Microsoft Word - 한표지

Transcription

1 포커스 1 미 정부의 사이버보안 강화를 위한 국가 전략 및 정책적 시사점 [ 윤재석 / 한국인터넷진흥원 ] 기획시리즈 11 인공지능(AI) 부활의 동인과 국내외 기술개발 동향 [ 정영임 / 한국과학기술정보연구원 ] 최신 ICT 이슈 23 알파고의 심층강화학습을 뒷받침한 H/W 와 S/W 환경의 진화 31 때론 성가시고 때론 고마운 페이스북의 이미지 인식 AI 33 상업용 드론 개발 및 투자 현황 Weekly Brief

2 포커스 포커스 미 정부의 사이버보안 강화를 위한 국가 전략 및 정책적 시사점 윤재석* 미 정부는 최근 국가 사이버보안 수준을 단기 간에 높이기 위한 계획(Cybersecurity National Action Plan: CNAP)을 발표하였다. 이 계획은 다양한 민관 협력체계 수립, 사이버보안과 관련 된 고위 행정직위 및 조직 신설, 그리고 범정부 차원의 우선업무 추진 등의 내용이 포함되어 있다. 아울러 IT 현대화와 사이버보안을 위한 대규모 투자계획이 제시되어 있으며, 대통령의 2017회계연도 예산계획에 포함되어 있다. 이번 계획은 미국의 민간, 공공 및 정부 기관에 대 한 해킹위협과 침해사고가 급증하면서 국가 차원의 정보보호대책 마련과 이행에 대한 필요성 이 높아지면서 추진되고 있는 일련의 정책적 조치라고 할 수 있다. 본 고에서는 계획에 대한 세부 내용을 살펴보고, 우리나라 정책수립과 이행에 도움이 될 수 있는 시사점을 기술하도록 한다. 목 차 I. 서론 Ⅰ. 서론 Ⅱ. 미 사이버보안 강화 국가전략 이행계획 주요 내용 Ⅲ. 결론 및 정책적 시사점 * 한국인터넷진흥원 산업정책기획팀/수석연구위원 미 정부는 최근 국가 사이버보안 수준을 단기 간에 높이기 위한 계획(Cybersecurity National Action Plan: CNAP)을 발표하였 다. 이 계획은 다양한 민관 협력체계 수립, 사이버보안과 관련된 고위 행정직위 및 조 직 신설, 그리고 범정부 차원의 우선 업무 로서 사이버보안 관련 사업 추진 등의 내 용이 포함되어 있다. 아울러 IT 현대화와 사이버보안을 위한 대규모 투자계획이 제 시되어 있으며, 이는 대통령의 2017 회계 연도 예산계획에 포함되어 있다. 이번 계획은 미국 민간, 공공 및 정부 기관에 대한 해킹위협과 침해사고가 급증 하고 이에 따라 국가 차원의 정보보호대책 정보통신기술진흥센터 1

3 주간기술동향 마련과 이행에 대한 필요성이 높아지면서 추진되고 있는 일련의 정책적 조치라고 할 수 있다. 최근 발생한 소니 픽처스에 대한 사이버공격과 디지털 콘텐츠 유출, 미 인사관리처 (Office of Personnel Management: OPM)에 대한 APT 공격과 대규모 개인정보유출, 1) 주요 기반시설에 대한 사이버공격 급증 등으로 인해 미국은 사이버보안을 최우선 순위의 정책으로 상정하게 되었다. 본 고에서는 계획에 대한 세부 내용을 살펴보고 우리나라 정책수립과 이행에 도움이 될 수 있는 시사점을 기술하도록 한다. II. 미 사이버보안 강화 국가전략 이행계획 주요 내용 1. 사이버보안 부문 신규 조직 및 직위 신설 먼저 주목할 내용은 미 정부가 정보보호 고위 직위와 관련 조직 신설을 통해 사이버보 안 태세를 더욱 체계화하려는 노력을 기울이고 있다는 점이다. 대표적으로 미 정부는 사 상 최초로 연방정부 차원의 최고 정보보호책임자(Chief Information Security Officer: CISO) 직위를 신설할 것으로 밝혔으며, 해당 책임자는 연방정부 차원에서 사이버보안 정 책ㆍ계획ㆍ이행을 책임지고 추진하는 임무를 부여 받게 된다. 아울러 국토안보부, 상무부, 에너지부 등은 국가 사이버보안 복원센터(National Center for Cybersecurity Resilience: NCCR)를 공동으로 설립할 예정이다. 센터는 전력망 그리 드와 같은 제한된 환경에서 사이버공격에 대한 대응 시스템을 테스트하기 위해 기업과 여 타 다양한 기관들이 이용할 수 있는 시설을 제공할 계획이다. 한편, 대통령 행정명령에 2) 의해 설립되는 연방 프라이버시 이사회(Federal Privacy Council: FPC)는 연방정부기관들과 부처들의 프라이버시 담당관들에게 연방정부 차원의 체계적인 프라이버시 개선 노력을 이끌도록 지원할 예정이다[1]. 1) 이 공격으로 약 2,200 만 명에 이르는 대규모 개인정보 유출이 발생한 것으로 밝혀졌다. 2) 미 오바마 대통령은 2 월 9 일 발표된 행정명령을 통해 120 일 이내에 예산관리국 국장으로 하여금 프라이버시 책임자의 역할 및 지정에 대한 기준을 정하도록 하고, 각 기관은 이를 이행하도록 하고 있다. 아울러 예산관리국의 부국장을 의장으로 하는 프라이 버시 이사회를 설립하여 연방정부 차원의 프라이버시 정책 개발ㆍ조정ㆍ평가 등의 임무를 수행하도록 하고 있다. 2

4 포커스 2. 사이버보안 민관 협력체계 수립 국가이행 계획은 국가 사이버보안 증진위원회(Commission on Enhancing National Cybersecurity: CENC)를 설립하도록 하고 있다. 대통령 행정명령에 3) 따라 설립하도록 한 위원회는 선도적인 기술기업의 CEO, 그리고 입법부, 사법부의 전문가 등을 모아 사이 버보안과 관련된 세부사항과 더불어 향후 10 년간 공공 및 민간 분야 사이버보안을 강화 하기 위한 권고를 2016 년 말까지 제시할 예정이다. 해당 내용은 사이버보안 행동계획과 관련된 세부 이행활동, 그리고 장기적으로 사이버보안 강화를 위한 국가 차원의 로드맵으로 서 활용될 것으로 보인다. 미 행정부는 또한 국가 사이버보안 연합(National Cybersecurity Alliance: NCA)과 선도적인 기술기업들로 하여금 2 중 인증에 대한 대중의 인식을 높이도 록 노력할 것을 요청하였다. 동시에 연방정부는 더욱 효과적인 신원증명 솔루션과 강력한 다중인증체계를 도입하고, 식별자로 사회보장번호(Social Security Number: SSN)를 활용 하는 빈도를 줄여 나갈 것으로 밝혔다. 아울러 최근 미 표준기술연구소(NIST)의 신뢰할 수 있는 신원확인 국가전략(National Strategy for Trusted Identities in Cyberspace: NSTIC) 프로그램 운영사무국은 아이덴티티 에코시스템 조정그룹(Identity Ecosystem Steering Group: IESG)으로 알려진 민관 협력체계를 통해 디지털 아이덴티티 관리에 필 요한 사항들의 유용성을 검토하고 있으며, 이를 위해 연방정부기관과 민간 부문에서 신원 확인에 필요한 솔루션의 효율성을 측정하기 위한 보고서를 발간했다[12]. 한편, 미 연방거래위원회(Federal Trade Commission: FTC)는 최근 신원절도 신고, 개인회생계획, 관계기관 신고절차 간소화 등을 위해 IdentityTheft.Gov 를 다시 오픈 하였 으며, 중소기업청(Small Business Administration: SBA)은 연방거래위원회, 국가표준기술 연구소(NIST), 에너지부(DoE)와 함께 140 만 개에 달하는 중소기업을 대상으로 하는 사 이버보안 교육훈련을 제공할 계획이다. 중소기업청은 또한 금융거래의 안전성을 확보하기 위해 바이시큐어 이니셔티브(Buy Secure Initiative)에 4) 새로운 목표를 제시하고 있다. 현재 연방정부는 250 만 개 이상의 3) 위원회는 상무부 산하에 설립되며, 대통령은 의장, 부의장을 포함하여 사이버보안, 디지털 경제, 국가 안보, 위험관리, 정보기술, 프라이버시, 신원관리, 인터넷 거버넌스 및 표준 분야 등 전문가 12 명의 위원들을 지명하도록 하고 있다 년 12 월 1 일까 지 연방정부와 민간기업에서 준수해야 할 사이버보안 강화 방안을 제시할 계획이며, 국가표준기술연구소(NIST)가 이를 지원한다[2]. 4) 대규모 카드정보 유출사고가 발생함에 따라 미 정부가 2014 년 10 월에 발표한 프로젝트로서 연방정부가 발생하는 신용카드 IC 를 탑재하고 PIN 으로 본인인증을 실시하는 칩앤핀(Chip & Pin) 으로 전환을 유도하고 있다. 이에 따라 연방정부 내 리더기는 IC 카드를 지원해야 한다. 정보통신기술진흥센터 3

5 주간기술동향 보안칩과 PIN 기반의 결제카드를 제공하였으며, 향후 카드 리더기를 모두 재무부에서 관 리하도록 하였다. 미 행정부는 이 계획에서 추가적인 민간 업계와의 협력계획을 밝혔는데, 정부는 리눅 스 재단의 주요 인프라 이니셔티브(Core Infrastructure Initiative) 및 기타 다른 기관과 함 께 오픈소스 소프트웨어, 프로토콜, 그리고 표준 등과 같은 부문의 주요 자산을 보호하기 위한 노력을 전개할 예정이다. 아울러 국토안보부는 업계와 함께 사물인터넷에서 연동되 는 네트워크 디바이스를 인증하고 테스트하기 위한 사이버보안 인증 프로그램 (Cybersecurity Assurance Program: CAP)을 개발할 계획이다. 마지막으로 건강보험기 업들을 대상으로 데이터 보안에 대한 개선대책을 마련하여 이행할 것을 촉구했다. 5) 3. IT 현대화와 사이버보안을 위한 투자 확대 대통령이 의회에 요청한 2017 회계연도 예산계획에서 사이버보안에 대한 예산은 190 억 달러 이상일 것으로 전망된다. 이는 2016 회계연도 확정 예산에 비해 35% 이상 증가 한 것이다. 6) 이 예산 요청에는 미 법무부의 사이버범죄자 식별, 수색, 체포 등을 위한 활 동에 23% 이상의 인상안이 포함되어 있다. 아울러 31 억 달러에 달하는 정보기술 현대화 기금(Information Technology Modernization Fund: ITMF)이 포함되어 있으며, 이는 보 안과 유지관리가 어렵거나 비용이 많이 드는 IT 시스템에 대한 대체, 현대화 등을 위한 것이다. 사이버보안 인력을 대거 충원하기 위한 예산 요청 또한 이루어졌다. 국토안보부는 총 48 개에 이르는 연방정부의 민간 사이버방위팀을 구성하고, 민간 부문의 조직과 함께 사이버보안 자문관의 수를 2 배 증원할 예정이다. 7) 미 사이버군은 6,200 명으로 구성된 군, 민간, 계약 직원으로 이루어지며, 이들은 2018 년까지 133 개 팀으로 전면적인 운영에 들어갈 예정이다. 한편, 미 정부는 국가 사이버보안 교육 이니셔티브(National Initiative for Cybersecurity Education: NICE)를 8) 통해 사이버보안 교육훈련과 사이버보안 전문 가 고용을 확대할 계획이다. 사이버보안 인력 고용 및 유지를 위한 대통령 예산 요청은 5) 그러나 이를 이끌 수 있는 구체적인 협력계획이나 부가적인 필요사항에 대해서는 제시하지 않았다. 6) 이 예산내역에는 국가안전국(NSA)을 비롯한 첩보기관의 예산은 포함되지 않은 것으로 알려져 있다[3]. 7) 오바마 대통령이 의회에 요청한 2017 회계연도 예산안에서 국토안보부에 배정된 예산은 406 억 달러에 이르며, 이는 2016 회계 연도 확정예산보다 3 억 8,100 만 달러가 더 많은 것이다. 한편, 국토안보부는 재난구조기금(Disaster Relief Fund: DRF) 명목으 로 67 억 달러를 별도 추가 요청하였다. 8) 미 정부가 2010 년부터 중점 추진하고 있는 국가 차원의 사이버보안 교육 프로그램 4

6 포커스 6,200 만 달러에 달하며, 해당 예산은 아래와 같은 항목에 투자될 예정이다. - 사이버보안 교육 수강 및 연방정부기관 근무를 희망하는 인력에 대한 장학금 지원 확대 - 사이버보안 분야 전공자들이 연방정부를 위한 업무 수행을 하는데 필요한 주요 커리 큘럼 개발 - 국가 차원의 사이버보안 교육 프로그램 강화 9) 아울러 미 정부는 연방정부기관에서 보안업무를 맡게 되는 전문가에게 학생융자 프로 그램을 통한 지원을 추진할 계획이라고 밝혔다. 4. 범 정부차원의 우선 추진 업무로 설정 미 정부는 2015 년 10 월 사이버보안 전략 이행계획(Cybersecurity Strategy Implementation Plan: CSIP)을 발표한 바 있다. 이 계획을 마련한 직접적인 계기는 미 인사관리처(OPM)에 서 발생한 대규모 개인정보 유출사고라고 할 수 있으며, 예산관리국(Office of Management and Budget: OMB)은 각 연방정부기관에 보낸 메모(memorandum)를 통해 연방정부의 사이버보안 수준을 높이고 정보보호정책, 실행, 거버넌스 등을 근본적으로 개혁하기 위해 정부 차원의 노력을 배가해야 한다고 강조하고, 정보유출에 따른 온라인 방어태세를 즉각 강화하도록 촉구한 바 있다. 아울러 각 기관에는 이 계획을 실행하기 위한 책임자를 지정 하도록 하였다[5]. 이행계획에서 제시된 과제들을 지속적으로 추진하기 위해 연방정부기관들은 자신들이 보유한 고 가치(high values), 고 위험(high risk) IT 자산을 판별하고 이의 보안수준을 높 이기 위한 계획을 예산관리국에 보고해야 한다. 아울러 국토안보부, 연방조달청(General Services Administration: GSA), 그리고 기타 연방정부기관들은 범정부 차원에서 IT 및 사이버보안을 위한 자원 공유와 그 가용성을 높여야 한다. 국토안보부는 자체적으로 운영 중인 침입탐지시스템(Einstein)을 개선하고, 지속적인 진단 및 위험 감소 프로그램을 운영 할 예정이며, 연방정부기관들은 새로운 개선 능력 함양을 위한 노력을 전개할 예정이다. 9) 미 행정부는 2 가지 사이버보안 교육 프로그램을 중점적으로 운영하고 있다. 첫 번째는 국가안보국(NSA)과 국토안보부(DHS)의 정보보증 교육 프로그램(National Centers for Academic Excellence in Information Assurance/Cyber Defense, CAE)이며, 두 번째는 국립과학재단(NSF)의 사이버보안 전문가과정(CyberCorps: Scholarship for Service, SFS)이다. 정보통신기술진흥센터 5

7 주간기술동향 한편, 미 행정부는 2016 회계연도 연방정부 사이버보안 연구개발 전략(2016 Federal Cybersecurity Research and Development Strategic Plan)[6]을 발표하였다. 이 계획은 미 연방정부 차원에서 제시한 사이버보안 연구개발계획 중 가장 포괄적이며, 2011 년 발표 한 신뢰할 수 있는 사이버공간 연방: 사이버보안 연구개발 프로그램 전략계획(Trustworthy Cyberspace: Strategic Plan for the Federal Cybersecurity Research and Development Program)[7]의 업데이트 버전이라고 할 수 있다. 이 계획은 단ㆍ중ㆍ장기로 나뉘며, 먼저 단기 목표는 효과적인 위험관리를 통해 적의 공격에 대응할 수 있도록 관련 기술을 개발하는 것이다. 이를 위해 조직들은 사이버공간 에서 당면한 위협을 이해하고 증거기반의 위험관리를 이행해 나갈 필요가 있다. 이는 위 험판별, 평가 및 대응 등의 프로세스로 이루어지며 효과적이고 측정 가능한 통제 요소들 의 개발을 포함한다. 최선의 선택을 위해 조직들은 보안통제의 효율성과 실제 환경에서의 운영이 미치는 파급효과, 그리고 이용자ㆍ공격자 등의 행동을 반영하는 데이터가 필요하다. 중기 목표는 지속 가능한 신뢰 시스템과 운영 방안을 개발함으로써 공격자의 비대칭 우위를 반전시키는 것이다. 즉, 공격과 침입에 대한 대응수준의 효율성을 높임으로써 악의 적인 사이버활동이 이상 이득이 될 수 없도록 만드는 것이다. 한편, 소프트웨어의 결함으 로 인해 많은 취약점이 발견되고 있으며, 악의적인 사이버활동에 대응력을 획기적으로 높 이기 위해 소프트웨어, 펌웨어, 하드웨어 등의 디자인과 실행에 있어 보안을 고려한 개발 이 필요하다. 그리고 선의의 이용자 실수 혹은 부주의 등에 의한 시스템 보안위협 발생도 DETER PROTECT EDTECT ADAPT Abandoned Prevented Detected Adapted to Maliclous Cyber Activities Considered Launched Bypassed Undetected Completed <자료> NSTC, FEDERAL CYBERSECURITY RESEARCH & DEVELOPMENT STRATEGIC PLAN, February (그림 1) 악의적인 침해행위에 대한 대응 6

8 포커스 빈번하기 때문에 사이버공간에서 인간의 행위와 경제적 인센티브를 고려한 효과적이고 측 정 가능한 기술적, 비기술적 보안 통제 요소를 개발할 필요가 있다. 마지막으로 장기 목표는 공격에 소요되는 비용과 위험을 증대시키고 이익을 감소시킴 으로써 악의적인 사이버 활동을 억제하는데 필요한 기술을 개발하는 것이다. 악의적인 공 격에 필요한 노력과 그 결과를 예측하는 것은 얼마나 효과적으로 이를 억제할 수 있는지 를 이해하는데 매우 중요하다. 이를 위해 새로운 포렌식 기술과 역량을 배양하여 공격자 를 신속히 파악함으로써 표현의 자유 혹은 익명성을 보장할 수 있다. 미 정부는 이 연구개발계획을 통해 인터넷을 보다 안전하게 만들 수 있을 것으로 기대 하고 있지만, 지속적인 사후 점검과 재평가, 연구개발 적용범위 확대 등의 노력이 이루어 질 필요가 있다고 강조하였다. 이와 관련하여 앞서 설명한 국가사이버보안증진위원회는 향후 10 년간 사이버보안 수준 제고에 필요한 권고뿐만 아니라 이 분야 연구 개발에 대한 추가적인 투자방안까지 제시할 예정이다. 한편, 미 행정부는 2016 년 봄까지 국가 사이버 사고 조정 정책을 발표할 계획이며, 아 울러 사고 평가 및 적절하고 지속적인 대응수준 유지를 위한 심각도 측정방법론(severity methodology)을 공유할 것으로 밝혔다. III. 결론 및 정책적 시사점 미 정부는 이 계획을 이행함으로써 사이버보안, 프라이버시 보호 수준을 개선하고 공 동의 안전은 물론 경제와 국가안보를 위한 장기적 목표를 달성하는데 큰 도움을 줄 수 있 을 것으로 기대하고 있다. 아울러 이를 통해 자국민들이 스스로 디지털 보안을 강화하는 데 도움을 줄 수 있을 것으로 주장하고 있다. 미국의 이번 국가 전략에서 주목해야 할 내용은 신규 직위 및 조직 신설, 예산 증대 등 을 들 수 있다. 먼저 최고 정보보호책임자 직위를 신설한 것은 의미가 있지만, 실효성을 담보하기 위한 조치는 다소 부족해 보인다. 대부분의 전문가들은 가장 큰 이유로 사고가 발생할 경우 책임져야 할 사항이 매우 막중하고 연방정부의 보안업무를 총괄하는 데 비해 매우 낮은 연봉수준과 10) 불합리한 보고체계, 11) 예산과 조직을 운영하는데 필요한 권한의 10) 연봉수준은 123,175 달러에서 185,100 달러 정도일 것으로 예상된다. 11) 연방정부 최고정보책임자(CIO)에게 보고하도록 하고 있다. 정보통신기술진흥센터 7

9 주간기술동향 부재 등을 들고 있다[13]. 이에 따라 대부분 적임자를 선발하는 것이 어려울 것이고, 선발 하더라도 1~2 년 사이 다른 자리로 이직할 확률이 높은 것으로 예상하고 있다. 주요 국가 인프라에 대한 사이버공격이 급증하고 그 정도도 매우 심각해지고 있는 가운데, 최고 정 보보호책임자는 보안사고를 막는 것보다는 자칫 피해에 대한 책임을 덮어 씌우는 희생양 이 될 가능성이 더 높다는 우려가 제기될 수 있다. 마찬가지로 새롭게 설립되는 연방프라 이버시이사회에도 책임에 걸 맞는 권한을 부여하는 노력이 필요할 것으로 보인다[10]. 12) 미국의 금번 프라이버시보호위원회 설립에 대한 행정명령은 연방정부가 보유한 데이터에 대한 사항만을 규정한다는 한계를 지니는 데 이를 뛰어넘을 수 있는 국가차원의 프라이버 시 보호전략(comprehensive privacy protection strategy or policy)이 필요하다는 지적 이 제기되고 있다. 사이버보안의 예산이 대폭 증가한 점은 고무적이다. 그러나 실효적인 정책 제안과 조 직적이고 지속 가능한 추진 의지, 이행 노력이 필요하다는 점에서 예산 확대가 필수불가 결한 요소이지만, 충분 조건은 아니다[3]. 더욱이 정보보호 예산이 활용되는 세부 항목에 대한 정의가 불분명한 가운데, 예산 증가가 어떻게 효율적으로 활용될 수 있을지는 아직 예견할 수 없는 상황이다. 그리고 연방정부 차원의 예산 요청명목 또한 일관성이 없다는 점이 문제점으로 지적되고 있다. 이와 관련하여 우리가 정책적으로 고려해야 할 사항을 아래와 같이 몇 가지 나누어 볼 수 있다. 첫째, 사이버보안 및 개인정보보호를 위한 조직과 직위의 책임에 따른 권한 부여이다. 보안사고를 완벽히 막는 다는 것은 거의 불가능에 가깝기 때문에 책임의 한계를 명확히 규정하고, 피해를 최소할 수 있도록 예산과 조직 측면에서 충분한 권한을 부여하는 것이 필요하다. 둘째, 보안 개선을 위한 예산 확보와 증대는 반드시 필요하지만, 그 효율성을 높이기 위해서는 자세한 용처를 명시하고, 이를 지속적으로 관리하는 것이 필요하다. 셋째, 날로 진화하는 공격 기법에 보다 효과적으로 대응하기 위해 민간 부문의 연구개 발 성과를 신속하게 공공부문에도 도입할 수 있도록 하는 투자와 도입체계를 정비하는 것 12) 프라이버시이사회가 실질적으로 정보기관의 첩보 수집에 대한 견제권한을 행사할 수 있겠느냐는 회의도 적지 않다. 이에 대한 대안으로 의회의 감독기능 강화 방안이 제안되고 있다. 8

10 포커스 이 중요하다고 할 수 있다. 넷째, 사이버보안 정책의 실행에 있어서 우선순위 선정과 일관성 있는 실행, 사후 평가, 그리고 이를 기반으로 정책을 조정하는 순환적 환류체계가 마련될 필요가 있다. 이를 위 한 효과적인 사이버보안 정책평가 도구를 개발하는 노력이 필요하다. 이러한 종합적인 노력을 통해 국가 차원의 사이버보안 수준이 지속적으로 개선될 수 있을 것으로 판단된다. <참 고 문 헌> [1] The White House, Executive Order - Establishment of the Federal Privacy Council, Feb [2] The White House, Executive Order - Commission on Enhancing National Cybersecurity, Feb [3] Opinion: $19 billion alone won't fix Washington's cybersecurity problem, The Christian Science Monitor, Feb [4] The president's 2017 budget request: Homeland Security Department, Fierce Government IT, Feb [5] Office of Management and Budget, MEMORANDUM FOR HEADS OF EXECUTIVE DEPARTMENTS AND AGENCIES, Oct [6] National Science and Technology Council, FEDERAL CYBERSECURITY RESEARCH AND DEVELOPMENT STRATEGIC PLAN - ENSURING PROSPERITY AND NATIONAL SECURITY, Feb [7] National Science and Technology Council, TRUSTWORTHY CYBERSPACE: STRATEGIC PLAN FOR THE FEDERAL CYBERSECURITY RESEARCH AND DEVELOPMENT PROGRAM, Dec [8] The White House, National Challenges and Goals for Cybersecurity Science and Technology, Feb [9] The White House, Fact Sheet: Cybersecurity National Action Plan, Feb [10] Electronic Frontier Foundation, White House Executive Order on Privacy Falls Short, Feb [11] NIST, Advanced Identity Workshop on Applying Measurement Science in the Identity Ecosystem: Summary and Next Steps, Feb [12] NIST seeks feedback on measuring identity, authentication technologies, Fierce Government 정보통신기술진흥센터 9

11 주간기술동향 IT, Feb [13] New White House Cybersecurity Plan Creates Federal CISO, InformationWeek DARK Reading, Feb * 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 10

12 기획시리즈 기획시리즈 인공지능 인공지능(AI) 부활의 동인과 국내외 기술개발 동향 정영임 한국과학기술정보연구원 정보기반실 선임연구원 1. 서론 2. 인공지능시대 부활의 동인 3. 인공지능 바둑 프로그램 알파고 알고리즘 4. 국내외 기술 및 연구 동향 5. 결론 및 시사점 1. 서론 인공지능(Artificial Intelligence: AI)이란 기억, 지각, 이해, 학습, 연상, 추론 등 인간의 지성을 필요로 하는 행위를 컴퓨터 또는 컴퓨터 소프트웨어를 통해 실현하고자 하는 학문 또는 기술을 총칭한다[1] 년 존 매카시(John McCarthy)에 의해 AI 란 용어가 정의 되면서 인공지능에 대한 연구가 시작되었고, 반세기를 넘어 발전과 침체를 거듭하다 최근 기하급수적으로 향상된 컴퓨터의 계산 능력, 빅데이터 그리고 딥 러닝 기술의 활용으로 또다시 전성기를 맞고 있다. 인공지능은 인간의 뇌를 시뮬레이션하는 것을 목적으로 하는 강한 인공지능(Strong AI)과 특정 데이터를 입력하고 프로그램을 통해 학습시킴으로써 특 화된 작업을 수행하는 것을 목적으로 하는 약한 인공지능(Weak AI)으로 구분할 수 있다. 현재 상용화가 활발하게 진행되고 있는 분야는 약한 인공지능 기술 영역이며, 이는 인터 넷에 누적된 광범위한 데이터뿐만 아니라 웨어러블 단말, 각종 센서 등 새로운 플랫폼의 출현으로 더 많은 데이터를 시스템에 축적 및 학습하는 것이 가능해졌기 때문이다[2],[3]. 현재 세계 최고의 기업인 포춘 500 에 속하면서 인공지능 분야에 발을 들여 놓지 않은 기 업은 거의 없다. 산업 분야도 다양해서 유통, 자동차, 금융, 의료, 교통, 군사, 소비재, 에너 지 등 모든 영역의 기업이 포함되어 있다. 구글 딥마인드의 알파고(AlphaGo)와 이세돌 9 * 본 내용과 관련된 사항은 KISTI 정보기반실 정영임 선임연구원( )에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 정보통신기술진흥센터 11

13 주간기술동향 단과의 대결은 현재 전인류의 관심사이다. 본 고에서는 최근 10 년간 눈부신 발전으로 제 3 의 전성기를 맞은 인공지능 부활의 동인을 짚어보고 세간의 이목이 집중된 알파고 알고 리즘을 분석한다. 또 인공지능 관련 기술개발 동향에 대해 기술한다. 2. 인공지능시대 부활의 동인 분석 가. 딥 러닝 서론에서 거론한 바와 같이 인공지능 전성기의 재림은 핵심기술인 딥 러닝 알고리즘과 범용 GPU 의 비약적인 발전, 그리고 인터넷과 모바일, 센서 등을 통해 축적된 막대한 양 의 빅데이터 활용으로 가능하였다[4]. 딥 러닝은 심층신경망(Deep Neural Network)을 활용한 기계학습 방법이다. 1980~90 년대에 이론적 토대가 정립된 인공신경망(Artificial Neural Network: ANN)을 기반으로 하고 있다. 분류 문제에 있어 ANN 은 데이터를 잘 구분할 수 있도록 선형 맞춤을 한다. 구분선에 의해 분류가 안 되는 경우에는 비선형 변환 (nonlinear transformation)을 통한 공간 왜곡을 하고 다시 선에 의한 데이터를 구분함으 로써 복잡한 공간 속에서 최적의 구분선을 만들어 내는 데 목적이 있다[5]. 하지만 최적화(optimization)하는 데 드는 비용이 엄청날 뿐만 아니라 지역해(local minima) 문제로 인해 2000 년대에는 기계학습의 주류에서 밀려났다. 그러나 2006 년 토 론토대학의 힌톤 교수 등은 비지도 학습을 통해 데이터를 전처리하고 지도 학습으로 ANN 의 최적화를 수행하면 신경망의 깊이가 크게 증가해도 학습이 잘 된다고 밝혔다[6]. 이후 다양한 비지도 학습 알고리즘인 Restrict Boltzmann Machine(RBM), Autoencoder, Deep Belief Network 등과 Convolutional Neural Network(CNN), Sigmoid Neural Network 와 같은 지도 학습 알고리즘의 조합이 시도되었다. 또 시퀀스 데이터에서 탁월한 성능을 보이는 Recurrent Neural Network(RNN)의 개발과 Long-Short Term Memory (LSTM)의 도입으로 영상 데이터, 주가 데이터 등의 시계열 처리에 있어 학습 성능도 크 게 증가하였다[3]. 대부분의 기계학습 적용 분야에서 학습 자질(Learning Features)의 추 출 역시 학습의 성능을 좌우하며, 딥 러닝에서는 CNN 을 이용하여 자동으로 학습 자질을 추출하여 사람의 개입 없이도 기계학습을 수행하고 있다. 기존의 지도학습이 정답이 있는 적은 양의 학습 데이터로 생성된 모델이 학습 데이터에 과적합(Overfitting)되어 실제 문 제에는 성능을 발휘하지 못하는 한계가 있었다. 딥 러닝의 경우 지도학습과 비지도 학습 12

14 기획시리즈 인공지능 의 결합과 다양한 전처리 기법(Drop-out, Hold-out), 그리고 경험에 의한 휴리스틱 1) 데 이터 정규화 방안, 조기 종료(Early Stopping) 등을 총동원하여 태깅되지 않은 막대한 양 의 데이터를 획기적으로 향상된 성능으로 학습함으로써 인공지능 기술의 비약적인 발전을 견인하고 있다. 나. 범용 GPU GPU(Graphics Processing Unit)는 컴퓨터의 그래픽 연산을 전문적으로 담당하는 하 드웨어로 3D 그래픽 처리를 하는데 주 목적이 있다. GPU 는 부동소수점 연산을 하는 소 형의 코어 수천 개로 구성되어 병렬로 데이터를 처리하므로 소수의 코어로 구성된 CPU 에 비해 그 성능이 매우 뛰어나다. 범용 GPU(General-Purpose computing on GPU, GPGPU)는 GPU 가 CPU 보다 개별 코어의 연산 성능이 낮지만 병렬화가 가능할 경우 수 천 개의 코어로 계산의 효율이 크게 증가하는 것에 착안하여 그래픽 연산뿐만 아니라 일 반 컴퓨터 계산 영역에서도 GPU 를 활용하고자 하는 체제를 말한다[7]. GPGPU 가 뛰어 난 연산 속도를 낼 수 있지만 병렬 프로세싱을 위한 프로그래밍이 필요하다. 병렬 프로그 래밍 모델로는 C++AMP(C++Accelerated Massive Parallelism), CUDA, Open ACC, OpenCL(Open Computing Language) 등이 있다. C++AMP 는 CPU 와 GPU 를 사용한 이기종 컴퓨팅을 위한 개방형 프로그래밍 언어로 GPU 를 활용하여 C++ 코드의 실행속 도를 높일 수 있으나 플랫폼 의존적이며 Visual Studio 2012 에서만 사용 가능하다. CUDA 는 C 언어에 기반하여 공유 메모리를 사용하여 빠른 연산을 가능하게 한다. 또 시뮬레이 션과 같이 대량의 연산을 요구하는 다양한 분야의 병렬처리 연산에 적합하며 뛰어난 성능 을 자랑한다. 그러나 제조사에 특화되어 NVIDIA 의 Geforce 8 시리즈급 이상의 GPU 지 원만 가능하다. 최근에는 CUDA Fortran, PyCUDA(Python 기반) 등이 제공된다. Open ACC 는 컴파일러 지시문 기반 프로그래밍 모델로 개발자에게 비교적 간편한 프로그래밍 환경을 제공하여 더 높은 생산성을 기대할 수 있고 플랫폼 의존도가 낮은 장점이 있다. 그 러나 성능면에서 CUDA 보다 열세를 보인다. 크로노스 그룹에서 유지 관리 중인 OpenCL 1) CNN 에서 Multi Layered Perceptron 대신 수렴을 쓰거나 feed-forward 대신 RNN 을 쓰는 융통성을 발휘할 수 있다. 더 중요 한 것은 경험적으로 밝혀진 특정 데이터에 최적화된 모델을 선택하는 것이다. 또한, 최적화를 위한 활성화 함수(activation function)도 기존에는 시그모이드 계열 활성화 함수(sigmoid 혹은 Tanh 함수)가 사용되었으나 최근에는 Rectified Linear Units(ReLU neurons)가 각광을 받고 있다( 정보통신기술진흥센터 13

15 주간기술동향 은 Apple, IBM, Intel, NVIDIA 에서 개발한 범용 병렬 컴퓨팅 프레임워크로 GPU 와 기타 프로세서로 이루어진 이종 컴퓨터 시스템을 위한 산업 표준 프로그래밍 모델이다. Open GL 과 완벽하게 연동되며 모바일 임베디드 분야에서 사용이 가능하지만, NVIDIA 와 인텔 의 지원 부족으로 이기종 플랫폼 구현이 제한되는 단점이 있다[8]. 최근 저렴한 가격의 GPU 제품의 출시와 이를 효율적으로 이용할 수 있는 다양한 병렬 프로그래밍 모델이 개 발되어 딥 러닝과 빅데이터를 위한 컴퓨팅 속도는 획기적으로 개선되었다. 다. 빅데이터 빅데이터 기술과 함께 잊혀졌던 인공지능 기술이 재부상하고 있다. 빅데이터는 지금까 지 분석할 수 없었던 방대한 양의 정보를 분석하는 기술이다. 불가능할 것으로 여겨졌던 음성인식, 자동번역 등 인공지능의 가장 오래된 난제들이 빅데이터를 기반으로 해결의 실 마리를 찾고 있다. 빅데이터는 기계학습, 자연어 처리, 각종 통계 기법, 분산 병렬 컴퓨팅 기술 등 다양한 기술이 복합적으로 결합되어 있으며, 빅데이터의 요소 기술은 다음과 같 다. 컴퓨터가 정보를 받아들이는 첫 단계에서 가장 중요한 기술은 자연어 처리 기술이다. 또 영상이나, 행동, 온도, 습도 등 사람이 감각기관으로 감지하는 정보를 받아들여 처리하 는 기술도 요구된다. Hadoop, MapReduce, NoSQL 등은 수집된 데이터를 실시간으로 분 석할 수 있도록 하는 컴퓨팅 기술이다. 대용량의 데이터를 다루기 위해 데이터를 여러 대 의 서버에 분산 저장하고 이를 동시에 처리하기 위한 병렬처리 방식을 써야 하기 때문에 분산병렬 컴퓨팅 기술이라고도 한다. 마지막 기술 요소는 이들 데이터에서 의미를 도출하 고 활용하기 위한 기술이다. 데이터 속에서 패턴을 찾고, 새로운 정보를 덧붙여 좀더 정교 화된 패턴을 만들어 내고, 실시간으로 갱신되는 정보와 결합하여 현재 상황을 분석하고 예측치를 만들어 낼 수 있다. 이를 위해서는 Regression, ANOVA 와 같은 통계 모형과 기계학습 알고리즘, 그리고 분석된 결과치를 직관적으로 이해할 수 있도록 시각화하는 기 술이 필요하다[9]. IBM 의 왓슨 컴퓨터는 딥 러닝 기술을 사용하지는 않았다. 대신 사람의 지식을 집대성 한 도서, 논문, 백과사전, 성경, 소설 등 약 100 만 권 이상의 책을 지식베이스로 구축한 후 종합 분석에 활용하였다. 빅데이터와 컴퓨팅 파워에 의해 가능한 성공 사례이나, 인공 지능과 딥 러닝 모두 학습 데이터 양과 밀접한 관계가 있는 까닭에 독자적인 솔루션보다 는 플랫폼 오픈 정책을 사용하거나 오픈 생태계를 구축하기도 한다. IBM 은 IBM Watson 14

16 기획시리즈 인공지능 EcoSystem 을 구축하고 중소기업 파트너쉽과 다방면의 빅데이터를 확보하고 있다[4]. 3. 인공지능 바둑 프로그램 알파고 알고리즘 세기의 대결을 앞두고 있는 구글 딥마인드의 인공지능 소프트웨어 알파고는 딥 러닝을 바탕으로 몇 주만에 3,000 만 건이 넘는 대국 정보를 스스로 학습하며 최선의 수를 터득 하고 있다. 이는 사람의 학습 속도에 대입할 경우 약 1000 년 동안 바둑에 매진한 것과 맞먹는 분량이다. 이러한 방대한 양의 데이터를 처리하기 위해 알파고는 거대한 네트워크 로 연결된 분산 시스템을 통해 다수의 CPU 및 NVDIA GPU 프로세서들을 활용한다. 또 알파고는 딥 러닝 알고리즘 및 GPU 기술을 바탕으로 강화 학습 을 끊임없이 진행한다는 점에서 기존의 인공지능과 차별화된다[10]. 바둑은 우주의 원자 수보다 많은 경우의 수를 가지고 있어 완벽한 탐색은 불가능에 가 깝다. 알파고가 착수를 결정하는 부분에는 몬테카를로 트리 탐색(Monte Calro Tree Search; MCTS) 기법이 사용되었다. 바둑 인공지능 소프트웨어에서 가장 널리 사용되는 알고리즘 인 MCTS 는 무한대에 가까운 탐색의 폭과 깊이를 줄이는 역할을 한다. MCTS 에서 트리 의 폭을 제한하는 것은 정책이고, 트리의 깊이를 줄이는 것은 가치이다. MCTS 에서 정책 은 정확한 가치를 추정하는데 중요하다. 알파고의 MCTS 는 프로 바둑기사의 기보를 바탕 으로 프로기사 수준의 정책과 가치 성능을 확보하고, 강화학습을 통해 정책과 가치의 성 (a) (b) <자료> D Silver et al. Nature 529, (2016) doi: /nature16961 (그림 1) 알파고의 인공신경망 학습 절차 및 구조 정보통신기술진흥센터 15

17 주간기술동향 능을 향상시킨다[10]. (그림 1)은 파이프라인으로 구현된 알파고의 인공신경망 학습 절차 를 보여준다. a. 바둑 기보를 기반으로 학습된 지도 학습 정책망(SL policy network) p σ 와 정확도는 떨어지나 빠르게 게임 종료시점까지 시뮬레이션하는 정책 p π 는 바둑기사의 수를 예 측하기 위해 학습된다. 강화 학습 정책망(reinforcement learning policy network) 인 p ρ 는 지도 학습 정책망으로 초기화한 후 자체 경기를 통해 결과적으로 승률을 높이는 방향으로 강화 학습한다. 강화 학습한 정책망으로 자체 경기한 게임이 다시 새로운 데이터 세트로 생성된다. 마지막으로 가치망(value network)인 v θ 가 자체 경기 데이터 세트를 기반으로 현재 위치에서의 승률을 예측하기 위해 회귀모형으로 학습된다. b. 알파고에서는 인공신경망의 구조적 표상을 이용한 학습이 2) 이루어진다. 정책망은 특 정 바둑판의 위치 s 를 입력으로 받아 이를 σ(지도학습 정책망 파라미터) 혹은 ρ(강 화 학습 정책망 파라미터)를 가진 수많은 컨볼루션 레이어로 넘기고, 현재 위치를 조건부로 한 다음 수 a 에 대한 확률 분포 p (a/s) 혹은 p (a/s) 를 출력한다. 가치 망은 정책망과 유사하게 파라미터 θ 를 가진 컨볼루션 레이어를 활용하지만, s 위치 에서의 승률 예측치(가치)인 하나의 값(scalar) v θ (s )를 출력한다. 알파고 성능을 추 정하기 위해 5 개의 기존 바둑 인공지능 프로그램과 495 경기를 수행한 결과, 알파 고가 494 번 승리함으로써 99.8%의 승률을 확보하였다[2]. 4. 국내외 기술 및 연구 동향 서론에서 밝힌 바와 같이 인공지능 기술 개발을 위한 전세계적인 움직임이 가속화되고 있다[2],[11]. 본 장에서는 미국, 유럽, 일본, 중국 등 해외와 국내에서 전개되는 인공지능 관련 기술개발 동향을 살펴본다. 가. 미국 미국 역시 관련 기술개발 정책을 범정부 차원에서 추진 중이다. 인간두뇌 분석을 통한 2) 표상(representation)을 이용한 학습이란 학습 데이터에서 얻어진 자질(feature)을 바로 학습하여 원본을 예측하는 것과 달리 추 출된 핵심 자질만을 이용하여 중간 단계인 표상을 만들고 이로부터 원본을 예측해내는 학습 방법을 말한다. 16

18 기획시리즈 인공지능 인공지능 원천기술 확보를 위해 2013 년 2 월에 브레인 이니셔티브(Brain Research through Advancing Innovative Neurotechnologies Initiative, BRAIN Initiative)를 발표하였다. 인 간의 뇌 지도 작성을 비롯하여 지각, 행동, 의식 등이 이루어질 때 발생하는 뇌의 활동을 연구한다. 또한, 미국은 원천기술 개발뿐만 아니라 실제 인공지능을 활용하기 위한 상용화 연구도 적극적으로 전개 중이다. 미국 국방고등연구계획국(Defense Advanced Research Projects Agency, DARPA)은 자동 항해가 가능한 항공기 개발을 목표로 ALIAS 프로젝 트를 진행 중이다. DARPA 는 2015 년 1 월에 인간의 개입을 최소화한 무인 드론(Drone) 개발 프로젝트 CODE(Collaborative Operations in Denied Environment)도 공개하였다. 현재 무인항공기 1 대를 조종하는데 30 여 명의 인력이 투입되고 있는 만큼 프로젝트 CODE 가 성공리에 마무리된다면 군사 비용의 대규모 절감이 가능할 것으로 전망하고 있 다[12]. 미국 대학들 역시 인공지능 기술 개발을 활발히 진행중이며, 2015 년 2 월 스탠포드 인 공지능연구소(Stanford Artificial Intelligence Laboratory)는 아우디 TTS(Audi TTS)를 기반으로 개발된 로봇자동차 Shelley 가 현역 레이서보다 빠른 주행시간을 기록했다고 발표하였다. 카네기멜런대학은 2015 년 1 월에 포드와 함께 로봇차량용 음성 인식 솔루션 개발 연구소를 설립하고 우버와 함께 자율주행차량 개발을 위한 컨소시엄을 형성하였다. MIT 역시 관련 기술 개발에 박차를 가하고 있으며, 자동로봇청소기 제조사인 룸바와 함 께 사족보행로봇을 개발하였다[12]. 미국은 구글, 페이스북, 마이크로소프트, IBM, e-bay 등 IT 강자들의 인공지능 패권 다툼이 치열하게 벌어지고 있는 곳이다. 구글은 2011 년에 구글 브레인 프로젝트와 인공 지능 연구 개발을 위해 영입했던 앤드류 응(Andrew Ng) 교수가 바이두로 이직하자 레이 커즈와일(Ray Kuzweil)을 인공지능 기술 책임자로 영입하였다. 또 강화 학습의 독보적 전 문성을 보유한 영국의 딥마인드(DeepMind)를 6 억 달러에 인수하는 등 최전선에서 과감 한 투자와 연구 개발을 지속하고 있다. 최근에는 자율주행자동차와 로봇 등에서 경쟁우위 를 확보하는 데에도 노력하고 있다. 페이스북 역시 딥 러닝 기반 이미지 인식 소프트웨어 인 딥 페이스(DeepFace)를 개발하여 페이스북에 새롭게 업로드되는 사진에 태그를 붙이 도록 제안함에 있어 높은 정확도를 보일 것으로 기대된다. 마이크로소프트는 디지털 개인 비서 코타나를 출시하였다. 코타나가 자사의 검색엔진 빙(Bing)의 방대한 데이터베이스와 정보통신기술진흥센터 17

19 주간기술동향 연결될 경우, 특정 주제에 관한 사용자와 코타나 사이의 심도 있는 대화도 가능할 것으로 전망된다. 딥블루와 왓슨을 개발하여 인공지능의 가능성을 확인시켜 주었던 IBM 역시 딥 러닝 기법을 추가하여 왓슨의 상업적 가치와 활용도를 확장하는 데 주력하고 있다. 새로 운 버전의 왓슨은 암환자의 몸에서 발견된 종양의 악성 여부를 판단하고 최적의 치료법을 제안하는 의학 전문 시스템으로 거듭나고 있으며, 또 다른 버전은 딥 러닝에 기반하여 기 계번역, TTS(Text to Speech), STT(Speech to Text) 기능을 일반 개발자에게 공개함으 로써 가능한 모든 종류의 앱 개발자들이 왓슨이 가진 데이터 검색과 자연어 사용 능력을 활용하도록 하는 데 주력하고 있다. 이 외에도 실리콘벨리의 많은 스타트업들이 딥 러닝과 관련된 세부기술을 발전시키고 있고, 이에 투자되는 금액이 급증하면서 인공지능의 적용 분야가 의료, 신약 개발, 보안, 광고, 금융거래, 범죄 예방, 신재생 에너지, 교통, 건설 등으로 빠르게 확대되고 있다[13]. 나. 유럽 EU 는 미래 유망 첨단기술연구 지원사업 대상 중 하나로 스위스 로잔연방공과대의 인 간두뇌 프로젝트 (The Human BRAIN Project: HEP)를 선정하였다. HEP 는 23 개국 약 250 명의 연구자들이 참여하는 대규모 프로젝트로 인간 두뇌 시뮬레이션 및 인간의 두뇌 기능과 동작방식에 대한 이해를 돕는 새로운 도구를 개발하여 미래의 의학 및 컴퓨팅 분 야에 적용하는데 그 목적이 있다. 유럽의 각국은 인공지능 핵심기술 개발에 관심을 두기 보다는 기존 기술과 산업을 지능화시키는 정책으로 인공지능 관련 연구가 이루어지고 있 다. 독일의 연방경제기술부는 하이테크 전략 2020 의 일환으로 생산기술자동화를 위한 응용 프로그램을 발표하였다. 이 프로그램은 최신 IT 기술을 에너지, 환경 및 금속 분야에 접목하고 나아가 이를 통해 유연성 높은 생산 인프라를 구축하여 사용자 맞춤형 제품 생 산이 가능하도록 하는 데 목적이 있다. 인공지능 작업로봇, 가사도우미, 간호로봇 등 다양 한 제품 연구를 포함한다. 지속 가능하며 지능적인 전력망 연구를 위해 독일 연방경제기 술부, 환경부, 교육연구부가 연구개발 지원 공동 이니셔티브를 구성하였다. 최적화된 송ㆍ 분전기술, 지능형 전력망, 신개념 그리드 디자인 및 혁신적 저항관리 등에 대한 연구가 포 함된다. 최근 영국 대학ㆍ과학 담당 장관은 세계적 연구 개발을 선도할 주요 8 개 기술 분 야를 선정, 총 6 억 파운드의 연구자금을 분야별로 투자할 계획이라고 발표하였다. 새로 할당된 주요 8 개 분야에는 빅데이터와 에너지 고효율 컴퓨팅(Energy Efficient Computing) 18

20 기획시리즈 인공지능 이 포함되고, 로보틱스(robotics)와 자율시스템의 분야의 대학, 혁신센터, 사이언스 파크, 기업을 아우르는 학계와 산업계의 연계 우수 연구센터에도 3,500 만 파운드가 지원된다 [14]. 다. 일본 일본은 2016 년 4 월부터 시작되는 제 5 기 과학기술기본계획에서 초 스마트 사회 의 실현이 중요한 목표라고 밝혔다. 이의 실현을 위해 다양한 정보통신기술이 필요한데, 컴퓨 터가 인간과 고급 상호작용을 위한 고급 인공지능 기술 개발의 중요성을 강조하였다[15]. 일본 총무성은 인공지능의 향후 발전 가능성과 사회에 미치는 영향을 종합적으로 전망하 고, 관련 분야에서 일본의 국제 경쟁력 강화를 위한 과제를 정리하고 향후 대책을 연구하 기 위해 2015 년 2 월 6 일 인공지능화가 가속화 되는 ICT 미래상에 관한 연구회(インテ リジェント 化 が 加 速 する ICT の 未 来 像 に 関 する 研 究 会 ) 를 개최하였다[16]. 일본 경제산업 성은 자국 경제 성장의 핵심전략으로 로봇혁명 을 추진하기 위해 2015 년 1 월에 로봇 신전략(Japan s Robot Strategy) 을 발표했다. 로봇 신전략 의 주요 내용은 1 일본을 세 계 로봇 이노베이션 거점으로 하는 로봇 창출력의 근본적 강화, 2 중소기업, 농업, 간병 ㆍ의료, 인프라 등 세계 최고의 로봇 활용 사회를 목표로 로봇이 일상을 실현할 수 있는 로봇 활용ㆍ보급, 3 사물인터넷(IoT) 시대에 빅데이터, IT 와 융합, 네트워크, 인공지능 을 구사하는 로봇으로 세계를 주도하는 로봇혁명 전개ㆍ발전 이다. 산ㆍ관ㆍ학을 연계한 추진기구인 로봇 혁명 이니셔티브(Robot Revolution Initiative) 를 창설하여 니즈(needs) 와 시즈(seeds)의 매칭, 모범 사례 공유ㆍ보급, 국제 프로젝트, 국제표준 획득, 데이터시큐 리티, 국제협력 등을 추진한다. 또한, 국제표준화를 위해 관련 분야 인재 육성, 2020 년 도 쿄올림픽에 맞춰 로봇 올림픽 개최 계획 등 중장기적 관점에서 추진하고 있다 년까 지 5 년간 제도환경 정비, 다양한 정책적 지원을 통해 로봇 개발에 대한 민간투자를 확대 하여 1,000 억 엔 규모의 로봇 프로젝트를 추진하고, 이를 통해 5 년간 관련 시장 규모를 현재의 4 배인 2 조 4,000 억 엔으로 확대한다는 계획이다[15]. 일본에서 전개되는 인공 지능 기술개발 프로젝트로는 2011 년부터 Fujitsu 연구소와 NII(National Institute for Informatics)가 공동으로 2021 년에 동경대 합격이 가능한 수준의 인공지능 시스템 개발을 위한 Todai 프로젝트가 있다[17],[18]. 정보통신기술진흥센터 19

21 주간기술동향 라. 중국 바이두는 2014 년 5 월에 실리콘밸리에 3 억 달러를 투자하여 연구원 200 명을 수용할 수 있는 대규모 R&D 센터를 조성하고 앤드류 응 교수를 영입하여 실리콘밸리와 베이징 연구소의 총책임자로 임명하였다. 바이두는 향후 5 년간 인공지능연구소와 개발 부서 인 원을 확충할 계획이다. 바이두는 인간의 개입이 최소화되는 비지도 학습 기법 개발을 핵 심 목표로 삼아 응이 주도하는 인공지능 기술 개발이 자사의 비즈니스 역량을 크게 향상 시킬 것으로 기대하고 있다. 기존 중국시장 고객뿐 아니라 미개척 시장의 고객들이 언제, 어디서든 쉽고 편리하게 사용할 수 있는 이미지나 음성 중심의 직관적 서비스 제공을 통 해 검색 시장의 경쟁우위를 차지할 수 있으리라 보고 있다[13],[19]. 마. 국내 국내는 기존 ICT 분야 경쟁력을 유지하고 국외 기업들과의 기술격차를 줄이기 위해 정부 주도의 장기간 국책사업이 진행되고 있다. 미래창조과학부는 정보통신 분야의 4 세 대 패러다임은 방대한 데이터로부터 고수준의 지식창출이 가능한 인공지능 기반의 지능형 플랫폼으로 발전될 것으로 전망하고, 2013 년부터 10 년간 빅데이터로부터 스스로 학습하 여 지식을 축적하고, 시스템 및 기기 간의 자율협업방식으로 새로운 문제를 해결하는 엑 소브레인(ExBrain) 소프트웨어 기술개발 과제를 진행중이다. 이 과제는 병렬형 과제로 구 성되어 있으며, 지능진화형의 질의응답, 빅데이터 이해 기반의 자가학습형 지식베이스, 자 가학습 지능 원천기술 및 지식협업 프레임워크 기술이 주 연구 내용이다. 엑소브레인 4 개 의 병렬형 과제 중 1 세부과제인 지능진화형 질의응답시스템(일명 WiseQA) 개발 과제는 복잡한 자연어로 기술된 문제의 의미를 이해하여 추론을 통해 정답을 생성하는 것을 목표 로 한다. WiseQA 과제에서 도전하게 될 기술은 크게 세 가지로 나눌 수 있으며, 자연어 이해 기술, 빅데이터로부터 끊임없이 새로운 언어지식 및 문제해결 지식을 학습하는 지속 적 학습기술, 자연어 질문에 대한 문제를 이해하고 정형/비정형 지식으로부터 정답을 추론 하는 질의응답 기술이다. 민간에서 진행되고 있는 빅데이터 지식처리 인공지능기술의 연 구사례는 그리 많지 않은 편이다. 삼성에서는 S 보이스 서비스를 통해 Wolframe Alpha 의 3) 단답형 질의응답 서비스와 제휴하여 영어권 서비스를 제공하고 있으며, 다음 포털은 영 3) Siri 서비스의 질의응답 담당으로, 수식, 알고리즘, 모델을 적용하여 사용자 의도에 맞는 정답을 제시한다( 20

22 기획시리즈 인공지능 화, 인물, TV 프로그램 시청률 등의 구조화된 정보를 대상으로 제한된 단답형 질의응답 서 비스를 제공하고 있다[17]. 5. 결론 및 시사점 블룸버그베타의 투자자인 쉬본 질리스는 세상의 일을 바꿀 회사들을 선정했는데 대부 분의 산업 영역에서 인공지능 기술을 통해 새로운 혁신이 일어날 것으로 보았다. 전세계 유수의 산업 전망 분석 기관들 역시 인공지능 산업과 시장규모가 급성장할 것으로 내다 보고 있다. 트랙티카(Tractica)에서 나온 2015 년 4 월 보고서는 기업용 인공지능시스템 시장이 2015 년 2 억 달러 수준에서 2024 년 111 억 달러 규모로 연평균 56.1% 급성장 하고, BBC 리서치는 2024 년 전체 스마트 머신 시장의 규모가 412 억 달러에 달하며, 트 랜스페런시 마켓 리서치는 인공지능 기술 중에서도 예측 분석 소프트웨어 시장에 대해 2019 년 65 억 달러 이상의 규모로 성장할 것으로 전망하였다[3]. 미국을 중심으로 한 IT 거대 기업에서는 인공지능 인재와 지적재산권 확보를 위한 전쟁이 치열하다. 인공지능 중 빅데이터 기반 심층 질의응답 관련 특허 출원 기업은 2014 년을 기준으로 마이크로소프 트가 1 위, 그 뒤로 IBM 과 구글 등이 다수의 특허를 출원하였다. 미국 실리콘밸리 기업의 출원이 나머지 전체 국가 출원 규모의 절반 이상을 차지하고 있다[10]. 이는 비단 빅데이 터 기반 심층 질의응답 기술 분야뿐만 아니라 의료, 금융, 건설, 군사 등 거의 모든 산업 분야에서 나타나는 양상이다. 따라서 Google, IBM, Apple 등 IT 거대 기업이 기보유한 특허를 회피할 수 있는 개량ㆍ신규 특허의 확보가 시급한 상황이다. 또한, 앞으로 IoT 시 대가 도래하면 인간뿐만 아니라 수많은 기기에서 생성하는 데이터가 상상 이상의 규모로 축적될 것이고 빅데이터의 처리를 위한 하드웨어에 대한 연구도 지속되어야 한다. 인공지 능 알고리즘, 초고성능 컴퓨팅 자원 그리고 빅데이터가 시너지를 이루어 산업 전반에 활 용되면 머지않아 인공지능이 인간 지능을 넘어서는 수준에 도달할 수 있을 것이다. 인공 지능 플랫폼이 기반이 되는 4 차 산업혁명의 시대에 살아남기 위해 우리나라도 정부의 장 기적이고 정책적인 지원이 필요하며, 민간도 학계, 연구기관 등과 협력하여 산ㆍ학ㆍ관이 연계된 인공지능 기술개발 산업생태계를 조성해야 한다. 또한 관련 인재 양성과 기술개발 에 전력을 쏟아야 할 시점이다. 정보통신기술진흥센터 21

23 주간기술동향 <참 고 문 헌> [1] Wikipedia, Artificial Intelligence( [2] 성낙환, 인공지능 기술의 걸음마가 시작되었다., LGERI 리포트, [3] 한상기 인공지능의 현재와 미래: 산업계를 중심으로, KISA, Report Power Review, [4] 민옥기, 임지연, 박경, 빅데이터로 발전하는 인공지능 기술개발 동향, IITP, 주간기술동향, [5] LeCun, Y., Bengio, Y. & Hinton, G., Deep learning, Nature, 521, 2015, pp [6] [7] 유동현, 임요한, GPU 를 이용한 범용 계산의 소개, 한국데이터정보과학회지, 24(5), , [8] 이현진, 정유나, 이성길, GPGPU 프로그래밍 모델의 기술 동향, 제 39 회 한국정보처리학회 춘계학 술발표대회 논문집, 20 권 1 호, , [9] 손민선, 문병순, 빅데이터 시대의 한국: 갈라파고스가 되지 않으려면, LGERI 리포트, [10] 추형석, 안성원, 김석원, AlphaGo 의 인공지능 알고리즘 분석, 소프트웨어정책연구소, SPRi Issue Report, , SPRi, [11] 장우석, 안중기, 인공지능(AI) 관련 유망산업 동향 및 시사점, 현대경제연구원, VIP Report, 14:33, [12] 미국의 인공지능(AI) 기술 R&D 추진 동향, IITP, 해외 ICT R&D 정책동향, 2015 년 3 호, pp [13] 조용수, 똑똑한 기계들의 시대: 인공지능의 현주소, LGERI 리포트, [14] 백성진, EU 권 주요국 기술정책 동향보고(3:1), 한국산업기술진흥원, KIAT 산업기술정책 브리프, 호, [15] [16] 이시작, 일본의 미래시대를 지배할 인공지능(AI) 연구 및 정책 동향, 동향, 27:6, 2015, pp [17] 이형직, 류법모, 임수종, 장명길, 김현기, 빅데이터 지식처리 인공지능 기술동향, ETRI, 전자통신동 향분석 29: , pp [18] 일본 스타트업 투자 생태계, 기업 벤처 캐피털(CVC) 주도로 성장, KISA, Report Power Review, 50-51, [19] 최재홍, 중국 바이두의 인공지능, KISA, Report Power Review, 38-46,

24 최신 ICT 이슈 최신 ICT 이슈 알파고의 심층강화학습을 뒷받침한 H/W 와 S/W 환경의 진화 * 알파고의 놀라운 점은 바둑의 기본규칙조차 입력하지 않았지만 승리 방식을 스스로 알아 냈다는 것이며, 알파고의 핵심기술인 심층강화학습이 급속도로 발전한 배경에는 하드웨 어의 진화와 함께 오픈소스화를 통해 발전하는 AI 관련 소프트웨어들이 자리하고 있음 2014 년 5 월 와이어드 매거진은 바둑 프로그램이 핸디캡 없이 프로기사에 승리하려면 10 년 이상 걸릴 것으로 예측했으나, 2 년도 안된 2016 년 3 월에 프로 9 단에 낙승 - 바둑 프로그램 개발 경쟁은 수십 년 전부터 시작되었으며, 프로그램의 기력이 아마 추어 최고수 정도로 올라온 수년 전부터는, 그 해 바둑 프로그램 경연대회 1 위 프로 그램과 인간 프로기사의 접바둑 대국을 특별 이벤트로 진행해 오고 있음 - 와이어드 매거진의 기사는 2014 년 최고 의 바둑 프로그램으로 선정된 크레이지스 톤(Crazy Stone)과 일본 노리모토 요다 9 단의 대결 직후 나온 것으로, 당시 요다 9 단은 넉점 접바둑을 두어 1 승 1 패를 기록 - 그러나 그로부터 불과 1 년 반 뒤인 2015 년 10 월에 구글 딥마인드(DeepMind)가 개발한 알파고(AlphaGo)는 핸디캡 없이 <자료> Wired Magazine (그림 1) 크레이지스톤 vs. 요다 9 단 프로 2 단을 5:0 으로 제압했으며, 그 5 개월 뒤에는 프로 9 단을 4:1 로 제압 예상보다 10 년 앞서 바둑 AI 가 인간을 넘어설 수 있었던 가장 큰 이유는 딥마인드가 자신들의 특기인 심층강화학습 을 바둑이라는 대전형 게임에 도입했기 때문 - 심층강화학습은 심층학습(Deep Learning) 과 강화학습(Reinforcement Learning) 을 결합한 기술로 일찍이 딥마인드는 이 기술을 적용해 벽돌깨기 비디오게임을 스스 로 학습해 최고점을 올리는 AI 를 개발한 바 있음 * 본 내용과 관련된 사항은 산업분석팀( )과 최신 ICT 이슈 컬럼니스트 박종훈 집필위원 (soma0722@naver.com )에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 정보통신기술진흥센터 23

25 주간기술동향 심층학습(딥러닝)은 신경세포의 기능을 모방한 신경망을 다단으로 겹쳐 대량의 데이 터로부터 학습하는 기계학습 기법으로, 특히 이미지 데이터에 찍힌 객체의 종류를 식별하는 것은 다른 기법에 비해 압도적으로 정밀도가 높음 - 강화학습은 컴퓨터가 선택한 행동과 그에 따른 환경변화에 어떤 보상 을 설정함으 로써 더 높은 프리미엄을 받을 수 있는 행동을 학습시키는 기술임 - 딥마인드가 개발한 비디오게임용 AI 의 명칭은 Deep Q-Network(DQN) 인데, 이 는 심층신경망(Deep Neural Network, DNN)과 강화학습 기법의 하나인 Q-학습 (Q-Learning)을 조합한 것 - 딥마인드는 이와 유사하게 딥러닝과 강화학습의 과정을 바둑 AI 에 접목시켜 알파고 를 탄생시켰음 딥마인드가 개발한 심층강화학습 의 가장 놀라운 점은 데이터만 입력되면 사람의 개입 없이 컴퓨터가 알고리즘을 자동 생성한다는 것 - 이전에도 게임에서 높은 점수를 낼 것을 목표로 한 다수의 강화학습 연구가 이루어 지고 있었지만, 딥마인드의 DQN 이 연구자들을 놀라게 한 것은 DQN 은 게임 화면 과 점수만을 입력 데이터로 하여 높은 점수를 내는 행동 패턴을 스스로 학습한 점 - 딥마인드는 DQN 에 벽돌깨기 외에도 수십 개의 비디오 게임을 학습시켰고 그 결과, 과반의 게임에서 숙련된 인간과 동등한 점수를 획득했다고 하며, 이들 게임 모두 게 임 방법을 컴퓨터 스스로 학습한 것임 - 알파고도 마찬가지여서, 일반인들의 오해 중 하나는 알파고는 잘 설계된 알고리즘에 따라 막대한 컴퓨팅 자원으로 연산을 하는 것뿐이지 않느냐는 것인데, 알파고에는 심지어 바둑의 규칙조차 입력되어 있지 않으며, 알고리즘은 스스로 만들어내고 있음 - 바로 이 점 때문에 구글은 딥마인드의 심층강화학습 기술에 주목한 것이며, 2014 년 1 월 추정 가격 약 5 억 달러에 딥마인드를 인수 심층강화학습이 적용된 것 외에도 알파고에는 더욱 놀라운 혁신이 담겨 있으며, AI 를 단련하는데 필요한 빅데이터를 컴퓨터 스스로 만들어 낸 것 - 알파고는 바둑판 위의 정보를 마치 비디오게임의 화면처럼 내려다 보며 형세를 판단 하고, 대국의 승패 여부를 강화학습의 보상 으로 치환하여 어떤 수를 둘 지 판단하 는 신경망을 단련 24

26 최신 ICT 이슈 - 그러나 알파고의 가장 중요한 혁신적 성과는 지금까지 바둑 기사들이 만들어 온 기 보 데이터베이스의 수백 배에 달하는 데이터를 바둑 AI 끼리의 대국을 통해 스스로 만들어 냈다는 점에 있음 - 이 점 역시 오해가 있는 부분인데, 알파고는 인간의 기보만을 학습 데이터로 사용한 것이 아니라, 그보다 훨씬 많은 빅데이터를 스스로 만들어 내, 이를 국면의 형세 판 단, 즉 승리 확률 평가 의 정밀도 향상에 연결시켰음 이상 두 가지 혁신을 위해 딥마인드는 3 단계 과정을 통해 알파고가 스스로를 단련시 키게 만들었으며, 첫 번째 단계에서는 사람의 대국 데이터로 착수 신경망 을 단련 - 딥마인드 연구팀은 우선 대규모 바둑대국 사이트 KGS GO Server 에 저장된 고수 들의 기보 데이터베이스를 바탕으로 3,000 만 건의 착수 데이터, 즉 어떤 국면에서 바둑기사들은 다음에 어디에 두었는가? 하는 정보를 추출 - 그런 다음 이 정보를 교사 데이터로 삼아 신경망에 단지 지도학습(Supervised Learning) 만을 실행하였음 - 이 때 사용된 신경망의 구성은 이미지 인식에서 뛰어난 실적을 올린 나선 신경망 (Convolutional Neural Network, CNN) 이며, CNN 은 뇌의 시각 피질의 신경세포 기능을 힌트로 고안된 신경망 - 다소 과장스럽게 비유한다면, CNN 은 바둑 기사가 위에서 바둑판을 내려다 보고 있 을 때의 시각 피질에 있는 신경세포의 기능을 시뮬레이션 한다고 볼 수 있음 - 알파고에 사용된 13 개 층의 CNN 으로 구 성된 착수 신경망 은 바둑판을 픽 셀의 이미지로 간주하여 이미지 인식과 거 의 같은 요령으로 데이터를 입력함 - 한 가지 다른 점은 이미지 인식의 경우 1 픽셀에 포함된 데이터 열에서 RGB(빨강, 녹색, 파랑)라는 색상 데이터를 입력하지만, 알파고는 돌의 색상(흑, 백, 없음), 몇 번 째 수에 둔 돌인가, 그 수에 몇 개의 돌을 따냈는가? 등 즉 그 국면에 이르기까지의 <자료> ITPro (그림 2) 물체인식 신경망과 착수 신경망 정보통신기술진흥센터 25

27 주간기술동향 기보 데이터를 신경망에 입력하게 됨 - 그러면 이 신경망은 다음에 어떤 수를 두면 좋은가 를 마찬가지로 픽셀 데 이터(수를 놓는 후보 장소에 값이 들어가고 나머지는 제로)의 형식으로 출력해 줌 - 딥마인드가 발표한 논문에 따르면, 고수들이 놓은 3,000 만 번의 수로 단련한 착수 신경망 을 검증한 결과 고수들의 착수를 57.0% 재현하였으며, 기존 연구에서는 44.4%가 최고치였다고 함 - 논문에 명확히 언급되어 있지는 않지만, 바둑의 역사에서 축적된 정석 이라는 것 역 시 3,000 만 수의 학습을 통해 거의 재현할 수 있다고 볼 수 있음 두 번째 단계로 연구팀이 실시한 것이 딥마인드가 자랑하는 심층강화학습인데, 이 단 계에서는 서로 다른 버전의 바둑 AI 끼로 계속 대전을 치르게 하였음 - 첫 번째 단계에서 단련된 착수 신경망을 초기값으로 하고, 이후 착수 신경망들끼리 대전 시킨 다음, 승리를 보상 요인으로 해 신경망의 매개변수를 수정하는 강화학습 을 실시 - 첫 번째 단계에서 교사로 생성된 착수 신경망 은 어떤 국면에서 다음 수 를 유추하기는 하지만, 최종적으로 승리하기 위한, 앞을 내다본 수 를 유 추하지는 않음 - 딥마인드 연구팀은 신경망끼리의 대전을 통해 바 로 이 승리를 이끄는 수 의 단련을 도모했다고 <자료> ITPro (그림 3) 착수 신경망의 강화학습 하며, 다양한 유형의 착수에 유연하게 대응할 수 있도록 최신 버전과 이전 버전 중 무작위로 선택한 버전들끼리 대국을 치르게 하였음 세 번째 단계는 알파고 단련에서 가장 중요한 과정이며, 서로 다른 버전들 간의 대국으 로 만들어진 빅데이터를 통해 승리 확률 평가 를 출력하는 신경망을 훈련시켰음 - 착수 신경망과 별도로 반면( 盤 面 ) 또는 국면( 局 面 )의 형세를 판단하는 국면 평가 신 경망 이 중요한 이유는, 평가의 정확도를 높일수록 컴퓨터가 그 후의 전개를 예측하 기 위한 연산을 많이 줄일 수 있기 때문 - 따라서 국면 평가 신경망 은 최소한 착수 신경망과 대등하거나 그 이상으로 중요한 바둑 AI 의 요체 라 할 수 있음 26

28 최신 ICT 이슈 - 국면 평가 신경망 은 착수 신경망과 거의 동일한 구성으로, 입력 데이터는 마찬가지 로 국면 데이터가 되지만, 출력 데이터는 승패의 예측이 됨 국면 평가 신경망 역시 기보 데이터베이스를 바탕으로 지도학습을 통해 단련하였으며, 바로 이 지점에서 딥마인드는 기존 바둑 AI 개발의 커다란 난제를 해결 - 기존 바둑 AI 개발자들을 좌절시켰던 장벽은 국면을 평가하는 AI 를 충분히 단련시 킬 수 있는 기보 데이터베이스라는 것이 세상에는 존재하지 않는다는 점 - 착수 신경망 단련에 사용된 KGS Go Server 의 기보 데이터베이스를 사용하면 되지 않느냐고 생각할 수 있지만, 이 데이터베이스를 통해 국면 평가의 정확도를 높이는 것은 미흡했다고 함 - KGS Go Server 에서는 고수들의 3,000 만 개 착수를 추출했으며, 바둑 한 경기가 대체로 200 수 전후임을 감안하면, 이는 약 15 만 대국 200 수 가 됨 - 이 데이터베이스로 AI 를 단련시키면 어느 한 경기의 기보에 포함된 200 수에 대해 각 수마다 달라지는 국면 평가를 승패와 결부시켜 모두 동일하게 해석하는 오류를 범할 수 있음(바둑 국면이 역전을 거듭한 경기라면 과잉 적용의 오류가 발생) - 소위 과잉학습 현상이 나타나면 AI 가 새로운 국면 전개에 대응할 수 없게 되며, 특히 체스나 장기에 비해 수의 자유도가 매우 높은 바둑에서는 유사한 국면이 그대 로 나타나지 않는 이상, 과잉학습은 바둑 AI 에게 치명적인 약점이 되어 버림 이 세상에 국면 평가를 단련시키기 위한 기보 데이터베이스가 없다면 방법은 새로 만 들어 내는 것인데, 여기에 알파고의 돌파구가 있었음 - 딥마인드는 두 번째 단계의 강화학습으로 단련된 착수 신경망끼리 대전시킴으로써 새롭게 3,000 만 대국 분의 기보 데이터를 만들어 냈으며, 이는 KGS Go Server 에 서 취득한 인간 고수들의 대국 데이터베이스 보다 200 배 이상 많은 것 - 이는 첫 번째와 두 번째 단계에서 고수 수준의 기력을 가진 착수 신경망을 얻을 수 있었기 때문에 취할 수 있는 방법이었음 - 이 정도의 데이터가 있으면 데이터를 사치스럽게(낭비해가며) 사용할 수 있는데, 연 구팀은 과잉학습을 피하기 위해 약 200 개의 국면으로 이루어지는 하나의 기보 데 이터에서 단지 하나의 국면 만을 떼어 내 학습 데이터로 채용했다고 함 - 그 국면에서의 반상 데이터를 입력 데이터로, 그 후의 승패를 출력 데이터(교사 데 정보통신기술진흥센터 27

29 주간기술동향 이터)로 하여, 3,000 만 대국의 데이터를 사용해 국면 평가 신경망을 단련시킨 것 - 알파고가 프로 9 단에게 승리한 것은, 이처럼 3,000 만 수의 기보와 강화학습을 통 해 단련시킨 착수 신경망, 그리고 그 신경망끼리의 대전 기보를 통해 단련시킨 국 면 평가 신경망 이라는 두 가지 혁신의 산물이었음 이처럼 바둑 AI 가 예상보다 빨리 인간을 넘어서게 된 데에는 심층강화학습의 역할이 컸지만, 동시에 최근 벌어지고 있는 심층학습 관련 인프라의 진화도 간과할 수 있음 - 알파고에 적용된 심층강화학습의 기법이 컴퓨터 상에서 구현될 수 있었던 배경에는 지난 1 년 반 동안 전개된 심층학습 관련 하드웨어와 소프트웨어 인프라 양 측면의 놀라운 진화가 자리잡고 있음 - 심층학습을 둘러싼 인프라의 발전이 알파고의 성과를 뒷받침한 동력이라는 사실은 바둑 이외의 분야, 특히 대표적으로 자율운전 분야에서도 인공지능이 놀라운 진전을 보이고 있다는 점에서 확인할 수 있음 - 예를 들어, CES 2016 에 전시되어 관심 을 모은 AI 개발 스타트업 Preferred Network(PFN) 의 자율운전 AI 역시 심 층강화학습으로 단련시킨 것임 - PFN 은 자율운전 AI 를 개발하며, 자동차 의 속도와 방향의 변화, 자동차가 갖춘 각종 센서의 출력 데이터를 컴퓨터에서 <자료> PFN (그림 4) 충돌회피를 학습한 자율운전 AI 재현할 수 있는 시뮬레이터를 개발했는데, 이 시뮬레이터가 만들어내는 가상공간에 서 자동차를 여러 번 주행시키면서 부딪히는 것을 처벌하는 강화학습을 신경망에 실 행시켰다고 함 - 또한, PFN 은 여러 대의 신경망을 동시에 학습시킴으로써 하나의 신경망을 고속으 로 학습시키고 있으며, 병렬처리의 활용과 함께 시뮬레이터를 사용하여 실제 공간에 서보다 100 만 배 빠른 학습이 가능하다고 함 알파고와 PFN 의 사례는 학습과 시뮬레이션을 위한 컴퓨팅 자산을 많이 보유한 기업 일수록 AI 연구에서 우위를 점할 가능성이 높음을 실증하고 있음 - PFN 사례는 AI 개발에 있어 학습을 가속화시키기 위한 IT 인프라가 앞으로 매우 중 28

30 최신 ICT 이슈 요해질 것임을 시사함 - 딥마인드 연구팀 역시 강화학습 실행을 위해 구글 클라우드 플랫폼(Google Cloud Platform)의 대용량 컴퓨팅 자원을 활용하였음 - 즉, 딥마인드가 2014 년 1 월 구글에 인수된 이후, 구글이 가진 방대한 컴퓨팅 자원 에 접근할 수 있게 된 것이 바둑 AI 가 예상보다 10 년 일찍 프로 기사에 승리할 수 있게 만든 한 요인이 되었다고 말할 수 있음 하드웨어 자원과 더불어 소프트웨어의 진화, 구체적으로 신경망 학습 알고리즘의 진화 역시 바둑 AI 의 10 년 빠른 승리 요인으로 꼽을 수 있음 - 최근 몇 년간 신경망을 효율적으로 학습시키는 최적화 기법이 잇따라 발견되었음 - 신경망에 학습을 실시하고 매개변수를 조금 바꿀 때, 매개변수를 변화시키는 알고리 즘에 결함이 있는 경우 매개변수 공간이 일종의 함정에 빠진 것처럼 빙빙 맴도는 등 언제까지고 학습이 진행되지 않는 경우가 있었음 - 지금까지 함정을 잘 회피하며 학습을 진행시키는 최적화 알고리즘이 제안되어 왔고, 그때마다 학습 속도가 향상되어 왔음 - 구체적으로는 고전적인 확률적 기울기 강하법(SGD)을 기점으로, AdaGrad(2011 년), RMSProp(2012 년), Adam(2015 년) 등의 개선된 알고리즘이 차례로 제안되었음 - 이와 동시에 통계물리와 화학 등 외부 학술 영역에서 해밀턴-몬테카를로 법 같은 새로운 알고리즘이 제기되며 학습속도가 향상되었으며, 계량화하기 어렵지만 일련의 최적화 기법 개선으로 신경망의 학습속도가 대체로 열 배 가량 향상되었다고 함 아울러 소프트웨어적 진화가 대중적으로 공유되고, AI 관련 기술들이 오픈소스화 되고 있는 점도 AI 의 진화 속도를 극적으로 높이는 환경요인이 되고 있음 - 정보과학의 세계에서는 최적화 기법을 비롯한 최신의 성과를 보고하는 논문들이 심 사 없이 우선 속보 논문 사이트인 ArXiv(아카이브) 에 기고되며, GitHub(깃허브) 등 에 소스코드와 데이터도 공개됨 - 이 때문에 전 세계의 연구자들은 그날 그날의 연구성과를 자신의 컴퓨터에서 추가 시험할 수 있고, 이 성과들은 다시 즉시 다른 과학자들과 공유될 수 있음 - ArXiv 와 GitHub 등을 통해 성과의 공유가 대중적으로 이루어지면서, AI 기술의 연 구 개발 속도는 최근 들어 이전과 비교할 수 없을 정도로 고속화되고 있음 정보통신기술진흥센터 29

31 주간기술동향 신경망의 학습속도는 AI 개발 기업들의 경쟁력의 원천인데, 구글의 경우 최신 연구 성과를 자체 OSS(오픈소스소프트웨어)인 TensorFlow(텐서플로우) 에 구현하여 검 증하고 있음 - 딥마인드가 알파고의 신경망 학습에 사용한 것이 구글의 텐서플로우였으며, 이러한 AI 소프트웨어의 급속한 진화도 10 년 빠른 승리의 큰 요인 중 하나라 할 수 있음 AI 관련 소프트웨어 기술이 오픈소스화 되고 있다는 사실은 협업적 경쟁 을 할 수 있 는 고차원적 인성( 人 性 )의 중요성을 시사 년대 중반 이후 ICT 기술과 서비스의 급속한 발전은 하드웨어, 소프트웨어, 통 신 인프라의 발전에 힘입은 바 크지만, 이를 활용하는 사람들의 공유와 협업, 그리고 그 위에서의 경쟁이 있었기에 가능 - 공유와 협업은 사실 인터넷의 기본 정신이기도 하며, 웹 2.0 과 플랫폼 시대를 거치 며 협업적 경쟁은 이제 기술과 서비스를 개발하는 사람들이 기본적으로 견지해야 할 태도로 자리잡고 있음 - 세 번째 물결을 맞이하고 있는 인공지능 기술이 이전 두 번의 경험과 결정적으로 다 른 점이 바로 이 협업적 경쟁이라는 패러다임 위에서 개발이 이루어지고 있다는 것 - 인공지능 기술 개발자들이 앞선 주자들을 따라잡고 추월하기 위해서는 막대한 자원 의 투입과 지원을 기대하기 보다, 최신의 연구에 함께 참여하여 협업하고 그 성과를 공유하는 가운데 창의적 시각을 가미하려는 노력을 경주해야 할 것 <참 고 자 료> [1] Christof Koch, How the Computer Beat the Go Master, Scientific American, [2] Cade Metz, In Two Moves, AlphaGo and Lee Sedol Redefined the Future, WIRED, [3] Andrew Meola, Google's AI program AlphaGo just made history a full decade before experts predicted, Business Insider, [4] Alan Levinovitz, The Mystery of Go, the Ancient Game That Computers Still Can t Win, WIRED,

32 최신 ICT 이슈 때론 성가시고 때론 고마운 페이스북의 이미지 인식 AI 페이스북을 통해 식당과 메뉴를 홍보하는 일식집들 중에는 종종 페이스북의 사진 단속 기능 때문에 어려움을 겪는 곳이 있다고 함 - 가령 카라스미(생선의 알집을 소금에 절여 말린 요리)를 직접 만들어 내놓는 식당의 경우, 날 재료를 사들여 절인 다음 자신들만의 독특한 취향이 밸 때가지 기다리면서 이 과정을 사진에 담아 페이스북을 통해 소개할 수 있음 - 요리를 준비하고 만드는 과정을 공개하면서 손님을 끌어 모을 수도 있고, 카라스미 를 좋아하는 소비자들에게는 그 자체로 흥미로운 콘텐츠를 제공하게 되는 셈 - 그런데 이런 경우 페이스북으로부터 자동 메일을 받게 되며, 지금 곧 부적절한 이미 지를 삭제하십시오. 그렇지 않으면 계정을 수일 내에 폐쇄합니다 라는 내용임 - 이는 페이스북의 인공지능이 카라스미를 요리가 아니라 대중적으로 보여져서는 안 되는 이미지로 인식한 결과로 보이며, AI 는 아마도 카라스미를 남성 또는 여성의 신 체 일부가 확대된 것으로 인식했을 수 있음 - 카라스미가 부적절한 이미지라고 하면 카라스미를 좋아하는 사람들에게는 황당하고 기분 나쁘게 들리겠지만, 페이스북의 AI 는 마치 이국적 풍물을 처음 접한 관광객처 럼 아직 카라스미가 무엇인지 이해할 정도로 훈련되지 않았을 것임 이런 일이 실제로 발생하고 있다면, 전세계 곳곳의 독특한 문화를 담은 수많은 이미지 에 대해 페이스북이 삭제하라 는 경고를 날리고 있는 것으로 추정해 볼 수 있음 - 해삼, 어패류 등 해산물 식재료는 물론 동물신체 중 일부 이미지들이 페이스북에 쉽 게 게재되지 않을 가능성이 있으며, 이탈리아와 그리스의 조각상 등도 종종 인공지 능의 검열에 걸릴 가능성을 유추해 볼 수 있음 - 물론 페이스북은 AI 의 이미지 인식 기능을 점점 정교하게 발전시키고 있고, 지금도 상당히 우수한 수준이므로, 충분한 데이터를 학습한다면 이미지 오인에 따른 해프닝 은 시간이 갈수록 줄어들게 될 것임 단속의 경우와는 반대로, 페이스북은 이미지를 업로드 할 때 정말 괜찮겠습니까 라고 확인해주는 기능도 있음 - 괜찮겠습니까? 라고 페이스북 시스템이 물어보는 경우는 주로 취했을 때 찍은 셀카 정보통신기술진흥센터 31

33 주간기술동향 사진을 올리려고 하는 경우임 - 취기가 몽롱한 상태에서는 허세가 생기고 판단력이 흐려지기 때문에 이런저런 다양 한 사진을 올리게 되지만, 다음날 아침 술이 깨 올린 사진을 보며 상당히 망신스러 워 할 것이 뻔하기 때문이고 친구뿐만 아니라 가족이나 직장 상사가 볼 수도 있기 때문 - 페이스북의 AI 가 이 사진을 올려도, 정말 괜찮아요? 라고 묻는다는 것은, AI 가 사 진을 보고 사용자가 취해서 추태를 부리고 있는 상태라는 것을 인식함을 방증함 - 또한, 아이의 사진을 잘못하여 모두에게 공개(public) 상태로 업로드 할 경우에도 괜찮겠습니까 라고 확인하는데, 개인정보보호의 관점에서 부모가 자녀의 사진을 마 음대로 공개하는 것을 문제 삼는 사람들도 적지 않기 때문 - 이 경우는 AI 가 사용자의 설정이 가까운 친구 나 가족 으로 되어 있지 않음을 인식 할 뿐만 아니라 그 사진이 사용자의 아이라는 것도 알고 있음을 의미 페이스북에는 스마트폰으로 촬영한 사진에서 친구의 얼굴을 발견하고 이 사진을 친구 와 공유하는 것은 어떻습니까 라고 권유하는 포토 매직(Photo Magic) 기능도 있음 - 보내기(send) 를 클릭하면 페이스북의 메신저(Messenger)를 통해 친구와 쉽게 사 진을 공유할 수 있음 - 이 기능은 옵트-아웃으로 비활성화시킬 수 있지만, 페이스북이 스마트폰의 카메 라 속에까지 들어가서 친구를 식별해 내 는 것까지 하고 있다고 본다면, 사용자 에 따라서는 기분 나빠할 수도 있는 기 능임 - 때론 성가시고 때론 고마운 페이스북의 이 기능들은 AI 의 발전과 인간의 판단 에 의해 만들어진 것이며, 사례가 증가 하면서 학습을 통해 정교해지겠지만, 이 <자료> The Verge (그림 1) 페이스북의 포토 매직 앱 미 이 정도까지 발전해 있다는 것도 놀랍고 흥미로움 (Gizmodo, & Nikkei BP, ) 32

34 최신 ICT 이슈 상업용 드론 개발 및 투자 현황 1. 상업용 드론 시장 본격화 제4차 산업혁명을 1) 이끌 주역 중 하나로 드론 주목 2016 년 다보스포럼의 주제는 제 4 차 산업혁명 이었으며, 제 4 차 산업혁명의 대표적 인 기술로 무인자동차와 드론으로 대표되는 인공지능, 3D 프린팅, 나노 및 바이오테크 놀로지 등 제시 2016 년 CES 2016 의 화두는 로봇 이었으며 자율주행자동차, 가상현실(VR), 드론이 3 대 트렌드로 꼽히는 등 드론 산업의 관심 지속 영상촬영, 농업, 물류운송 등 다양한 분야로 드론 이용이 확대되고 있으며, 상업용 드 론에 대한 높은 관심과 함께 상업용 드론 시장은 폭발적인 성장중 미국 방위컨설팅사 틸그룹은 무인항공기 시장규모가 2014 년 64 억 달러에서 2024 년 115 억 달러에 이를 것으로 전망 - 마켓앤마켓(marketandmarket)은 글로벌 상업용 UAV 시장이 2015 년부터 2020 년 까지 CAGR 32.22%로 성장, 2020 년 약 55.9 억 달러에 달할 것으로 예측 - 중국의 시장조사기관 이관즈쿠(EnfoDesk)는 현재 20 억 위안(약 3,732 억 원) 수준 의 중국 상업용 드론 시장규모가 2018 년에는 110 억 위안(약 2 조 524 억 원)에 달 할 것으로 전망 미국의 드론 등록자가 2 월 초 기준 34 만 2,000 명으로 유인 비행기 조종사 수를 추월 하고 드론 등록자가 평균 1.5 대를 보유하는 등 드론 등록자도 빠르게 증가 2. 상업용 드론 참여 기업 현황 글로벌 기업의 상업용 드론 시장 참여 확대 드론 HW 제작 업체와 구글, 아마존 등 인터넷 기업들이 주로 상업용 드론 시장을 주 * 본 내용과 관련된 사항은 산업분석팀( , shchae@iitp.kr)으로 문의하시기 바랍니다. 1) 1 차(증기기관), 2 차(전기 이용 대량생산), 3 차(컴퓨터 활용 정보화)에 이은 4 차 산업혁명은 로봇, 인공지능, 드론, 사물인터넷 (IoT) 등으로 대표되며, 정보통신기술(ICT) 융합이 만드는 새로운 산업혁명 정보통신기술진흥센터 33

35 주간기술동향 도하였으나, 인텔, 퀄컴, 월마트 등 다양한 분야의 글로벌 기업이 상업용 드론 제작 및 서비스 제공 계획을 발표 (인터넷기업) 드론의 상업적 이용을 위한 프로젝트를 진행하고 상업용 드론 시장 개화 에 박차 - (구글) 차세대 기술 개발 프로젝트 구글 X 가 드론으로 물건배송을 위한 실험(프로 젝트 윙)을 진행했으며 2017 년까지 드론 택배서비스 상용화를 발표( ) - (페이스북) 인터넷 회선 설치가 어려운 지역에 드론을 활용하여 무료 서비스를 제공 하는 Internet.org 를 출범했으며( ) 영국의 무인항공기 회사 어센타(Ascenta) 인수( ) - (아마존) 드론 배달 시스템 Amazon prime air ( ), 2015 년 New prime air 를 발표하고 드론 택배 서비스 실용화 가속 - (알리바바) 드론 배송 서비스를 준비중이며, 2015 년 2 월 인터넷 쇼핑몰 타오바오의 배송 이벤트에 드론 활용 - (텐센트) 드론제조사 링두( 零 度, 제로테크)와 공동 개발, CES2016 에서 드론 YING (잉)을 선보임 - (바이두) 배달 앱을 통해 2015 년 6 월 초 사흘 간 베이징 외곽지역에서 드론 피자 배달서비스 실시 - (라쿠텐) 드론을 사용한 배송 서비스 시험을 4 월부터 지바시에서 실시한다고 발표 (HW 제조사) M&A 및 파트너쉽 등을 통해 상업용 드론 시장 진출 - (인텔) 드론 관련 제조사 투자 및 인수를 통해 상업용 드론 시장 진출 가속화 중. CES 2016 에서 Yuneec Typhoon H 을 선보이며 최고의 드론상, 최고의 웨어러블 상 등을 수상하였고, AT&T 와 제휴를 통해 LTE 네트워크망을 이용한 무인항공기 공동 시험 진행 예정 - (퀄컴) 드론 조종을 위한 반도체 칩 스냅드래곤 플라이트 를 2) 출시하고( ) 주행과 제어에 필요한 SW 등을 함께 제공하며 플랫폼 선점에 주력 - (샤오미) 자회사 페이미가 드론 생산을 주도하며 2015 년 중국 특허청(국가지식산권 2) Snapdragon Flight: 드론을 제어하는 SoC 스냅드래곤 801 과 2G 바이트의 메모리, GPS 수신기, 공중 촬영용 4K 카메라, 자기 위치 추적을 위한 카메라 비행 컨트롤러 등을 탑재한 보드 34

36 최신 ICT 이슈 국)에 24 개의 드론 관련 특허를 제출. 미밴드를 활용하여 드론을 조종하는 기술도 포함 - (삼성전자) 2015 년 연말 무선사업부에 드론 사업 진출을 위한 TFT 설립 - (LG 전자) 드론 산업 진출을 위한 시장 조사 착수 및 드론 업체 패롯(Parrot) 과 협 력해 개발한 드론 컨트롤러를 MWC2016 에서 G5 와 함께 선보임 (비 IT 기업) 도미노, 월마트 등 비 IT 기업도 드론을 활용한 배달 서비스 등 상업용 드 론관련 시범 사업 진행 스타트업 기업의 상업용 드론시장 참여 및 투자 활발 낮아진 드론 제작 진입 장벽과 스마트기기의 발달로 드론 HW 및 SW ㆍ서비스 개발 관련 스타트업 기업이 빠르게 창업되고 있으며, 현재 상업용 드론 시장은 스타트업 기 업 DJI가 70% 이상 장악 - (DJI) 대규모 내수 시장, 중국의 실리콘밸리로 불리는 선전지구의 인프라 환경, 자체 기술력 등이 시너지 효과를 창출하며 선도 기업으로 성장. 향후 단순 HW 개발이 아 닌 SW 와 서비스를 통한 응용 분야에 집중, 드론 생태계 조성을 목표 드론의 두뇌 역할을 하는 플라이트 컨트롤러(Flight Controller) 와 기체 움직임에 관계없 이 카메라를 일정한 기울기로 유지시켜 주는 짐벌 분야 세계 최고 기술을 보유 - (이항) 2011 년부터 1 인용 드론 개발에 착수하여 무인드론을 출시한 바 있고, CES 2016 에서는 체중 100kg 인 사람을 태우고 23 분간 자율비행을 할 수 있는 이항 184 를 선보임 - (패럿) 프랑스 대표 드론업체로 2010 년 이후 달러 가격대의 카메라 장착 드론을 150 만 대 이상 판매하여 드론 보급을 주도. 또한, 스위스 스타트업 센스플라 이에 3) 이어( 12.7), 자국 기업 에어이노브를 4) 인수하는( ) 등 시장 선점 노 력을 지속 HW 제조 기업과 SW 서비스 관련 기업간에 설립시기와 투자규모 등에 차이를 보임 - HW 제조 관련 기업들은 대부분 2000 년대 후반 설립되었고 벤처캐피탈로부터 지속 3) SenseFly: 민간용 드론을 세계 최초로 제조한 혁신 기업으로 Swinglet Cam, ebee, ebee Ag 등이 대표 제품 4) Airinov: 농업용 드론을 판매하는 회사로 10 년 설립한 프랑스 스타트업 정보통신기술진흥센터 35

37 주간기술동향 적으로 투자를 유치해 왔으며, 특히 중국계 기업이 우위를 차지 - SW ㆍ서비스, 기반시스템ㆍ플랫폼(infrastructure) 분야는 최근 2~3 년 내 설립된 기업이 많으며, 투자 유치 규모도 HW 업체 대비 높지 않음 3. 상업용 드론 투자 현황 주요 IT 기업들은 드론 시장 점유를 위해 M&A 또는 투자협력에 적극적 상업용 드론이 초기시장임에도 불구하고, 구글, 인텔, 소니, 퀄컴 등 IT 기업들은 M&A 또는 투자 협력에 적극적 - (구글) 타이탄 에어로스페이스 인수로( ) 태양광 활용 기술을 확보하였고, 5G 이동통신용 전파신호 시험 진행 중 - (인텔) 중국 드론 제조업체 유닉(Yuneec) 에 약 6,000 만 달러를 투자한( ) 데 이어 독일 어센딩 테크놀로지(Ascending Technologies) 인수를 발표( ) - (소니) 2015 년 8 월 초 로봇제작 전문기업 ZMP 와 합작해 초기 자본금 10 억 엔 규 모의 에어로센스(Aerosense) 를 설립. 소니의 관측기술을 탑재해 접근이 어려운 지 역의 탐사 및 측정 서비스 제공 예정 - (퀄컴) 2015 년 하반기 드론용 충전 시설 개발사인 스카이센스(SkySense)를 포함하 여 10 개의 스타트업에 각각 12 만 달러씩 투자하였으며, 3D robotics 의 6,400 만 달러 투자자 중 하나로도 참여 DJI, 에어웨어(Airware) 등 상업용 드론 선도 업체들도 드론 산업 생태계 주도를 위해 투자 계획 발표 - (DJI)는 2015 년 5 월 액셀파트너스와 함께 7,500 만 달러규모의 스카이펀드를 설립, 항공기술 이외에도 인공지능, 시각센서 등에 투자 계획. 자체 제공하는 SW 개발 키 트(SDK)를 이용한 영상처리 또는 지도제작 기업들의 프로젝트를 지원하며, DJI 기술 이 드론 관련 생태계 중심에 입지하겠다는 목표 - (Airware)는 4,000 만 달러의 상업용 드론 펀드 를 조성, 센서와 SW, 클라우드 기 반 데이터 분석, 서비스, HW 와 SW 를 결합한 솔루션 등 드론 관련 5 개 영역의 스 타트업 지원 계획 36

38 최신 ICT 이슈 2015 년 상업용 드론관련 스타트업 투자 급증 드론 산업에 대한 투자 규모가 2014 년 1 억 1,100 만 달러에서 2015 년 4 억 5,000 만 달러로 증가(CB Insight) - 중국 DJI 는 엑셀파트너스(Accel Partners)로부터 7,500 만 달러(SeriesB) 투자를 유치. 이는 그 동안 드론관련 기업 대상 투자 중 최고액임 년 벤처캐티탈은 특정 선도 기업들에게 대규모 투자를 실행하였으며, 특히 중 국 드론제조업체들이 많은 관심을 받음 5) 드론 HW 와 관련된 스타트업의 투자 금액이 높은 비율을 차지하고 있으나, SW 및 서 비스 관련 스타트업 대상 투자도 지속 - CB insights 에 따르면 2012 년부터 2015 년 2 분기까지 투자 금액 중 약 42%가 드 론 관련 SW 및 서비스 기업에, 약 40%가 드론 HW 제조업체에 투자 국내는 벤처캐피탈의 전체 업종에 대한 신규투자 증가(2015 년 2 조 원 돌파) 및 ICT 서비스업종에 대한 높은 투자비중(19.3%)에도 불구하고 상업용 드론 관련 기업이 소수 이고 국내 시장이 초기단계에 머물러 국내 벤처캐피탈의 투자는 소극적 - 엔씨소프트가 2014 년 국내 완구용 드론제조업체 바이로봇 에 15 억 원, 케이큐브 벤처스가 2015 년 9 월 드론 개발 스타트업 유비파이 에 3 억 원 투자 외에는 거의 없는 실정 - 최근, 스포츠 드론 제작업체인 드로젠(Drogen) 이 IDG 캐피탈파트너스(중국)로부터 약 50 억 원(413 만 달러) 투자 유치 발표 4. 상업용 드론 산업 주요 이슈 및 시사점 영상촬영 위주에서 농업, 배송 등 다양한 분야로 확대 현재 상업용 드론의 대부분이 영상촬영을 위해 사용되고 있으나 공공 분야에서는 재난 구조, 인프라 관리, 민간 부분에서는 농업 및 배송 분야 활용 확대 전망 - 미국 FAA 에 등록된 상업용 드론 허가(FAA Section 333 exemptions)는 3,426 개 5) S&P Capital IQ에 등록된 거래중, 2015년 drone 및 UAV를 사업 영역으로 표기한 기업의 전체 투자금액 대비 1,000 만 달러 이상 투자 받은 기업이 약 36% 차지 정보통신기술진흥센터 37

39 주간기술동향 이며( 기준), 대부분이 영상 촬영용임. 그 외 재난구조, 농업, 광업, 부동 산, 배송, 모니터링 등 다양한 분야에서 상업용 드론을 활용한 서비스가 시도되고 있 어 산업용 드론 시장이 확대될 전망 - 향후, 상업용 드론은 개인 취미용과 산업용으로 나뉘어 발전할 것으로 보이며 개인 은 주로 촬영, 취미용 저가형 드론, 산업용은 고화질 촬영, 데이터 수집, 자율주행 등 의 기능이 추가된 고가형 드론이 주가 될 것으로 예상 - 특히, 아마존, 구글, 바이두, 라쿠텐 등 글로벌 기업들이 드론을 활용한 배송 서비스 에 적극적으로 참여하고 있어 관련 기업의 개발 및 드론 배송 서비스 경쟁 심화 예상 드론을 활용한 서비스가 다양하게 개발되며 드론을 통해 정보를 수집하고 수집된 정보 를 활용하는 서비스 및 SW 관심 증가 드론이 사람이 접근하지 못하는 곳의 정보를 수집하고, 건설, 광업 등 중공업이나 농 업 현장에서 많은 종류의 상세 데이터를 수집하면, 이를 이용한 새로운 비즈니스 가 치 창출이 가능 드론 HW 보다는 드론을 활용하고 서비스하는 SW 가 큰 산업으로 발전할 것으로 보 이며, Skycatch, Airware 등 관련 기업들이 투자자로부터 높은 관심을 받으며 거액 의 자금 유치 성공 드론 운영을 위한 SW ㆍ플랫폼 경쟁 시작 상업용 드론 시장은 DJI, 3D Robotics, Yuneec 등 드론 HW 제작 관련 업체들이 시장 을 주도하고 있으나, 2014 년 말 드론코드프로젝트가 시작된 이후 드론 SW 및 플랫폼 주도를 위한 경쟁 시작 - 고프로는 자동비행 솔루션 확보를 위해 스위스 업체 Skybotix 를 인수했으며, SW 로 360 도 영상 활용 기술을 가진 콜러(Kolor) 도 최근 인수 - DJI 는 혁신과 기술에 SW 를 더해 드론 생태계를 구축한다는 전략으로, 개발자키트 (SDK)를 배포하고 개발자 경진대회 등 SW 관련 영역 확대 중 - 드론계의 MS 로 통하는 Airware 는 최초로 HW, SW, 클라우드를 통합 운영할 수 있는 드론 S(Aerial Information Platform)를 2015 년 4 월 공개 - 리눅스재단은 2014 년 10 월부터 개방형 드론 OS 드론코드 프로젝트 를 진행 중으 로 퀄컴, 바이두, 패롯, 3D Robotics 등 50 여개 업체 참여 38

40 최신 ICT 이슈 - 드론 개발자 중심으로 개방형 OS 개발을 위한 오픈파일럿( 도 활발히 활동 중 드론 활용 영역이 항공촬영, 수송 등 다양한 산업 분야로 확대됨에 따라 SW 및 플랫 폼 개발을 통해 드론 생태계 구성의 중요성이 강조 - 자율주행, 충돌 회피 등 인공지능 관련 기술, 빅데이터 처리 기술 등이 다양한 드론 서비스 구현을 위해 융합되며, 향후 드론은 미래 기술 통합 플랫폼으로 발전 가능 - 현재 국내는 정부와 지자체 등이 드론을 미래 전략 사업으로 선정하고 시범사업 등 을 진행하고 있으나 SW 와 OS, 플랫폼 관련 육성 전략은 취약. 드론 HW 제작뿐만 아니라 SW ㆍ서비스, 플랫폼 등 드론 관련 생태계 전반에 대한 지원 필요 상업용 드론 시장에서 국내 기업의 경쟁력 향상 시급 글로벌 상업용 드론 시장은 HW 는 중국, SW 및 플랫폼 등은 미국이 주도하고 있는 양 상이며, 국내 기업의 진출은 미약 - 특히, 글로벌 기업들은 드론 HW 제조에서 벗어나 드론 생태계를 조성하고 그 중심 에 서고자 많은 투자와 SW 및 플랫폼 기술력 확보에 적극적 국내 상업용 드론 산업 육성을 위해 관련 규제 정비 및 시범사업 추진 중이나 드론 생 태계 전반에 대한 적극적 지원 필요 - 드론을 차세대 주력산업으로 육성하기 위해 시범 공역에서 가시권 밖, 야간 고고도 시범 비행을 허용하며 택배, 광고, 게임, 시설물 안전진단 등의 시범사업 진행 시범 공역: 부산(중동 장사포), 대구(달성군 구지면), 강원 영월(덕포리), 전남 고흥(고소리), 전북 전주시(완산구) - 그러나 각 지자체별 시범 사업이 지상인프라 구축, 드론 기술개발, 협력체계 구축 등 거의 동일한 전략을 밝히고 있어 드론 산업 육성을 위한 차별화된 육성 방안 필요 상업용 드론 시장은 향후 개인용 취미시장보다는 산업용 드론 시장의 높은 성장 기대 - 국내는 군사용 드론 분야의 우수한 경쟁력뿐만 아니라 항공, 통신, 배터리 등 분야에 서 높은 기술적 우위를 확보하고 있어, 이를 기반으로 시장형성단계인 산업용 드론 시장 개척 가능 - 신규 서비스 창출을 위한 스타트업 발굴ㆍ지원, 서비스 확충을 위한 인공지능, 센서, 통신 등 관련 기술의 연구 및 투자 확대 중요 정보통신기술진흥센터 39

41 주간기술동향 드론의 상업적 활용 및 역기능 방지를 위해 규제 논의 지속 드론의 상용 프로젝트 실현과 관련 법ㆍ제도 등 규제 부분이 가장 많은 논의가 되고 있으며, 미국, 유럽, 일본 등 각국은 관련 규제 재정비 추진 - 드론 관련 법ㆍ제도는 상업용 이용을 위한 규정보다는 무인항공체로서 중량, 사용목 적을 기준으로 관리되는 경우가 대부분이었으나, 드론의 개인 이용 확대 및 다양한 서비스 요구로 관련 규제 재정비 추진 - 미국 연방항공청(FAA)은 2015 년 2 월 상업용 드론 가이드라인을 발표하고 가시권 밖 드론 운행 규제중이나 2016 년 드론 운항 규제를 완화할 예정 - 아마존은 드론을 활용한 택배 시범 서비스 성공 후 규제 때문에 상용화 단계로 진행 하지 못하고 있으나, 2016 년 FAA 의 규제 변화에 따라 서비스 가능 및 성공 여부 에 관한 관심 증폭 - 유럽연합은 드론산업 발전을 위해 유럽항공안전청(EASA)에서 드론 관련 규정을 7 월 공개하였으며, 드론을 위험도에 따라 3 개 범주로 나누어 규제 - 일본은 드론을 국가 전략산업으로 지정하고 드론을 활용한 배송 서비스의 상용화를 위해 관련 규제 정비에 들어 갔으며, 지바시를 드론특구로 지정하고 시범사업 진행 예정 - 국내도 시범사업 진행 후 규제합리화 방안을 마련할 계획으로 향후 규제 재정비에 따라 국내 시장의 변화가 예상되며, 제도적으로 허용될 경우 산간, 낙도 등 오지 배 송에 드론 서비스 제공 가능 40

42 * Weekly Brief Weekly Brief 분야 이동통신 SW (기반ㆍ융합) 스마트 서비스 스마트폰 SW 스마트 결제 IoT 주요 동향 LG G5, 전작 보다 두 배 이상 판매 전망 모듈형 디자인, 듀얼카메라 등 상품 경쟁력을 바탕으로 800 만 대 가량 판 매될 것으로 추정(미래에셋증권). 앞서 대신증권에서는 1,000 만 대, 신한금 융투자에서는 1,200 만 대가 판매될 것으로 전망. 한편, LG 전자는 G5 의 국내 출시를 3 월 31 일로 확정하였으며, 사전 예약판매 없이 대규모 체험존 으로 마케팅 계획 갤럭시 S7, 중국 판매 개시 삼성전자는 중국을 포함한 인도ㆍ케냐ㆍ멕시코 등에서 2 차 판매(3.18.)를 시작. 국내 시장을 포함하여 북미ㆍ유럽 등 50 여 개국에서 갤럭시 S7 시 리즈의 1 차 판매를 시작(3.11.)한 데 이어 2 차 판매까지 총 출시 국가는 100 곳으로 확대. 한편, 3 월 11 일부터 중국에서 예약판매에 들어간 갤럭시 S7 ㆍ갤럭시 S7 엣지 의 사전 주문량이 1,000 만 대를 돌파(샘모바일) 가상현실 에 이어 증강현실 주목 모바일의 새 먹거리로 가상현실이 주목 받으면서 VR 보다 한 차원 진보한 기술로 평가 받는 증강현실(AR) 관련 시장의 본격 개화 조짐. 또한, 글로벌 ICT 기업들도 진출을 앞두고 있어 VR 과 함께 AR 이 모바일 신기술을 이끄 는 큰 축으로 자리 잡을 전망. 디지캐피탈은 2020 년 AR 시장 규모가 1,200 억 달러 규모로 VR 시장 300 억 달러를 넘어설 것으로 예상 네이버페이, 개인정보보호 국제인증 취득 국내 간편결제 서비스 중 최초로 개인정보보호 국제인증 SOC(Service Organization Control) 2, 3 을 취득. 회계ㆍ컨설팅법인 EY 로부터 보안성ㆍ 가용성ㆍ처리 무결성ㆍ기밀성ㆍ개인정보보호 등 5 개 원칙에서 검증 * SOC 인증은 미국공인회계사회(AICPA)ㆍ캐나다공인회계사회(CICA)가 제정한 트러 스트 서비스 원칙(Trust Service Principles and Criteria)을 기준으로 발급 IoT 회선 점유율 SKT 선두 변동성 확대 예상 2016 년 1 월 기준, SKT 39%ㆍ KT 25%ㆍ LG 23%의 IoT 회선 점유율을 기록. 특히, SK 텔레콤은 웨어러블 회선에서 87% 이상, KT 는 차량관제와 태블릿 PC 에서, LG 유플러스는 기타 사물인터넷 영역에서 높은 점유율 차 지. * 한편, SK 텔레콤은 IoT 토털 케어 프로그램 과 함께 앞으로 2 년간 1,000 억 원 이상 의 투자계획을 발표(3.16.) * 본 내용과 관련된 사항은 산업분석팀( , ssj@iitp.kr)으로 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 정보통신기술진흥센터 41

43 주간기술동향 분야 주요 동향 디지털 콘텐츠 기타 ICT 기기 콘솔게임 클라우드 패널 태블릿 PC 웨어러블 기기 중국 콘솔게임 재개방, 국내 업체 진출 움직임 본격화 2000 년 중국 정부의 게임기 판매 금지령 시행으로 콘솔게임 기기 및 SW 의 판매가 중단되었으나 2015 년 7 월 판매를 허용. 이에 엠게임(열혈강호 온라인), 조이시티(3on3 프리스타일)ㆍ블루사이드(킹덤언더파이어 2)가 자사 핵심 지적재산권을 활용한 콘솔게임을 연내 중국 시장에 출시할 예정 구글, 기업용 클라우드 시장에서 영향력 확대 클라우드 경쟁력 강화를 위해 다이앤 그린 을 영입( )한 데 이어 다 양한 스타트업 인수를 시도 중. 자동화 앱 서비스 업체 메타바인, 전자거래 도구를 제공업체 쇼피파이, 재무ㆍ급여ㆍ건강보험 관리 아웃소싱 업체 네 임리 등을 검토(리코드). 최근 애플이 데이터 일부를 기존 아마존에서 구글 로 이전(3.17.)하여 클라우드 서비스 시장 경쟁이 예고 디스플레이 시장 위축에도 LG 디스플레이 1 위 유지 2016 년 2 월 디스플레이 세계 시장 출하량은 1,788 만 장으로 전년 동기대 비 8.3% 감소. 평균 단가 하락을 감안하여 32 인치 패널의 생산량을 전략적 으로 줄이면서 2016 년 2 월 383 만 장의 TV 패널을 출하하며 1 월에 비해 8.1% 감산하였지만 1 위를 유지 * 한편, 조명용 OLED 신규라인에 투자하여 2017 년 상반기 중 양산할 예정 삼성ㆍ LG, VR 전용 고성능 디스플레이 개발 경쟁 삼성은 스마트폰용처럼 유리나 플라스틱 기판을 사용하여 회로 정밀화로 화 질을 높이는 기술 연구. 현재 장비ㆍ부품업체와 함께 연구 중이며 추가 투자 도 검토. LG 는 기판을 기존 플라스틱ㆍ유리에서 실리콘 웨이퍼로 바꾸는 방안을 연구. 경북 구미의 OLED 신규 공장에 실리콘 웨이퍼를 적용한 VR 전용 라인을 설치하는 방안을 검토 애플, 9.7 인치 태블릿 아이패드 프로 공개(3.21.) 아이패드 프로 는 프로 디스플레이 를 탑재, 아이패드에어 2 대비 반사율 40% 감소, 색 포화도는 25% 향상. 또 주변 환경에 따라 화면 밝기 등이 자 동으로 조절되는 트루톤 디스플레이 도 추가. 32GB 모델 599 달러, 128GB 모델 749 달러, 256GB 모델은 899 달러로 책정. 아이패드 프로 의 주문은 3 월 24 일부터 시작되며 배송은 3 월 31 일 IDC, 웨어러블 기기 매년 두 자리 성장 전망 2020 년 세계 웨어러블 기기 판매량이 2 억 3,710 만 대로 2016 년 1 억 1,000 만 대에서 2 배 이상 증가할 전망 년 스마트워치 OS 점유율 1 위는 애플워치 OS(49.4%) 가 차지. 그러나 애플의 폐쇄적인 운영방침으로 2020 년 37.6%로 하락 예상. 반면, 개방형 플랫폼을 지향하는 안드로이드 웨어 는 2016 년 21.4%에서 2020 년 35%로 성장이 기대 42