※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1822호(2017. 11. 15. 발행)에 기고한 원고입니다.


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

사람 중심으로 상황에 맞게 변하는 인공지능 횡단보도 ‘스탈링 크로싱’.pdf



ž 영국의 스타트업 엄브렐리움(Umbrellium)은 차량 중심으로 만들어 진 기존 횡단보도 대신 상황에 맞게 횡단보도가 가변적으로 변하는 지능형 횡단보도를 개발하고 있음


Ø 엄브렐리움은 도로 곳곳에 흰색 도료로 칠해진 횡단보도 대신 도로를 건너는 사람이나 차량 통행량에 따라 LED를 이용해 가변적으로 표시되는 횡단보도 스탈링 크로싱(Starling Crossing)을 개발하고 있음


Ø 스탈링(Starling)행동신호 적응형 반응 학습((STigmergic Adaptive Responsive LearnING)의 줄임 말인데, 스티그머지(Stigmergy)는 개미와 같은 사회적 곤충의 독특한 행동방식으로, 개체는 각기 다른 행동을 취하지만 결과적으로 집단 전체의 목표를 달성케 만드는 메커니즘을 말함


Ø 스탈링 크로싱은 보행자 안전은 우선 순위에 놓고 보행자의 잠재적 위험 요소를 파악해 신호를 변경하는 반응형 도로 시스템으로, 보행자 교차로의 패턴, 레이아웃, 구성, 크기와 방향을 상황에 맞게 변경함


Ø 사람이 길을 건널 수 있는 모든 지역의 노면은 카메라로 모니터링 되며, 노면에는 주야간 상관없이 모든 각도에서 볼 수 있는 컴퓨터 제어 LED가 내장되어 있어 상황에 맞는 횡단보도를 구성하게 됨


Ø 예를 들어 도로를 횡단하는 사람이 감지되면 노면에 횡단보도가 표시되고 차량 앞에는 정지선이 표시되며, 더 이상 건너는 사람이 없으면 횡단보도는 사라지고 다시 차선이 노면에 표시됨



<자료> Umbrellium


[그림 1] 보행자 감지에 따라 횡단보도를 가변적으로 표시해 주는 스탈링 크로싱


Ø 저녁 퇴근시간 때나 영화가 끝나서 사람들이 일시적으로 많이 몰려 건너는 사람이 많을 경우에는 노면에 횡단보도의 너비가 넓게 표시되어 모든 보행자들이 횡단보도 안으로 건널 수 있도록 가이드 해 줌




ž 스탈링 크로싱은 사람이 도로 횡단에 신경 쓰지 않아도 고도의 인공지능(AI) 기술을 통해 안전을 보장한다는 점에서 자율주행차의 컨셉과 맞닿아 있다고 할 수 있음


Ø 최근에는 스마트폰을 보면서 무심코 횡단하다 사고를 당하는 경우가 빈번히 발생하고, 운전자가 여러 이유로 보행자를 발견하지 못해 사고가 발생하기도 하는데, 스탈링 크로싱은 인공지능을 통해 이런 사고를 미연에 예방하고자 함


Ø 카메라에서 수집된 영상을 컴퓨터 신경망 학습으로 분석한 뒤, 횡단할 것 같은 사람이 나타났을 때 자동으로 표시를 조정해 사람이 신경 써서 걷는 것보다 더 안전한 환경을 구축하려는 것


Ø 엄브렐리움은 현재 사우스 런던에 실제 도로와 같은 세트를 만들고 스탈링 크로싱의 프로토타입을 테스트하고 있음

댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1819호(2017. 10. 25. 발행)에 기고한 원고입니다.


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

화이트 칼라 업무 생산성 향상 도구 ‘RPA’, AI 붐 타고 도입 급증.pdf



[ 요 약 ]


장시간 노동의 억제가 사회적 이슈로 부상하면서또한 저출산 고령화에 따른 노동 인력 감소 문제에 장기적으로 대응할 필요성이 제기되면서 사무 업무의 노동 생산성 향상을 위한 RPA(로보틱 프로세스 자동화도입이 기업의 화두로 떠오르고 있음. RPA는 최근 인공지능(AI) 기술 등과 접목되며 단순 사무업무뿐 아니라 전문 지식에 기반한 고도의 의사결정까지 지원을 목표로 하고 있는데로봇이 그랬던 것처럼 RPA는 사무 현장의 노동 인력 구조에 중대한 변화를 가져올 것으로 예상됨



[ 본 문 ] 


ž 사무직 노동자의 업무를 자동화 해주는 로보틱 프로세스 자동화(Robotic Process Automation, RPA) 도구를 업무처리 방식의 혁신 수단으로 도입하는 기업이 급증하고 있음


<자료> Roboyo


[그림 1] RPA와 기존 업무시스템의 비교


Ø RPA는 사람이 반복적으로 처리하는 업무를 로봇 소프트웨어를 통해 자동화하는 솔루션으로 많은 인력과 시간을 들여야 하는 단순 업무를 획기적으로 줄일 수 있는 시스템임


Ø 로봇이 점차 지능화되고 있기는 하지만 원래 제조 현장에서 로봇의 역할은 단순 반복 업무를 수행하는 것이며, 로봇 같다는 표현은 종종 주어진 일을 지치지 않고 해낸다는 뜻으로 쓰임


Ø RPA에서 로보틱 프로세스란 반복적인 업무 절차라는 뜻에 가까우며, RPA는 실제 물리적인 로봇이나 기계장치가 아니라 소프트웨어를 통해 사무 현장의 반복업무를 자동화하는 것임


Ø 솔루션 벤더들의 주장에 따르면 화이트 칼라의 사무 작업을 RPA로 자동화할 경우 작업 시간을 80% 가량 줄일 수 있다고 하며, 이런 이유로 RPA를 가상 지식 노동자(Digital Employee)로 부를 수 있다고 함


Ø 화이트 칼라의 업무에도 다양한 종류가 있지만 현재 RPA가 주된 대상으로하고 있는 것은 PC로 수행하는 반복적 일상 작업으로, 한 시스템에서 처리한 결과를 다른 시스템으로 입력함으로써 시스템간 연계를 하는 업무가 대표적임


Ø 초기에 RPA는 보험업을 비롯한 금융기관에서 주로 도입이 진행되었는데, 일상적인 대량의 문서 처리 업무가 많아 도입 효과가 좋았기 때문이며, 현재는 금융업 이외에 제조업 등 다양한 산업으로 확산되고 있는 추세임


Ø 시장조사기관 리서치 앤 마켓에 따르면 향후 5년간 RPA 도입이 급증해 2022년 전세계 RPA 시장규모는 50억 달러를 넘어설 것으로 예상됨


ž RPA 자체는 어디까지나 개념일 뿐이며, 기업이 RPA를 도입하려면 RPA 도구가 필요한데, 자체적으로 개발할 수도 있지만 대부분 기업은 벤더들의 RPA 솔루션을 이용하고 있음


Ø RPA 도구의 주요 역할은 대상 업무의 스크립트(Script)실행(Execution)으로 먼저 업무 담당자가 일반적으로 수행하는 PC 작업의 절차를 정의해야 하는데, 이는 RPA 도구에게 지시할 대본(스크립트)을 만드는 과정이라 보면 됨


Ø 스크립트는 가령 웹 브라우저로 특정 사이트에 접속하여 어떤 데이터를 엑셀로 복사하라는 식으로 여러 소프트웨어에 걸치는 것이 보통이며, 스크립트가 완료되면 그 대본에 따라 RPA 도구가 담당자의 작업을 자동으로 실행하게 도고, 스크립트는 필요에 따라 수시 편집도 가능함


Ø 간단히 이해하자면 엑셀 매크로 기능을 여러 소프트웨어에 걸쳐 실행할 수 있다고 생각하면 되고, 시스템 개발에 사용되는 기능 테스트 자동화 도구와 유사하다고 보면 됨


Ø RPA 도구들은 주로 규칙 엔진을 이용하여 스크립트를 자동화 하며 규칙 엔진 외에도 HTML 분석 기술이나 이미지 인식 기술 등도 이용하는데, 요소 기술들이 새롭거나 특이한 것은 아니어서 기존 기술들을 잘 조합하여 저비용으로 고효율을 얻게 해주는 쪽에 가까움


ž 전세계적으로 RPA 도입이 급증하고 있는 이유는 기업의 규모와 업종, 업무 유형을 불문하고 장시간 노동의 억제가 중요한 사화적 이슈로 부상하고 있기 때문임


Ø RPA 도입에 대한 관심은 2015년경부터 유럽의 금융 기관들을 중심으로 높아졌는데, BPO(비즈니스 프로세스 아웃소싱) 사업자들이 위탁 받은 업무를 효율화하기 위해 RPA 도구를 적용하기 시작한 것이 계기가 되었음


Ø 또한 선진국을 중심으로 현재 기업들은 일하는 방식을 바꾸어야 한다는 사회적 압력에 직면하고 있으며 이에 대한 대응이 급선무가 되었는데 그 해결책의 하나로 RPA가 주목 받게 되었음


Ø 우선 일과 노동의 균형(Work-Life Balance)이 강조되며 장시간 노동의 억제가 기업이 외면할 수 없는 주요 사회적 아젠다가 되고 있음


Ø 다른 한편으로 고령화와 저출산에 따른 노동인구 감소와 부족의 문제가 점차 부각되고 있는데, 이는 시간이 흐ㅁ를수록 장기적으로 더욱 악화될 것으로 예상되는 문제이기 때문에 기업들은 생존을 위해서라도 현재와 다른 업무 방식을 고민할 수밖에 없는 상황임


Ø 이런 과제 극복을 위해 주요하게 대두되는 문제가 화이트 칼라의 생산성 향상이기 때문에, 사무 업무의 자동화를 통해 생산성을 향상시켜 주는 RPA의 도입이 적극적으로 검토되고 있음


Ø RPA 소프트웨어는 기업 입장에서 이상적인 노동 자원으로 볼 수 있는데, 로봇이므로 노동시간을 신경 쓸 필요는 없어 야간이든 휴일이든 작업지시를 할 수 있고, 게다가 기계적으로 작업을 확실하게 해내기 때문에 작업 속도와 오류율 면에서 사람보다 나은 성과를 보여주기 때문


Ø 여기에 벤더들의 노력으로 RPA 도구가 더 사용하기 쉽게 된 것도 도입을 가속화하는 요인이 되고 있는데, 인터페이스와 조작 방법이 개선되며 PC 작업을 대체하기 위한 스크립트 작성과 실행이 용이하게 되었음


ž 최근 고조되는 인공지능(AI) 붐도 도입 배경으로 꼽히는데, 벤더들은 RPAAI를 활용한 사무 고도화의 첫 걸음으로 자리매김하며 주목도를 높이고 있음


Ø PC 작업을 자동화하는 RPA는 응용 범위가 넓고, 다른 기술과 제품에 비해 상대적으로 도입하기가 쉽기 때문에, 지금까지 IT화의 대상이 되지 않았던 업무와 IT화를 했을 때 투자 대비 효과가 나오지 않는다고 간주되었던 업무에도 적용할 수 있는 것이 장점임


Ø 투자 대비 효과의 측정이 가능하고 단기간에 투자를 회수할 수 있음이 도입 사례들을 통해 지표로 제시되고 있다는 점도 기업 경영진들의 주목을 끄는 배경이 되고 있음


Ø 또한 최근 AI 붐을 타고 조만간 RPA와 인공지능을 조합한 시스템이 등장할 것이라는 전망이 나오는 것도 RPA 도입 결정에 긍정적인 요인이 되고 있는데, 루틴한 작업뿐만 아니라 중장기적으로 고비용의 전문직 인력이 해오던 고급 의사 결정까지 대행을 맡길 수 있기 때문


Ø 이에 따라 RPA를 도입하려는 기업은 RPA 도구들을 정확히 비교, 평가하고 자신들에게 적합한 도구를 선택하는 것이 매우 중요하게 되었는데, 단순 업무 처리에 그치지 않고 고도의 전문성을 요하는 업무까지 RPA로 처리하게 될 경우 이는 기업의 경쟁력과 직결되는 일이기 때문


ž 기업이 제대로 된 RPA 도구를 선택하려면 사람으로 치면 --에 해당하는 기술 요소들을 잘 이해해야 하는데, 우선 눈에 해당하는 기술 중에는 구조 분석 기술이 가장 중요함


Ø 구조 분석 기술은 RPA 도구가 조작 대상으로 삼는 응용프로그램의 화면들이 어떤 요소로 구성되어 있는지를 해석하는 것으로, 구성 요소에는 메뉴, 입력 영역, 버튼, 선택 항목(라디오 버튼, 드롭다운 리스트) 등이 포함됨


Ø 구조 분석 기술을 사용할 수 있어야 보다 확실하게 조작 대상을 특정 할 수 있게 되는데, 구조를 분석할 수 없는 응용프로그램의 업무를 자동화하려면 작업 대상을 이미지로 인식해야 하고 이럴 경우 작동하는 PC의 해상도 차이 등에 영향을 받기 때문


Ø 어떤 응용프로그램을 구조 분석의 대상으로 할 수 있는지는 RPA 도구에 따라 다르기 때문에 벤더별 차별화 요소가 되며 기업이 벤더의 도구를 선택할 때 중요 포인트가 됨


<자료> UiPath Studio


[그림 2] 웹 페이지 구조 분석 기술


Ø 구조 분석 기술에서는 웹 사이트에서 정보를 추출하기 위해 웹 스크레이프(scrape) 기술을 많이 사용하는데, 이 기술은 가령 웹 페이지로 퍼블리싱 되는 주가 및 부동산 정보 등의 정보를 추출하고 이를 가공·분석하여 보고서를 작성하는 업무를 자동화하는 경우 아주 유용함


Ø RPA 도구가 추출 대상으로 하는 웹 사이트의 정보 중 일부는 표 형식의 데이터로 존재하는 경우도 많은데, 이런 표 형식의 데이터를 그대로 가져오는 구조를 가진 도구들도 있음


Ø RPA 도구의 스크립트 작성은 시나리오 기반으로 이루어지는데, 소프트웨어 로봇의 작업 흐름을 정의한 시나리오 대로 실제 구현이 되게 하기 위해서는 정보의 용이한 취득을 지원하는 구조 분석 기술 요소가 매우 중요함


ž 사람의 눈에 해당하는 기술 요소로 구조 분석 기술을 보완하는 것으로는 이미지 인식 기술과 OCR(광학문자판독) 등이 있음


Ø 이미지의 특징을 분석하여 작업 범위를 특정하는 것이 이미지 인식 기술인데 앞서 말한 것처럼 PC의 해상도를 비롯 RPA의 실행 환경에 따라 작동이 다를 수 있고, 구조 분석 기술에 비해 조작 대상을 특정하는 정확도는 떨어지지만 많은 RPA 도구들이 이미지 인식을 채택하고 있음


Ø RPA 도구가 조작 대상 화면을 이미지로 인식할 수밖에 없는 상황이 있기 때문인데, 가령 원격 데스크톱으로 접속하여 다른 PC의 응용프로그램을 작동시키거나 가상화 기술로 배포된 응용프로그램을 조작하는 등의 경우를 들 수 있는데, 최근에는 이런 방식의 이용 사례가 늘고 있음


Ø OCR 엔진을 포함하고 있는 RPA 도구도 있는데, 원격 데스크톱으로 접속한 화면에서 정보를 검색할 때 이미지 정보를 텍스트화로 변환할 필요가 있는 경우 등에 이용됨


Ø RPA 도구로 정보를 추출해야 할 대상이 종이 장표 밖에 없는 경우는 당연히 OCR이 도움이 필요하며, 정보를 디지털로 변환하여 RPA 도구로 처리할 수 있도록 할 필요성이 클수록 OCR 엔진을 활용하게 될 경우가 늘어날 것임


ž RPA 도구의 기술 요소 중 사람의 뇌에 해당하는 기술은 업무 절차와 규칙에 따라 작업이 진행될 수 있도록 하는 역할을 하며, 워크플로우와 규칙 엔진이 대표적임.


Ø 화이트 칼라의 일상적인 업무는 일반적으로 정해진 절차와 규칙에 입각해 진행되는 경우가 많기 때문에 RPA 도구는 작업자의 일련의 처리 흐름을 설계하고 실행하는 워크플로우(workflow) 기능을 갖추고 있어야 함


Ø 처리 흐름이란 가령 ①수신 메일에서 입력할 데이터를 얻는다 à ②입력 데이터를 확인한다 à 데이터를 시스템에 입력한다 à 처리 결과를 메일로 통보한다 등이 될 수 있음


Ø 여러 사람이 협업해 업무를 수행하는 경우는 RPA 도구에 있는 워크플로우 기능을 사용하는 대신 사내에서 사용 증인 워크플로우 시스템에서 제공하는 승인 절차와 연계하는 방식을 취하는 것이 더 효과적일 수 있음


<자료> Network Automation


[그림 3] SAP와 세일즈포스닷컴 연계를 위한 워크플로우


Ø RPA가 제공하는 규칙 엔진은 처리 대상 상품의 할인율을 바꾼다거나, 신청 유형에 따라 심사 대상을 바꾸는 등 미리 정한 규칙에 따라 작업을 실행할 수 있게 해주는 기술 요소임


Ø 업무 규칙은 다양한 상황 변화에 ​​따라 수시로 변경되는 것이 일반적인데, 규칙 엔진을 사용하면 시스템에 미치는 영향을 최소화하면서 규칙을 추가, 변경할 수 있게 됨


ž RPA의 기술 요소 중 사람 손에 해당하는 것은 주로 응용프로그램에 정보의 입출력을 담당하며, 마우스나 키보드의 모방과 응용프로그램 작업 라이브러리 등이 있음


Ø 대부분의 사무 업무는 데이터의 입력과 작성으로 마무리 되므로, RPA 도구는 사람이 마우스 나 키보드를 사용하여 작업하는 것을 모방하여 그대로 수행할 수 있게 해주는 기술이 필요함


Ø RPA 도구를 윈도 환경에서 실행하는 경우 윈도 API가 제공하는 인터페이스를 활용한 프로그램을 이용하여 마우스와 키보드의 조작을 모방하는 것이 일반적임


Ø 벤더들이 내놓은 RPA 도구 대부분은 자주 사용되는 응용프로그램으로 수행되는 작업에 특화된 라이브러리를 제공하고 있는데, 가령 윈도 환경이라면 엑셀에서 셀 편집, 엑셀의 행과 열 추가 및 삭제, 아웃룩에서 메일 송수신 등의 작업이 라이브러리로 제공됨


ž RPA에 대한 관심이 높아질수록 벤더들은 AI 등을 이용해 기능을 더 고도활 할 것이기 때문에, 도입을 고려 중인 기업은 기능 최적화 및 확장성 등을 면밀히 비교할 필요가 있음


Ø RPA는 기술적 측면에서 새롭거나 혁신적인 요소가 있는 것은 아니고, 이미 부분적으로 기업들이 도입하고 있는 기술 요소들도 있기 때문에, 벤더들로서도 RPA 판매를 위해서라면 차별화 된 가치 제공을 위해 최신 기술 트렌드 접목을 시도할 수밖에 없는 측면이 있음


Ø 따라서 RPA 도구의 기능은 계속 고도화되고 발전할 것인데, 예를 들어 에 해당하는 기능이라면 AI를 활용해 고도의 업무 판단 능력을 장착하려 할 것임은 누구나 쉽게 예상할 수 있는 것이었고, 실제로 이미 벤더들은 AI 기능 장착을 마케팅 포인트로 잡고 있음


Ø AI 기반의 RPA 도구들은 가령 다양한 장표의 포맷을 기계학습 시킨 알고리즘을 담고 있기 때문에, 장표를 입력하면 레이아웃을 자동으로 인식해, 이름, 주소, 회원번호 등의 항목을 자동으로 추출하는 등의 기능을 구현하고 있음


Ø OCR AI를 조합하여 인식률을 향상시킨 AI-OCR 기술의 활용도 시작되고 있기 때문에 RPA 도구와의 연계도 진행될 것으로 예상됨


Ø RPA 도입을 고려중인 기업이라면 자신들에게 가장 필요한 기술 요소가 뛰어난 솔루션이 어느 것인지, 또한 AI 등 향후 기술 고도화나 확장성까지 기대할 수 있는 것이 무엇인지, 기존에 도입한 IT 시스템과 연계가 용이한 것이 무엇인지 다면적으로 검토할 필요가 있음


ž 또한 RPA의 기능이 고도화되고 도입이 확산된다면 생산성 향상의 순기능뿐 아니라 인간 노동력의 재배치 이슈도 발생할 것이므로 섬세한 도입 로드맵 마련이 필요할 것임


Ø IBM에 따르면 기업 업무 중 약 33%를 차지하는 데이터 수집과 처리 영역에 RPA를 우선 도입할 수 있으며, 30%를 차지하는 전문 지식이 필요하고 인력간 상호작용이 필요한 업무에도 고도화된 RPA의 도입이 가능하다고 함


<자료> LinkedIn


[그림 4] RPA의 결과: 생산성 향상 또는 해고


Ø 이는 RPA의 도입에 따라 기업에 미치는 영향이 다층적일 수 있음을 시사하는데, AI 기반의 RPA가 제시하는 고급 의사결정 지원까지 이루어질 경우, 사무 업무의 생산성 향상이라는 당초 RPA 도입 목적 달성을 넘어 기업 인력구조 전반의 거대한 변화로 이어질 수 있음


Ø 제조 현장에서 로봇의 도입에 의해 노동 인력의 구성이 크게 변화한 것처럼, 사무 현장도 RPA라는 로봇 소프트웨어에 의해 노동 인력의 대폭 구조 조정이 가능해질 것이기 때문


Ø 따라서 기업은 RPA의 도입이 AI에 의한 대량 실업의 우려 이슈로 이어지지 않도록 RPA 도입 시 인력전환 및 재교육 계획도 함께 수립해야 할 필요가 있음


Ø 기업의 RPA 도구 도입을 계기로 이제 기업 경영진을 의미하는 C 레벨에 AI 책임자를 두어야 할 필요성, 즉 최고 AI 책임자(CAIO, Chief AI Officer)를 두어야 할 필요성도 고조되고 있음

댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1816호(2017. 9. 29. 발행)에 기고한 원고입니다.


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

AI 칩을 이용한 아이폰 Ⅹ 얼굴 인증 AI를 악용한 공격 대응이 관건.pdf



[ 요 약 ]


애플이 차세대 하이엔드 모델인 아이폰 ()에서 지문 인증을 빼고 얼굴 인증 기술인 페이스 ID(Face ID)를 발표하였음카메라를 향해 얼굴을 보이는 것 만으로 인증을 하는 기술은 지문 인증보다 안전성이 높고 편리한 방법으로 평가받고 있는데이번에 애플이 도입함에 따라 단번에 보급 확산이 진행될 수 있는 교두보를 마련하였음페이스 ID는 인공지능(AI)프로세서를 이용해 이미지 인식 기능을 강화했는데같은 맥락에서 AI를 악용한 고도의 공격에 대응할 것을 요구 받고 있음



[ 본 문 ]


ž 애플의 차세대 아이폰 모델 3 기종 발표회에서 가장 관심을 모은 것은 최상위 모델인 아이폰 Ⅹ(10)의 얼굴인식 기능을 이용한  페이스 ID(Face ID)였음


Ø 주 모델은 기기의 전면을 모두 수퍼 레티나 HD 디스플레이(Super Retina HD Display)로 채워 홈 버튼을 없앤 아이폰 Ⅹ(10)이었고, 아이폰 7 7 플러스의 후속 모델로는 시리즈 순서에 맞게 아이폰 88 플러스가 발표되었음



Ø 이 중 아이폰 Ⅹ은 페이스 ID(Face ID) 기능을 갖추고 있어 카메라로 얼굴을 비춰 장치 잠금 해제를 할 수 있는데, 아이폰 8과 달리 지문인식 장치를 아예 없애 애플 페이로 지불을 할 때도 기존의 터치 ID(Touch ID) 대신 페이스 ID 기능을 이용해야 함


<자료> CNET


[동영상아이폰 Ⅹ의 얼굴 인증 페이스 ID


Ø 최신 스마트폰의 추세는 전면 디스플레이를 극대화하는 것이며 아이폰 Ⅹ도 이 흐름을 수용했는데, 이렇게 하려면 홈 버튼에 담았던 지문 인식 스캐너의 위치를 옮겨야 할 필요가 있었음


Ø 발표회 전에는 터치 ID 기능을 디스플레이 안에 포함한다거나 삼성전자 갤럭시 S8처럼 스마트폰 후면으로 이동시킨다는 루머가 있었으나, 애플은 터치 ID 기능을 아예 빼는 선택을 하였음


Ø 삼성전자가 제품 매뉴얼에 얼굴 인증은 지문이나 PIN 등에 비해 안전성이 낮다고 기재함으로써 얼굴 인증을 보안이 아니라 편의성과 재미를 위해 설계한 것임을 드러낸 반면, 애플은 지문 인식 없이 페이스 ID 만으로 애플 페이를 이용하게 하여 보다 과감한 입장을 취한 것임


Ø 이는 얼굴 인식 기능이 시장에서 아직 대세가 아닌 상황에서 애플이 기술력과 자신감을 바탕으로 과감한 결단을 내린 것으로 볼 수 있는데, 대신 아이폰 8 8 플러스에는 기존 터치 ID를 그대로 유지시켜 페이스 ID에 거부감이 있는 소비자를 위한 선택지도 남겨 두었음


ž 얼굴 인증 기술은 기본적으로 이용자의 형상 변화에도 대응해야 하는 과제를 안고 있는데 이를 위해 애플은 기계학습(Machine Learning)을 이용한 이미지 비교 방식을 채택했음


Ø 페이스 ID를 사용하기 위해서는 사전에 얼굴을 등록해야 하는데, 터치 ID가 사용자의 여러 손가락 지문을 등록하거나 다른 사람의 지문을 등록할 수 있었던 것에 비해 페이스 ID는 오직 하나의 얼굴만 등록할 수 있고, 다른 얼굴을 등록하려면 이전에 등록된 얼굴을 삭제해야 함


Ø 아이폰 Ⅹ은 트루뎁스 카메라(TrueDepth Camera)라는 특수 카메라를 탑재하고 있는데, 얼굴을 등록 할 때 트루뎁스 카메라의 도트 프로젝터(Dot Projector)에서 3만 개의 점이 얼굴에 투사되고 이를 적외선 카메라(Infrared Camera)에서 읽어 들여 얼굴의 3D 맵을 생성하게 됨


<자료> iphone tricks


[그림 2] 트루뎁스 카메라의 구조()와 페이스 ID 3D 스캐닝 포인트()


Ø 이 정보들은 프로세서 내의 스토리지인 시큐어 인클레이브(Secure Enclave)에 암호화하여 저장되며, 페이스 ID 사용 시 광원 역할을 하는 플러드 일루미네이터(Flood Illuminator)에서 적외선이 투사되고 이를 적외선 카메라가 읽어 들여 등록된 얼굴 맵과 비교하여 인증을 수행함


Ø 페이스 ID는 광원으로 적외선을 사용하기 때문에 외부 빛의 조건에 관계없이 어두운 곳에서도 정확하게 얼굴을 인증할 수 있는 장점이 있음


Ø 반면, 얼굴 인증은 이용자의 상태가 변화하는 것에 대응해야 하는 과제를 안고 있는데 즉, 머리카락이나 수염이 자라거나 안경을 착용하여 등록된 얼굴 이미지와 달리 보일 경우에도 이용자가 불편하지 않게 본인 확인을 할 수 있어야 함


Ø 이 문제 해결을 위해 애플은 기계학습 기법을 이용한 이미지 비교 방식을 채택했는데, 알고리즘에 대한 기계학습을 통해 등록된 얼굴 형상이 머리와 수염을 기르고 안경을 쓰면 어떻게 천천히 변화하는지를 인식할 수 있게 하는 것임


Ø 다양한 조건을 사전에 학습시켜 둠으로써 이용자의 형상이 바뀌더라도 정밀하게 판정 할 수 있게 한 것이며, 또한 얼굴을 3D로 비교함으로써 사진을 통해서는 인증 받을 수 없게 하였음


ž 페이스 ID에 기계학습이 적용되었다는 것은 카메라의 차별적 성능이 이제 광학 센서가 아니라 인공지능(AI)에 의해 결정되고 있음을 다시 한번 보여 줌


Ø 트루뎁스 카메라는 셀카(Selfie)를 찍을 때 특수 효과를 내는 데도 사용할 수 있는데, 인물사진 조명(Portrait Lighting)이라 불리는 기능을 이용하면 스튜디오에서 촬영 할 때처럼 마치 빛을 조정한 것 같은 효과를 얻을 수 있음


Ø 자연 조명(Natural Light) 옵션을 선택하면 자연광 아래에서 촬영한 효과를, 스튜디오 조명(Studio Light) 옵션을 선택하면 밝은 조명 아래 촬영한 효과를 얻을 수 있으며, 칸투어 조명(Contour Light) 옵션은 얼굴의 요철을 돋보이게 하여 극적인 인상을 만들며, 무대 조명(Stage Light) 옵션은 배경을 검게 처리해 얼굴을 부각시킬 수 있음


<자료> Apple


[그림 3] 인물사진 조명의 다양한 옵션


Ø 트루뎁스 카메라는 스테레오 카메라여서 객체를 3D로 파악하므로 인물과 배경을 구분할 수 있고, 여기에 AI가 사람의 얼굴을 파악해 얼굴 부위에 빛을 쬐어 특수 효과를 만들어 내는 것인데, 메인 카메라에도 인물사진 조명 기능이 탑재되어 위의 옵션들을 사용할 수 있음


Ø 카메라는 전통적으로 광학 센서가 차별화 요인이었지만, 지금은 포착한 이미지를 AI를 통해 얼마나 깨끗이 처리 할 수 ​​있는지가 중요해지고 있으며, 아이폰의 카메라는 소프트웨어 결정 카메라(Software-Defined Camera)라는 소프트웨어가 성능을 좌우함



Ø 트루뎁스 카메라를 이용하면 움직이는 이모티콘인 애니모지(Animoji)를 만들어 전달할 수 있는데, 카메라는 얼굴의 50개 지점의 움직임을 파악해 이를 이모티콘 캐릭터와 매핑하는데, 가령 놀란 표정을 지으면 캐릭터도 놀라는 모양이 됨


<자료> Howtoisolve


[그림 4] 아이폰 Ⅹ의 애니모지 메시지 기능


Ø 애니모지를 이용해 영상 메시지를 보내면, 표정을 모방한 캐릭터가 음성과 함께 아이메시지(iMessage)로 상대방에게 전달되는데, 캐릭터는 고양이, 돼지, 닭 등 12개가 제공되고 있음


Ø 애니모지 외에도 트루뎁스 카메라는 스마트한 아이폰 이용을 지원하는데, 사용자의 시선을 인식해 화면을 보고 있는 등 아이폰을 사용 중이라 판단하면 슬립 모드로 전환되어 화면이 꺼지지 일이 없도록 하고 알람이나 전화벨 소리를 낮추는 등 똑똑한 도우미 역할도 수행함


Ø 이러한 신형 아이폰의 기계학습과 이미지 처리를 지원하는 것이 AI 프로세서인 A11 Bionic(바이오닉)인데, 이 프로세서는 뉴럴 엔진(Neural Engine)을 탑재하고 있으며 그. 이름에서 알 수 있듯이 AI 처리에 특화되어 있음


Ø 뉴럴 엔진은 기계학습 처리 전용 엔진으로 사람이나 물건이나 장소 등을 빠르게 파악하는 기능을 통해 페이스 ID와 애니모지의 처리를 지원하고 있는데, 이와 동시에 애플은 AR(증강현실)의 이미지 처리 속도도 이 엔진을 통해 가속화 하고 있음


ž 이처럼 AI를 기반으로 한 페이스 ID 기능에 대해 애플이 상당한 자신감을 보이고 있긴 하지만, 아무래도 인증 관련 기술이다 보니 보안 침해 가능성에 대한 우려도 제기되고 있음


Ø 페이스 ID가 확산되려면 안전성에 대한 소비자의 확신이 전제가 되어야 하는데, 애플은 얼굴 인증에 대한 공격 방법이 영화에 종종 사용되는 페이스 마스크(Face Mask)가 될 것으로 보고 이에 대한 철저한 실험을 했다고 함


Ø 페이스 마스크는 출연자의 얼굴을 3D로 카피한 후 이를 마스크로 재구성하는 것인데, 애플은 실제로 할리우드에서 페이스 마스크를 만들어 페이스 ID의 인정 정밀도를 벤치마크 하였음


Ø 여기에도 기계학습 기법이 사용되어 인간의 얼굴과 페이스 마스크를 구분하도록 알고리즘을 교육시켰다고 하는데, 이러한 나름의 연구개발 성과를 바탕으로 애플은 페이스 ID의 오인식률이 100만분의 1 이하라 자신한 것으로 보임


Ø 그러나 사진이나 마스크로는 페이스 ID가 뚫리지 않는다는 애플의 주장에 대해, 일부 보안 전문가들은 3D 촬영 기술의 발전이나 3D 프린터 기술의 발전으로 실제 얼굴과 거의 흡사한 3D 얼굴 모형을 얼마든지 만들어 낼 수 있다는 점을 간과할 수 없을 지적하고 있음


ž 실제로 최근 VR(가상현실)이나 인공지능(AI)을 이용해 3D로 얼굴을 구성하는 기술들이 발표되고 있어 얼굴 인증 메커니즘의 신뢰성을 보다 확실히 해야 할 필요성이 높아지고 있음


Ø 얼굴 인증과 관련한 흥미로운 연구 성과 발표는 작년부터 시작되었는데, 노스 캐롤라이나 대학의 연구팀은 페이스북과 인스타그램에 게재된 얼굴 사진을 3D로 재구성하는 방법을 공개했음

Virtual U Defeating Face Liveness Detection by Building Virtual



Ø 연구팀은 대상자의 얼굴 사진을 여러 장 모아 얼굴의 구조를 3D로 재구성한 뒤, 3D 구조에 피부의 색상과 질감을 더하고 다양한 표정을 추가한 다음 VR 디스플레이로 표현하였음


<자료> Department of Computer Science, University of North Carolina


[그림 5] 노스 캐롤라이나 대학 연구팀의 VR을 이용한 사진 이미지 3D 재구성 프로세스


Ø 연구 논문에 따르면 3D로 재구성한 얼굴의 VR을 얼굴 인증 시스템에 입력하고 인증에 성공했는데, 현재 스마트폰 보안에 이용되고 있는 5개 얼굴 인식 앱을 대상으로 테스트를 실시하였음


Ø 테스트 결과5개의 앱 중 하나를 제외하면 55~85%의 성공률을 보였으며, 이런 결과를 토대로 연구팀은 현재의 얼굴 인증 메커니즘을 개선할 필요가 있다고 어필하였음


Ø 연구팀이 애플의 페이스 ID를 대상으로 테스트 할 지 여부는 아직 알려지지 않고 있는데, 트루뎁스 카메라가 얼굴을 3D로 감지 할 수 있어 아이폰 Ⅹ에 무단으로 접근할 수 없을 것으로 보이긴 하지만 만약 VR로 표현된 얼굴을 3D 프린터로 출력하면 상황은 달라질 지 모름


Ø 실제로 독일의 보안 솔루션 기업인 시큐리티 리서치 랩(Security Research Labs)은 얼굴의 3D 이미지를 3D 프린터로 생성하여 얼굴 인증 시스템을 테스트하는 연구를 진행하고 있음


Ø 이 기업은 피험자의 3D 얼굴 형상을 가지고 마이크로소프트의 얼굴 인증 시스템인 헬로(Hello)에서 인증받는 데 성공했다고 하며, 아이폰 Ⅹ이 정식 출시되면 페이스 ID의 보안성을 검증하는 작업을 시작할 것이라고 함


Ø 얼굴 인증과 관련한 가장 최근의 흥미로운 연구로는 영국 노팅엄 대학과 킹스턴 대학 연구팀이 대학이 발표한 1장의 얼굴 사진에서 인공지능을 이용해 3D로 얼굴을 구성하는 기술임


Ø 컴퓨터 비전에서 얼굴을 3D로 파악하는 것은 매우 어려운 기술이기 때문에 보통은 많은 사진을 입력하고 이들로부터 3D 이미지를 재구성하는 것이 일반적인 방법임


Ø 이에 비해 노팅엄 대학과 킹스턴 대학 연구팀은 이미지를 판단하는 CNN(Convolutional Neural Network, 뇌이랑 신경망)을 얼굴 사진과 본인의 3D 이미지로 교육함으로써 알고리즘이 1장의 얼굴 사진에서 3D 이미지를 재구성하는 것을 가능케 하였음



<자료> http://www.cs.nott.ac.uk/~psxasj/3dme/

[그림 6] 사진 1장으로 얼굴을 3D로 재구성



Ø 노팅엄 대학이 연구 성과를 기반으로 얼굴 인증 시스템에 대한 테스트를 실시한 것은 아니지만, 향후 AI를 악용한 얼굴 인증 시스템에 대한 공격이 급증할 수 있음을 시사하고 있으며, 아이폰 Ⅹ가 출시되면 페이스 ID 해킹 레이스가 시작되고 애플은 다양한 도전을 받게 될 것임


3D Face Reconstruction from a Single Image (클릭 사이트 이동)




ž 얼굴 인식이 향후 인증 기술의 주류가 될 지, 아니면 이용자의 호응과 신뢰를 얻지 못해 또 다른 인증 기술이 모색될 지, 당분간 애플 페이스 ID의 행보에 관심이 모일 전망


Ø 다양한 생체 인식 방식이 가운데 얼굴 인증 방식은 정밀도와 활용성이 높기 때문에 향후 크게 확산될 것으로 보는 전문가들이 많으며, 3~5년 후에는 인증 기술의 절반 이상이 얼굴 인증이 될 것이라는 예측도 있음


Ø 다른 생체인식과 비교해 보면, 목소리 인증은 콜센터 등에서 사용되고 있지만 복제하기가 쉬워 채택이 제한적이며, 이런 이유로 아마존 에코(Amazon Echo) 등은 인증이 아닌 이용자 식별을 위해 목소리를 사용하고 있을 뿐임


Ø 또한 현재는 지문 인증이 생체 인식 중 가장 폭넓게 이용되고 있지만 작은 센서로 지문을 정확하게 읽는 기술은 쉽지 않으며, 지문 또한 복제가 가능해 보안상 우려도 있음


Ø 이런 이유로 생체 인식에서 얼굴 인증이 주목 받고 있는 것이며, 아이폰 Ⅹ이 아직 정식 출시되지 않았음에도 페이스 ID는 이슈를 만들고 있고 얼굴 인증 기술의 동향과 관련해 많은 관심이 쏟아지고 있는 것임


Ø 아이폰 Ⅹ과 관련해 향후 또 하나 주목해야 할 것은 홍채 인식(Iris Recognition)으로 발전할 가능성인데, 홍채 인식은 정밀도가 얼굴 인식 보다 높아 오래 전부터 주목 받아온 방식이지만 적외선 센서 등 전용 장비가 필요하기 때문에 쉽사리 보급이 진행되고 있지 않음


Ø 삼성전자의 갤럭시 노트7과 노트8이 홍채 인식 기능을 이미 제공하고 있긴 하지만 인증 정확도와 보안성에 대해서는 아직 평가가 정확하지 않은 상황인데, 아이폰 Ⅹ이 얼굴 인식을 위해 적외선 센서를 탑재함에 따라 향후 홍채 인증울 진행하는 것 아니냐는 루머도 나오고 있음


Ø 비즈니스 타이밍 포착에 천재적인 애플이 이번에도 얼굴 인증을 대세 인증 기술로 밀어 올릴지, 페이스 ID에 대한 다양한 도전을 극복하지 못해 새로운 인증 기술을 모색하게 될 지, 아이폰 Ⅹ가 받아들 성적표에 벌써부터 많은 관심이 모이고 있음


댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1813호(2017. 9. 13. 발행)에 기고한 원고입니다.


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

인공지능으로 로고의 우수성을 점수 매기는 로고 랭크 서비스.pdf



ž 미국의 스타트업 브랜드마크(Brandmark)는 인공지능을 이용해 기업이나 조직의 로고가 디자인 측면에서 얼마나 우수한 지를 알려주는 로고 랭크(Logo Rank) 서비스를 제공 중


Ø 브랜드마크는 이 서비스를 위해 100만 개 이상의 로고 디자인을 인공지능(AI)에 학습시켰으며, AI는 학습결과를 바탕으로 입력된 로고에 대해 독창성, 가독성, 색상/대비 3개 항목에서 점수를 평가하며 종합적인 점수도 매겨 줌


Ø 로고 디자인은 여러 제약 속에서 창의성을 발휘해야 하는 작업으로, 좋은 로고는 브랜드를 시각적으로 잘 표현할 뿐만 아니라 멀리서도 잘 보이도록 단순해야 하며, 수 많은 다른 심볼이나 아이콘들과 혼동되지 않도록 독창적이어야 함


Ø 브랜드마크는 시각적으로 좋은 로고를 만들어 내는 요소들이 무엇인지에 대한 개념을 정립해 로고를 자동으로 생성해주는 시스템을 구축하려 했고, 그 수단으로써 인공지능에 대한 기계학습이라는 방법을 채택하였음



<자료> Logo Rank


[그림 1] AI로 로고 점수를 매겨주는 "LOGO Rank" 서비스


Ø 로고 랭크 서비스 이용 방법은 간단해서, 해당 사이트(http://brandmark.io/logo-rank/)에 접속한 후, 빈 네모 박스에 로고를 끌어다 놓거나 로고 파일을 업로드 하면, 몇 초 후에 3개 항목의 점수와 종합 점수를 보여 줌


Ø 로고 랭크에 따르면 구글의 로고는 독창성 36, 가독성 100, 색상/대비 58, 종합 65점이며, 애플의 로고는 독창성 26, 가독성 100, 색상/대비 100, 종합 75점으로 평가되었음


<자료> Logo Rank


[그림 2] 애플 로고의 가독성 점수


Ø 브랜드마크는 인공지능을 이용해 로고 생성 서비스도 제공하고 있는데, 기업의 브랜드와 그 브랜드를 설명하는 3개 이상의 키워드를 입력하면 자동으로 로고를 생성하고, 그 로고를 이용한 웹페이지, 명함, T-셔츠, 옥외 광고물 등의 디자인 시안도 보여 줌





댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1792호(2017. 4. 19 발행)에 기고한 원고입니다. 


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

화가와 인공지능의 패스티쉬 대결 예술로 가는 AI.pdf



[ 요 약 ]


빈센트 반 고흐의 일생을 고흐의 화풍으로 그린 6 5천장의 유화 작품으로 구성한 독특한 장편 애니메이션 러빙 빈센트에는 고흐 풍의 유화 제작을 위해 115명의 화가들이 참여하였음한편 영화 제작 기간 동안 구글은 인공지능(AI)이 특정 화가의 스타일을 습득한 다음 주어진 사진을 그 화가의 화풍으로 그린 그림으로 변환해 주는 기술을 발표하였음. AI를 이용한 패스티쉬(작품 모방)가 가능해짐에 따라 향후 인간과 AI의 협업을 통한 새로운 사업기회 모색이 활발히 전개될 전망


[ 본 문 ]


ž 영국의 영화사 브레이크스루(BreakThru Productions)는 최근 2011년부터 100여 명의 화가와 함께 작업해 온 장편 유화 애니메이션 러빙 빈센트(Loving Vincent)의 예고편을 공개


<자료> BreakThru

[동영상] 러빙 빈센트 공식 예고편


Ø 러빙 빈센트는 빈센트 반 고흐가 그린 작품과 함께 그의 작품 속 인물들과 가상 인터뷰를 통해 고흐의 삶과 인생을 내레이션 하는 애니메이션 영화로 반 고흐가 죽기 전 8년간의 인생에 초점을 두고 있다고 함


Ø 러빙 빈센트는 개봉 전부터 많은 관심을 받고 있는데, 세계 최초로 영화와 예고편 영상의 러닝타임에 등장하는 모든 프레임을 고흐 스타일의 유화 작품으로 구성했기 때문


Ø 영화 제작사는 화가로서 인생을 산 10년 동안 일주일에 약 두 점씩, 860여 점의 그림을 그리며 불꽃 같은 삶을 살다 간 빈센트 반 고흐의 삶을 고스란히 전달하기 위해 고흐 풍의 유화 애니메이션 영화를 만들게 되었다고 설명


Ø 영화의 프레임에 사용된 유화는 6 5천 점으로 영상 1초에 12점의 그림이 연사 된다고 하는데, 이를 위해 2011년부터 115 명의 화가가 유화 작업에 참여했다고 함



<자료> Hugh Welchman


[그림 1] 러빙 빈센트의 프레임 작화 방법


Ø 영화의 제작 방식은 배우의 연기를 카메라로 촬영한 다음 각 장면을 화가들이 유화로 그리는 것인데, 이를 위해 화가들은 고흐의 작품 스타일을 학습한 후 동영상의 프레임을 고흐 풍으로 모사하였음


Ø 가령 영화 속 고흐의 모습은 [그림 1]에서 보듯 고흐 역을 맡은 폴란드의 배우 로버트 굴락칙을 그린 유화로 표현되는데, 이 때 유화의 스타일은 고흐의 작품 자화상에 사용된 붓 터치 방식을 모방한 것임


ž 한편 영화의 제작이 한창이던 2015 9월 흥미롭게도 구글은 인공지능(AI)이 화가의 작품 스타일을 습득하고, 주어진 사진을 화가의 화풍을 따른 그림으로 변환하는 기술을 발표


Ø 영화 러빙 빈센트가 카메라로 촬영한 장면을 작가들이 고흐의 화풍을 모방하여 그린 것처럼, 구글은 인공지능을 대상으로 고흐의 스타일을 학습시킨 후 입력된 사진을 보고 이를 고흐 화풍의 유화로 변환하게 하는 기술을 개발한 것임


Ø 포스트 모더니즘의 대표적인 기법인 패스티쉬(Pastiche)는 패러디와 달리 비판하거나 풍자하려는 의도 없이 기존의 텍스트를 무작위적으로 모방하는 것을 말하는데, 영화 러빙 빈센트가 패스티쉬 기법으로 만들어진 것이라면, 구글은 인공지능 패스티쉬 기술을 개발했다 할 수 있음


Ø 구글은 회화를 패스티쉬 하는 심층 신경망(Deep Neural Network)의 연구개발 성과를 예술 스타일의 신경 알고리즘(A Neural Algorithm of Artistic Style)이라는 제목의 논문으로 발표하였음


Ø 발표 직후 이 짧은 논문은 개발자들은 물론 기술을 잘 모르는 일반인들에게도 관심을 불러 일으켰는데, 개발자 커뮤니티인 깃허브 등에서는 논문의 실효성 검증을 위한 프로젝트들이 만들어졌으며, 실험 결과 사진의 내용은 보존한 채 질감만 바꿔 출력할 수 있음이 검증되었음


ž 구글의 심층 신경망에 사진을 입력하면 여러 가지 스타일의 그림, 즉 유명 화가 여러 명의 화풍을 모방한 여러 장의 그림들로 변환해 줌


Ø [그림 2]에서 보듯 상단 왼쪽의 사진을 입력하면 윌리엄 터너의 The Shipwreck of the Minotaur(미노타우르스호의 난파)' 스타일, 반 고흐의 The Starry Night(별이 빛나는 밤) 스타일, 에드바르트 뭉크의 The Scream(비명) 스타일, 파블로 피카소의 Seated Nude(앉아있는 나부) 스타일, 바실리 칸딘스키의 Composition (구성 Ⅶ)’ 스타일의 그림으로 사진을 재구성함



<자료> A Neural Algorithm of Artistic Style


[그림 2] 사진을 5개 화풍을 따른 그림으로 변환


Ø 심층 신경망은 Convolutional Neural Network(CNN, 나선형 신경망, 이미지 인식 기능)을 사용하고 있는데, 하나의 신경망이 두 가지 기능을 가지고 있어 입력된 사진을 변환하는 동시에 화가의 작품 스타일을 학습함


Ø CNN은 각각의 레이어가 특징 량(feature)을 가진다고 보며, 이 특징 량들이 계층적(hierarchy)으로 쌓이면서 더 높은 레이어로 갈수록 더 좋은 특징 량을 만들어 낸다고 보기 때문에, 일반적으로 이미지 인식에서 월등한 성능을 낸다고 알려져 있음


Ø [그림 3]은 CNN에서 서로 다른 두 가지 방법으로 스타일과 콘텐츠를 레이어 별로 재구성 하는 것을 보여주는데, 위쪽은 고흐의 별이 빛나는 밤 스타일을 레이어 별로 재구성 한 것이고, 아래쪽은 튀빙겐에서 찍은 사진의 콘텐츠를 레이어 별로 재구성 한 것임


Ø 스타일 재구성에서 알 수 있는 것은 레이어가 얕을수록 원래 콘텐츠 정보는 거의 무시하고 질감(texture)을 복원하는 반면 깊은 레이어로 갈수록 점점 원래 콘텐츠 정보가 포함된다는 것으로, 현격한 특징 량을 추출하여 회화의 터치 등 화가의 스타일을 파악함


Ø 콘텐츠 구성을 보면, 낮은 레벨의 레이어는 거의 완벽하게 원본 이미지를 보존하고 있지만, 레이어가 깊어질수록 원본 이미지의 정보는 조금씩 소실되지만 가장 중요한 하이 레벨의 콘텐츠는 거의 유지가 되는 것을 볼 수 있음


Ø 논문은 이처럼 동일한 CNN이라 하더라도 콘텐츠와 스타일에 대한 재현이 분리가 되어 있다는 점을 중요하게 내세우고 있는데, 이를 통해 하나의 신경망을 이용해 서로 다른 이미지에서 서로 다른 콘텐츠와 스타일을 재구성하고 이 둘을 섞는 것이 가능한 것임


<자료> A Neural Algorithm of Artistic Style


[그림 3] 나선형 신경망(CNN)을 통한 스타일과 콘텐츠의 재구성 프로세스


ž 이후 구글은 CNN 기술을 보다 강화하여 새로운 논문을 추가로 발표하였는데, 이 논문은 이후 많은 스타트업들의 패스티쉬 앱 출시로 이어지게 되었음


Ø 구글이 기술을 강화해 발표한 후속 논문 A Learned Representation for Artistic Style(예술 스타일을 위한 학습된 재현)은 하나의 신경망으로 32 가지 스타일의 패스티쉬를 생성할 수 있는 프로세스를 소개하고 있음


Ø 또한 이 신경망은 입력된 이미지의 재구성을 실시간으로 실행하기 때문에 영상을 입력하면 재구성 된 영상이 출력되는데, 만일 러빙 빈센트 영화의 제작에 이 기술을 이용했다면 115명의 화가가 수만 장의 그림을 그릴 필요가 없었을 지도 모름


Ø 구글은 이 기술을 개발한 이유에 대해 새로운 예술의 문을 열기 위해서라고 밝히고 있으며, 화가의 스타일을 학습한 신경망은 스마트폰 앱으로 이용할 수 있을 것이라 말했음


Ø 실제로 이후 다수의 벤처기업들이 패스티쉬 앱을 출시하고 있는데, 그 중 가장 주목받은 앱은 프리즈마(Prisma)2016년 여름에 출시된 이후 5천만 다운로드를 기록하고 있음


Ø 프리즈마는 사진을 필터링 하거나 편집하는 앱과는 구조가 근본적으로 다른데, 구글의 CNN 기법을 사용하고 있어 AI가 사진을 분석한 후 학습된 유명 화가의 스타일로 재구성하며 사진을 회화의 예술로 다시 태어나게 함


Ø 사진을 입력한 후 원하는 회화 스타일을 선택하면 사진이 그림으로 변환되는데, 가령 몬드리안 스타일을 선택하면 사진이 가로 세로로 분할된 빨강, 파랑, 노랑의 삼원색으로 재구성됨



[그림 4프리즈마 앱의 몬드리안 스타일 변환


Ø 한편 최근 애플은 클립(Clips)이라는 자체 앱을 선보였는데, 이는 프리즈마 앱과 유사한 기능을 제공하기 위한 것으로 패스티쉬 앱의 인기가 일회성이 아님을 보여주는 반증이기도 함


ž 패스티쉬 앱은 새로운 예술 영역을 구축했다는 평가와 예술가들의 입지를 축소시킨다는 우려를 동시에 낳고 있는데, 예술 분야 역시 인간과 AI의 공존을 위한 모색이 필요할 전망


Ø 패스티쉬 앱의 보급과 함께 패스티쉬 팬도 크게 늘고 있는데, 인스타그램에는 프리즈마로 생성한 패스티쉬 작품이 다수 포스팅 되고 있음


Ø 아무 사진이나 변환한다고 해서 회화 예술이 되는 것이 아니지만 인스타그램에는 볼 만한 패스티쉬 작품이 다수 게재되어 예술의 새로운 영역을 구축하고 있다는 평가도 나오고 있으며, 매력적인 사진이 많은 인스타그램은 프리즈마로 회화의 즐거움이 더해져 더욱 풍부해지고 있음


Ø 반면, AI가 예술가의 일을 빼앗는 게 아니냐는 우려도 확산되고 있는데, AI가 동영상 패스티쉬도 생성할 수 있기 때문에 향후 러빙 빈센트 같은 애니메이션 영화가 추가로 제작된다면 예술가들이 불필요하게 될 것임을 지적하는 사람도 많음


Ø 이런 우려에 대해서는 예술가들이 패스티쉬를 제작하는 기계적 작업에서 해방되어 자신만의 창작 활동에 전념하게 될 것이라는 긍정적 반론도 있음


Ø AI는 반드시 모방할 원본을 필요로 하고 스스로 작품을 만들어내는 것은 아니기 때문에 복사의 범위를 벗어나지 못한다는 것이며, 결국 예술은 인간의 독창성에서 태어난다는 주장임


Ø 물론 이런 주장에 대해서는, 가령 알파고가 인간의 기보를 분석한 것이 아니라 알고리즘 스스로 만들어 낸 기보의 학습을 통해 인간 최고수를 꺾은 것처럼, 예술의 창작 역시 온전히 사람의 전유물이 아니며 AI도 얼마든지 창작 역량을 가질 수 있다는 재반론도 있음


Ø 이런 논란은 결국 회화 예술 분야 역시 인공지능과 인간의 협력, 또는 인간의 창작활동을 위한 AI의 지원 같이 인간과 AI이 공존을 위한 새로운 길의 모색이 필요할 것임을 시사


ž 예술가와 AI의 협업 모델 구축은 향후의 중요 과제로 남겠지만, 패스티쉬를 생성하는 AI를 이용한 새로운 비즈니스 창출 시도는 앞으로 활발히 전개될 예상됨


Ø 러빙 빈센트의 예에서 보듯 인간 예술가들이 수 년에 걸쳐 직접 패스티쉬를 만들기 보다 이를 AI에 맡겨 제작한다면 제작 시간을 단축 할 수 있게 되므로, AI는 우선 애니메이션 영화 제작 비즈니스에서 큰 잠재력을 가진 것으로 볼 수 있음


Ø 미야자키 하야오 같은 유명 애니메이션 아티스트의 스타일을 AI가 학습한다면, 아마 미야자키 하야오 감독의 은퇴 이후 인간이 아닌 AI가 감독의 영향을 가장 강하게 받은 후배로서 애니메이션 영화 제작을 주도할 수도 있을 것임


Ø 실제 프리즈마 앱은 이미 애니메이션 스타일로 변환하는 옵션도 제공하고 있어 이런 상상이 전혀 허황된 것은 아니며, 앞으로 애니메이션 창작 활동에서 인간과 AI가 담당해야 할 작업의 식별과 효과적 자원 배분은 영화 비즈니스의 핵심성공요소가 될 가능성이 높음


<자료> YouTube

[동영상] 프리즈마 앱의 애니메이션 생성 기능


Ø 영화 산업은 AI의 도입에 비교적 적극적인 산업의 하나로 이미 AI가 대본에 주도적으로 참여한 영화의 제작이 이루어지고 있으며, AI가 작곡한 음악을 영화의 배경음악(BGM)으로 사용하는 방안이 논의되고 있기 때문에 향후 적극적인 인간-AI의 협업 모델이 모색될 것으로 전망

댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1790호(2017. 4. 5 발행)에 기고한 원고입니다. 


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

상업시설로 향하는 자율주행 로봇_다음 목표는 집.pdf



[요 약]


다양한 센서와 컴퓨터 비전인공지능 기능을 갖춘 상업시설용 자율주행 로봇들이 기업쇼핑몰병원요양시설 등에 도입되어 보안경비와 시설관리업무 생산성 향상에 기여하고 있음상업시설용 로봇은 산업용 로봇과 가정용 로봇의 중간 지점에 자리잡고 있으며산업용 로봇의 업무수행 기능과 가정용 로봇에 필요한 인간과 상호작용 기능을 겸비하고 있음로봇산업 최대 시장인 가정용 자율주행 로봇으로 가기 위한 직전단계로서 상업시설용 로봇이 차세대 거대시장으로 부상하고 있음



[본 문]


ž스타트업 코발트 로보틱스(Cobalt Robotics)가 개발한 자율주행 실내 경비 로봇 코발트(Cobalt)가 실리콘밸리의 여러 상업시설에 도입되고 있음


Ø 실내 보안경비 로봇 코발트에는 여러 종류의 센서와 컴퓨터 비전 기술 및 인공지능(AI)이 적용되어 있으며, 자율운전 차량 개발에서 축적된 기술들이 활용되고 있는 것이 특징


[동영상] 자율주행 보안경비 로봇 코발트


Ø 코발트 로봇은 사전에 설정된 경로를 순회 경비하지만 스스로 무작위로 시설 안 여기저기를 이동할 수도 있으며, 자율 주행 중에 사람이나 사물을 인식해 문제라고 생각되는 이벤트를 감지하게 되면 이를 운영관리자에게 통보함


Ø 예를 들어, 문이 잠겨 있지 않고 열린 상태를 감지하면 이를 비정상적인 상황으로 인식해 운영자에게 대응을 촉구하기도 하고, 사무실에 의심 물질이 놓여 있으면 관리실에 경보를 올림


Ø 컴퓨터 비전 기술로 사무실 환경을 모니터링하고 누수 등의 이상을 감지 할 수도 있으며, 원거리 RFID 리더에서 사무실 비품 등에 붙어 있는 태그를 읽을 수 있는 비품 관리 기능이 있어 창고에서 재고 및 자재 관리 용도로도 유용하게 사용될 수 있음


Ø 또한 수상한 사람을 발견하면 신분증의 제시를 요구하는 등 인간 경비원과 동일한 역할을 수행하며, 사무실 안의 와이파이 신호 강도를 모니터링 하여 불법으로 접속해 이용하고 있는 지점을 탐지할 수도 있음


Ø 이처럼 코발트는 경비를 담당하는 로봇이지만 위압감이 전혀 없고, 유선형의 친숙한 디자인으로 외관상 로봇보다는 자율주행이 가능한 가전제품이나 가구에 가까운 형상을 띠고 있음


ž 코발트 로봇은 인간을 인지하고 인간과 함께 사무실 환경에서 공존 할 수 있게 한다는 설계 사상을 바탕으로 제작되었음


Ø 코발트는 전면에 디스플레이를 탑재하고 있는데, 이를 통해 직원들은 휴먼 파일럿(Human Pilot)이라 불리는 운영자와 직접 영상통화를 할 수 있고, 또한 비상시에는 휴먼 파일럿이 로봇을 원격으로 제어해 직원들을 안전한 장소로 유도할 수 있음


<자료> Cobalt Robotics


[그림 1] 신분증 체크를 하고 있는 코발트


Ø 코발트는 정해진 퇴근 시간 이후에 사무실에 남아있는 사람에 대해 신분증의 제시를 요구하며, 직원들은 자신의 신분증을 로봇에 탑재된 리더기에 읽힘으로써 사무실 체류를 인가 받게 됨


Ø 이를 위해 코발트는 여러 종류의 센서를 탑재하고 있는데, 광학 카메라는 36도를 커버하여 모든 방향을 볼 수 있고, 컴컴한 상황에서의 경비를 위해 적외선 카메라도 탑재하고 있음


Ø 또한 포인트 클라우드 카메라(Point Cloud Camera)와 자율주행차의 핵심부품인 레이저 스캐너 리다(Lidar)를 통해 주위의 객체를 3D로 파악함


Ø 여러 센서가 읽어 들인 데이터는 인공지능(AI)과 기계학습 기술을 통해 분석되며, 주위의 객체를 판별하고 안전하게 주행 할 수 있는 경로를 계산하여 로봇이 자율적으로 주행할 수 있게 함


Ø 로봇이 자율 주행하려면 3D 맵을 활용해야 하는데, 코발트는 매핑(지도 생성) 기술을 구현하고 있어 주행시 리다를 통해 스캔한 주변의 객체를 통해 고정밀 3D 맵을 생성함


ž 코발트 로보틱스는 구글의 연구 프로젝트인 구글 X에 참여했던 두 명의 젊은 공학도가 2015년에 창업하였음.


Ø 창업자 에릭 슐런츠는 하버드 대학 재학 중에 인턴으로 구글 X와 일론 머스크의 스페이스 X에서 제품 개발에 종사했으며, 조지아 공대 헬스케어로봇연구소 출신인 트래비스 데일 역시 구글 X에서 당뇨를 측정하는 스마트 콘택트 렌즈 개발에 참여한 바 있음.


Ø 두 사람 모두 대학을 졸업하고 곧바로 실리콘밸리에서 코발트 로보틱스를 창업했으며, 그들의 작업은 그 동안 비밀 모드에 있다가 코발트 로봇의 발표와 함께 세상에 알려지게 되었음



<자료> Cool Hunting


[그림 2] 이브 베하르의 코발트 스케치


Ø 구글에서 제품 개발을 경험했기 때문인지 스타트업치고는 산업 디자인 관점에서 공을 많이 들였으며, 젊은 세대가 개발한 로봇은 보다 유려한 형상이 될 것임을 시사하고 있음


Ø 유명 산업 디자이너 이브 베하르(Yves Béhar)가 디자인 한 코발트는 표면을 금속이나 플라스틱 소재 보다 촉감이 부드러운 패브릭 소재를 사용해 만들었으며, 휴머노이드형이 아니라 아래로 갈수록 퍼지는 원통형 형상이기 때문에 로봇이라기 보다는 가전과 가구에 가깝게 보임


ž 코발트 외에도 사람에게 친숙하고 유려한 형상을 가진 경비 로봇들은 이미 미국 사회 여러 상업시설에 보급되어 활약을 시작하고 있음


Ø 실리콘밸리에 본사를 둔 벤처기업 나이트스코프(Knightscope) 역시 보안경비 로봇 K5를 개발하였는데, 이 로봇 역시 여러 종류의 센서를 탑재하고 옥외 경비에 사용되고 있음



<자료> Business Wire

[그림 3] 나이트스코프의 K3 K5 로봇


Ø K5는 마이크로소프트가 캠퍼스 경비에 채용한 사실이 알려져 화제를 모았으며, 나이트스코프 역시 자신들의 부지 경비를 데모 목적을 겸해 K5에 맡기고 있음


Ø 나이트스코프는 최근 보다 작은 형태의 K3'를 출시했는데, K3는 건물 내부를 경비하는 것이 목적이므로 K5에 비해 한층 작게 설계되었으며, 최근 샌프란시스코에서 개최된 세계 최대 보안 컨퍼런스인 RSA Conference에서 소개된 바 있음


Ø K3 역시 코발트와 마찬가지로 인간 대신 사무실을 경비하는 로봇으로 고급 센서와 AI를 탑재하여 자율적으로 이동하며, 형상만 소형화된 것이 아니고 사람들과의 관계를 고려해 친숙하고 귀여운 디자인으로 제작되었음


Ø 상업시설에 도입된 로봇들의 역할은 보안경비 기능에만 한정되는 것이 아니며, 이미 여러 용도의 로봇이 가동되어 조직의 업무 효율화를 지원하고 있음


Ø 현재 미국 사회에서는 사무실, 은행, 병원, 학교, 노인 요양시설, 호텔, 쇼핑몰, 소매점 등 상업시설에서 점차 코발트나 K3 같은 자율주행 로봇의 모습을 심심치 않게 볼 수 있음


ž 코발트 로보틱스는 상업시설용 로봇이 산업용 자율 로봇에서 가정용 자율 로봇으로 가기 위한 디딤돌로서, 로봇 시장에서 차세대 거대시장(next big thing)이 될 것이라 주장


Ø 코발트 로보틱스의 창업자이자 CEO인 트래비스 데일은 실내 자율주행 로봇 시장을 크게 제조 현장이나 물류산업에서 활용되는 산업용 자율 로봇과 가정용 자율 로봇으로 분류함



<자료> IEEE

[그림 4] 실내 자율주행 로봇 시장의 분류


Ø 제조나 물류산업에 투입되는 자율주행 로봇들은 매우 구조화된 환경에서 작동하는데, 이동 경로나 작동 조건이 정해져 있는 경우가 많고 사람들과 정해진 안전거리를 유지해야 하는 등 정해진 규칙에 따라 활동이 제약되는 것이 특징임


Ø 가정용 자율주행 로봇은 정반대로 구조화되지 않은 환경에서 작동해야 하는데, 일반 가정의 바닥에는 장난감이나 의류가 흩어져 있고, 가전과 가구의 배치도 수시로 바뀌며, 어린 아이와 애완 동물이 정신 없이 뛰어 다니고 와이파이 같은 통신이 종종 불안정해 작동이 중단되는 변수가 빈번히 발생하기 때문


Ø 이처럼 비구조화된 환경 때문에 아직 가정용 로봇은 청소 로봇이나 장난감 로봇에 국한될 수밖에 없으며, 빨래나 청소를 해주고 개인 비서처럼 쓸 수 있는 범용의 가정용 로봇은 아직은 등장이 요원하다는 것이 트래비스 데일의 주장


Ø 서로 대별되는 산업용과 가정용 자율 로봇 사이에 존재하며 최근 부상하고 있는 것이 바로 상업시설용 실내 자율 로봇으로, 트래비스 데일은 이 중간 영역이 로봇 산업이 최종 목표로 겨냥하고 있는 범용의 가정용 로봇으로 가기 위한 중요한 디딤돌을 놓을 것이라 보고 있음


ž 상업시설은 산업용 로봇의 투입 환경과 유사하면서 가정용 로봇처럼 인간과 상호작용도 자율적으로 해야 하는 공간이기 때문에 가능성이 크고 그만큼 도전과제도 많은 영역


Ø 일반적으로 상업시설의 환경은 가정에 비해 로봇들이 자동 주행하기에 적합하다고 할 수 있는데, 사무실을 예로 들면 레이아웃이 고정되어 있어 통로가 명확하고 거기서 일하는 직원들은 사회적인 행동을 취하기 때문에 대응이 상대적으로 용이함


Ø 상업시설은 로봇 개발자들이 로봇 개발 시에 용이하게 적용할 수 있는 단순화된 건축 규정을 갖고 있는데, 가령 소방법이나 장애인법 규정에 건물 구조나 통로 설계 시에 적용해야 하는 기준들이 명확히 적시되어 있음


Ø 대부분의 상업시설이 신뢰할 수 있고 예측 가능한 통신 인프라를 갖추고 있다는 것도 장점인데, 자율로봇이 이동하면서 수시로 와이파이나 이동통신망에 접속해 클라우드 또는 관리자와 접속할 수 있는 환경의 구축이 용이하기 때문



<자료> IEEE

[그림 5] 시판 중인 상업시설용 실내 자율주행 로봇


Ø 시장 형성의 제일 요건인 지불 주체의 적극성 측면에서 볼 때도 상업시설 내 자율 로봇은 도입효과 측정이 용이하고 업무 효율성과 생산성을 향상시켜 경제적 효과를 발생시키기 때문에 의사결정권자들이 로봇 도입을 위한 예산을 배정하고 집행하기가 상대적으로 수월함


Ø 이런 이유로 상업시설을 겨냥한 로봇 사업은 최근 급속히 확대되고 있는 추세이나, 가정용 로봇과 마찬가지로 사람들과 끊임없이 소통해야 하며, 브랜드 가치가 중요한 기업의 논리 속에서 행동을 결정해야 하는 등 인간-로봇 상호작용(HRI), 심리학적 측면에서 아직 많은 과제가 존재


ž 상업시설용 자율로봇 시장이 성공을 거둔다면 그 다음은 최대 시장인 가정을 겨냥하게 될 것이며, 이런 면에서 상업시설용 로봇은 집으로 들어가기 전 최종 리허설이라 할 수 있음


Ø 최근 6년 동안 로봇 산업에 대한 벤처캐피탈의 투자는 10배 이상 증가했으나, 투자 분야를 보면 대부분 물류, 재고 관리, 산업용 로봇 팔, 의료분야의 수술 로봇, 드론, 농업용 로봇, 자율주행 자동차 등임


<자료> IEEE


[그림 6] 2011-2016 로봇산업 벤처 투자 추이


Ø 아직까지 일반 소비자용 로봇 시장에 대한 투자는 매우 부족한 상태라고 하는데, 그 이유는 앞서 살펴본 것처럼 가정의 환경이 로봇의 자율주행 측면에서는 변수와 애로사항이 많기 때문


Ø 그러나 시장 규모 면에서 로봇 산업의 최종 목표는 가정용 자율주행 로봇일 수밖에 없고 가시적인 성과가 확인된다면 이 분야에도 투자가 활성화될 것이기 때문에 자율주행 로봇을 집으로 진입시키기 위한 시도는 앞으로 끊임없이 전개될 것임


Ø 상호작용이 가능한 AI 가전을 표방한 아마존 에코나 구글 홈 등이 소비자들의 관심 끌기에 성공하고 있는 현 시점에서, 상업시설용 자율로봇의 성과는 사람들로 하여금 자율주행용 가정 로봇에 대한 강한 수요를 갖게 하는 데 결정적 영향을 미칠 수 있다는 점에서 매우 중요함


Ø 상업시설에 도입되고 있는 로봇들이 인간과 상호작용 기능 강화에 초점을 두고 있는 것은 결국 가장 큰 시장인 가정으로 들어갈 것을 목적으로 하고 있기 때문이며, 로봇의 최종 종착지가 될 가정용 시장을 준비하는 마지막 단계로서 상업시설용 로봇들은 중요한 의미를 가짐




댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1784호(2017. 2. 22 발행)에 기고한 원고입니다. 


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

영업실적으로 증명된 페퍼 로봇의 도입효과.pdf



◈ 소프트뱅크는 2월 초 휴머노이드 로봇 페퍼(Pepper)의 기업 업무 활용을 주제로 한 컨퍼런스 페퍼 월드 2017(Pepper World 2017)을 개최


기조 연설에 등단한 소프트뱅크의 로보틱스 그룹 대표는 로봇의 도입이 실제로 얼마나 효과가 있는지, ROI에 영향을 미치는지를 보다 명확히 입증하기 위해 2017년에는 인간과 로봇의 협업을 테마로 서비스, 영업, PR 등의 분야에 집중하겠다고 발표


소프트뱅크에 따르면 지금까지 기업용 로봇인 Pepper for Biz를 도입한 기업은 약 2,000개 사로, 페퍼는 일본이 로봇 시장을 선도하는데 큰 기여를 하고 있음


페퍼의 외국 진출도 가시화되고 있어 대만의 폭스콘(Foxconn) 및 중국의 알리바바와 조인트 벤처로 사업을 전개할 예정인데, 소프트뱅크는 국가나 지역 별로 로봇 목소리의 톤이나 선호 캐릭터 등이 다르기 때문에 이와 관련한 연구를 계속 진행해 오고 있다고 함


다른 로봇과 경쟁 상황에 대해서도 언급했는데, 전세계에 출시된 로봇을 모든 체크하고 있지만 페퍼가 압도적으로 뛰어난 것으로 자평한다며, 그러나 최고의 로봇은 연구소 독자적으로 만들 수 없기 때문에 지속해서 고객의 요구에 맞게 발전시켜 나가겠다고 밝힘


◈ 기업의 페퍼 도입 필요성과 관련해 소프트뱅크는 싱귤래리티(Singularity)를 키워드로 제시했는데, 싱귤래리티를 위한 기술 요소 중 하나가 로봇이 될 것이라 설명


소프트뱅크는 2010년에 전 직원이 참여한 토의를 통해 30년 후를 내다본 사업 분야로 로봇을 선택하게 되었다고 하며, 2011년에 프로젝트를 시작해 2014년에 페퍼를 선보였고, 2015에 기업을 대상으로 한 Pepper for Biz 사업을 시작하였음



• 싱귤래리티는 로봇(컴퓨터)과 인간 사이에 현격한 지능의 차이가 발생하는 지점을 의미하는데, 소프트뱅크는 싱귤래리티의 요소 기술로 인공지능(AI), IoT, 로봇을 꼽고 있으며, 기업이 이들 세 요소를 사업 현장에서 어떻게 살려 나가느냐가 기업 경쟁력의 관건이 될 것으로 보았다고 함



<자료> My Navi News.


[그림 1] 싱귤래리티의 3가지 요소


소프트뱅크는 페퍼 로봇을 AI IoT에 생기를 불어 넣어 싱귤래리티로 도달하게 하는 도선사라 묘사하며, 기업이 싱귤래리티를 사업에 활용하는데 로봇이 매우 중요하다고 설명


◈ 페퍼 도입의 효과에 대해서는 실제 업무에 도입하고 있는 기업들이 등단해 설명했는데, 가장 대표적인 활용 분야는 고객 응대와 영업, 마케팅 분야임


외식 기업인 젠쇼 그룹은 식당 방문 손님에게 자석 위치를 안내하는 일을 페퍼에게 맡기고 있는데, 당황하는 고객이 있어 종업원이 직접 안내해 주는 일도 있었지만 곧 익숙해졌으며, 앞의 고객이 잘 반응하면 뒤에 줄 서 있는 고객들이 쉽게 이해하는 것 같다고 평가



[동영상] 초밥집 좌석 위치를 안내해 주는 페퍼 로봇


소프트뱅크 매장의 활용 사례도 소개되었는데, 페퍼의 유용한 점은 새로운 상품과 서비스에 관한 설명을 직원이 하면 영업 색채가 강해져 거부감을 주기도 하나 페퍼가 하면 자연스러운 인상을 주는 것이라고 함


실제로 소프트뱅크 카드와 스마트 로그인 상품의 경우 페퍼가 설명을 했을 때 계약 체결 수가 약 2배 증가했다고 함




배스킨라빈스는 매주 금요일 아이스크림을 무료로 주는 이벤트에 매장 별로 1천명 이상씩 몰리자 식음료 업계의 고질적 문제인 인력 부족을 해결을 위해 페퍼를 도입했다고 소개


사람과 달리 페퍼는 항상 고객에게 상냥하게 응대하며, 쿠폰을 받는데 필요한 스마트폰의 조작법 안내를 자세히 해주기 때문에 효용성이 크다고 설명


페퍼 도입 후 쿠폰 배포 수가 크게 증가했다고 하는데, 쿠폰을 직원에게 받으면 눈치를 보는 면이 있으나 페퍼라면 그런 걱정이 없기 때문이며, 사람들이 심리적 스트레스를 받지 않는 것 같고, 결과적으로 브랜드에 대한 마음의 벽이 없어지는 효과가 있다고 분석


크리스마스 케이크 판매량도 페퍼가 없는 점포에서는 전년 대비 마이너스 6.3% 포인트를 기록한 반면, 페퍼를 도입한 매장은 8.5% 포인트 증가했다고 함




◈ 페퍼는 보다 전문적인 업무에 투입되고 있기도 한데, 의료분야에서는 질병의 증상을 검사하는 업무를 수행하고 있기도 함


쇼난 아츠 병원은 처음에는 페퍼를 시설 안내 및 재활 보조, 이벤트 등에 활용했지만, 새롭게 질병 인지에 활용 중이라고 함


수면 무호흡증(코골이)과 관련해 남성 환자를 대상으로 페퍼에게 소리 청취를 맡겼는데, 검사를 희망하는 환자가 증가하는 등 성과가 있었고 의사가 이를 활용하고 있다며, 향후 다른 진료과 및 산하 의료기관에도 확산시켜 나갈 것이라 밝혔음

댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1778호(2016. 12. 28 발행)에 기고한 원고입니다. 


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

풀이과정을 알 수 없는 인공지능에 대한 신뢰성.pdf



[ 요 약 ]


딥러닝(Deep Learning)을 응용한 시스템의 활용이 사회 각 분야로 확산되고 있으나, 동시에 AI의 문제점도 명확히 드러나고 있음. 문제 제기의 핵심은 AI를 믿을 수 있는가 하는 것인데, 이는 AI의 결정 메커니즘을 사람이 온전히 알 지 못한다는 점에서 기인함. 의사보다 암 진단 정확도가 높지만, AI가 왜 그렇게 판단했는지를 모르기 때문에 신뢰성의 문제가 제기되는 것이며, 따라서 2017년에는 AI의 작동 메커니즘을 규명하려는 움직임이 적극 전개될 것으로 예상



[ 본 문 ]


◈ 인공지능(AI) 활용 시도가 다양하게 전개되면서, 사람들은 점차 인공지능(AI)을 과연 신뢰해야 하는가라는 문제에 직면하고 있음


딥러닝(Deep Learning) 기법을 응용한 다양한 인공지능 시스템 활용 사례가 속속 소개되며 기대감이 커지고 있으나, 동시에 AI의 문제점도 명확해지고 있음


AI는 통계학적 수법을 통해 입력된 데이터로부터 어떤 특징의 양을 정밀하게 감지하며 의사결정을 내리는데, 사람들을 곤혹스럽게 하는 점은 AI가 왜 그런 의사결정을 내렸는지에 대해 설명해 주지 않기 때문임


가령 자율운전 차량은 인간보다 훨씬 안전하게 주행할 수 있다는 것이 실험을 통해 입증되고 있지만 그 운전 기술의 요체는 AI 개발자들도 모르며 오직 AI만 알고 있기에, 사람들은 안전할 거 같긴 한데 믿을 수 있을까라는 애매한 감정을 갖게 됨


구글 딥마인드는 바둑 인공지능 알파고를 개발하며 바둑의 규칙조차 입력하지 않았지만, 대결에서 패한 인간 최고수로부터 바둑을 이해하는 새로운 관점을 얻게 되었다는 찬사를 이끌어 냈는데, 이런 사실에 사람들은 기대감과 불안감을 동시에 느끼는 것


사정이 이렇다 보니 사람들이 느끼는 불안감 속에는, 사람이 AI를 이해하지 못하는 것이 아닌지, AI가 사람을 능가하는 것은 아닌가 하는 존재론적 의심도 배어 있음


AI에 내포된 이런 본질적 문제는 다양한 형태로 드러나고 있는데, 중국계 AI 연구자들이 최근 발표한 얼굴 특징으로 범죄자를 식별하는 기술은 큰 논란을 낳고 있음


상하이교통대학(Shanghai Jiao Tong University)은 지난 11 13얼굴 이미지를 이용한 범죄연관성에 관한 자동화된 추론(Automated Inference on Criminality using Face Images)이라는 논문을 공개


공개된 지 얼마 안되어 아직 피어 리뷰(동료 전문가 평가, peer review)도 끝나지 않았지만, 논문에 따르면 알고리즘은 89%의 정확도로 범죄자를 식별한다고 하는데, 즉 얼굴 사진을 알고리즘에 입력하면 그 사람이 범죄자인지 여부를 거의 알 수 있다는 것


이 연구에는 딥러닝 등 얼굴인식 AI 기술이 사용되었으며, 알고리즘을 훈련시키기 위해 남성 1,856명의 얼굴사진을 사용했고 그 중 730명이 범죄자였다고 함




<자료> Xiaolin Wu & Xi Zhang


[그림 1] 얼굴인식 AI 기법을 이용한 범죄자 식별 가능성 연구


• 논문은 범죄자의 얼굴에 세 가지 특성이 있다고 언급하고 있는데, 윗입술의 선이 보통 사람에 비해 급격히 내려가고(그림1 오른쪽 이미지 속의 p), 두 눈의 간격이 좁으며(d), 코와 양 입가 사이에서 만들어지는 각도가 좁다(θ)는 점을 들고 있음


이 논문은 현재 논란의 와중에 있는데, 인물의 행동에서 범죄자를 식별하는 방법은 이미 감시 카메라 등으로 사용되고 있지만, 얼굴의 특징으로 범죄자를 가려낸다는 AI를 믿을 수 있는가 하는 의문이 제기되고 있는 것


AI는 학습 데이터를 바탕으로 통계 처리를 하는 것이지, 얼굴의 모양과 범죄자를 연결시키는 논리가 아닌데, 만일 AI가 범죄 수사에 사용된다면 일반 시민들이 이유를 알지 못한 채 용의 선상에 오르게 될 지도 모른다는 우려가 나오고 있음


◈ 딥러닝이 사회문제가 될 수 있는 불씨는 도처에 도사리고 있는데, 세계 최첨단 AI 기술력을 보유한 구글 역시 AI와 관련해 인종차별 이슈로 문제점을 지적받고 있음


구글의 유튜브는 청각 장애인을 위해 동영상 속의 음성을 자막으로 표시하는 기능이 있는데, 구글은 이 기능에 AI를 사용하고 있음


미국국립과학재단(National Science Foundation)의 레이첼 태트먼(Rachael Tatman) 연구원은 유튜브의 캡션 기능에서 동영상 속 화자가 남성일 경우와 여성일 경우 캡션의 정확도가 다르지 않은가에 대해 조사를 실시하였음


<자료> Rachael Tatman.


[그림 2] 구글 음성인식의 성별 편견


• 그 결과 유튜브는 남성의 목소리를 여성의 목소리보다 정확하게 인식하는 것으로 나타났는데, 남성일 경우 인식 정확도는 60%이지만, 여성의 목소리일 경우 정확도는 47%로 내려가 음성인식에서 여성이 차별을 받고 있는 것으로 나타남


이 차이가 발생하는지에 대해 시스템을 자세히 검증할 필요가 있는데, 태트먼은 AI 훈련에 사용된 음성 데이터 샘플이 성별로 균등하지 않고 남성에 치우쳤기 때문인 것으로 추측


AI의 성능은 훈련 자료의 품질에 민감하게 좌우되는데, AI의 여성 차별과 인종 차별 문제가 표면화됨에 따라, 훈련 데이터의 공정성 여부가 추궁 당하고 있음


◈ 사람의 생명과 직결되는 의료 분야에서도 인공지능에 의한 판단과 결정을 어떻게 해석하고 검증할 것인지에 대한 논의가 시작되고 있음


딥러닝 기법은 최근 유방암 검사의 판정에서 성과를 올리고 있는데, 검체의 의료 이미지(CT 촬영사진, x-레이 사진 등)를 딥러닝 네트워크에 입력하면 AI는 암이 발병한 조직을 정확하게 검출해 냄


현재 AI의 유방암 진단 정확도가 인간을 웃돌기 때문에, 많은 병원에서 정밀한 치료를 위해 이 시스템의 도입을 시작하고 있음


그러나 동시에, 건강해 보이는 조직을 AI가 암 발병 가능성이 높다고 판정한 경우, 의사와 환자가 어떻게 대응해야 할 지가 논란이 되고 있는데, AI 판정만 믿고 몸을 여는 수술을 해야 하는지 어려운 판단을 내려야 하는 압박을 받게 됨


물론 유전자 검사에서도 동일한 문제가 발생하고 있으며, 유방암 발병을 촉진하는 유전자 변이인 BRCA가 검출될 경우 수술을 해야 하는지 여부가 논란이 되고 있음


여배우 안젤리나 졸리는 BRCA1 변이 유전자를 보유하고 있으며 유방암 발생 확률이 87%라는 말을 듣고 아직 암이 발병하지 않았음에도 유방 절제술을 받은 바 있음


그러나 AI에 의한 검진의 경우는 이와 다른데, AI는 변이 유전자 보유라는 확실한 근거를 토대로 발병 확률을 제시하는 것이 아니며, 통계적 방법으로 유방암 여부를 판단할 뿐 그 조직에서 왜 암이 발병하는 지는 설명하지 않기 때문


이런 이유로 인공지능은 종종 인공 무능으로 조롱받는 것이며, 과학적 근거가 없는 결정을 어떻게 해석해야 할 지에 대해 의학적 검증 노력이 시작되고 있음


◈ 은행이나 핀테크 스타트업들도 최근 대출 심사에서 딥러닝을 사용하기 시작했는데, 심사 결과에 대해서는 대체로 만족도가 높지만 현행 법과 배치되는 문제가 발생하고 있음


AI 대출 심사의 장점은 신청자의 데이터를 알고리즘에 입력하면 즉시 위험도를 평가할 수 있고 높은 정확도로 단시간에 대출 심사가 할 수 있다는 것


한편, 미국 대부분의 주 정부는 은행이 대출 심사를 통과하지 못한 사람에게 그 이유를 설명하도록 의무화 하고 있는데, 딥러닝은 그 과정이 깜깜이여서 은행은 탈락한 신청자에게 이유를 충분한 설명하지 못하게 됨


게다가 대출 심사 기준을 바꿀 때마다 알고리즘을 재교육하는데, 소프트웨어의 로직을 변경하는 것이 아니라 대량의 데이터를 읽어 들여 딥러닝의 변수를 다시 설정하게 하기 때문에 금융업계에서 AI 도입을 두고 찬반 논란이 일고 있음


AI의 작동 알고리즘을 정확히 알지 못할 경우, 경험적으로 알게 된 AI 알고리즘의 맹점을 활용한 공격에 인증 시스템이 오작동 할 위험이 있음을 증명하는 실험도 있음


카네기 멜론 대학의 마무드 샤리프 교수 등은 안경으로 얼굴 인증 시스템이 오작동하도록 만들 수 있다는 내용을 담은 논문 최신 얼굴 인식 기술에 대한 실제적이고 눈에 띄지 않는 공격(Accessorize to a Crime: Real and Stealthy Attacks on State-of-the-Art Face Recognition)을 발표하였음


실험에 의하면 안경테의 폭이 약간 넓은 안경을 쓰면 시스템이 얼굴을 인식할 수 없게 되며, 따라서 방범 카메라의 감시 시스템을 빠져 나갈 수 있는 여지가 생김


<자료> Mahmood Sharif et al..


[그림 3] 간단한 트릭으로 얼굴인식 AI 교란


• 또한 안경테의 색 패턴을 변경하면 얼굴 인식 시스템이 다른 인물로 오인하는 것으로 나타났는데, 현란한 색의 종이로 만든 안경테를 걸치면 심지어 남성을 여성으로 잘못 인식하는 경우도 있었다고 함


얼굴 인식 시스템이 딥러닝 기법으로 얼굴의 특징을 파악한다고 하는데, 이 사례를 보면 눈매의 이미지를 판정에 사용하는 것으로 추정해 볼 수 있음


그러나 AI가 실제로 어떤 논리로 얼굴 인증을 하고 있는지는 아직 수수께끼이며, 이것이 규명되지 않는 한 얼굴 인증 시스템을 손쉽게 빠져 나가는 범죄자의 트릭을 막을 방법이 없음


AI의 작동 메커니즘이 알려지지 않는 이유는, AI의 기초를 이루는 신경망이 인간의 뇌를 본떴기 때문인데, 인간 뇌의 정보 저장 방식이 아직 밝혀지지 않았기 때문


AI의 신경망(Neural Network)으로 이미지를 판정할 때는 사진과 태그를 네트워크에 입력한 후 출력이 제대로 사진의 내용을 판정할 수 있도록 훈련시키는 과정을 거침


• 훈련 과정에서는 네트워크의 각층 사이의 연결 강도(Weight)를 조정하는데, 이러한 교육 과정은 인간의 뇌가 학습 할 때 뉴런의 연결 강도를 조정하는 움직임과 유사한 것으로 알려져 있음


학습에서 얻은 연결 강도는 각 뉴런(그림 4의 흰색 동그라미 부분)에 저장되는데, 따라서 신경망을 훈련시키는 메커니즘의 특징은 프로그램과 데이터를 한 곳에 모아 저장하지 않고 학습 데이터를 네트워크에 분산하여 저장할 수 있다는 것임


<자료> Neural networks and deep learning.


[그림 4] 인공지능 신경망의 정보 저장 구조


인간의 뇌도 동일한 방식으로 작동하는데, 가령 뇌가 전화번호를 기억할 때, 첫 번째 숫자는 다수의 시냅스에 흩어져 저장되며, 두 번째 숫자도 마찬가지로 흩어져 저장되지만 첫 번째 숫자와 가까운 위치에 저장되는 것으로 알려져 있음


문제는 뇌의 이런 저장 메커니즘이 아직 정확히 밝혀지지 않았고, 따라서 뇌의 구조를 본 뜬 신경망의 정보 저장 메커니즘의 규명이 진행되지 못하고 있다는 점


딥러닝의 문제점은 응축하자면 지식이 네트워크 상에 눌어붙어 있다는 점에서 기인하는데, 즉 지식이 수천만 개에 이르는 뉴런에 흩어져 저장되기 때문에 시스템을 개발한 인간이 아니라 네트워크가 지식을 습득한다는 데 문제의 본질이 있음


AI만이 알고 있는 답을 규명하기 위해 1990년대 초부터 연구자들이 AI의 블랙박스를 열려는 시도를 해왔는데, 규명의 과정이 곧 AI에 대한 의구심이 높아지는 과정이었음


카네기 멜론 대학은 1990년대부터 자동운전 기술의 기초 연구를 진행하고 있었는데, 당시 연구원 딘 포모루는 카메라에 포착된 영상으로 자동운전 알고리즘을 교육시켰음


몇 분간 알고리즘을 교육한 후 차량을 자동 주행시키는 시험을 반복했는데, 시험은 잘 진행되었지만 다리에 접근할 때 자동차는 도로에서 벗어나는 움직임을 보였고, 그러나 알고리즘이 블랙박스여서 그 원인을 알 수 없었음


소프트웨어를 디버깅하는 방법으로는 로직을 수정할 수 없기 때문에 포모루는 도로 도로주행 시험을 반복하며, 다양한 상황에서 자동운전을 반복하며 경험적으로 문제점을 밝혀낼 수밖에 없었음


그에 따르면 자동차는 갓길 바깥에 나있는 잔디 부분을 기준으로 주행 도로를 판정하고 있는 것으로 파악되며, 다리에 가까워지면 잔디 부분이 없어져 차로 판단 기준을 잃게 되므로 정상적인 주행을 할 수 없게 된 것임


이런 결론에 이르게 되자 포모루는 자동운전 기술을 AI로 구현한 자동차가 과연 제대로 작동할 것인지 확신할 수 없게 되었다고 함


◈ 현재에도 이와 동일한 문제에 직면하고 있는데, 무인 자율운전 차량들이 도로를 달리고 있는 지금, 사람이 AI 기술을 신뢰해야 할 지의 문제가 최대 이슈가 되고 있음


AI의 운전 로직을 모르기 가운데, 어떻게든 안전 기준을 만들려다 보니 시행착오가 계속되고 있는데, 그 중 하나는 정해진 거리를 무사고로 주행 가능하다면 안전한 것으로 간주한다는 생각임


싱크탱크 랜드 코프(Rand Corp)는 인간이 자동차를 1억 마일 운전할 때 사망 사고는 1.09 회 발생하는데, 자율운전 차량이 인간만큼 안전하다는 것을 증명하기 위해서는 2.75억 마일을 무사고로 달릴 필요가 있다는 기준안을 제시한 바 있음


인간 수준의 안전성을 입증하기 위해서는 대규모 주행 시험이 필요하다는 말인데, 이는 자율운전 자동차의 안전 기준을 설정하는 작업이 난항을 겪고 있음을 잘 보여줌


◈ 그러나 자율주행 차량의 도입과 확산을 위해서는 결국 AI의 작동 메커니즘 규명이 반드시 전제되어야 할 것이므로, 이 문제를 기술적으로 해명하려는 움직임도 시작되었음


엔비디아(Nvidia)는 딥러닝을 이용한 자율운전 기술을 개발하고 있는데, 이 시스템의 명칭은 데이브-2(DAVE-2)이며 신경망으로 구성되어 있음


인간이 알고리즘에 주행 규칙을 가르치는 것이 아니라, 시스템이 신경망에서 이미지를 처리하여 안전한 경로를 파악하는데, 가령 곡선 도로의 이미지를 읽으면서 거기에서 운전할 때 알아야 할 필요가 있는 도로의 특징을 파악함


엔비디아는 AI가 어떤 기준으로 결정하고 있는지에 관한 연구를 함께 진행하고 있는데, 지금까지 블랙박스였던 AI의 핵심을 규명하는 시도임


• 연구의 결과, 엔비디아는 카메라가 포착한 사진과 이미지 인식 신경망(CNN)이 이것을 읽고 거기에서 추출한 특징을 비교해서 보여주며, AI가 도로를 어떻게 이해하고 있는지를 설명하고 있음


신경망이 보여 주는 굽은 도로의 특징을 보면, 특징량은 곡선이 대부분으로 CNN이 도로의 경계 부분을 기준으로 운전하고 있음을 알 수 있는데, 이런 방법을 통해 AI가 습득한 운전 기술의 요체를 사람이 시각적으로 이해할 수 있다는 설명



<자료>Nvidia.


[그림 5] AI가 도로를 인지하는 방법



2016년이 인공지능의 가능성을 열어젖힌 원년이라면, 2017년은 AI의 블랙박스를 열어 그 작동 논리를 규명함으로써 AI 확산의 기폭제를 마련하는 해가 될 것으로 예상


자율운전 자동차를 포함 자율적 인공지능 시스템은 심층강화학습(Deep Reinforcement Learning)이라는 기법을 사용하여 알고리즘이 시행착오를 반복하여 정책을 학습하도록 하고 있음


심층강화학습 기법은 알파고에도 사용되고 있으며, 보다 지능적인 AI 개발의 핵심 기법이 될 것으로 보이는데, 현재 심층강화학습의 요체도 블랙박스이지만, 앞으로 이에 대한 규명 작업도 적극 진행될 것으로 예상됨


무언가 새롭고 획기적인 것인 등장했을 때, 그것의 요체와 작동 방식을 정확히 모른다면 사람들의 대응 방식은 무조건적인 거부 혹은 반대로 종교와 유사한 무조건적 추종과 같은 극단적 양상을 띨 위험이 있음


인공지능이 사회적 합의 위에 다양한 가치를 위해 활용되려면, 그 메커니즘에 대한 정확한 이해가 수반되어야 할 것이며, AI가 인간의 뇌를 본 뜬 것인 만큼, AI를 알아가는 과정은 곧 우리 인간이 스스로에 대해 더 많이 알게 되는 과정이 될 수 있을 것임

댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1776호(2016. 12. 14 발행)에 기고한 원고입니다. 


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

인공지능 접목으로 유연성 높아지는 보안시스템.pdf



[ 요 약 ]


지금까지 보안 시스템은 새로운 해킹 수법이 등장하면 이를 최대한 신속하게 감지하고 대응책을 마련한 후 배포하는 수동적 방식이었음. 그러나 최근 인공지능(AI) 기술이 발전하고 활용 범위가 넓어지면서 보안 분야에서도 AI를 접목하려는 시도가 활발히 전개되고 있는데, 바둑 AI 알파고와 유사한 방식으로, 인공지능에 대규모의 침해 패턴을 학습시킴으로써 스스로 방어 규칙을 생성하여 신속히 대처할 수 있는 유연한 보안 시스템을 구축하려는 노력이 대표적



  [ 보 안 ]

 

  ◈ 기계학습의 발전에 따라 보안 시스템에 대한 훈련이 쉬워지게 되었고, 그 결과 보안 시스템은 상황의 변화에 이전보다 유연하게 대응할 수 있는 환경을 갖추게 되었음


보안 솔루션들에서 한가지 공통적인 태스크는 새로 다운로드 받거나 설치한 응용프로그램의 악성 여부를 판정하는 것임


지금까지의 접근 방식은 지극히 기본적인 일종의 전문가 시스템으로, 응용프로그램의 서명이 그 동안 알려진 멀웨어의 패턴과 일치하는지 여부를 조사하는 것임


하지만 이러한 표준적인 바이러스 대응 방식은 약점이 있는데, 새로운 멀웨어의 출현에 맞춰 지속적으로 업데이트가 필요하다는 점과 틈이 생기기 쉽다는 점


, 멀웨어에 아주 작은 수정만 가하더라도 감지 기능을 쉽사리 빠져나가기 때문에 시스템이 침투당하게 되는 약점이 있음


◈ 딥러닝(Deep Learning)의 방법으로 이런 약점을 해결하는 것을 목표로 하고 있는 스타트업 중 주목받고 있는 곳 중 하나는 이스라엘의 딥 인스팅크트(Deep Instinct)


보안 시스템의 훈련에 사용할 수 있는 멀웨어 표본 중 지금까지 알려진 것은 약 10억 개에 이르는데, 딥 인스팅크트는 이를 활용한 문제 해결을 시도하고 있음


딥러닝은 다양한 분야에 혁명적인 변화를 가져오고 있는데, 가령 컴퓨터 비전은 매년 20~30%의 진화를 이루고 있으며, 인간의 영역을 넘어서는 시각적 능력에 이르는 것도 시간문제라는 전망이 나오고 있음


음성인식 분야 역시 딥러닝을 통해 급속한 발전을 이루고 있는데, 이와 같은 일이 사이버 보안 영역에서도 일어나지 않을 이유가 없다는 것이 딥 인스팅크트의 출발점


물론 이 스타트업은 확률 기반의 기계학습 시스템에도 한계는 있다고 말하고 있는데, 우선 최적의 결과를 내기 위해 인간 전문가가 식별하고, 가중치를 두고, 튜닝해야 할 많은 요소들이 너무 많이 있다는 것


<자료> CIO


[그림 1] AI 진화의 3단계(기계학습 시스템이 개와 고양이를 구분하는 방식의 진화)


• 반면 역시 셀 수 없는 많은 요소들이 너무 사소하거나 관련이 없는 것으로 버려지고 있는데, 딥 인스팅크트는 대부분의 데이터가 버려지고 있다고 보고 있음


◈ 딥 인스팅크트가 채택한 방식은 멀웨어로 알려진 표본 모두를 이 기업 연구소의 딥러닝 시스템에 훈련시키는 것임


이 훈련 과정에는 약 하루가 소요되고 데이터 분석에는 고성능 GPU가 필요한데, 훈련 결과 얻게 되는 시스템 크기는 약 1 기가바이트로 대부분의 응용프로그램에 사용하기에는 너무 크기 때문에, 이 기업은 약 20 메가바이트 정도로 크기를 줄였음


그 결과, 모바일을 포함한 모든 최종 단말 장치에 설치할 수 있게 되었으며. 처리 속도가 느린 장치에서도 침입해 오는 위협을 몇 밀리 세컨드 안에 분석 가능하게 되었음


보통의 파일 크기는 1 메가바이트 가량이기 때문에 탐지와 분석에는 1 밀리 초도 채 걸리지 않는데, 복잡한 처리는 연구소의 첨단 인프라에서 수행되고 고객 쪽에 설치되는 것은 매우 작은 처리장치이며, 고객들이 모든 복잡한 부분을 다 보는 것은 아님


<자료> Deep Instinct


[그림 2] 딥 인스팅크트의 딥러닝을 이용한 보안 시스템


• 반면 연구소에서는 새로운 멀웨어 표본 데이터를 축적하고, 3~4 개월마다 최종 단말의 각 장치에서 작동하는 두뇌에 업데이트를 일괄 배포하는데, 흥미로운 점은 두뇌를 6개월간 업데이트 하지 않더라도 새로운 멀웨어 파일을 탐지할 수 있다는 것


◈ 공격자가 수정을 가해 새로운 멀웨어 변종을 만들어 내더라도 탐지에 전혀 문제가 없다는 점이 바로 보안 시스템에서 기계학습 방식의 매우 우수한 장점임


매일 엄청난 수의 새로운 멀웨어 표본이 출현하고 있지만, 그 대부분은 기존의 멀웨어를 극히 경미하게 변화시키고 있을 뿐임


실력 있는 공격자나 국가 주도로 새로운 제로-데이 공격을 하더라도 80%는 기존의 공격과 같은데, 지금까지의 보안 기법에서는 이를 검출하지 못했지만 딥러닝은 쉽게 검출할 수 있음


딥 인스팅크트는 현재 써드파티 테스트 기관과 공동으로 딥러닝 방식의 결과를 정량화 하는 작업을 진행 중인데, 포춘500대 기업에 속한 고객사를 대상으로 한 초기 테스트 결과 기존 솔루션에 비해 멀웨어 검출율이 20~30% 높게 나타났다고 함


딥 인스팅크트는 미국의 한 대형 은행에서 10만 개의 파일에 대한 테스트를 실시했는데, 은행이 사용하던 기존 보안 솔루션은 테스트 당일 아침 최신 업데이트를 했고, 자신들의 솔루션은 마지막 업데이트가 2개월 전에 이루어진 상황


그러나 검출율은 기존 솔루션이 40%였던 반면, 딥 인스팅크트의 솔루션은 99.9%로 시시각각 생성되는 새로운 멀웨어를 거의 모두 감지한 것으로 나타남


이 대목에서 하나 재미있는 것은, 비록 딥러닝 방식이 적용되어 검출에 성공했다 하더라도, 어떻게 검출했는지 그 과정이 반드시 설명되는 것은 아니라는 점


◈ 딥러닝 시스템이 가지는 약점 중 하나가 해답에 이르는 길을 명확히 설명할 수 없다는 것이긴 하지만, 반대로 정확한 설명을 목표로 하는 제품도 있음


미국의 스타트업 뉴토니안(Nutonian)이 독자적으로 개발한 인공지능(AI) 엔진 유레카(Eureqa)는 어떤 일들이 왜 일어났는지를 찾아내는 것이 주 업무임


무슨 일이 있었는지, 그들 사이의 관계는 무엇인지에 대해 가장 간단하고 우아한 설명 방법을 찾는 것이 유레카의 목표인데, 가령 물리적 데이터를 제공하면 유레카는 뉴턴의 운동 법칙을 재발견 할 수 있다고 함


뉴토니안은 유레카 AI 엔진을 연구자에게 무상으로 제공하고 있는데, 유레카를 이용한 연구가 학술 논문에서 다루어 진 사례는 이미 500건 이상으로, 가령 의학 분야에서 노화에 따른 시력감퇴나 맹장염 등의 질병을 진단하는 새로운 모델을 찾는 데 도움을 유레카는 도움을 주고 있음


이 유레카는 사이버 보안 영역에서도 응용할 수 있는데, 가장 어려운 문제 중 하나인 사이버 공격의 구조를 분절하는 프로세스에 유레카 AI를 응용하면 이 절차를 자동으로 처리 할 수 있음


유레카는 클라우드 기반 서비스 형태로 가입 고객에게 제공되는데, 최초 데이터의 조사에만 1시간 정도 소요될 뿐 그 이후에는 매우 신속하게 답변을 얻을 수 있으며, 이전에는 몇 달 혹은 몇 년씩 시간을 들여 얻은 결과를 몇 분 만에 얻을 수 있다고 함


◈ 약간씩 수정된 변종은 딥러닝으로 자율 탐지가 가능하다 해도, 사이버 보안의 세계는 상황이 급변하기 때문에 어떤 기계학습 시스템이라도 정기적인 업데이트가 매우 중요함


사람들의 생각과 행동은 항상 이전과 전혀 다른 새로운 것으로 인해 변화해 나가는 만큼, 정기적인 업데이트 없이는 시스템이 노후화 해 버리기 때문


기업의 직원들은 새로운 일들을 시작하며, 벤더는 응용프로그램을 개편하고, 소비자는 구매 패턴을 바꾸며, 해커는 기존의 시스템을 회피하기 위해 특별히 고안된 새로운 멀웨어를 끊임없이 만들어 내고 있음


상황이 이렇다 보니 보안 벤더들은 드러난 문제들을 모두 해결한 업데이트 버전을 개발하는데 시간을 소요해야 하며, 다음 번 업데이트가 나올 때까지 시스템에 상당한 취약 기간이 발생할 수 있음


통상 해커들은 보안 소프트웨어를 구매한 다음 이를 깰 방법을 찾아낼 때까지 다양한 공격을 시도하며, 방법을 알아내면 다음 번 업데이트가 나올 때까지 해당 소프트웨어의 모든 고객들을 표적으로 공격을 할 수 있음


이런 문제를 해결하기 위한 방법의 하나로 미국의 매서지 커뮤니케이션(Masergy Communications)은 현재 대다수 보안 제품 벤더가 채택하고 있는, 모든 고객을 획일적으로 방어하는 방식에서 탈피할 것을 제안하고 있음


◈ 매서지 커뮤니케이션은 사내 패턴, 유사 기업 패턴, 산업 전체 패턴, 글로벌 패턴을 알아내는 작업을 하고, 각각 다른 주기로 업데이트 하는 방법을 제안하고 있음


매서지는 일정 수의 글로벌 요인을 이용하여 의심스러운 동작이 발생할 가능성을 탐색한 후, 이를 기업의 고유한 로컬 지표와 함께 조합함


글로벌 시스템이 살필 수 있는 입력 정보의 수에는 한계가 있고 공간이 매우 넓기 때문에 우선은 출현 빈도가 높은 특징들만 탐색함


그 다음엔 로컬에 초점을 맞추며 보다 많은 정보 입력을 받게 되는데, 로컬 모델에서는 정보들을 압축하여 보다 작은 특징의 집합으로 압축할 필요가 없으며, 이를 통해 고객별 특수성과 훨씬 높은 정확성을 얻을 수 있음


◈ 로컬 및 글로벌을 결합하는 기술은 미국의 어큐어티 솔루션(Acuity Solutions)도 이용하고 있는데, 이 회사는 기계학습을 활용하여 사이버 위협을 탐지하는 장비를 개발함


이 기업이 개발하는 블루벡터(BluVector) 시스템은 미국 정부기관의 첨단 연구 프로그램을 기반으로 하고 있으며, 다년간 개발된 우수 소프트웨어를 이용하여 잘 짜인 코드의 양상이 어떤 것인지를 학습함



<자료> Acuity Solutions.


[그림 3] 어큐어티 솔루션의 블루벡터 시스템


• 블루벡터의 엔진은 코드의 일부를 검사한 후, 잘 짜인 코드라면 보통 있어야 할 특징들이 이 코드 조각에 있는지 여부를 판정하여 알려주는 기능을 수행하며, 또한 이 과정에서 각 고객으로부터 새로운 학습을 엔진에 내재화함


어큐어티 솔루션은 고객에게 제공하기 전에 엔진을 사전에 훈련시키지만 그 이후부터 엔진은 마치 둥지를 떠난 아이처럼, 고객의 환경 속에서 학습을 계속하게 됨


주 엔진은 글로벌 데이터를 기반으로 분기 마다 업데이트가 적용되지만, 각 고객사에만 해당되는 시스템 내에서 공유되지 않음


, 이 제품은 고객의 환경에 따라 조금씩 다르게 구축되며, 개별 고객에 맞게 특수하게 맞춤화 되는 것이고, 따라서 해커가 이 제품을 구입하여 방어를 빠져 나갈 수 있는 코드를 발견하더라도 별다른 도움이 되지 않음


어큐어티 솔루션에 따르면, 이것은 이동형 방어 시스템이며, 고객의 환경에만 특화된 기술이기 때문에 리버스 엔지니어링은 불가능함


AI를 적극 수용하려는 최근의 보안 업계 움직임에 대해, 일부 전문가들은 보안 분야에서 AI는 만능이 아니라며 마케팅 차원에서 AI가 남용되는 현상에 우려를 표하기도 함


보안 전문기업 트렌드 마이크로는 보안 기술은 AI에 한정할 수 없으며, 패턴 매칭, 행동 검지, 웹 평판, 포렌식, 샌드박스 같은 대응 기술들은 보안이라는 큰 틀 내에서 모두 특기나 적용되는 맥락이 다른 것이라고 지적


또한 최근 기계학습이나 딥러닝을 응용한 보안 어플라이언스이나 클라우드 기반 보안 시스템이 잇따라 등장하는 것에 대해서도, 자체 조사결과 실행파일 형태의 멀웨어 탐지 능력은 높지만 스크립트나 매크로 형태의 멀웨어는 거의 감지 못했다고 설명


트렌드 마이크로는 최신 AI 기술을 사용하지 않은 보안 솔루션이라고 해서 안전하지 못하다고 말할 수는 없으며, 한 물 간 것으로 치부되는 기존 기술을 AI와 조합해 다층적인 방어 시스템을 구축하는 것이 필요하다고 주장


공격을 하는 것은 실제로 릴레이 서버나 멀웨어가 아니라 그 뒤에 있는 사람이고 사람은 AI보다 훨씬 지능적이기 때문에, 성숙한 기술과 새로운 기술을 결합해 몇 단계의 방어막을 통해 해커들에게 스트레스를 주고 침해 동기를 없애는 것이 중요하다는 것


◈ 그러나 향상된 AI 기술이 보안 기술에 적용됨에 따라 사이버 보안 시스템이 보다 신속하고 유연한 대응이 가능해지게 될 것이라는 점에는 대부분의 전문가들이 동의


알파고를 통해 널리 알려진 딥러닝 기술 즉, 수 많은 패턴을 학습한 후 스스로 규칙을 생성해 주어진 태스크를 처리하는 능력은 보안 분야에도 적용되어 기존의 방식보다 더 나은 성과를 낼 수 있음이 확인되고 있다는 것


지금까지 사이버 보안이 새로운 형태의 창이 등장하면 그것을 막기 위해 방패를 수정하는 수동적 방식이었다면, AI의 적용을 통해 확률 높은 임기응변적 대응과 나아가 새로운 창의 형태를 예측할 수 있는 선제적 방식으로 변화할 가능성도 보이고 있음


보안 기술의 접근성 측면에서도, 향상된 클라우드에 AI 기술이 탑재되면서 모바일 네트워크에 접속된 모든 기기에서 최신의 보안 기술을 동시에 이용할 수 있는 환경이 구축되고 있다는 것은 큰 발전으로 볼 수 있음


이런 점을 긍정적으로 보아 벤처캐피털들은 2017년 사이버 보안 시장은 인공지능(AI)이 지배하게 될 것이란 전망을 내놓고 있음


◈ 반면 보안 시스템에서 AI의 활용이 점차 늘어가는 상황은 향후 사이버 보안 분야에서도 AI가 인간을 대체할 가능성이 있음을 시사한다는 점은 곱씹어볼 필요가 있음


지금까지 사이버 보안은 프로그래밍이 탁월한 사람과 사람 사이의 경쟁이라는 인식이 강했으나, 점차 방어에서 인공지능의 역할이 늘어나게 될 가능성이 엿보이고 있음


물론 현 단계에서 인간과 AI의 해킹 공격과 방어 실력은 큰 차이가 나기 때문에 동등한 수준에서 논의할 수는 없지만, 알파고의 사례에서 보듯 아직 멀었다고 느낀 거리가 어느 시점에 좁혀질 지는 예측하기 어려움


기술 발전에 따른 인간 노동의 대체 효과가 기술이 단순 노동을 대신할 때보다 사람의 지식과 경험이 녹아 있는 일을 대신할 때 극대화된다는 점을 감안하면, 장기적으로 사이버 보안 본야 역시 AI의 역할이 커질 것으로 예상해 볼 수 있음


또한 IoT의 본격화에 따라 침해 대응을 해야 할 기기의 수가 기하급수적으로 늘어날 것이고, 해킹에 의한 피해 규모를 가늠할 수 없는 위험사회에 접어들고 있다는 점을 고려하면, 사람에 의한 대응 보다는 AI에 의한 대응이 보다 더 적합할 수도 있을 것임

댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1775호(2016. 12. 7 발행)에 기고한 원고입니다. 


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

트럼프시대 AI 실업대책 기본소득 논의.pdf



[ 요 약 ]


미국 대선에서 트럼프가 승리할 수 있었던 것은 지나친 빈부 격차에 불만을 가진 노동자 계층의 지지 때문으로 분석됨. 트럼프는 빈부 격차 해소를 위해 미국으로 일자리를 되돌리고 임금을 인상하겠다는 공약을 내세운 바 있으며, 선거 결과를 받아 든 실리콘밸리는 보편적 기본 소득의 필요성을 언급하기 시작. 트럼프 시대에는 AI에 의한 대량 실업의 공포와 현실화되며 기본 생활 유지비 지급으로 지나친 빈부 격차를 조금이나마 완화하려는 논의가 본격화될 전망



[ 본 문 ]


◈ 미국 대선 결과 발표 직후 트럼프 당선에 거부 의사를 표출하는 집회가 미 전역에서 열렸으며, 특히 캘리포니아 주에서는 연방에서 독립을 주장하는 목소리도 나오고 있음


 #NotMyPresident라는 트위터 해시태그에서 집회가 기획되고 있으며, 뉴욕과 로스앤젤레스를 중심으로 대규모 항의 집회가 계속되고 있음


<자료> YesCalifornia.org


[그림 1] 캘렉시트 청원 사이트


• 실리콘밸리가 소재한 샌프란시스코에서도 항의 집회가 열렸으며, 더 나아가 트럼프의 당선에 대한 반대 표시로 캘리포니아 주의 독립 운동 목소리도 강하게 비어져 나오고 있음


영국이 유럽연합(EU)에서 탈퇴한 것을 이르는 브렉시트(Brexit)에 빗대어 캘렉시트(Calexit)라 부르는 이 분리 독립 주장은 캘리포니아 주를 스코틀랜드의 입장으로 치환하고 트럼프가 국정을 맡게 될 미국에서 독립하는 것을 목표로 함


◈ 그러나 실리콘밸리 유명 인사 중 이번 대선에서 유일하게 트럼프를 지지한 페이팔의 공동 설립자 피터 틸은 실리콘밸리가 미국 사회와 크게 괴리되어 있다는 점을 문제로 지적


피터 틸에 따르면 실리콘밸리에서 혁신을 통해 태어난 비즈니스들이 번성하고 있기는 하지만, 이런 성공은 개인의 자산을 늘리는 결과만 가져오고 있을 뿐, 미국 보통 시민들의 생활을 나아지게 하는데 기여하는 것과는 거리가 멂


틸은 미국의 가구당 소득은 오랫동안 침체인 반면 의료비는 세계에서 가장 높은 수준이고, 학생들은 거액의 학비 대출을 안고 있어 취직을 해도 상환에 쫓기는 상황에서 실리콘밸리는 사회 현상을 이해하고 기업의 사회적 책무를 다해야 한다고 주장함


실제로 대선 결과는 실리콘밸리가 미국 사회와 얼마나 괴리되어 있는 지를 말해 주며, 실리콘밸리뿐 아니라 미디어를 포함한 미국의 기득권층이 보통 시민들의 정서를 전혀 읽지 못하고 있었음을 보여 준다는 분석도 나오고 있음


오바마 정부는 리먼 쇼크에서 회복했다고 주장했지만, 혜택을 받은 것은 기득권층으로 블루 칼라들의 상대적 박탈감은 더욱 커졌고, 많은 사람들이 현 정치 체제에 큰 불만을 품게 만든 원인이 되었다는 것


힐러리의 패배는 지나친 사회 격차에 기인한다고 해도 과언이 아니며, 투표 결과에는 겉으로 목소리를 높이지 않았던 다수 시민의 의견이 반영된 것이라는 평가


◈ 승리 요인이 무엇이었든 간에 이제 대통령에 당선된 트럼프는 자신을 지지해 준 시민들의 목소리에 부응해 선거 기간 동안 제시한 공약을 지켜야 할 책임을 지게 되었음


<자료> Donald J. Trump for President, Inc.


[그림 2] 트럼프의 고임금 공약


• 트럼프 당선자는 빈부 격차를 해소하기 위한 방안의 하나로 외국으로 나간 자국 기업들에게 일자리를 미국으로 불러 들이게 할 것과 임금 인상을 약속한 바 있음


대표적으로 트럼프는 애플에 각을 세우며, 선거 기간 내내 미국 내에서 아이폰을 생산할 것을 강력히 요구한 바 있음


애플을 비롯한 주요 IT 업체들이 미국으로 유턴을 재촉하는 트럼프와 조율을 하는 데에는 현실적으로 한계가 있을 수밖에 없을 것이란 전망이지만, 애플이 폭스콘에 미국 이전 의사를 타진했다는 뉴스가 나오는 등 실현 가능성이 아주 없는 것은 아님


◈ 그러나 미국 기업들이 트럼프에 호응해 설사 미국으로 제조 기반을 옮긴다 하더라도 또 다른 문제가 불거질 가능성이 있는데, 제조업 현장이 이미 자동화로 급변하고 있기 때문


트럼프는 미국 내 제조업 일자리를 늘린다고 약속했지만, 제조업을 포함한 전 산업이 점차 인공지능(AI)과 로봇에 의해 대체되어 갈 것이라는 게 전문가들의 공통 전망이므로, 제조업 유턴 조치가 곧 바로 고용 증가와 임금 인상으로 이어질 지는 미지수임


트럼프가 집권할 향후 4년은 AI와 자율운전 자동차를 포함한 로보틱스로 인한 실업 문제가 본격화될 것으로 보이며, 따라서 멕시코 이민자가 아니라 기술이 일자리를 위협하게 되는 상황이 벌어질 가능성이 농후하기 때문


이는 트럼프 정부가 실리콘밸리의 위상을 어떻게 자리매김 할 것인지, AI를 포함한 실리콘밸리의 혁신이 계속 추진될 수 있을 것인지 하는 문제와도 맞닿아 있음


실업을 낳을 수 있는 AI와 로봇의 개발을 억제할 것인지, 아니면 미국을 다시 강하게 만든다는 트럼프의 슬로건 구현을 위해 기술 분야에서 혁신이 필수적이라고 판단할 것인지, 향후 트럼프의 구상에 관심이 모이는 이유임


◈ 이런 배경에서, 의외의 선거 결과를 받아 든 실리콘밸리에서는 보편적 기본소득(Universal Basic Income)에 관한 논의를 수면 위로 올리려는 움직임이 보이고 있음


보편적 기본소득 AI와 로봇의 진화로 많은 사람들이 일자리를 잃을 것으로 우려됨에 따라 실업 대책의 하나로 소득을 일부 보전할 수 있는 현금을 지급함으로써, 지나친 빈부 격차를 해소하려는 시도임


<자료> Marc van der Chijs.


[그림 3] 보편적 기본소득


• 기본소득은 사회 보장의 일종으로, 시민들은 정기적으로 일정액의 수당을 정부나 공공 기관으로부터 수령하며, 시민은 기본소득을 통해 최소한의 생활을 유지할 수 있음


기본소득 앞에 보편적 혹은 조건 없는(Unconditional)이라는 수식어가 붙은 것은 기본소득이 빈곤층뿐만 아니라 국민 모두에게 보조금 성격으로 지급되는 것이기 때문


보편적 기본소득을 도입하면 주택 보조, 식량 지원, 노인 의료 등 여럿으로 나뉜 복지 시책을 없애고 기본소득으로 일원화하여 운용할 수 있기 때문에, 정부 입장에서는 복지 운영 조직을 단순화하고 운영 비용을 낮춘다는 장점도 있음


반면 기본소득을 도입하기 위해서는 대규모 재원이 필요하다는 것이 최대 장벽이며, 또한 국민에게 최소한의 생활비를 지급하면 근로 의욕을 없애 도덕적 해이를 조장하는 부작용이 나타날 것이라는 뿌리 깊은 우려도 있음


논란의 여지가 많아 보편적 기본소득 논의는 쉽지 않았으나, 트럼프 당선자로 인해 사회 빈부 격차의 심각성이 명확하게 표면화된 만큼 기본소득에 관한 논의가 이전보다 본격화될 수 있는 조건은 마련되고 있음


AI 연구를 주도하는 유명 인사들은 대체로 기본소득의 필요성을 호소하고 있는데, 바이두(Baidu)의 인공지능 연구소장 앤드류 응과 테슬라의 창업자 일론 머스크가 대표적


<자료> Andrew Ng @ Twitter.


[그림 4] 앤드류 응의 기본소득 주장


• 선거 결과 발표 직후 응 소장은 블로그를 통해, 선거 결과는 불공평에 대한 불만을 반영하고 있다며, 시민들의 생활이 어느 수준 이하로 내려가지 않도록 보장하기 위해 기본소득이 필요하다고 주장


아울러 모든 사람이 사회적 계단을 올라 서게 하기 위해서는 더 나은 교육을 제공할 필요가 있다며, 대통령 선거에서 드러난 격차 문제를 해결하기 위한 방안들을 제시


테슬라의 창업자 일론 머스크 역시 기본소득이 필요할 것이라는 견해를 보이고 있는데, 이는 테슬라가 완전 자율운전 자동차 개발을 목표로 하고 있으며, 테슬라의 제조 공장에서 로봇에 의한 자동화가 진행되고 있다는 사실과 무관하지 않아 보임


, 머스크의 계획이 실현되면, 직업 운전수와 공장 노동자는 자율운전 차량이나 로봇으로 대체되어 일자리를 잃을 가능성이 높아지는데, 이에 따른 문제 해결 방식의 하나로 기본소득을 고려하고 있는 것으로 추측이 가능


◈ 진화한 AI 기술 개발 경쟁이 치열한 실리콘밸리에서는 기술이 가져올 사회적 영향에 대한 논의도 활발하며, 이미 기본소득의 실증 실험이 진행되고 있기도 함


실리콘밸리를 대표하는 액셀러레이터인 Y 콤비네이터(Y Combinator)CEO 샘 알트만은 올해 5월 기본소득의 시험 운용을 시작한다고 발표하였음


사회 실험은 샌프란시스코 건너편 오클랜드에서 시작되었는데, 이 지역에서 100 가족을 선정, 매월 1,000~2,000 달러 정도의 현금을 지급하며, 기간은 6개월에서 1년 사이로 수급자는 받은 돈을 자유롭게 사용할 수 있음


오클랜드를 선정한 이유는 빈부격차가 뚜렷한 도시이기 때문이며, 아울러 오클랜드에서는 하이테크 기업들이 들어서며 지역 주민과 관계가 악화되고 있기 때문


부유한 하이테크 기업의 직원들이 이주해 오며 물가와 집세가 급등함에 따라, 원래 살던 주민들은 교외에 밀려나게 되는 것을 고급 주택화(젠트리피케이션, Gentrification) 라고 하는데, 오클랜드 역시 이 문제를 심각하게 겪고 있음


<자료> Quartz.


[그림 5] Y 콤비네이터의 기본소득 실험


Y 콤비네이터는 밀려난 빈곤층 주민들에게 기본소득을 제공함으로써 갈등을 완화할 수 있는지 검증을 진행하고 있으며, 이 실증 실험의 결과가 긍정적으로 나온다면 본격적인 프로그램으로 이행할 계획이라고 함


기본소득의 실증 실험은 오클랜드 프로젝트가 처음은 아니며, 이미 네덜란드의 위트레흐트, 캐나다의 도핀, 아프리카 나미비아 일부 지역 등에서 제한적인 기본소득 제도를 도입한 적은 있음


핀란드는 내년부터 모든 국민에게 조건 없이 매달 560 유로( 70만원)의 기본소득을 지급하는 정책을 시험 운영할 계획이며, 스코틀랜드도 지난 달에 기본소득 시범사업을 실시한 이후 정식 시행 여부를 결정하겠다는 계획을 발표하였음


그러나 이들 국가는 모두 정부 차원에서 실험이 진행되는 것으로, Y 콤비네이터는 기본소득이라는 사회보장 정책을 민간기업이 맡겠다고 나섰다는 점에서 의미가 있음


◈ 왜 민간기업이 이런 실험을 하는 지, Y 콤비네이터는 명확한 답변을 하고 있지 않으나, 기본소득이 기술 기업의 새로운 사회적 책무가 될 가능성을 염두에 둔 것으로 보임


Y 콤비네이터는 실험 배경에 대한 명확한 설명 없이, 기본소득이 현재 시행되고 있는 실업 보험 등 사회 안전망의 대안이 될 수 있을 것이란 언급만 하고 있음


기술 발전으로 노동자들이 일자리를 잃게 되면 수입이 없어 생활이 막히게 되므로, 그러한 원인을 만들어 낸 기업이 사회적 책무를 다해야 하지 않느냐는 생각을 갖게 된 것으로 보이며, 그 수단의 하나로 기본소득에 관심을 쏟는 것으로 보임


지금까지 IT에 의한 자동화로 많은 일자리가 컴퓨터로 대체되었으나 AI에 의한 자동화는 지금까지와 비교할 수 없을 정도로 사회에 미치는 영향이 클 것으로 전망


Y 콤비네이터의 실증 실험은 AI와 로봇, 자율운전 자동차를 개발하는 기술 기업은 앞으로 사회 공헌의 방식을 재검토해야 할 수도 있음을 시사하고 있음


◈ 기술에 의한 인간 노동의 대체 흐름이 전 산업에서 세계적 규모로 발생한다면, 이는 곧 사회의 근간이 흔들리는 일이며, 결국 기업도 자신들이 위험해질 수 있음을 인지해야 함


기술 혁신과 인력 감축으로 기업은 높은 수익을 창출할 수 있지만, 이익을 재분배하는 메커니즘이 없다면 소득의 격차는 지금보다 더 벌어질 것임


그런 상태가 지속된다면 사회와 경제가 불안정해지고 일상을 위협하는 위험요인들도 증가하게 되는데, 이런 상황을 방지하기 위해서 기업들은 기술 개발을 진행하는 동시에 사회적 책임도 다해야 함을 인정할 필요가 있음


기본소득을 도입하면 일을 하지 않아도 최소한의 생활이 보장되기 때문에 사회의 안정성을 그 만큼 유지할 수 있고, 이는 기업으로서도 자신들의 재화와 서비스를 구매해 줄 소비자를 확보하게 된다는 면에서 의미 있는 일이 될 것임


◈ 물론 일을 하지 않아도 기본소득을 지급하는 것에 대해서는 여러 반론들이 있으며, 오래된 반대 논리는 기본소득이 사람을 나태하게 만들 것이란 우려임


일을 하지 않고도 생활 유지가 가능하다면 사람들은 자신의 존재 의의를 스스로 추궁하거나 혹은 사회적으로 추궁 당하게 된다는 것임


사람은 생활 유지를 위해 싫은 일이라도 억지로 하지만, 동시에 일을 통해 자신의 가치를 증명하고 존재 의의를 확인하려 하기 때문에, 일을 하지 않고 생활이 가능하다면 자신의 가치를 잃어 버리는 문제가 생길 수 있다는 지적


이런 반론에 대해서는, 하기 싫은 일에서 해방되면 사람이 창조성을 발휘할 수 있으며, 기본소득으로 최소한의 생활을 할 수 있다면 사람들이 관심을 가진 분야에 자유롭게 뛰어들 수 있다는 재반론도 있음


기본소득으로 그림 그리기를 좋아하는 사람은 시간에 구애 받지 않고 그림에, 프로그래밍을 좋아하는 사람은 자유롭게 해킹에 몰두할 수 있게 된다는 것


기본소득이 도입되지 않은 지금도 창의성은 개인의 자유로운 활동에서 나오고 있는데, 만일 기본 생활까지 보장된다면 더 많은 창의성이 분출될 가능성도 있음


AI로 인한 대량실업 시대 다음은 AI가 인류를 먹여 살리는 시대가 될 것이란 전망도 있는데, 이 때 기본소득은 다음 AI 시대로 부드럽게 넘어가는 완충재 역할을 하게 됨


AI가 인류를 능가하는 시작하는 지점인 특이점(Singularity)의 도래를 주장하는 구글의 인공지능 연구 책임자 레이 커즈와일은 AI와 로봇에 의한 자동 기술의 발전으로 인류의 생활을 지탱할 생산이 가능해져 사람이 일할 필요가 없어진다고 전망하고 있음


그렇게 되면 사람들은 오히려 을 계속 하겠다고 주장하고 될 것인데, 여기서 일이란 누군가 명령해서 해내는 작업이 아니라 스스로 열심히 하고 싶어 하는 일을 의미하며, 인간이 보람을 느끼지 못하는 노동에서 해방됨을 의미함


커즈와일은 전세계적으로 사람들이 하고 싶은 일을 하게 되면 인류의 창조성에 폭발이 일어날 수 있다고 예언하며, 발달된 AI 사회에서는 전 지구적 규모로 창조성이 개화하며 새로운 문명이 태어날 것이라 낙관하고 있음


이런 장밋빛 예측에 대해 반대 의견도 적지 않지만, 기본소득이 AI의 진화와 함께 논의되는 것은 기술에 낙오된 인간을 보호한다는 소극적 차원이 아니라, 인간의 창의성을 발현하기 위한 적극적인 맥락도 있다는 점을 이해할 필요가 있음


◈ 공화당은 기술기업과는 전혀 반대의 관점에서 기본소득에 찬성하는 것이긴 하지만, 여하튼 기술 기업들과 트럼프는 기본소득에 관한 논의를 확산시켜 나갈 것으로 전망


트럼프 승리와 함께 상원과 하원 선거에서도 모두 승리한 공화당은 기본소득 정책에 기본적으로 친화성이 높음


물론 공화당은 여러 갈래로 나뉜 복지 예산을 기본소득 하나로 묶되 총합의 규모는 줄이자는 것으로, 작은 정부를 구현하기 위한 전략의 하나로 기본소득을 보고 있음


공화당은 그 동안 오바마 정부가 운영해온 사회보장 제도에 지속적으로 반대 의사를 표시해 왔으며, 일례로 식량 지원을 받고 있는 사람의 수의 오바마 정부에서 급증한 것에 대해 강력하게 비판한 바 있음


그러나 트럼프는 대선 과정에서 임금 수준의 향상을 약속했고 그에 힘입어 당선이 되었으므로, 전통적인 공화당의 노선을 그대로 따를 수는 없는 상황에 놓여 있음


AI와 로보틱스 기술은 아이러니하게도 향후 트럼프 집권 기간 크게 개선될 전망이며, 트럼프의 바람과는 반대로 대량 실업 시대에 돌입하게 되는 원인이 될 수 있음


그런 상황에 대해 트럼프가 어떤 입장에 서게 될 지는 일반 국민과 기술 기업 모두에게 매우 중요할 것이며, 트럼프 정부와 기술 기업이 양대 축으로서 기본소득에 대한 미국의 전국민적 논의 확산을 이끌 가능성이 높아지고 있음

댓글을 달아 주세요