인공지능(AI) 속의 딥러닝(Deep Learning)… 현재와 다가올 미래 세계

딥러닝의 객체 탐지기술(Object Detection)이 실생활에 어떻게 활용될까
인공지능과 함께 딥런닝의 자율주행 기술 산업
인공지능과 딥러닝의 발전에 따른 막연한 불안감

김문선 기자 승인 2020.11.16 21:04 | 최종 수정 2020.11.18 12:33 의견 0
자료 : pixabay

인공지능(Artificial Intelligence) 가장 넓은 의미에서의 인공지능으로서 인공적으로 구현한 모든 수준의 지능을 포 괄한다. 컴퓨터 과학 측면에서 보면, 환경을 인지하여 어떤 목표를 성취할 수 있는 가능성이 최대화 되도록 행동을 취하는 지능적 객체에 대한 연구. 과학으로서의 인공지능, 머신러닝, 딥러닝으로 구분한다. 머신러닝(Machine Learning) 구체적으로 프로그래밍하지 않아도 스스로 학습하여 임무를 수행할 수 있는 능력을 컴퓨터가 갖도록 구현하는 AI의 한 분야이다. 또한 딥러닝(Deep Learning) 데이터에 대한 다층적 표현과 추상화를 통해 학습하는 머신러닝의 기법. 일반적으로 머신 러닝이라고 하면 딥러닝을 포함하는 것으로 이해하면 된다.

딥러닝은 세상을 이해하고 감지하는 인공지능을 개발하는데 가장 촉망 받는 기술이 되고 있다. 최근에는 여러가지 인지능력 프로젝트에 집중되고 있고 수많은 성공 사례들이 발표되고 있다. 인터넷 포탈 회사들이(구글, 바이두, 페이스북) 가장 앞서서 개발을 하고 있으며 GPU를 사용한 다양한 딥러닝 연구들과 성과들이 적용되고 있다. 인공지능을 구성하기 위한 인공신경망(ANN, Artificial Neural Networks)에 기반하여 컴퓨터에게 사람의 사고 방식을 가르치는 방법이다. 사람이 가르치지 않아도 컴퓨터가 스스로 사람처럼 학습할 수 있는 인공지능 기술이다.

◇ 딥러닝의 객체 탐지기술(Object Detection)이 실생활에 어떻게 활용될까

컴퓨터가 스스로 운전을 하는 것이 SF영화에서나 볼 수 있었던 그 상상은 이제 현실이 됐다. 현재 우리가 알고 있는 바로 자율 주행 시스템이다. 사람이 운전을 하며 앞과 옆에 지나가는 사람과 차가 없는지 꼼꼼히 살피는 것처럼, 자율 주행 자동차도 물체나 사람 인식이 가장 중요하다. 또한, 신호의 색을 구분해 멈추거나 주행을 하는 것도 중요하다. 컴퓨터가 스스로 객체를 인식하고, 신호를 인식하는 기술. 이를 가능케 하는 기술이 바로 객체탐지기술(object detection) 이다.

객체탐지기술은 오랫동안 인공지능 비전 분야에서 꾸준히 연구되어 왔다. 카메라를 통해 들어온 영상에서 배경과 객체를 구분해 식별하는 방법이다. 객체탐지기술은 자동차 자율주행 분야를 넘어 다양한 분야에서 활용 가능하다. 불법 주정차 탐지, 이미지 검색, 글자 탐지(OCR), 얼굴인식, 공장 내 위험 요소 탐지 등에서 활용될 수 있다.

특히 최근 각광 받고 있는 스마트팩토리 구축 사업에서 객체탐지기술은 중요한 분야이다. 공장 내에서 일어날 수 있는 각종 안전 사고를 탐지기술을 통해 미연에 방지 해줄 수 있기 때문이다. 예를 들어, 현장 근로자가 위험 지역에 실수로 들어가거나 위험 요소가 현장 근로자에게 다가올 때 컴퓨터가 이를 미리 감지하고 경고를 준다. 근로자는 이 경고 알림을 통해 산업현장 속 크고 작은 사고들을 피할 수 있다.

◇ 인공지능과 함께 딥런닝의 자율주행 기술 산업

인공지능과 함께 자율주행 기술 역시 산업 전반에 전례 없는 변화를 일으킬 것으로 예상됩니다. 자율주행 시스템은 지금까지 100년이 넘도록 큰 변화가 없었던 자동차의 형태와 사용 방식, 나아가 교통 인프라까지 관련 산업에 막대한 영향을 끼칠 수 있기 때문입니다. 자율주행은 자동차뿐만 아니라 비행기, 선박, 드론, 로봇 등 다양한 이동체에 쉽게 응용될 수 있습니다. 자동차 기업, ICT 기업, 차량 공유 업체 등 다양한 플레이어들은 현재의 Level 2~3 수준(제한된 환경에서 주변 상황에 따라 자동차 스스로 가속, 감속, 정지 정도만 수행)을 넘었습니다. 그로 인해 인간 개입이 없이도 목적지까지 자율주행이 가능한 Level 4 기술 개발에 총력을 기울이고 있습니다.

종전에는 주로 자동차 전문가들이 모여 규칙기반방식(Rule-based Approach)으로 자율주행 기술을 개발했습니다. 또한 자율주행 기술들은 대개 자체 개발되고 핵심 기밀로 내재화되어, 외부로 공개되지 않았습니다. 그러나 최근 comma.ai, drive.ai 같은 자율주행차 스타트업들은 축적된 주행 데이터와 딥러닝 알고리즘을 통해 자율주행 기술을 구현한다. 다임러(Daimler), 폭스바겐(VW), 도요타(Toyota) 등 주요 완성차 제조사들은 2016년 이후 딥러닝 스타트업 투자•인수를 통해 외부 기술을 빠르게 도입하고 있습니다. 인공지능 전용연구소를 설립해 자체 기술개발에도 막대한 투자를 진행하기 시작했습니다. 특히, GM과 포드(Ford)는 각각 약 1조 원이 넘는 금액으로 딥러닝 기반의 자율주행 스타트업을 인수, 투자하며 뒤처졌던 기술 경쟁에 대응하고 있습니다.

◇ 인공지능과 딥러닝의 발전에 따른 막연한 불안감

인공지능과 딥러닝의 발전에 따라 일자리 대체는 아직 본격화되고 있지 않기 때문에, 컴퓨터와 같이 생산성 향상에 도움을 주는 조력자의 역할을 담당할지 또는 단순 업무를 넘어 지적 업무까지 대체하게 될지 추후 양상을 살펴보고 유연하게 대응할 필요가 있다. 물론 정부는 딥러닝 관련 신 직업 육성, 직업군 변화에 따른 재교육 프로그램 개발 등으로 딥러닝으로 인한 일자리 감소에 사전적으로 대비해야 할 것이다.

또한 인간수준의 일반 인공지능이 가능해지면 인류를 위협할 것이라며 불안해하는 사람들이 많이 있다. 하지만, 현재 딥러닝을 연구하는 사람들의 대부분은 인공지능이 인류를 공격하는 것보다는 인공지능의 결함이나 인공지능의 오남용이 현재로서는 더욱 위협적이라고 우려하고 있다. 이러한 시점에서 인공지능의 핵심기술인 딥러닝의 배경과 개념들을 살펴보고 이해하는 것은 중요하다.

저작권자 ⓒ 디지털비즈온, 무단 전재 및 재배포 금지