올해에는 인공지능(AI)가 개인의 일상과 산업 전반으로 더욱더 확대될 전망이다. KT경제경영연구소는 AI가 창출할 2030년 한국의 경제적 가치를 약 540조원으로 추산했으며, 현재의 미중 기술 패권 다툼 또한 AI 알고리즘 및 칩 개발을 둘러싼 경쟁으로 확산될 수 있음을 강조했다. 향후 AI는 인간의 개입 없이 스스로 생각하고 판단하는 ‘자율 AI(Autonomous AI)’로 진화할 것이다.

AI 산업의 비약적인 발전 이면에는 해결해야 할 문제점들도 있다.

알고리즘에 따라 정해진 업무만 처리하는 AI는 어떠한 인과관계를 스스로 판단하거나 통찰하는 능력이 없으며, 데이터를 기반으로 한정된 영역의 문제만 풀 수 있다.

데이터에만 의존하거나 머신러닝에 활용한 데이터가 편향된 경우에는 결과 값에도 큰 오차가 생길 가능성이 높다.

예를 들어 AI바둑이 자신의 승률이 낮아지자 이해할 수 없는 무리수를 두는 경우다.

올해에는 AI에 대한 신뢰성 문제를 담보할 수 있는 기술 개발이 활발해질 것으로 전망된다.

내 손안에 ‘온 디바이스 AI’

최근 글로벌 시장조사기관 가트너가 발표한 자료를 보면 2022년까지 출하되는 전체 스마트폰의 약 80%에 온 디바이스(On-device) AI가 탑재될 것이라 예상했을 정도로 온 디바이스 AI는 스마트폰을 비롯해 사물인터넷과 자율주행차 등 다양한 디바이스로 빠르게 확장될 것으로 보인다.

인공지능(AI) 기술은 모바일 등 스마트기기에서 수집한 정보를 중앙 클라우드 서버로 전송해 분석하고 다시 기기에 보내는 방식으로 진행돼 왔다. 이와 달리 온 디바이스 AI는 이름 그대로 멀리 떨어진 클라우드 서버를 거치지 않고 스마트기기 자체적으로 정보를 수집하고 연산이 가능하다.

기존에는 클라우드 서버가 정보를 처리하는 뇌라면 휴대폰이나 태블릿 PC 등은 사용자와 접점을 이뤄 정보를 수집하는 눈과 귀와 같은 역할을 담당해 왔다. 하지만 이러한 처리 방식은 멀리 떨어져 있는 인공지능이 실제 정보가 발생하고 있는 현장을 본질적으로 이해하기는 어렵다는 한계가 있었다.

이렇듯 온 디바이스 AI는 단말 기기 내부에서 정보를 처리하기 때문에 저지연을 통한 빠른 작업이 가능하다. 중앙 서버를 통하지 않기 때문에 클라우드 기반 AI의 문제점으로 대두됐던 보안 문제도 해결할 수 있고, 별도의 네트워크가 필요없기 때문에 인터넷 연결이 어려운 상황에서도 실시간 번역과 같은 작업이 가능하다.

특히 사용자와 직접 접촉하는 하드웨어인 엣지 디바이스에 AI가 결부된 형태의 온 디바이스 AI는 환경을 직접 경험하고 정보를 처리하기 때문에 실제 사용하는 사람에게 더욱 적합한 결정을 내릴 수 있다는 장점이 있다.

이 같은 장점을 이용한 기술 개발도 활발하다.

삼성전자는 최근 온 디바이스 AI 방식의 일환인 NPU(신경망처리장치)에 대한 투자를 늘리고 있다. NPU는 AI 전용 칩셋으로 딥러닝 알고리즘 연산에 최적화됐다.

삼성전자는 2018년 11월 NPU를 갖춘 모바일 AP ‘엑시노스9820’을 공개했으며, 지난해 3월 출시한 ‘갤럭시S10’에 탑재했다. 2017년 NPU가 적용된 모바일 전용 AI 칩셋을 선보인 화웨이나 애플에 비해 다소 늦은 행보지만, 삼성전자는 지난해 6월 독자적인 NPU 기술 육성을 통해 2030년까지 시스템 반도체 분야에서 세계 1위를 달성하겠다고 밝힌 바 있다.

삼성전자는 시장 선점을 위해 NPU 분야 인력을 현재 200여명에서 2030년에는 2000명 이상으로 확대할 예정이다. 특히 독자적 경쟁력 강화와 기술 개발, 인재 확보를 위해 시스템반도체 부문의 전사적 역량을 집중한다는 방침이다. 인재 채용은 전 세계에서 진행하고 글로벌 연구 기관 및 국내 대학과 협력도 확대할 계획이다. 삼성전자는 몬트리올 AI랩 등을 통해 세계적 석학들과 협업도 하고 있다.

NPU 성능이 향상되면 사물·음성인식, 딥러닝, AI 카메라 등 폭 넓은 분야에 인공지능 기능을 활용할 수 있게 된다. 특히 얼굴 인식 기능은 ‘온 디바이스 AI’와 결합해 잠금 해제와 같은 단순 인증뿐 아니라 모바일 뱅킹, 쇼핑 등의 금융 결제 시스템의 사용자 인증에 활용할 수 있다.

AI에게 이유 묻는다

AI 기술 확산과 함께 예측 결과에 대한 신뢰성 이슈 해소를 위해 ‘설명 가능한 AI(XAI)’ 구현 논의 필요성 부각과 연구가 활성화될 것으로 보인다.

설명 가능한 AI(eXplainable AI)는 의사 결정과 결론 예측을 하는 AI가 인간이 이해할 수 있도록 제공하는 AI기술을 의미한다. 예를 들어 인공지능 시스템이 고양이 이미지를 분류할 경우, 기존 시스템은 입력된 이미지의 고양이 여부만을 도출하지만 XAI는 고양이 여부를 도출하고 인공지능의 판단 근거(털, 수염 등)까지 제공하는 진보된 개념의 인공지능이라 할 수 있다.

XAI는 학습 과정 중 데이터로부터 다양한 패턴을 추출·분석해 드러나지 않았던 법칙, 전략 등을 도출할 수 있다. 이에 따라 사용자들 사이에 신뢰를 쌓고 조직이 이러한 모델을 사용해 개발하는 제품에 대한 신뢰와 자신감이 높아지는 것이다.

특히 AI가 사람에게 의사결정의 이유를 설명하게 되면서 질병 진단과 금융거래, 조사 보고서 등에서 그 결과에 대한 신뢰성이 높아지고 활용도도 더욱 높아질 것으로 보인다.

예를 들어 전자 의료기록이나 뇌 영상 이미지, 생체 데이터 등을 자동으로 분석해 췌장암이나 치매 같은 질병을 진단할 수 있다. 그러나 이것으로 끝나는 것이 아니라 진단 결과에 ‘왜’ 췌장암이나 치매로 판단하는지 파악할 수 있어 AI의 진단에 대한 신뢰도를 높이는 것이다.

XAI는 미국 방위고등연구계획국(DARPA)이 지난 2017년부터 약 800억원의 예산을 투입해 연구를 추진하며 세계적 관심을 높이기 시작했다.

국내에서도 정부의 ‘인공지능 국가전략프로젝트’의 일환으로 2017년 9월 울산과학기술원(UNIST)에 ‘설명가능 인공지능 연구센터’가 문을 열었다. UNIST 외 카이스트·고려대·연세대·서울대 등이 함께 참여해 공동 연구를 진행하고 있다. 그리고 이를 기반으로 의료(세브란스병원)와 금융(코스콤) 분야를 대상으로 실증할 계획이고 포스코와 네이버에 해당 기술을 이전할 계획이다. 업계에서는 XAI가 현실화되는 것은 2022년 이후로 내다보고 있다.

인공지능 기술은 기업은 물론 개인의 일상생활 곳곳에 접목되고 있다. 인공지능 적용이 확산되기 위해서는 신뢰 문제가 해결돼야 한다. 현재의 인공지능은 성과는 탁월하지만 블랙박스 형태이기 때문에 금융, 의료, 군사 등 결정이 중대한 영향을 미치는 분야에는 적용되기 어려웠다.

이런 한계로 인해 XAI는 인공지능과 사람의 상호 이해를 높일 뿐만 아니라, 사람에 의한 인공지능 통제를 가능하게 할 것으로 업계는 보고 있다.

AI반도체 시장도 성장

NPU는 인공신경망(사람의 신경망을 모방한 머신러닝 기법)을 통해 학습하는 딥러닝 알고리즘 실행에 최적화돼 인간의 뇌와 같은 역할을 할 수 있는 차세대 반도체다.

딥러닝 알고리즘은 복잡한 신경망에 특화돼 수천 개 이상의 연산을 동시에 처리해야 하는 병렬 컴퓨팅 기술이 요구되는데, NPU는 여러 연산을 실시간으로 처리하는 한편 데이터를 기반으로 스스로 학습하는 게 가능해 AI 구현을 위한 핵심 기술로 평가된다.

NPU는 지금까지 주로 모바일 디바이스에 탑재됐지만, 앞으로 자율주행·데이터센터 등으로 확대돼 관련 시장이 급성장할 것으로 보인다.

시장조사 업체 가트너에 따르면 GPU(그래픽프로세서)나 NPU 등이 적용된 ‘AI 관련 시스템온칩(SoC·프로세서 외에 보안칩·모뎀 등이 함께 탑재)’ 시장 규모는 올해 84억달러에서 2021년 181억달러, 2023년 343억달러로 성장할 것으로 보인다.

김연균 기자 다른기사 보기