AI 최우선 기업으로서 그 성과를 어필했지만 이제 시작일 뿐이며, 시장 지향 AI를 향한 본격적 행보 선언에 그 의의가 있음


Ø 구글은 인공지능 퍼스트를 모토로 내세운 기업으로 그간의 연구개발 성과와 응용사례를 소개했지만, 이번 연례 개발자 컨퍼런스에서 새로운 비전을 제시하는 놀라운 기술과 제품은 등장하지 않았다는 평가가 지배적


Ø 구글 렌즈 등의 기능도 이미 일부 활용되고 있는 기술이고, AI를 음성 인식에 응용해 고급 자연언어처리 접목한 인공지능 스피커 '구글 홈이나 가상 비서 구글 어시스턴트도 이미 소개된 기술일뿐더러 이 분야에서는 오히려 아마존 에코와 알렉사가 시장을 선점하고 있는 상황임


Ø 이는 세계 최고 수준의 AI 기술을 보유하고 있는 구글이지만, 의료와 같은 특수 분야를 차치하고 나면 일상적으로 소비자들이 AI의 혜택을 느낄 수 있는 제품과 서비스를 개발한다는 것은 쉽지 않은 일이라는 것을 보여주는 대목


Ø 기술 특이점(singularity) 접근 전망과 함께 하루가 다르게 고도화되어 가고 있는 AI를 어떻게 제품과 서비스에 연결시킬 것인가에 대한 질문도 계속해서 나오고 있으며, 이에 대한 대답을 내놓는 것은 구글뿐 아니라 IT 업계가 공통으로 안고 있는 과제일 것임


Ø 그러나 어쩌면 소비자의 욕구와 잠재 욕망을 자극할 수 있는 AI 기반 제품과 서비스의 개발 역시 사람이 아닌 인공지능 스스로가 만들어 낼 지도 모를 일이며, 그런 면에서 AI AI를 만든다는 모토를 제시하고 있는 구글이 접근방식에서는 유리한 상황이라 할 수 있겠음