인공지능(AI)은 기업의 제품과 사업 방식을 변화시키고 있다. 또한, 인공지능을 시스템에 구축해야 하는 사람들에게는 새로운 과제를 제시한다. ‘인공지능 주도형’ 시스템을 만들기 위해서는 지능형 알고리즘을 개발하는 것 이상이 요구된다.
이에, 매스웍스코리아(Mathworks Korea)는 4월 23일 ‘매트랩 엑스포 2019’를 개최하고, 매스웍스 제품 소개와 최신 기술 업데이트에 대해 소개했다. 또한 행사와 함께 진행된 미디어 브리핑에서는 매스웍스의 크리스 헤이허스트(Chris Hayhurst) 컨설팅 서비스 이사가 엔지니어 및 과학자들이 차세대 스마트 커넥티드 시스템에 인공지능을 성공적으로 설계하고 통합하는 방법에 대해 설명했다.
 

매스웍스의 크리스 헤이허스트(Chris Hayhurst) 컨설팅 서비스 이사

이종민 대표이사는 이번 기자간담회의 핵심 메시지는 “매스웍스는 4차산업혁명 트렌드와 AI 기술의 핵심에 있다”라는 것이라는 말로 서두를 열었다. 특히 자동차 회사에서도 데이터를 활용한 ICT, 머신러닝, 자율주행 기술 등이 개발되고 있는데, 매스웍스가 그 기술의 핵심에 있다는 점을 강조했다. 또, 매스웍스는 라이선스 판매뿐만 아닌, 고객들이 그 솔루션을 활용해 성과를 낼 수 있도록 하는 컨설팅, 트레이닝 조직을 가지고 있다고 피력했다.

크리스 헤이허스트(Chris Hayhurst) 컨설팅 서비스 이사는 매킨지 보고서를 인용해 AI가 증기 기관보다 전 세계에 훨씬 더 큰 영향을 줄 것이며, 2030년까지 AI와 관련된 제품의 경제적 효과가 13조에 이를 것이라는 분석이 있다고 말하고, AI는 증기 기관이 세계에 미친 영향의 4배, IT 시스템이 미친 영향의 3배의 영향을 미칠 것으로 예상된다고 덧붙였다. 그러나 실제로 이 AI를 적용하려는 회사들은 어려움에 봉착해 있는데, 매스웍스는 AI기술이 실패하는 이유를 4가지로 설명했다. 첫 번째는 프로그래밍하는 사람이나 데이터 사이언티스트가 없다는 인력의 문제일 수도 있고, 두 번째는 분석할 만한 데이터가 충분하지 않거나, 혹은 너무 많거나 하는 이유가 있을 수도 있으며, 세 번째로는 잘못된 툴을 사용하거나 너무 많은 툴들을 통합하기 어려운 상황이 있을 수도 있다. 네 번째는 비즈니스 자체에 문제가 있어서일 수도 있는데, 이는 해당 비즈니스가 AI로 해결할 만한 일이 아니거나, 아니면 너무 공수가 많이 걸리는 문제이기 때문일 수도 있다. 즉, AI 자체의 도입에만 집중할 것이 아니라, 그 이면의 다른 부분에 대해 집중해야 한다는 설명이다.

매스웍스코리아 이종민 대표이사

다음은 매스웍스 소프트웨어를 사용할 때 중점을 두어야 하는 세 가지다.

첫 번째 인사이트. 회사 내에 있는 엔지니어나 공학자가 가지고 있는 ‘인사이트’를 활용하는 것이다.

두 번째는 전체 구현. 해당 데이터와 인사이트를 전체 디자인 플로우에 구현하는 것이다.

세 번째는 연결성. 기업 내에서 사용하고 있는 다른 시스템에 연결하고, 통합하는 것이 중

요하다(AI를 사용하는 사람/작동 환경 등).

우선, 인사이트와 관련해 중요한 것은, 엔지니어나 공학자의 지식과 경험이 AI 기술에 활용되어야 한다는 점이다. 다양한 데이터 가운데 활용할 만한 데이터를 선택하고, 공학적인 트레이드워크를 통해 분석하며, 선택적으로 뽑아내면 더 나은 AI 모델을 만들 수 있는 가능성이 커지기 때문이다.

 
매스웍스 소프트웨어는 엔지니어들에게 이러한 인사이트를 줄 수 있다. 예시로, 뉴질랜드에서 분유를 만드는 낙농업 공장의 경우, 신선한 우유를 공정을 통해 분유로 만드는 과정을 가지고 있다. 문제는 이 과정에서 품질을 모니터링 할 수 없다는 점이고, 이러한 공정 과정이 수일이 걸린다는 것이었다. 그 과정을 통해 많은 시간과 자원의 낭비가 발생한다. 기업은 AI 솔루션을 통해 원유와 플랜트, 분유 등의 데이터를 AI 모델 안에 넣고, 실시간으로 품질을 예측할 수 있도록 설계한다. 이를 통해 낭비될 만한 부분을 제거하고 공정을 컨트롤 할 수 있을 거라고 생각했지만, 너무 많은 데이터가 있어서 예측이 잘못되었고, 각 공장별로 공정 프로세스가 다르다는 것을 깨달았다.

즉, 각 공장별로 다른 모델을 설계해야 한다는 인사이트를 얻게 됐다. 다음으로, 공장이 하나더라도 매년 공장의 예측 결과가 달라져야 한다는 것을 깨달았다. 이는 매년 우유를 만드는 환경적인, 기후적인 요인 때문이다. 이렇게 설계한 모델도 여전히 품질 문제가 일어났고, 모델이 전체적으로 공정을 커버하지 못한다는 결과가 나타났다. 마지막으로 얻은 인사이트는 회사가 편향된 데이터를 사용하고 있었다는 결과가 나왔다는 점이다. 즉, 품질이나 결과가 좋은 데이터만 활용했기에 제대로 된 결과를 얻을 수 없었다는 것이다. 이러한 인사이트를 통해 표준화된 데이터를 수집하여 AI 모델을 구동한 결과, 매트랩은 해당 낙농업 기업의 효율적인 파트너가 될 수 있었다. 즉, AI 프로젝트가 성공하기 위해서는 AI 모델에 과학, 공학적인 인사이트가 결합되어야 한다. 

다음으로, AI 솔루션의 구현에 대해 발표가 이어졌다. 매스웍스 제품은 AI 모델을 설계하는 것뿐 아니라, 데이터를 테스트하고 보고하며, 실제 구현하는 것까지 빠르고 효과적으로 실행할 수 있다.

이와 관련해 Voyage 사례가 소개됐다. Voyage라는 자율주행 자동차 개발 기업은 자율 주행 차량이 활용될 수 있는 특정한 장소에 집중해 미국의 실버타운을 골랐는데, 이곳은 도로 시스템이 간단하나 운전을 하기 힘든 노인들이 있었기 때문이다. 즉, 자율주행 차량을 신속하게 채택하기 좋은 환경이었다. 해당 기업은 매스웍스 소프트웨어뿐 아니라 필요한 기술을 다양하게 활용했다. 우선 차량의 움직임을 컨트롤하기 위해 AI 시스템을 세우는 것이 가장 중요한 프로세스였다. 이뿐 아니라, 차량 지원 시스템, 제어 시스템, 그리고 주변의 환경을 분석하는 기능이 필요했다. 이 과정에서 기존에는 오픈소스 소프트웨어를 사용해 실패한 사례가 있었다.

매스웍스 시뮬링크 소프트웨어로 바꿔 성공하게 되었는데, 시뮬링크는 자동차가 어떻게 장애물에 부딪히고, 움직이며 반응하는지 분석할 수 있는 조감 데이터를 제공했다. 시뮬링크의 오토메이션 코드를 활용해, 이것을 ROS로 빌드할 수 있었다. ROS는 하나하나 수기로 코딩할 필요 없이, 자동으로 생성된 코드를 통해 알고리즘을 만들고 활용할 수 있었다. 본래는 AI 모델을 학습시키기 위해 현장 데이터를 수집하고, 이를 통해 알고리즘을 만들며 실제 활용하는 과정이 있다.

이렇게 AI 시스템을 정교화하려면, 실제 주행이나 테스트의 과정이 많이 필요하기 때문에 긴 시간이 걸린다. 하지만 시뮬링크는 가상 데이터와 합성을 통해 더 빨리 효과적인 알고리즘을 얻을 수 있었다. 이것이 중요한 이유는 AI 시스템을 훈련시키고 학습시키는 데 상당히 많은 공수가 걸리기 때문이다.

예를 들어, 실제 비디오를 찍어  라벨링 작업을 할 경우, 주행을 하며 하나하나 길을 기록하여 라벨링을 해야 하기 때문에 상당히 많은 시간이 걸리게 된다. 그 대신 시뮬레이션 데이터를 통해 가상 환경을 만들고, 테스트를 시행해 주행 상황에 대해 반응하는 데이터를 만들 수 있게 된다. 이러한 과정을 개선하고 정교화 시켜 효과적인 AI 모델을 만들 수 있다. 이를 통해 시뮬링크는 Voyage라는 회사의 자율주행 프로세스를 3개월 내에 3레벨로 개발할 수 있었다. 즉, 전체 디자인 프로세스를 아우르는 툴 체인을 활용해야 한다는 점이 중요하다.

마지막으로, 다양한 시스템 통합의 필요성에 대해 설명이 이어졌다. 실제 자율주행을 할 경우, 자동차는 도로 상황, 표지판, 지나가는 사람 및 다른 차량 등 다양한 차량 데이터를 통합해야 한다. 시뮬링크는 이 모든 파트에 대한 데이터를 모델화 할 수 있다. EarlySense 라는 의료 회사의 사례가 있다.

이 회사는 환자의 매트리스 아래에 센서를 두고, 환자에게 향후 몇 시간 내 어떤 증상이 일어날지 예측하여 치료를 할 수 있는 시스템 회사다. 얼리센스는 환자와의 물리적 연결 없이도 심장박동이나 움직임을 측정할 수 있는 센서를 만들었고, AI 모델링을 통해 환자 개인의 고유한 데이터를 얻을 수 있었다. 이를 통해 얼리센스는 위독한 증상을 예측할 수 있고, 지속적인 모니터링을 통해 증상을 조기 감지하며 빠르게 치료를 할 수 있다. 이를 통해 치료율을 높일 수 있게 된다. 중요한 것은, 이 AI 모델이 의사, 간호사 등이 사용하는 기존의 병원 시스템과 연결되어야 한다는 점이다. 한 예시로 환자가 일어나려고 하면 움직임을 포착하고, 간호사에게 메신저로 연락이 가며, 환자의 낙상을 방지할 수 있도록 한다. 즉, AI의 성공을 위해서는 이 시스템이 주변 시스템이나 환경과 어떻게 상호작용을 하고, 결합할 수 있을지 생각해야 한다.

크리스 이사는 AI는 “앞으로도 혁신적인 기술이 될 것이지만, 다양한 실패 사례에 봉착하기도 한다. 때문에  성공적인 AI 활용을 위해서는 AI 자체만이 아닌, AI 그 이상의 지식이 있어야 한다. 낙농업, 자율주행, 의료 업계의 예에서 볼 수 있듯이, AI나 데이터 그 자체가 아니라 그 활용에 대한 인사이트, 이해, 그리고 활용이 중요하다”고 말했다. 또 “매스웍스는 이러한 AI 기술을 각 회사에 적용할 수 있는 매트랩과 시뮬링크를 개발했다”고 말하고, “ 이 기술은 기존에 회사가 사용하고 있는 다양한 시스템이나 제3자 기술에도 통합될 수 있기 때문에 효과적인 기술이며, 이러한 구현을 통해, 좀 더 큰 세계의 기술과 AI 기술을 통합할 수 있다”고 발표를 마무리했다.