[ET단상]2021년과 그 이후의 5가지 인공지능(AI) 트렌드

지난해 비대면 트렌드 확산과 더불어 모든 산업에서 디지털 전환(DX)이 가속화됐다. DX 요소 기술인 인공지능(AI)은 데이터센터 및 고성능 컴퓨팅 시스템에서 차량전자제어장치(ECU)와 같은 임베디드 장치, 게임 분야를 넘어 자율 시스템으로 확산됐다. 또 '데이터 라벨링 자동화' '시각화 기반 딥러닝 네트워크 훈련 및 설계' 등과 같이 전문 프로그래밍 지식 없이 AI를 쉽게 개발할 수 있도록 지원하는 소프트웨어(SW)와 시뮬레이션 기술이 AI 확산에 기여했다.

올해는 경량화, 자동화, 설명 가능성, 현실성, 에지 장치로 배포 등 중심으로 AI 확산세가 지속할 것으로 예상된다. 주요 트렌드를 살펴보자.

올해 AI는 엔지니어와 과학자가 실제 산업 분야에서 문제 해결 및 응용 사례 개발 시 가장 먼저 찾는 혁신 솔루션이 될 것이다. AI는 제어, 신호 처리와 같이 수학·물리학·공학 분야에서 기존의 많은 수작업이 필요하던 기법을 완전히 대체 또는 보완한다. 예를 들어 AI 기반의 '차원 축소 모델링' 기법은 복잡한 계산을 요구하는 대규모 고정밀도 모델 구조를 간단하게 하는 솔루션으로서 산업 시스템을 좀 더 쉽게 설계하고 시뮬레이션하도록 지원한다.

산업계뿐만 아니라 학계에서도 공학 및 과학 분야에 AI를 적용한 연구가 늘어날 것이다. 이는 'AI+제어 이론'과 같이 AI 실무 교육을 기존의 수업 과정에 통합한 AI+'X' 형태의 교육이 활성화돼 미래 엔지니어와 과학 부문 인재가 AI 사용법을 익히고 있는 지금의 현상을 통해 알 수 있듯 앞으로 더욱 가속할 것이다.

공학 엔지니어, 컴퓨터 프로그램과 데이터를 다루는 컴퓨터 과학자 및 데이터 과학자, 정보기술(IT) 전문가는 AI 주도 시스템 개발 성공을 위해 협업하면서 각자 역량을 결집할 것이다.

실제 환경에서 AI 시스템은 보통 수년, 나아가 수십 년에 걸쳐 가동된다. 오랜 운영 기간 변화하는 산업 요구에 대응해 AI를 고도화할 수 있어야 한다. 이를 위해선 전체 시스템 수준에서 AI 모델을 훈련, 구축, 모니터링, 업데이트하는 '모델 라이프사이클 관리'를 반복 수행하고 자동화해서 효율화할 수 있어야 한다. 개발 모범사례로서 모델 및 데이터 버전 관리 등 기법과 IT를 통한 프로덕션 파이프라인 도입을 통해 AI 워크플로가 확대되면서 여러 부품과 AI 알고리즘이 긴밀하게 작동하는 시스템의 성공 개발을 지원할 것이다.

지금까지 많은 연구자가 AI에 대해 블랙박스형 접근 방식을 취해 왔지만 각고의 연구개발(R&D) 덕분에 '설명 가능한 AI 모델 기법'이 충분히 개발됐다. 엔지니어와 과학자는 모델의 의사결정 방식과 안전한 운영 범위를 규명하고, 다양한 시나리오에서 모델이 예측 가능한 방식으로 작동할 수 있도록 실험을 거듭하고 있다. 앞으로 AI의 설명 가능성에 대한 인식과 이해도가 높아짐에 따라 유럽민간항공시설기구(EUROCAE), 미국 식품의약국(FDA)과 같은 국제 표준 및 규제 조직에서 AI 시스템의 안전한 작동을 위한 인증 기준을 정립하는 등 민간 부문의 AI 검증이 향상될 것으로 전망된다.

자율주행 시스템, 원자력 발전소의 사고 예측 시스템과 같이 '안전성'이 매우 중요한 시스템에 탑재되는 AI는 동작 가능한 모든 시나리오를 테스트해서 검증해야만 생명을 보호할 수 있다. 현재 자율주행 자동차의 경우 인간 운전자가 동승하는 실제 도로 주행 테스트를 통해 이러한 검증 단계가 진행되고 있다. 그러나 물리 테스트는 시행 가능한 시나리오의 다양성이 크게 제한되고, 중대한 예외 상황을 모두 포착하는 데 오랜 시간이 꽤 걸린다. 엔지니어는 이를 대체한 3차원(3D) 시뮬레이션 SW 툴을 적극 활용할 것이다. 3D 시뮬레이션은 모델 기반 설계와 AI 모델 결합을 기반으로 다양한 시나리오에 대한 테스트 작업을 자동화할 수 있도록 지원한다.

이웅재 매스웍스코리아 이사 leer@mathworks.com