보라빛 소를 만나기 위한 도약

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1833호(2018. 2. 14. 발행)에 기고한 원고입니다.

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

AI로 AI를 개발하는 기술의 진전, 성당에서 시장으로 나오는 AI.pdf

[ 요 약 ]

[ 본 문 ] 

ž 미국의 오크 릿지 국립 연구소(Oak Ridge National Laboratory)는 기존 범용 신경망을 이용한 연구에 한계가 있음을 느끼고 과학 연구 전용의 고도 신경망 개발에 나서게 있음

Ø 오크 릿지 연구소는 미국 에너지부 산하 기관으로 과학의 수수께끼 규명을 목표로 하고 있는데, 세계 최고 수준의 수퍼 컴퓨터인 ‘타이탄(Titan)’을 운용하는 곳으로도 유명함

Ø 타이탄은 크레이(Cray) 사가 개발했으며, 18,688개 노드로 구성된 병렬 머신으로 각 노드에 CPU(AMD 옵테론)와 GPU(엔비디아 케플러)를 탑재한 세계 최대 규모의 수퍼 컴퓨터임

Ø 이 연구소는 몇 년 전부터 최근 급속히 발전한 이미지 인식과 음성 인식 신경망을 이용한 연구를 진행해 왔으나, 상용화된 범용 신경망을 기초과학 연구에 적용한 결과 기대한 만큼의 성과는 얻을 수 없었다고 함

Ø 그 이유는 과학 연구에서 다루는 데이터의 특수성과 신경망 교육에 사용할 수 있는 데이터의 수가 제한되어 있기 때문이었으며, 따라서 오크 리지 연구소는 과학 연구를 위한 전용 신경망 개발의 필요성에 직면하게 되었음

Ø 이에 따라 오크 릿지 연구소는 타이탄을 이용해 과학 연구에 적합한 고정밀 신경망을 개발하게 되었으며, 현재 이를 활용해 물질과학 및 입자 물리학의 연구를 진행하고 있음

ž 오크 릿지 연구소가 과학 전용의 신경망 개발에 있어 수퍼 컴퓨터를 이용한 부분은 신경망 최적화 단계로, 이전까지 인간이 담당하던 작업을 AI를 이용해 실행한 것이 특징

Ø 연구진은 특정 데이터 세트에 대해 최적의 신경망이 존재한다는 전제에서 그 구조를 탐구 해 왔는데, 이 연구는 소위 ‘하이퍼 파라미터 최적화(Hyper-Parameter Optimization, HPO)’의 문제로 귀결됨

Ø 하이퍼 파라미터는 신경망의 기본 모델, 즉 신경망 각층의 종류와 그 순서, 네트워크의 층수 등을 의미하며, HPO는 이들 기본 요소를 조합하여 네트워크를 최적화하는 작업임

Ø 달리 표현하면, 대부분의 기계학습 알고리즘에서는 연구자들이 지정해 두어야 할 설정들이 많은데 이런 다양한 튜닝 옵션들을 하이퍼 파라미터라 부르며, 성능을 최적화하거나 편향과 분산 사이의 균형을 맞출 때 알고리즘을 조절하기 위해 HPO를 수행함

Ø 성능 최적화를 위해 하이퍼 파라미터를 튜닝 하는 것은 연구자들 사이에서는 ‘예술’이라 불릴 만큼 어렵고 정교한 작업이며, 어떤 데이터 세트에서 최고의 성능을 보장하는 쉽고 빠른 튜닝 작업 방법은 없는 것으로 알려져 있음

Ø 하이퍼 파라미터 최적화는 기존 딥러닝 소프트웨어(Caffe, Torch, Theano 등)를 사용하여 수작업으로 실시되며, 표준 소프트웨어를 개조하여 신경망 각 층의 종류와 순서, 네트워크 층수 등 신경망의 토폴로지(망 구성)를 결정하게 됨

Ø 그 다음으로는 생성된 신경망을 교육하고 그 성능을 검증하는데, 이 과정을 여러 번 반복하여 최적의 신경망의 형태를 얻게 되며, 이 과정은 연구자가 경험과 감에 전적으로 의존하여 진행되기 때문에 통상 새로운 신경망을 생성하는 데 몇 달씩 소요되기도 함

Ø 그런데 오크 릿지 연구소는 이 튜닝 작업을 AI로 설계하고 이를 수퍼 컴퓨터로 실행함으로써 큰 ​​성과를 올렸는데, 즉 특정 연구에 최적화 된 신경망을 연구자의 수작업이 아니라 AI로 생성시킨 것

Ø 이 방식을 통해 오크 릿지 연구소는 과학연구 전용 신경망을 단 몇 시간 만에 생성하는 데 성공했으며, 이렇게 AI가 만든 신경망이 현재 중성미립자(Neutrino) 연구에 크게 기여하고 있다고 함

ž 오크 릿지 연구소가 신경망 생성에 이용한 AI는 MENNDL(Multinode Evolutionary Neural Networks for Deep Learning)이라 부르는데, 생물이 진화하는 방식을 모방한 것이라고 함

Ø 사람이 HPO를 하는 것과 마찬가지로, MENNDL 우선 특정 데이터 세트, 가령 중성미립자 실험 데이터의 처리에 특화된 신경망을 생성한 다음 신경망을 교육시키고 그 성능을 평가하며, 그 평가 결과에 따라 신경망 구조를 변화시킴으로써 성능 향상을 도모함

Ø 이 과정을 반복하여 고급 신경망을 생성하게 되는데, 이 기법은 생물의 DNA가 배합과 변이를 반복하며 진화하는 방식을 모방하고 있기 때문에 ‘진화적 알고리즘(Evolutionary Algorithm)’이라 불림

<자료> Oak Ridge National Laboratory

[그림 3] MENNDL의 진화적 알고리즘

Ø MENNDL은 생성된 신경망의 교육과 성능 평가를 타이탄 수퍼 컴퓨터의 노드를 이용해 수행하는데, 마스터(master) 노드에서 진화의 프로세스를 실행해 신경망을 생성하면, 워커(worker) 노드는 생성된 네트워크를 교육하고 그 성능을 평가하게 됨

Ø 딥러닝 알고리즘을 포함하고 있는 수정 가능한 소프트웨어 프레임워크로는 ‘카페(caffe)’ 를 사용하여 워커 노드에서 대규모 병렬 실행을 하며, 마스터 노드와 워커 노드 사이의 통신은 Message Passing Interface라는 프로토콜을 사용하고 있음

ž MENNDL을 활용하고 있는 것은 오크 릿지 연구소뿐 만이 아니며, 현재 여러 연구기관에서 의료 연구나 우주 탄생 연구 등에 적합한 신경망 생성에 활용하고 있음

Ø 소아암 연구로 유명한 세인트 주드 소아 병원(St. Jude Children 's Research Hospital)은MENNDL을 이용해 생성한 신경망을 의료 연구에 사용하고 있는데, 3D 전자 현미경으로 촬영한 이미지에서 미토콘드리아를 식별하는 신경망을 생성하였음

Ø 미토콘드리아는 발견할 수 있기는 하지만 존재하는 위치가 다양하며 모양과 크기가 달라 사람이 식별하기는 어렵기 때문에, 세인트 주드 병원은 MENNDL을 이용해 미토콘드리아를 식별하기 위한 의료 전용 신경망을 생성한 것임

Ø 페르미 국립 가속기 연구소(Fermi National Accelerator Laboratory) 역시 MENNDL을 이용해 중성미립자 검출을 위한 전용 신경망을 생성하였음

<자료> Fermi National Accelerator Laboratory

[그림 4] 페르미 연구소의 뉴트리노 관측기기

Ø 중성미립자는 입자 중에서 페르미온(Fermion)으로 분류되면 질량은 매우 작고 다른 입자와 상호 작용이 거의 없으며 투과성이 높아서 감지해 내기가 매우 어려움

Ø 중성미립자 연구는 초기 우주의 규명과 물질 구조의 규명으로 이어질 것으로 기대되어 각국에서 경쟁적으로 연구가 진행되고 있는 분야임

Ø 페르미 연구소는 관측 장치를 개발해 중성미립자를 대량으로 생성한 후 그 상호작용을 연구하고 있는데, 중성미립자 검출에 특화된 구조를 가진 신경망을 이용하고 있음

Ø 신경망은 관측 사진을 분석해 중성미립자가 장치 내 어디에서 상호작용을 일으킨 것인지를 정확히 파악하는데, 사진에는 다른 입자들이 일으킨 상호작용도 무수히 기록되기 때문에 일반적인 신경망을 통해 중성미립자를 골라 내는 것은 매우 어려운 일이었음

Ø 그러나 MENNDL을 통해 전용 신경망을 만들 수 있게 됨에 따라, 아주 드물게 발생하는 중성미립자의 상호 작용을 정밀하게 식별할 수 있게 된 것임

Ø 페르미 연구소에서는 MENNDL로 50만 종류의 신경망을 생성하고 이를 교육한 후 성능을 평가했는데, 교육 데이터로 중성미립자의 상호작용을 기록한 이미지 80만 장을 사용했으며, 평가를 통해 가장 판정이 정확한 신경망을 선정해 연구에 활용하고 있음

Ø 이러한 일련의 과정은 오크 릿지 연구소의 경우와 마찬가지로 타이탄의 18,688개 노드에서 병렬로 실행되었는데, 과학 전용 신경망의 개발과 이를 이용한 과학 연구는 AI 수퍼 컴퓨터의 도입으로 비로소 가능해졌다고도 볼 수 있음

ž 한편 특정 용도의 신경망을 AI로 생성하는 것이 수퍼 컴퓨터 이용이 가능한 대형 연구소에서만 가능한 것은 아니며 일반 기업도 가능해졌는데 여기에는 구글이 기여한 바가 큼

Ø 구글은 이미 AI를 이용해 고급 기계학습 알고리즘을 생성하는 ‘오토(Auto)ML’ 기술을 사내 에서 자체적으로 이용하고 있었는데, 최근 이 기술을 ‘클라우드 오토ML’이라는 클라우드 서비스 형태로 공개하였음

Ø 오크 릿지 연구소의 전용 AI 개발은 세계 최고급의 수퍼 컴퓨터가 있기에 가능한 측면이 있었고, 그러한 고도의 컴퓨팅 자원을 보통의 기업이 갖추기는 현실적으로 어려운 것인데, 구글이 클라우드 오토ML을 공개함에 따라 전용 AI 개발에 대한 접근성이 높아진 것임

Ø 구글이 ‘오토ML’을 개발하고 또 공개한 이유는 오크 릿지 연구소의 경우와 동일한데, ‘일반 AI’가 다양한 기능이 있기는 하지만 고급 판정 능력이 필요한 특정 업무에는 사용할 수 없어 ‘전용 AI’를 개발해야 하며, 이 작업을 할 수 있는 AI 연구자는 극소수이기 때문

Ø 아마존이나 마이크로소프트와 마찬가지로도 이미 구글은 ‘클라우드 ML 엔진’이라는 서비스를 통해 ‘일반 AI’를 클라우드로 제공하고 있었으며, 이 서비스를 이용하는 기업들은 구글이 제공하는 ‘클라우드 비전 API’를 통해 이미지 인식 처리를 실행할 수 있음

Ø 클라우드 비전 API를 이용하며 쉽게 사진을 분류할 수 있는데, 가령 하늘의 구름 사진을 입력하면 시스템은 ‘sky’와 ‘cloud’라고 정확히 분석 결과를 보여주며, 인물 사진을 입력하면 사람의 얼굴 형태임을 인지하고 그 표정을 분류하는 기능도 제공하고 있음

Ø 그러나 기상 전문가들에게는 이러한 클라우드 비전 API를 이용한 이미지 판정 기능이 충분하지 않은데, ‘sky’나 ‘cloud’ 정도만을 판정하는 기능으로는 ‘권운(cirrus)’, ‘권적운(Cumulus humilis)’ 등과 같이 구름의 종류를 판정할 수 없기 때문

Ø 따라서 구름의 종류를 판별 할 수 있는 기계학습 알고리즘을 개발하는 것이 요구되지만, 이 작업을 할 수 있는 연구자의 수는 많지 않으며 개발 작업에도 많은 기간이 소요되는 문제점이 있었으며, 이러한 수요에 부응해 구글이 내놓은 것이 ‘클라우드 오토ML’임

Ø 클라우드 오토ML을 이용하면 AI가 연구자 대신 ‘전용 AI’를 짧은 시간 안에 개발해 주기 때문에, 기상 전문가들은 구름의 종류를 판정 할 수 있는 기계학습 알고리즘을 클라우드 오토ML을 이용해 자동으로 생성할 수 있음

ž 구글에 따르면 클라우드 오토ML로 생성한 알고리즘의 인식률은 일반적인 신경망보다 정확도가 높아 활용가치가 더 높으며, 이미 다양한 분야에서 성공 사례가 나오고 있음

Ø 오토ML을 이용하면 우선 신경망 개발 기간을 크게 단축 할 수 있는 것이 장점으로, 파일럿 모델이라면 몇 분 안에 가능하고 프로덕션 모델이라도 하루 정도면 개발이 가능한데, 이렇게 금세 만든 신경망이라도 인식률은 기존 일반 AI보다 높다고 함

Ø 구글은 클라우드 오토ML을 비즈니스에 응용한 사례도 공개하고 있는데, 패션 브랜드인 ‘어번 아웃피터(Urban Outfitters)’는 상품에 태그를 붙이는 과정을 클라우드 오토ML 서비스를 이용해 자동화하고 있음

Ø 어번 아웃피터는 상품에 부여된 태그를 키 값으로 사용해 소비자들에게 제품을 추천하고 있으며, 상품 검색과 제품 필터링에서도 태그가 사용하는데, 이 태깅 작업에 클라우드 오토ML 을 이용해 상품 이미지를 분석하고 제품의 특징량을 추출하고 있음

Ø 가령 옷을 분류할 때 클라우드 오토ML로 만든 알고리즘은 가슴 부위의 형태에 따라 상품을 ‘V-넥’, ‘스쿱(Scoop) 넥’, ‘크루(Crew) 넥’ 등으로 판정하는데, 이는 알고리즘이 디자인 패턴과 목선 등을 키 값으로 태그를 생성할 수 있기 때문

Ø 동물의 생태를 보호하는 활동을 전개하고 있는 국제 환경보호단체 ‘Zoological Society of London(ZSL)’ 역시 클라우드 오토ML을 적극 활용하고 있음

Ø 이 단체는 동물의 생태를 이해하기 위해 서식지에 카메라를 설치하고 동물의 행동을 관찰하고 있는데, 범용 알고리즘이 사진을 보고 동물의 종류를 정확히 판정할 수 없기 때문에 사람이 이 과정에 관여하다 보니 태기 작업에 통상 9개월이 소요되었음

Ø 9개월이 지나고 나면 이미 야생동물의 이동이 크게 이루어지고 난 다음이기 때문에 보호 전략을 세워봐야 무용지물인 경우가 많았고, 밀렵꾼에 대한 대응도 뒷북이기 일쑤였는데, ZSL은 이 과정을 클라우드 오토ML을 이용해 자동화함으로써 문제를 해결하였음

Ø 9개월이 걸리던 태깅 작업을 순식간에, 또한 정확하게 처리할 수 있게 됨에 따라 ZSL은은 효과적인 동물보호 활동을 되었으며, 운영 비용 또한 크게 낮출 수 있게 되었는데, 단체 내에 AI 전문가 없이도 클라우드 오토ML 이용을 통해 이 모든 것이 가능하게 된 것임

ž AI를 만드는 AI의 이용 접근성이 높아짐에 따라 올해는 특정 업무 전용의 고급 AI 개발이 급증할 것으로 예상되며, AI의 개발의 대중화로 획기적인 AI가 출현할 가능성이 높음

Ø 에릭 레이먼드는 1997년 ‘성당과 시장’이란 글을 통해 중세시대 소수 성직자들이 지식을 독점한 것처럼 소수의 프로그래머들 소스코드를 독점해 프로그램을 개발하는 데서 벗어나 시장처럼 여러 사람이 모여 오픈소스로 공동 개발하는 것이 더 우월함을 주장한 바 있음

Ø 구글은 클라우드 오토ML 서비스를 공개하며 ‘AI의 민주화’를 기치로 내걸었는데, 여기에는 누구나 고도의 AI를 용이하게 개발할 수 있는 환경을 제공함으로써 소수가 개발할 때보다 훨씬 획기적인 AI가 개발되는 환경을 조성하겠다는 의미가 내포되어 있음

Ø 물론 구글의 클라우드 오토ML 서비스는 이제 막 시작된 것이고, 현재는 이미지 인식(Convolutional Neural Network) 관련 AI만 개발할 수 있는 한계가 있어 클라우드 오토ML을 통해 만든 신경망이 필요한 수준의 기능을 제공해주지 못할 수 있음

Ø 그러나 향후에는 음성 인식(Recurrent Neural Network) 관련 AI를 개발할 수 있는 기능도 제공될 것으로 예상되며, ‘AI를 개발하는 AI’의 기술이 발전할수록 클라우드 오토ML로 생성하는 신경망은 보다 고도화되며 동시에 보다 만들기 쉬워질 것임

Ø 그 시점이 도래한다면 ‘AI의 민주화’라는 구글의 비전이 현실화될 수 있을 것이며, 현재의 모바일 앱 개발처럼 수 많은 사람이 AI의 개발과 교육에 직접 참여하고 협업하는 과정에서 AI는 질적 도약을 이뤄낼 수 있을 것임

Ø 누구나 자신에게 필요한 AI를 누구나 개발할 수 있는 환경이 도래함에 따라 올해는 업무에 특화된 AI 알고리즘 개발이 확산될 것으로 예상되며, 더 나은 AI가 개발되고 확산되는 과정을 통해 인공지능은 우리 삶에 보다 급격히 접목되어 나갈 수 있을 것임

안녕하세요. 

블로그 운영자 보라개구리입니다. 

원래 이 블로그는 제가 <주간기술동향>이라는 주간지의 '최신ICT이슈'라는 꼭지에 기고한 글을 개인적으로 아카이빙 하는 공간으로 개설한 곳입니다. 주간지를 발간하는 정보통신기술진흥센터의 웹사이트에 가도 PDF 버전이 잘 아카이빙 되어 있기는 하지만, <주간기술동향>은 책자로 인쇄해 배포되는 잡지이다 보니 원고 작성 시에 동영상 등 멀티미디어 활용에 제한이 있습니다. 그래서 원고에는 담지 못한, 혹은 캡처 화면으로만 소개된 동영상을 넣은 온라인 버전의 아카이빙이 있으면 좋겠다 싶어, 티스토리에 공간을 빌리게 되었습니다. 

개인적인 아카이빙이 목적이다 보니.. 일주일에 한번 썼던 글 카피해서 올리는게 다여서 블로그는 사실 운영이랄 것도 없고 별다른 신경을 못쓰고 있습니다만.. 티스토리 관리자 화면이 개편되면서 방문자 수를 강제적으로 보게 되는데, 월에 3천분 정도, 그러니까 하루에 100분 정도가 들러주시는 것 같습니다. 어떤 경로로든 방문해 주신 분들께는 감사의 말씀드리며, 위에서 말씀드린 것과 같이 개인 목적 운영이기 때문에 보시기에 불친절한 면이 있었더라도 양해해 주시길 바랍니다. 

이 곳에 아카이빙 하는 글들이 '최신ICT이슈'라는 타이틀을 달고 있긴 하지만, 블로그 들러서 글을 보신 분들 중에는 최신 이슈가 맞는지, 그리고 이게 중요한 이슈인지 등에 대해 의구심을 갖는 분들도 계실 것 같습니다. <주간기술동향>은 인쇄 발행물이다 보니 원고가 최소 1주일 이전에 마감되어야 하고, 몇년 전에는 2주 전에 마감하기도 했습니다. 그러다보니 원고 작성 시점에는 뉴스가 되더라도 2주 후에는 전혀 새롭거나 가치 있는 소식이 되질 못하는 일이 다반사였습니다. 그래서 제 나름대로 찾은 방법이 국내 미디어에는 잘 소개되지 않는 뉴스, 소개되더라도 자세히 소개되지 않는 뉴스들을 다루는 것이었는데요.. 최근 정보 매체들의 수가 더 급증하면서 이 방법도 점점 더 유효하지 않게 되어 가고 있습니다. 해가 갈수록 원고 아이템 찾는 일이 어려워지고.. 나이도 먹어가기 때문에, 얼마나 더 할 수 있을 지는 모르겠습니다. ^^

아무튼.. <주간기술동향>은 1월 3주차부터 1년에 50회 발간이 되고, '최신ICT이슈' 꼭지에 제가 보통 3개의 뉴스를 기고하니 올해도 150개 소식을 전달한 셈인데요.. 

올해 썼던 글 목록을 보면서.. 재미 삼아 제 스스로 기억에 남았던 글들 10개를 뽑아 봤습니다. 제 기준에 따라 제 맘대로 뽑은 것이고.. 또 순위가 중요도를 의미하는 것 같지도 않습니다. 관심을 가지고 본다면 어느 것 하나 중요하지 않은 것이 없겠죠. 

어느 곳에서 어떤 생각을 갖고 살아가시는 분들이건, 제 블로그를 방문해 주셨던 모든 분들께 깊은 감사의 말씀 드리며, 운칠복삼의 2018년이 되길 열렬히 기원합니다. 새해 복 많이 받으십시다들. 

----------------------------------------------------------------

2017 My Top 10 Articles

1. 빈 의과대학, 거미줄로 인간의 끊어진 신경을 재건하는 수술 연구 (☞ 바로가기 클릭)

간혹 쓴 글에 대해 피드백을 받는데.. 올해 피드백을 가장 많이 받았던 기사라.. 표본 수는 작지만 가장 호응도가 높았던 기사로 간주해 1위로 선정. ㅎㅎ 

큰 사고를 당하신 분인데, 이 기사를 보고 희망이 생겼다는 분의 전화가 기억에 남는다. 임상 실험이 어서 진행되어 많은 분들이 건강과 희망을 되찾으시길.

학교 수행과제 발표 때문에 궁금한 게 있어 전화를 했다는 적극성 만땅의 고등학교 2학년 여학생도 기억에 남는데, 우리 딸과 같은 학년이라 특별히 있는 자료 없는 자료 챙겨서 답해주었다. 

2. 구글 클라우드 넥스트, 다음 단계 목표는 ‘인공지능의 민주화’ (☞ 바로가기 클릭)

스마트폰 쓰듯이 누구나 인공지능을 쓸 수 있는 시대가 올 수도 있겠구나 하는 생각이 들었던 기사. 구글이 "Don't be evil" 이라는 창업 이념을 잊고 있는 것 같지는 않은 것 같다는 느낌도 받았던 듯. 

3.  ‘ICO’, 블록체인 혁명을 위한 새로운 자금조달기법 혹은 묻지마 (☞ 바로가기 클릭)

8월 말에 작성한 이 기사 내용 중에 비트코인 가격 4천 달러 돌파 소식도 들어 있었는데.. ㅎㅎ 돈이 없어 그런가 나는 왜 살 생각을 못했던가. ㅠㅠ

비트코인이 금을 대체할 수 있는지 등등은 어차피 보이지 않는 국제금융의 큰 손들이 결정할 일이니 이렇다 저렇다 말할 수 없는 일이고..  ICO를 하려면 우선 비즈니스모델이 있어야 한다는 기사의 지적은 합당한 듯. 정부가 ICO 막는다고 뭐라 하기 전에 ICO로 코인 모아서 뭘 하려는지부터 명확히 설명할 수 있어야 할 것임.

4. 폴크스바겐, 골드만삭스, 에어버스의 양자 컴퓨터 활용 계획 (☞ 바로가기 클릭)

올해 양자컴퓨터 관련 소식을 나름 시리즈로 다루었다. IBM, 구글, MS의 양자 컴퓨팅 연구개발 상황을 3주 연속으로 다루었는데.. 개발업체들 관점에서 나온 소스들을 정리하다 보니 긍정적 톤이 나오게 되었다 

연말에 Q2B Conference라는 행사가 있었고, 여기에 제조 금융 서비스 기업들이 나와 양자 컴퓨팅 도입 방안과 미래에 대해 전망하였는데, 개발업체들에게는 미안한 말이지만 양자 컴퓨터의 현재 수준을 알 수 있어 좋았다. 

지금은 아직 멀었다는 평이지만.. 어차피 기술은 급속히 발전하는 것이니 내년에는 또 뭐가 어떻게 바뀔 지 기대. 

5. 완전 자율주행 무인 택시 ‘웨이모’의 안전성 확보를 위한 여러 노력들 (☞ 바로가기 클릭)

자율주행차 소식도 여러 건 다루었는데, 실제 상용화를 이루기 위한 구글의 구체적 노력을 알 수 있어 좋았던 기사. 국내 금융기관도 이미 대출 승인할 때 AI를 이용하고 있다는데, 결과적으로 보면 AI의 판단이 옳은데 문제는 대출 거부된 사람에게 그 이유를 명확히 설명해 주지 못한다는 것. 자율운전차도 경로 결정을 AI에 맡기면 결과적으로는 사람보다 더 잘할 수는 있겠으나, 사고 발생시 무조건 상대방 차량의 사람에게 과실을 물어야 하냐는 현실적 문제가 발생하는데, 그런 문제를 해결해 나가려는 구글의 모습에서 자율주행차는 상용화가 진짜 몇 년 안 남았다는 느낌.

6. DNA 분석 결과, 백인우월주의자 대부분은 ‘순수 백인’이 아닌 걸로 (☞ 바로가기 클릭)

DNA 분석 서비스 비용이 낮아져 보편화되면 이를 통해 사람들의 고정관념과 아집이 허물어질 수도 있겠다는 생각을 해준 기사. 점차 다문화 사회가 되어 가고 있고, 서구인에 대한 무조건적인 친절, 아시아, 아프리카인에 대한 근거 없는 우월감을 보이는 우리나라에도 꼭 필요한 서비스라는 생각. 

7. 위성사진 분석으로 경제 정보 제공, 투자자들이 주목하는 AI 스타트업 (☞ 바로가기 클릭)

AI가 못하는 창의적인 일을 하라는 것도 이제는 헛소리. AI가 사람보다 예술도 더 잘하고, 심지어 AI 개발도 AI가 하고 있으니까. 결국 남는 건 운동선수가 되는 일인데, 이것도 얼마나 유효할 지는 모르겠다. 백 덤블링하는 로봇도 나왔으니. 

데이터 사이언티스트의 가장 중요한 덕목은 분석 툴을 잘 다루는 것이 아니라 '인사이트'라고 하는데, 과연 그렇겠구나 하는 걸 실감하게 해준 뉴스. 결국 남이 못보는 것을 잘 보는 것이 살아남는 방법. 

8. 실패를 존중하는 기업문화 정착 위해 직원 평가제도 폐지한 GE (☞ 바로가기 클릭) 

한때 한국 기업 구조조정의 바이블이었던 GE의 인사 제도가 디지털 혁명 시대를 맞이하여 GE 스스로에 의해 폐기되고 있다. 그래도 아직 한국의 어느 기업들 중에는 잭 웰치의 말을 여전히 신봉하며 어떻게 직원을 정리해야 할 지에 대해서만 골몰하는 곳도 있겠지. 

9. 기후 변화로 손실 위험 높아지는 보험회사, IoT로 위험 극복 노력 (☞ 바로가기 클릭)

디지털이 야기하는 파괴적 혁신에 기업들이 어떻게 대처해야 하는지가 전통적 비즈니스들의 생존 과제임을 다시 한번 느끼게 해준 기사. 한국 기업들도 나름 잘 준비하고 있으리라. 

위의 기사와 쌍을 이루는 뉴스로는.. "치매 발병률 검사 후 간병보험 가입, 보험회사 위협하는 DNA 분석(☞ 클릭)"이 있었다.

10. ‘엣지 컴퓨팅’으로 AI 기능 구현한 소형 장난감 로봇 ‘코즈모(Cozmo)’ (☞ 바로가기 클릭)

앞으로는 스마트폰이 클라이언트가 아니라 미들웨어와 서버로 더 많이 활용될 것임을 느끼게 해 준 뉴스. 스마트폰 사양이 더욱 좋아져야 할 이유가 생긴 듯.  이 뉴스와 같은 맥락의 기억에 남는 기사는..  "아이폰과 연결해 사용하는 휴대형 초음파 진단 장비, 암 진단 성공(☞클릭)"