정부가 2030년 미국과 중국에 이어 세계 3대 인공지능(AI) 강국으로의 목표를 표방했다. AI가 혁신 성장의 큰 동력으로, 또 미래의 유망한 먹거리로 꼽히기 시작한 건 어제 오늘의 일이 아니다.
2016년 알파고와 이세돌의 바둑 대결에서 AI인 알파고가 인간의 능력을 뛰어 넘자 많은 사람들은 미래에 다가 올 인공지능의 기술과 역할에 놀라움과 충격을 받았다. 또한 올해 소프트뱅크 손정의 회장의 AI 투자에 대한 강조도 업계의 관심을 모았다.
이에 앞서 AI가 산업 전반에 큰 영향을 끼칠 것이라는 논의는 2010년을 전후로 시작해 거듭해서 기술들이 진화되었고 2015년경에는 대부분 증명이 된 사실이다.
AI는 1980년대부터 오랫동안 연구해 온 학문이고, 컴퓨터의 지능이 인간을 닮기 위한 노력은 현재까지도 지속적으로 이뤄지고 있는 분야이다.
AI 분야는 그동안 얼굴‧문자‧영상 인식과 음성합성을 위한 많은 연구가 이뤄지고 있고 기술 발전도 꾸준히 이어져 왔지만, 많은 가능성에도 산업적 영향력은 그리 대단하지는 못했다.
이는 해결하고자 하는 문제가 상당히 제한돼 있었고, 그 정확도나 판단능력도 크게 효율적이지 않았다.
그러나 2010년 이후 딥러닝을 활용한 신경 네트워크가 개발되고 여러 층의 단위를 잇는 기법이 GPU 기술의 발전에 따라 현실화되면서 딥러닝의 성능은 획기적으로 개선됐다.
특히 세계적인 이미지 인식 경진대회인 ILSVRC(국제영상인식대회)에서 152개 레이어 깊이를 가진 딥러닝 모델이 2015년 인간의 인식 오류율인 5%대를 깨면서 AI성능은 급격히 개선되기 시작했다. 이후에도 연구가 거듭되어 새로운 딥러닝 모델들이 등장하면서 현재는 인식 오류율을 2%까지 낮췄다.
결국 이미지 인식 분야에서도 이젠 AI 딥러닝 기술이 인간보다 훨씬 더 정확하고 빠른 연산을 통해 더 정밀하게 판별이 가능하게 된 것이다.
이러한 기술의 진전이 확인된 2015년에는 그 동안 연구에만 머물러 있던 기술들이 성큼 산업화의 길로 진전하는 전환점이 되었다고 볼 수 있다.
다행히 먼저 개발된 모델들의 논문과 소스코드는 딥러닝 분야의 발전을 위해 전 세계에 공개됐고, 또 이러한 기여는 앞서 AI를 연구하던 국내 개발자에게도 곧바로 전해지게 됐다.
대다수의 AI 기술자들은 2015년부터 강연장이나 현장에서 또는 학교 강단과 국가연구기관에서 활발한 활동을 진행해왔다.
그들은 주로 연구분야에서 AI기술을 언급하였고 상대적으로 구글, 아마존, 애플, IBM 등 거대 글로벌 공룡기업들과 비교하여 국내 전문 기업들이나 AI전문가들은 가려져 있었던 것이 사실이다.
또한 몇몇 소프트웨어(SW) 전문기업들은 인공지능 분야로 발 빠르게 신규 진출하여 AI프로젝트를 진행하고 있었지만, 글로벌 AI 공룡 보다 차별화되고 특수한 AI 기술은 요원해 보였다.
하지만 최근 그동안 가려져 와 있던 국내 AI 분야 실력자들의 놀라운 성과들이 드러났다.
범용적이고 일반적인 AI 응용보다는 산업 특수목적에서 AI 응용에서 일이 벌어진 것이다.
그동안 공장에서 만들어진 생산품 검사는 단순 육안 검사 방식으로 진행돼 에러율도 높고, 사람에 따라 편차도 있어 자동화를 필요로 했다.
이로 인해 나타난 것이 바로 ‘머신비전’이고, 이 분야에 선도적으로 뛰어든 기업이 ‘라온피플’과 ‘수아랩’ 등이다.
이들 기업은 3년의 연구 과정을 거쳐 딥러닝 머신비전을 개발했고, 그들의 솔루션은 국내시장은 물론, 중국과 동남아 시장을 공략해서 일정 정도 큰 성과를 내고 있다.
대화형 쳇봇이나 번역과 같은 AI 분야 또한 IBM과 아마존의 대화형 엔진이 강력하게 버티고 있다. 하지만 한국어 특성이 가미된 자연어 처리 기능을 구현한 일부 스타트업들이 등장해 한국어 처리 분야에서 일부 성능의 우위를 차지하고 있다.
다만 외국어 처리 부문에 있어서는 여전히 강력한 글로벌 경쟁자들이 있고 범용성이 강해 쉬운 도전은 아닐 것이다.
또 음성합성이나 이미지 합성, 영상 합성에 도전하는 AI 스타트업들도 속속 나오고 있지만 아직 산업 기반 마련이 없다 보니 시장은 그리 크지 않다.
그렇다면 현재 국내 시장과 산업에 잘 맞는 AI는 어떤 분야일까. 아무래도 현재 시장에서 잘 구축해 온 데이터 시장을 꼽을 수 있을 것이다.
정부기관, 정부산하기관, 지방정부, 공기업 등 다양하게 구축된 기존의 데이터베이스는 현재 스마트하게 작동되고 있지는 않다. 또 민간 영역의 데이터베이스 시스템도 마찬가지다.
데이터의 연관 관계에 따라 그 관계성을 학습해 새로운 데이터의 예측과 결정적 판단을 내리기 위해서는 딥러닝 AI 기법이 도입돼야 한다.
특히 AI가 도입된 새로운 교통 시스템은 각 지점에서의 교통 트래픽 데이터를 컴퓨터가 학습하고, 시간 경과에 따른 트래픽 예측을 통해 가장 빠른 길을 알려줄 수 있다. 이를 위해서는 공공데이터 분야에서 AI를 접목한 시장을 개방해야 한다.
다행히 최근 정부가 발표한 ‘AI 국가전략’에서는 이러한 공공데이터 시장을 정부가 앞서서 만들어 가겠다는 내용이 포함돼 있어 AI 스타트업들에게는 반가운 소식이 아닐 수 없다.
AI 성장동력을 만들겠다는 정부와 AI를 통해 혁신기술과 차별화된 솔루션으로 무장한 스타트업이 협력하면 2030년의 꿈과 목표는 더 앞당겨질 것이다.
AI 강국 도약 추진이 현재의 경제 침체에서 벗어나 새로운 활력을 불어다 줄 수 있는 계기가 되기를 기대해본다.
