Microsoft Word - 목차

Transcription

1

2 주간기술동향 포커스... 2 중소기업의 IoT 관련 정부 R&D 현황 및 정책적 시사점 [김기웅/중소기업연구원] Ⅰ. 서론 Ⅱ. IoT 기술 개요 Ⅲ. 중소기업의 IoT 관련 정부 R&D 현황 Ⅳ. 정책적 시사점 기획시리즈 컴퓨터 비전과 인공지능 Ⅰ. 서론 Ⅱ. 컴퓨터 비전 분야의 딥러닝 기술 동향 Ⅲ. 뇌과학과 인공지능 Ⅳ. 결론 및 시사점 [장혁/한국전자통신연구원] ICT 신기술 ICT 기술을 활용한 임상의사결정지원시스템(CDSS) 연구 동향 [정득영/정보통신기술진흥센터] Ⅰ. 서론 Ⅱ. 임상의사결정지원시스템 시장 현황 Ⅲ. 국내외 기술개발 현황 및 전망 Ⅳ. 결론 및 시사점 최신 ICT 이슈 Ⅰ. 자율운전차 산업 육성에 나선 중국 정부, 거점은 바이두 연구소 Ⅱ. 드론의 편대 비행을 이용한 밤하늘에 펼쳐지는 광고 Ⅲ. 구글-허니웰 크로스 라이선스 합의, 스마트홈 관련 특허소송 종결 Ⅳ. Weekly Brief 2

3 주간기술동향 중소기업의 IoT 관련 정부 R&D 현황 및 정책적 시사점 김기웅 중소기업연구원 책임연구원 최근 들어 사물인터넷에 대한 관심과 논의가 활발하게 진행되고 있으며, 민간기업의 상용화를 유 도하기 위한 정부 차원의 지원도 증가 추세에 있다. 특히, 중소기업은 희소한 자원 환경하에서 최 적의 투자를 통해 기업을 경영해야 하는 만큼, 시장 실패(market failure)를 보완할 정부의 지원 필요 성이 높다. 본 고에서는 중소기업의 사물인터넷 관련 정부 R&D 지원 현황을 국가과학기술지식정보 서비스(NTIS) 등록 데이터를 기준으로 살펴보고 주요 정책적 시사점을 도출하였다. I. 서론 IoT(Internet of Things; 사물인터넷)가 20 여년 전 아마존닷컴의 등장과 함께 촉발된 유비쿼터 스(ubiquitous) 시대를 회상하게 할 만큼 전세계의 관심을 집중시키고 있다. 급기야 최근 개최된 2016 년 다보스포럼에서는 인공지능, 로봇, 무인자동차, 3D 프린팅 등과 함께 4 차 산업혁명의 대표기술 중 하나로 IoT 가 제시되었다. IoT 는 사용자에게 개인화된 정보 등 새로운 경험을 제 공하고, 기업들은 데이터를 활용한 서비스화(servitization) 등 다양한 비즈니스 모델을 창출하고 있으며, 정부 차원에서도 보건, 교통, 안전 등 공공 목적의 활용성이 높아지고 있다. 또한, 중소 기업에도 새로운 기회요인으로 작용할 가능성이 높아지고 있으며, 2015 년 6 월 한국인터넷전문 가협회의 조사결과에 의하면 국내 IoT 상용화를 위한 요소로 중소기업 육성을 위한 정부 지원 이 필요하다는 응답이 높게 나타난 바 있다[1]. 인터넷을 통한 사물 및 사람간 연결이라는 IoT 의 개념이 새로운 아이디어는 아니다. 그럼에 도 불구하고 최근 IoT 의 급부상은 데이터 수집을 위한 센서 등의 원가 하락, 와이파이 등 무선 네트워크의 보급 확대, 저비용으로 쉽게 접근 가능한 저장 플랫폼인 클라우드의 등장과 빅데이 터 분석기술 등 관련 기술 개발을 통한 경제성 및 편리성 제고에 기인한 것으로 볼 수 있다. * 본 내용은 김기웅 책임연구원( , slowpokee@hanafos.com)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 2

4 포커스 본 고에서는 정부 R&D 사업을 통해 지원된 중소기업의 IoT 관련 R&D 현황을 살펴보고 정책 적 시사점을 제공하여 중소기업에 대한 IoT 관련 R&D 정책 수립에 참고가 되도록 하고자 한다. 이를 위해 본 고의 2 장에서는 먼저 IoT 기술을 개략적으로 검토하고, 3 장에서 IoT 관련 중소기 업 정부 R&D 현황을 살펴보고자 한다. 이를 바탕으로 4 장에서는 정책적 시사점을 제언하고자 한다. II. IoT 기술 개요 사물인터넷의 구현을 위해서는 사람 또는 사물 사이에서 발생되는 데이터들을 실시간으로 통신할 수 있는 통신 속도 및 품질이 우선적으로 보장되어야 한다. 이를 위한 기술로는 근거리 무선통신(Near Field Communication: NFC), 저전력 블루투스(Bluetooth Low Energy: BLE) 등이 있 다. 아울러, 발생되는 데이터 통신만으로는 IoT 로 기능할 수 없고 데이터 관리, 데이터 프로세 싱에 의한 지능형 서비스를 포함하는 것이 IoT 이라 할 수 있다. 이를 위한 기술로는 빅데이터 와 클라우드, 미세전자기계시스템(Micro Electro Mechanical System: MEMS) 등이 있다. 근거리 무선통신(NFC)은 10cm 이내의 거리에서 양방향 통신을 위한 기술이다. 통신거리가 짧아 상대적으로 보안이 우수하고 가격이 저렴하여 주목을 받고 있으며, 현재 애플의 아이폰과 안드로이드 기반의 스마트폰에 기본적으로 NFC 기능을 탑재하고 있다. 활용되고 있는 NFC 서 비스로는 결제, 이체, 명함 교환 등의 단말기간 접촉과 개인인증 및 액세스 컨트롤 등 개인정보 관리, 그리고 관광 안내, 의료, 주차, 예약, 구매, 소셜 네트워크 등의 응용 서비스가 있다. 저전력 블루투스(BLE)는 5cm 에서 45m 에 이르 는 통신거리와 저전력의 강점을 갖고 있어 NFC 의 짧은 통신거리가 갖는 한계점을 극복할 수 있는 기술로 블루투스 4.0 프로토콜에 기반한 위치기반 블루투스라고도 불린다. 최근에는 저전력 블루투 스(BLE) 기반의 비콘(Beacon)을 활용하여 사용자의 위치에 따라 관심을 갖는 상점, 제품에 대한 상세 한 설명을 푸시 알람과 메시지로 제공해 주고 결 제까지 진행할 수 있다. 비콘은 IoT 기능이 없는 <자료>: [그림 1] 애플의 ibeacon 정보통신기술진흥센터 3

5 주간기술동향 사물에 부착하면 간단하게 IoT 환경을 만들 수 있으며, 최근 들어 국내에서도 비콘을 활용한 매 장 내 쿠폰 메시징 서비스가 급격하게 증가하는 추세이다. 사람 및 사물이 만들어내는 다양한 실시간 데이터의 처리를 통해 개인화 추천, 비즈니스 예 측 등을 하기 위해서는 데이터 관리와 연산 인프라를 담당하는 클라우드와 데이터의 지능적 처 리를 통해 예측과 서비스를 담당하는 빅데이터 기술이 필요하다. 이와 관련하여, 최근에는 생산 관련 데이터 분석을 통한 장비 수명 제고 및 급작스런 고장을 사전에 예측하는 머신러닝 (machine learning) 기술이 확산되는 추세이다. 엘리베이터기업 티센크루프는 엘리베이터 속도, 모터 온도, 출입문 오작동 등 데이터를 수집하고 엔지니어의 모바일 디바이스로 전송 및 문제 발생 여부를 예측하여 사전에 정기점검 등 예방적 조치를 실시하고 있다[2] 년 5 월 미래창조과학부는 향후 5 년간 IoT 를 위한 MEMS 센서칩 제품화에 205 억 원을 투자하기로 결정하였다. MEMS 은 20mm 또는 그 이하의 공간이 필요한 곳에서 IoT 가 센서 기 능을 수행하는데 필요한 기술이다. 차량용 센서, 내비게이션, 모바일 단말기와 같은 미세한 공 간에 장착되어 가속도, 압력, 관성, 환경 정보 등의 센싱 역할을 한다. 미세전자기계시스템 센서는 저전력, 초소형화, 대량 생산 의 장점을 가지고 있어 다양한 기능을 담아야 하는 스마트 센서 로 가장 적합하다. 예를 들어, 스마트홈의 대표적인 서비스인 노 션(Notion)은 미세전자기계시스템 기술이 구현된 평형 체크 센서 등 7 종의 센서를 적용하고 있다[3]. <자료>: Notion [그림 2] 노션 센서 한편, IoT 는 기술적으로 크게 2 가지 극복 과제를 가지고 있다. 첫째는, 표준에 관한 것이다. 플랫폼 등 표준 경쟁은 시간과 비용을 수반할 뿐만 아니라 상호호환성을 낮추기 때문에 IoT 의 빠른 확산에 방해가 될 수 있다. 따라서 폐쇄적이 아닌 개방적 IoT 를 위한 기업간 협력과 조정 이 요구되고 있으나 아직까지는 각 사 중심의 IoT 생태계를 경쟁적으로 구축하는 현상이 뚜렷 한 상황이다. 둘째는, 보안에 관한 것이다. 사물간 인터넷 연결은 엄청난 정보의 생성, 수집, 유 통, 관리 및 활용이 뒤따르며, 이 과정에서 취약한 보안 시스템은 개인 및 공공안전 위협과 프 라이버시 침해라는 이슈에 직면하게 될 수 밖에 없다 년 HP 의 조사에 의하면 IoT 기기의 70%는 통신과정에서 암호화를 수행하지 않으며, 기기 및 연동 앱의 80%는 취약한 패스워드 인 증방식을 사용하는 것으로 나타났다[4]. 4

6 포커스 III. 중소기업의 IoT 관련 정부 R&D 현황 중소기업의 사물인터넷 관련 정부 R&D 현황을 파악하기 위해 국가과학기술지식정보서비스 (NTIS)에 등록된 1999 년부터 2014 년 사이의 총 537,794 건의 정부 연구개발과제를 대상으로 살 펴보았다. IoT 관련 연구개발과제는 사물인터넷, IoT, Internet of Things 의 3 개 키워드로 위탁과 제를 제외한 주관 및 협동과제 기준으로 추출하였다. IoT 관련 연구개발과제는 총 300 건, 정부지원금액은 약 914 억 원이었으며, 2014 년에 급증 한 것으로 나타났다. 이 중 중소기업은 2012 년부터 지원되었으며 총 149 건, 정부지원금액은 약 418 억 원이었고, 마찬가지로 2014 년에 급증한 것으로 나타났다. 특히, 대학 등 타 수행주체 대 비 중소기업의 증가율이 더 높게 나타났다. [표 1] 연도별 IoT 관련 정부 R&D 지원 연도 연구수행주체 전체 연도 건수(비중) 금액(백만 원) 건수 (비중) [전체 R&D 건수 (비중)] (비중) [전체 R&D 건수 (비중)] 2011 년 2012 년 2013 년 2014 년 합 계 <자료> 중소기업연구원 자체 작성 6 (2.0%) [41,619 (21.2%)] 9 (3.0%) [49,948 (25.5%)] 39 (13.0%) [50,865 (26.0%)] 246 (82.0%) [53,493 (27.3%)] 300 (100%) [195,925 (100%)] 4,450 (4.9%) 6,392 (7.0%) 11,702 (12.8%) 68,881 (75.3%) 91,425 (100%) - [6,841 (19.2%)] 1 (0.7%) [9,086 (25.6%)] 18 (12.1%) [9,515 (26.8%)] 130 (87.2%) [10,099 (28.4%)] 149 (100.0%) [35,541 (100%)] 중소기업 금액(백만 원) (비중) (0.5%) 5,631 (13.5%) 35,998 (86.1%) 41,825 (100%) 연구수행주체별로 살펴보면 중소기업에 정부지원금액 기준으로 418 억 원(45.7%)이 지원되어 [표 2] 연구수행주체별 IoT 관련 정부 R&D 지원 연구수행주체 건수 (비중) 금액(백만 원) (비중) 건당금액(백만 원) 전체 R&D 건수(비중) 대학 108 (36.0%) 20,499 (22.4%) ,085 (52.5%) 중견기업 3 (1.0%) 3,039 (3.3%) 1,013 1,537 (0.3%) 중소기업 149 (49.7%) 41,825 (45.7%) ,970 (19.3%) 출연연구소 19 (6.3%) 14,811 (16.2%) ,329 (13.6%) 기타 21 (7.0%) 11,251 (12.3%) ,873 (14.3%) 합 계 300 (100%) 91,425 (100%) ,794 (100%) <자료> 중소기업연구원 자체 작성 정보통신기술진흥센터 5

7 주간기술동향 가장 많았으며, 대학 205 억 원(22.4%), 출연연구소 148 억 원(16.2%) 순으로 나타났다. 건당 지원 금액은 중견기업이 1,013 백만 원으로 가장 높게 나타났다. 한편, 전체 정부 R&D 과제 대비 건 수 기준으로 IoT 관련 과제의 중소기업 수행 비중이 타 연구수행주체와 비교하여 상대적으로 높게 나타나고 있다. 부처별로는 총 11 개 부처에서 지원하였으며 정부지원금액 기준으로 미래창조과학부가 575 억 원(62.9%)을 지원하여 가장 많았고, 중소기업청 159 억 원(17.4%), 산업통상자원부 124 억 원 (13.5%), 교육부 24 억 원(2.7%) 순으로 나타났다. 이 중 중소기업에 대해서는 총 9 개 부처에서 지원하였으며 미래창조과학부가 180 억 원(43.1%)을 지원하여 가장 많았고, 중소기업청 145 억 원(34.7%), 산업통상자원부 79 억 원(18.8%), 문화체육관광부 6 억 원(1.6%) 순으로 나타났다. 한 편, 국토교통부는 1 건, 해양수산부는 1 건으로 나타났다. [표 3] 부처별 IoT 관련 정부 R&D 지원 부처명 연구수행주체 전체 중소기업 건수 (비중) 금액(백만원) (비중) 건수 (비중) 금액(백만원) (비중) 교육부 40 (13.3%) 2,423 (2.7%) 1 (0.7%) 22 (0.1%) 국민안전처 4 (1.3%) 500 (0.5%) 2 (1.3%) 150 (0.4%) 국토교통부 3 (1.0%) 1,015 (1.1%) 1 (0.7%) 300 (0.7%) 기상청 1 (0.3%) 63 (0.1%) 1 (0.7%) 63 (0.2%) 농림축산식품부 1 (0.3%) 290 (0.3%) - - 문화체육관광부 3 (1.0%) 699 (0.8%) 2 (1.3%) 649 (1.6%) 미래창조과학부 107 (35.7%) 57,542 (62.9%) 38 (25.5%) 18,047 (43.1%) 방송통신위원회 1 (0.3%) 400 (0.4%) - - 산업통상자원부 36 (12.0%) 12,354 (13.5%) 25 (16.8%) 7,879 (18.8%) 중소기업청 103 (34.3%) 15,919 (17.4%) 78 (52.3%) 14,495 (34.7%) 해양수산부 1 (0.3%) 220 (0.2%) 1 (0.7%) 220 (0.5%) 합 계 300 (100%) 91,425 (100%) %) 41,825 (100%) <자료> 중소기업연구원 자체 작성 사업별로는 총 75 개 사업에서 지원하였으며 정부지원금액 기준으로 미래창조과학부 SW 컴 퓨팅산업원천기술개발사업이 155 억 원(16.9%)을 지원하여 가장 많았고, 미래창조과학부 국가과 학기술연구회 운영비지원사업 60 억 원(6.6%), 미래창조과학부 USN 산업융합원천기술개발사업 55 억 원(6.0%) 순으로 나타났다. 이 중 중소기업에 대해서는 총 39 개 사업에서 지원하였으며, 중 소기업청 중소기업기술혁신개발이 41 억 원(9.7%)을 지원하여 가장 많았고, 미래창조과학부 USN 6

8 포커스 산업융합원천기술개발사업 40 억 원(9.6%), 중소기업청 중소기업 상용화 기술개발 30 억 원(7.2%) 순으로 나타났다. 특히, 중소기업의 경우 업력 7 년 이하의 창업 초기 기업을 지원하는 창업성 장기술개발사업의 지원이 상대적으로 높게 나타나고 있다. [표 4] 사업별 IoT 관련 정부 R&D 지원(상위 10 개 사업) 연구수행주체 전체 중소기업 세부사업명 금액(백만 원) (비중) 세부사업명 금액(백만 원) (비중) SW 컴퓨팅산업원천기술개발 15,480 (16.9%) 중소기업기술혁신개발 4,077 (9.7%) 국가과학기술연구회운영비지원 6,000 (6.6%) USN 산업융합원천기술개발 4,010 (9.6%) USN 산업융합원천기술개발 5,496 (6.0%) 중소기업상용화기술개발 3,001 (7.2%) 정보통신기술인력양성 4,449 (4.9%) 창업성장기술개발 2,650 (6.3%) 중소기업기술혁신개발 4,077 (4.5%) 신산업창출을위한SW 융합기술고도화 2,394 (5.7%) 한국전자통신연구원연구개발지원 3,300 (3.6%) ICT 기술사업화기반구축 2,120 (5.1%) 중소기업상용화기술개발 3,001 (3.3%) 중소기업융복합기술개발 2,060 (4.9%) 창업성장기술개발 2,984 (3.3%) 첨단융복합콘텐츠기술개발 2,000 (4.8%) 에너지자원융합핵심기술개발 2,800 (3.1%) 지역특화산업육성 1,858 (4.4%) 산학연협력기술개발 2,631 (2.9%) 소재부품기술개발 1,850 (4.4%) <자료> 중소기업연구원 자체 작성 연구개발단계별로는 정부지원금액 기준으로 개발연구가 445 억 원(48.7%)으로 가장 많았으 며, 응용연구 219 억 원(23.9%), 기초연구 184 억 원(20.1%) 순으로 나타났다. 이 중 중소기업에 대해서는 개발연구가 347 억 원(83.0%)으로 가장 많았으며, 응용연구 46 억 원(11.0%), 기초연구 17 억 원(4.0%) 순으로 나타났다. 건당 지원금액은 기초연구가 422 백만 원으로 가장 높게 나타 났다. 전체 정부 R&D 과제 대비 금액 기준으로 IoT 관련 과제의 중소기업 수행 비중을 살펴보 면 기초연구, 응용연구의 비중은 다소 높고, 개발연구의 비중은 다소 낮게 나타났다. 비모수검 증인 Wilcoxon 부호-서열 검증(Wincoxon signed-rank test) 결과, p-value(유의확률)가.000 으로 [표 5] 연구개발단계별 IoT 관련 정부 R&D 지원 연구개발 단계 연구수행주체 전체 중소기업 금액(백만 원) (비중) 금액(백만 원) (비중) 건당 금액(백만 원) 전체 R&D 금액(백만 원) (비중) 기초연구 18,418 (20.1%) 1,686 (4.0%) ,237 (3.6%) 응용연구 21,858 (23.9%) 4,614 (11.0%) 355 1,818,364 (9.6%) 개발연구 44,520 (48.7%) 34,721 (83.0%) ,871,370 (84.2%) 기타 6,629 (7.3%) 804 (1.9%) ,789 (2.6%) 합 계 91,425 (100%) 41,825 (100%) ,858,760 (100%) <자료> 중소기업연구원 자체 작성 정보통신기술진흥센터 7

9 주간기술동향 [표 6] 검정통계량 검정통계량 Z 근사 유의 확률(양측) IoT 중소기업 R&D 전체 중소기업 R&D <자료> 중소기업연구원 자체 작성 중소기업의 전체 정부 R&D 와 IoT 관련 R&D 에 대한 연구개발단계의 분포는 같지 않다고 볼 수 있다. 즉, 중소기업은 IoT 관련 정부 R&D 에 있어 타 연구수행주체와 비교하여 개발연구의 비중 이 압도적으로 높고 기초연구, 응용연구의 비중이 낮으나 전체 정부 R&D 과제 대비하여는 기 초연구, 응용연구의 비중은 다소 높고, 개발연구의 비중은 다소 낮게 나타난 것으로 볼 수 있다. 지역별로는 17 개 지자체 중, 정부지원금액기준으로 서울이 470 억 원(51.4%)으로 가장 많았 으며, 경기 183 억 원(20.0%), 대전 123 억 원(13.5%) 순으로 나타났다. 이 중 중소기업에 대해서 는 서울이 257 억 원(61.4%)으로 가장 많았으며, 경기 77 억 원(18.4%), 대구 17 억 원(4.2%) 순으 [표 7] 지역별 IoT 관련 정부 R&D 지원 지역 연구수행주체 전체 중소기업 금액(백만 원) (비중) 금액(백만 원) (비중) 건당 금액(백만 원) 전체 R&D 금액(백만 원) (비중) 강원 727 (0.8%) 608 (1.5%) ,410 (1.8%) 경기 18,280 (20.0%) 7,690 (18.4%) 320 5,044,653 (26.7%) 경남 278 (0.3%) 146 (0.3%) 146 1,107,219 (5.9%) 경북 392 (0.4%) 69 (0.2%) ,143 (4.0%) 광주 1,162 (1.3%) 642 (1.5%) ,716 (3.1%) 대구 1,961 (2.1%) 1,741 (4.2%) ,973 (4.8%) 대전 12,337 (13.5%) 753 (1.8%) 151 1,386,823 (7.4%) 부산 3,617 (4.0%) 915 (2.2%) ,353 (5.0%) 서울 47,009 (51.4%) 25,692 (61.4%) 321 4,056,647 (21.5%) 세종 23 (0.0%) - - 3,871 (0.0%) 울산 26 (0.0%) ,153 (1.3%) 인천 1,808 (2.0%) 1,273 (3.0%) ,746 (4.1%) 전남 482 (0.5%) 359 (0.9%) ,933 (1.8%) 전북 101 (0.1%) ,455 (2.4%) 제주 1,421 (1.6%) 1,395 (3.3%) ,821 (0.6%) 충남 211 (0.2%) 22 (0.1%) ,668 (3.9%) 충북 1,590 (1.7%) 520 (1.2%) ,712 (3.2%) 해외 등 기타 ,464 (2.6%) 합 계 91,425 (100%) 41,825 (100%) ,858,760 (100%) <자료> 중소기업연구원 자체 작성 8

10 포커스 로 나타났다. 건당 지원금액은 전남이 359 백만 원으로 가장 높게 나타났다. 전체 정부 R&D 과 제 대비 금액 기준으로 서울은 상대적으로 IoT 관련 과제의 중소기업 수행 비중이 높게 나타났 다. 한편, 경기, 대전, 경남은 상대적으로 낮은 것으로 나타났다. 과학기술표준분류 중분류별로는 52 개 중분류에서 지원되었으며, 정부지원금액기준으로 소 프트웨어가 168 억 원(18.4%)으로 가장 많았고, RFID/USN 156 억 원(17.1%), U-컴퓨팅 116 억 원 (12.6%) 순으로 나타났다. 이 중 중소기업에 대해서는 36 개 중분류에서 지원되었으며, RFID/USN 이 97 억 원(23.1%)으로 가장 많았고, 소프트웨어 80 억 원(19.0%), 기타 정보/통신 39 억 원(9.3%) 순으로 나타났다. 건당 지원금액은 영상/음향기기가 1,350 백만 원으로 가장 높게 나타났다. [표 8] 과학기술표준분류별(중분류) IoT 관련 정부 R&D 지원(상위 10 개 분류) 연구수행주체 전체 중소기업 분류 금액(백만 원) (비중) 건당 금액 건당 금액 분류 금액(백만 원) (비중) (백만 원) (백만 원) 소프트웨어 16,838 (18.4%) 344 RFID/USN 9,671 (23.1%) 322 RFID/USN 15,604 (17.1%) 325 소프트웨어 7,965 (19.0%) 249 U-컴퓨팅 11,552 (12.6%) 340 기타 정보/통신 3,871 (9.3%) 387 기타 정보/통신 9,171 (10.0%) 510 U-컴퓨팅 3,558 (8.5%) 356 재난정보관리 6,639 (7.3%) 1,107 홈네트워크 2,171 (5.2%) 271 반도체소자/ 시스템 4,051 (4.4%) 1,013 영상/음향기기 1,350 (3.2%) 1,350 홈네트워크 2,613 (2.9%) 238 정보보호 1,096 (2.6%) 157 정보보호 2,279 (2.5%) 120 계측기기 1,060 (2.5%) 353 이동통신 2,187 (2.4%) 199 신재생에너지 1,040 (2.5%) 347 기타 에너지/자원 2,000 (2.2%) 1,000 위성/전파 990 (2.4%) 330 <자료> 중소기업연구원 자체 작성 과학기술표준분류 소분류별로는 82 개 소분류에서 지원되었으며, 정부지원금액기준으로 달리 분류되지 않는 정보/통신이 88 억 원(9.6%)으로 가장 많았고, 인터넷 S/W 60 억 원(6.6%), 재난취 약요소진단정보관리기술 60 억 원(6.6%) 순으로 나타났다. 이 중 중소기업에 대해서는 52 개 소 분류에서 지원되었으며, S/W 솔루션이 50 억 원(12.0%)으로 가장 많았고, 달리 분류되지 않는 정보/통신 39 억 원(9.3%), RFID/USN 서비스 34 억 원(8.0%) 순으로 나타났다. 공공 및 산업으로 구분하여 적용 분야를 살펴보면, 공공 분야는 211 억 원(23.2%), 산업 분야 는 704 억 원(76.9%)이 지원되었다. 이 중 중소기업에 대해서는 공공 분야는 68 억 원(16.3%), 산 업 분야는 350 억 원(83.7%)이 지원되었다. 정보통신기술진흥센터 9

11 주간기술동향 [표 9] 과학기술표준분류별(소분류) IoT 관련 정부 R&D 지원(상위 10 개 분류) 연구수행주체 전체 중소기업 분류 금액(백만 원) (비중) 분류 금액(백만 원) (비중) 달리 분류되지 않는 정보/통신 8,751 (9.6%) S/W 솔루션 5,025 (12.0%) 인터넷 S/W 6,037 (6.6%) 달리 분류되지 않는 정보/통신 3,871 (9.3%) 재난취약요소진단정보관리기술 6,000 (6.6%) RFID/USN 서비스 3,350 (8.0%) S/W 솔루션 5,369 (5.9%) USN 기술 3,037 (7.3%) USN 기술 5,211 (5.7%) 활용서비스플랫폼 및 응용 S/W 2,887 (6.9%) RFID/USN 서비스 4,888 (5.3%) U-컴퓨팅플랫폼/응용기술 1,908 (4.6%) U-컴퓨팅플랫폼/응용기술 4,121 (4.5%) 전광판 1,350 (3.2%) 활용서비스플랫폼 및 응용 S/W 3,474 (3.8%) 임베디드 S/W 835 (2.0%) 달리 분류되지 않는 에너지/자원 2,000 (2.2%) 인터넷 S/W 801 (1.9%) <자료> 중소기업연구원 자체 작성 [표 10] 적용 분야별(산업) IoT 관련 정부 R&D 지원 적용 분야(산업) 전자부품, 컴퓨터, 영상, 음향 및 통신장비 제조업 연구수행주체 전체 중소기업 금액(백만 원) (비중) 건당 금액(백만 원) 지원 금액(백만 원) 건당 금액(백만 원) 34,746 (38.0%) ,255 (36.5%) 283 전문, 과학 및 기술서비스업 12,818 (14.0%) 413 2,009 (4.8%) 183 기타 산업 7,823 (8.6%) 460 7,048 (16.9%) 587 출판, 영상, 방송통신 및 정보서비스업 6,802 (7.4%) 227 3,681 (8.8%) 205 전기 및 기계장비 제조업 3,647 (4.0%) 281 3,455 (8.3%) 346 예술, 스포츠 및 여가관련 서비스업 1,327 (1.5%) 221 1,327 (3.2%) 221 농업, 임업 및 어업 1,024 (1.1%) (1.5%) 212 교육 서비스업 494 (0.5%) (0.5%) 114 자동차 및 운송장비 제조업 396 (0.4%) (0.5%) 200 건설업 336 (0.4%) (0.8%) 336 의료, 정밀, 광학기기 및 시계 제조업 318 (0.3%) (0.7%) 300 화학물질 및 화학제품 제조업 200 (0.2%) (0.5%) 200 보건업 및 사회복지 서비스업 198 (0.2%) (0.5%) 198 음식료품 및 담배 제조업 150 (0.2%) (0.4%) 150 전기, 가스, 증기 및 수도업 75 (0.1%) 합 계 70,354 (76.9%) ,022 (83.7%) 287 <자료> 중소기업연구원 자체 작성 10

12 포커스 산업 적용 분야는 정부지원금액기준으로 전자부품, 컴퓨터, 영상, 음향 및 통신장비 제조업 이 347 억 원(38.0%)으로 가장 많았고, 전문, 과학 및 기술서비스업 128 억 원(14.0%), 기타 산업 78 억 원(8.6%) 순으로 나타났다. 이 중 중소기업에 대해서는 전자부품, 컴퓨터, 영상, 음향 및 통신 장비 제조업이 153 억 원(36.5%)으로 가장 많았고, 기타 산업 70 억 원(16.9%), 출판, 영상, 방송 통신 및 정보서비스업 37 억 원(8.8%) 순으로 나타났다. 건당 지원금액은 기타 산업이 587 백만 원으로 가장 높게 나타났다. 한편, 중소기업은 타 연구수행주체 대비 전문, 과학 및 기술서비스 업은 비중이 낮은 반면, 전기 및 기계장비 제조업은 비중이 높게 나타나 서비스 분야 R&D 비중 이 낮은 것으로 볼 수 있다. IV. 정책적 시사점 본 고에서는 IoT 기술에 대해 간략하게 검토한 후 중소기업의 IoT 관련 정부 R&D 현황을 국 가과학기술지식정보서비스(NTIS) 등록 데이터를 기준으로 살펴보았다. 이를 바탕으로 도출한 정 책적 시사점은 다음과 같다. 첫째, 사물인터넷 관련 정부 R&D 지원을 확대할 필요가 있다 년 IoT 관련 정부 R&D 지원은 689 억 원으로 ICT SW 관련 과학기술표준분류 중분류 투자액인 2.79 조 원의 2.5% 수 준에 불과한 상황이다. 반면, 반도체 및 디스플레이, 소프트웨어 및 콘텐츠 등 타 분야와 비교 하여 세계 최고수준 대비 논문 특허 수준은 낮게 나타나고 있다[5]. 또한, 본 고에 의하면 2014 년에 IoT 관련 정부 R&D 지원이 급증하였는데 특히, 대학 등 타 연구수행주체 대비 중소기 업의 증가율이 더 높고 중소기업에 대한 지원 비중이 가장 높게 나타나고 있으며, 업력 7 년 이 하의 창업 초기기업을 지원하는 창업성장기술개발사업을 통한 R&D 지원도 상대적으로 높게 나 타나고 있어 중소기업의 수요가 높은 것으로 보이므로, 이를 감안하여 지속적으로 정부 R&D 지원을 확대할 필요가 있다. 둘째, 중소기업의 대학, 출연연구소 등 공공연구소와의 협업(collaboration) 및 대기업 등 수요 처를 사전에 확보하도록 유도할 필요가 있다. 본 고에 의하면, 중소기업은 IoT 관련 정부 R&D 에 있어 타 연구수행주체와 비교하여 개발연구의 비중이 압도적으로 높으며 기초연구, 응용연 구의 비중이 낮으나 전체 정부 R&D 과제 대비하여는 기초연구, 응용연구의 비중은 다소 높고, 개발연구의 비중은 다소 낮게 나타났다. 이는 IoT 가 비교적 초기 단계의 R&D 분야이기 때문인 정보통신기술진흥센터 11

13 주간기술동향 것으로 볼 수 있으며, 협업 및 수요처 확보를 통해 부족한 R&D 역량을 보완하고 리스크를 회피 하는 것이 필요할 수 있다. EU 는 기업들이 최소 5 년간 관련 R&D 투자 수준을 전반적으로 향 상시키고 글로벌 IoT 서비스를 개발해야 한다고 하였으며, 대기업의 경우, 중소기업과의 협력을 통해 개방형 생태계 구축에 기여하고 특히 혁신적인 최첨단 기술력을 보유한 스타트업이나 중 소기업들과 고객을 연계하는 방식으로 시장 진출을 적극적으로 지원해야 한다고 강조하였다[6]. 또한, 2015 년 12 월 정보통신정책연구원의 국내 IoT 세부정책 수행수준 평가 전문가조사 결과 에 의하면 대중소기업 상생협력 생태계 구축이 가장 미흡한 것으로 나타나고 있어 이에 대한 정책적 지원이 필요한 것으로 볼 수 있다[7]. 셋째, 중소기업의 사물인터넷 생태계 중 서비스 R&D 를 보다 확대할 필요가 있다. 사물인터 넷은 사물-사물 또는 사물-사람간 연결을 위해 플랫폼, 네트워크, 디바이스를 필요로 하며, 플 랫폼 또는 디바이스에서의 지능적 처리과정을 거쳐 서비스를 제공하는 것으로 P-N-D-S (Platform-Network-Device-Service)의 생태계를 구성한다[8]. 본 고에 의하면, 중소기업은 과학기 술표준분류 중분류 기준으로 RFID/USN 이 가장 많이 지원되었고, 소분류 기준으로는 S/W 솔루 션, 달리 분류되지 않는 정보/통신, RFID/USN 서비스, USN 기술, 활용 서비스 플랫폼 및 응용 S/W 등의 순으로 지원되었는데, RFID/USN 서비스는 플랫폼, 서버, 미들웨어기술, USN 기술은 센 서 통신 및 동작기술이며, 활용 서비스 플랫폼 및 응용 S/W 는 환경 감지 및 제어, 정보의 취합 및 유통기술로 모두 플랫폼, 네트워크, 디바이스와 관련된 기술이다. 또한, 산업 적용 분야에 있 어 중소기업은 타 연구수행주체 대비 전문, 과학 및 기술서비스업은 비중이 낮은 반면, 전기 및 기계장비 제조업은 비중이 높게 나타나 서비스 분야 R&D 비중이 낮은 것으로 볼 수 있다. 따라 서, S/W 솔루션, 인터넷 S/W 와 같이 중소기업의 진입이 상대적으로 용이하고 부가가치가 높은 서비스 분야로의 R&D 비중을 더욱 확대할 필요가 있다. 마지막으로, IoT 에 대한 지역 및 부처간 균형 지원이 이루어질 필요가 있다. 본 고에 의하면, IoT 의 정부 R&D 지원이 서울, 경기에 집중되고 있으며 특히, 경기, 대전, 경남은 중소기업에 대 한 전체 R&D 지원 대비 IoT 정부 R&D 지원 비중이 상대적으로 낮은 것으로 나타났다. 또한, 부 처별로는 중소기업에 대한 IoT R&D 지원이 국토교통부 1 건, 해양수산부 1 건, 농림축산식품부 0 건으로 나타났으며, 스마트카(smart car), 스마트쉽(smart ship), 스마트팜(smart farm) 등 IoT 를 적용하기 위한 R&D 를 확대할 필요가 있다. 사물인터넷은 스마트공장 등 중소제조업의 생산성 향상 및 기존 비즈니스 모델의 서비스화, 창업을 통한 산업 활성화 등에도 기여할 수 있으므로 12

14 포커스 중소기업에 대한 지원과 관심이 필요하다. [ 참고문헌 ] [1] IoT 기술환경 인식 조사 결과 보고서, 한국인터넷전문가협회, [2] The Internet of Things Opportunities and challenges, European Parliamentary Research Service, [3] 권석준 외, 사물인터넷 실천과 상상력, 미래의창, [4] 김보경, 해외 IoT 기술 접목 스마트 제품의 성공 전략, 한국무역협회 국제무역연구원 TRADE BRIEF, [5] 2017 년도 정부연구개발 투자방향 및 기준(안), 국가과학기술심의회 운영위원회, [6] Definition of a Research and Innovation Policy Leveraging Cloud Computing and IoT Combination, European Commission, [7] 박유리 손상영 김창완 강하연 오정숙 김희연 정원준 신정우 문상현, 인터넷의 진화와 사회경제적 패러다임 변화 연구: 사물인터넷을 중심으로, 정보통신정책연구원 기본연구 15-01, [8] 김기웅, IoT 제품 및 서비스 중소기업의 생태계 현황 및 정책적 시사점, 정보통신기술진흥센터 주간기술동향 1707 호, 정보통신기술진흥센터 13

15 주간기술동향 컴퓨터 비전과 인공지능 장혁 한국전자통신연구원 선임연구원 최근 많은 관심을 받고 있는 인공지능(Artificial Intelligence: AI)의 성과는 뇌의 작동 방식과 유사한 딥 러닝의 등장에 기인한 바가 크다. 이미 미국과 유럽 등 AI 선도국에서는 인공지능 연구에서 인간 뇌 이해의 중요성을 인식하고 관련 대형 프로젝트들을 진행하고 있다. 본 고에서는 인간 뇌를 모델로 하는 컴퓨터 시스템의 개발을 목적으로 여러 학제를 아우르는 통섭적 연구 분야로서의 인지컴퓨팅 기술 동향 및 발전 전망에 대해 고찰한다. I. 서론 미국의 정보기술 연구 및 자문 회사 가트너에서는 2016 년 10 대 전략기술 중의 하나로 고 급 기계학습(Advanced Machine Learning)을 선정하였다. 심층신경망(Deep Neural Nets)은 IoE (Information of Everything) 환경에서 빅데이터를 처리하는 핵심역할을 수행한다. 여기서 신경망 이란 바로 두뇌의 신경세포가 작동하는 원리를 모방하여 이를 소프트웨어적 알고리즘으로 구 현한 것이다. 이 알고리즘은 사람의 기억과 관련이 있고, 주어진 환경에 대해서 가능성이 높은 상황을 예측할 수 있는 능력과도 관련이 깊다. 전통적으로 신호처리 기술자가 수동으로 데이터 를 분석하고 필터를 설계하던 핵심업무 부분을 자동화 할 수 있을 뿐만 아니라 성능 또한 최고 수준을 보인다. 정보통신기술의 발전은 정보의 홍수시대를 이끌었고 이제는 모든 것이 융합되 어 발전되는 소셜미디어와 지식산업 시대가 되었다. 유엔미래보고서 2050 에서는 두뇌와 인공 지능관련 프로젝트에 의해 누구나 증강된 천재가 될 수 있다고 예측한다. 본 고에서는 사람의 두뇌가 동작하는 기본원리를 모방한 신경망 알고리즘, 그 중에서도 컴 퓨터 비전 분야의 최신 딥러닝 기술 동향을 살펴본 후, 실제 뇌과학 분야에서의 인간지능과 인 공지능을 간략하게 비교하여 향후 전망을 고찰해 보고자 한다. * 본 내용은 장혁 선임연구원( , alexjang@etri.re.kr)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 14

16 기획시리즈 II. 컴퓨터 비전 분야의 딥러닝 기술 동향 사람의 두뇌는 어떻게 동작하는가에 대한 의문은 인류가 여전히 풀어야 되는 숙제로 최근 두뇌가 동작하는 방식을 모방한 딥러닝이라는 뛰어난 학습 알고리즘들은 놀라운 성능으로 학 계뿐만 아니라 대중의 큰 관심을 받고 있다. 두뇌의 역할 중 영상 객체의 위치에 영향을 받지 않고 인식을 할 수 있게 하는 신경망 구조원리는 1980 년 Kunihiko Fukushima 에 의해 Neocognitron 란 이름으로 소개되었다[1] 년에 YannLeCun 과 그의 동료들은 오류역전파 알고리즘에 기반 하여 우편물에 손으로 쓰여진 우편번호를 인식하는 LeNet-5 라는 회선 신경망(Convolution Neural Network)을 소개하였다[2]. LeNet-5 는 340,908 개의 연결을 갖지만 가중치 공유로 60,000 개의 파 라미터만 자유롭게 학습될 수 있도록 설계되었다. 알고리즘이 성공적으로 동작했음에도 불구하 고 10 개의 숫자를 인식하기 위한 학습시간이 3 일 가까이 소요되어 실용적 성능이 떨어졌다 년 SeppHochreiter 는 지역 최소값에 머무르게 되는 문제(vanishing gradient problem)를 원인 으로 분석했다[3]. 또한, 불연속 시뮬레이션에서 초기 연결값의 선택 방법에 따라 수렴이 안되 고 진동 또는 발산하는 문제, 훈련 데이터에 너무 가깝게 맞추어 학습되는 과적합(overfitting) 문 제 등으로 1990 년부터 2010 년 초까지는 SVM 과 같은 작은 규모의 실용적 학습기법(shallow learning)들이 각광을 받아 왔다 년을 전후해서 스마트폰을 중심으로 대중적인 영상 데이터가 폭발적으로 증가하였고 기 존의 문자인식 외에도 다양한 일반 영상에 대한 인식기술이 주목 받기 시작했으며, [그림 1]과 같이 필기체문자인식 실험 데이터 MNIST 외에 범주별 사물을 나타내는 일반사진 영상을 아주 <자료> L.J.P. van der Maaten. Accelerating t-sne using Tree-Based Algorithms, Journal of Machine Learning Research 15(Oct): , [그림 1] t-sne 를 이용한 학습영상 수만 장의 2 차원 정보 분포도 정보통신기술진흥센터 15

17 주간기술동향 <자료> IMAGENET, ILSVRC [그림 2] 딥러닝을 사용한 영상인식 기술의 발전 동향 작게 축소한 CIFAR 실험 데이터가 발표되었다[4]. 딥러닝은 [그림 1]과 같은 원본 데이터를 좀 더 활용하기 쉬운 데이터로 가공해주는 필터를 확률적 경사 하강법(Stocahstic Gradient Descent)과 같은 방법으로 학습한다. 딥러닝 관련 다양한 라이브러리가 존재하는데 ConvNetJS 를 통해 신 경망이 영상 데이터를 처리하는 화면을 웹에서 비교적 쉽게 이해할 수 있다[5],[6] 년에는 스파스 자동부호기를 이용한 비지도 학습을 통해 구글의 유투브 고양이 인식기술이 화제가 되 었으며[7], 1,000 개 범주의 일반사진 영상 실험 데이터를 갖춘 ILSVRC(Large Scale Visual Recognition Challenge)가 학계에서 진행되었고, 그 동안 최고의 성능 개선은 딥러닝 기술의 진보 와 함께 이루어져 왔다[8]. 컴퓨터 비전을 비롯하여 딥러닝 관련 전문가들은 ILSVRC 의 2015 년 경연결과에 다시 한번 놀라워했다. [그림 2]와 같이 딥러닝이 영상인식에 적용되면서부터 마치 무어의 법칙처럼 매년 성능이 개선된 기술이 발표되고 있다 년 최고 기술인 구글넷(GoogLeNet)은 22 개의 심층신경망을 사용하였으며, 2015 년 마 이크로소프트 연구소의 심층잔여학습(Deep Residual Learning)은 무려 152 개 층으로 구성된 심층 신경망으로 우승하였다. [그림 3]과 같이 최근 딥러닝이 적용된 영상인식 기술의 흐름은 가능한 깊은 층을 두고, 각 층의 컨볼루션 필터 크기는 작게 설계하여 다양하고 최적화된 특징을 추출 하는 것이다. 구글넷은 인셉션 개념을 도입하여 각 인셉션 층 내부에서도 다양한 스케일의 컨 16

18 기획시리즈 <자료> IMAGENET, ILSVRC [그림 3] 구글넷과 심층잔여학습의 구성도 비교 볼루션 필터를 학습하도록 설계한 것이 특징이다. 심층잔여학습은 층이 깊어질 때 입력 특징에 서 어떤 잔여 신호가 가감되어야 좋은 특징이 추출될 수 있는지를 학습한다. 기존의 심층신경 망은 그 구성층이 많아질수록 학습 에러율이 높아지는 경향이 있었지만, Residual 신경망은 152 개까지 층을 늘려도 학습 에러율은 떨어지며 변별력이 좋은 특징을 구해준다. 이러한 신경망구조를 적용하여 학습영상으로 훈련시키면 신경망에 남게 되는 정보는 입력 영상을 가장 잘 범주화시킬 수 있는 데이터가 되며, CNN 특징을 기반으로 다양한 응용 형태의 신경망을 구성할 수 있다. Faster R-CNN 에서는 일반사진 영상에서 객체를 추출하기 위해 다양 한 크기의 관심영역(Region Of Interest)에 해당하는 CNN 최종단의 컨볼루션 출력 특징과 객체 외곽 사각형 정보를 같이 학습시킬 수 있도록 영역제안 신경망(Region Proposal Net)을 추가한 다. [그림 4 (a)]와 같이 입력영상이 주어지면 구글넷이나 심층잔여학습을 통해 컨볼루션 특징이 추출되고 최종 상위단의 컨볼루션 특징들은 RPN 으로 입력되어 객체로 보여지는 사각형 정보와 그 사각형에 해당하는 객체의 범주 및 학습된 모형과 얼마나 비슷한 확률인지를 출력한다. 학 습 데이터에 객체의 영역을 나타내는 이진영상이 주어진다면 [그림 4 (b)]와 같이 객체의 모양 까지 학습되며, 좀 더 확장하자면 사람의 눈처럼 스테레오 영상을 통해 3D 깊이 정보까지도 학 습이 가능하다. 정보통신기술진흥센터 17

19 주간기술동향 (a) 심층잔여학습+Faster R-CNN (b) 심층잔여학습+Multi-task Network Cascades <자료> IMAGENET, ILSVRC [그림 4] 딥러닝을 사용한 영상객체 검출기술 동향 ILSVRC 2015 부터는 동영상에서 객체를 검출하는 업무가 추가되었으며, 앞에서 설명한 정지 영상에서의 CNN 특징과 전통적인 객체 추적 알고리즘을 조합한 알고리즘이 높은 순위에 있고 강화학습을 함께 접목한 알고리즘도 있다. 지금까지 설명한 부분은 대뇌 후두엽에서 처리되는 시각지능을 모방한 알고리즘이라고 할 수 있다. 좌뇌 측두엽의 언어처리와 시각적 기억정보와의 연계 등을 모방하기 위해서는 RNN (Recurrent Neural Networks)이 주로 사용된다. 음성이나 동영상 등은 시계열 축에서의 데이터 상관성이 매우 높기 때문에 이를 처리하기 위한 신경망을 설계하면, 필요한 메모리나 계산용량 이 CNN 에 비해 매우 높아진다 년 제안된 LSTM(Long Short-Term Memory) 구조는 학습 시 퀀스 내용 중 어느 부분이 기억되어야 하고 어느 부분이 잊혀져도 되는지를 세부적으로 학습하 도록 설계되었으며, 현재 자연어처리에서 가장 많이 사용되는 딥러닝의 기본구조가 되었다. 18

20 기획시리즈 <자료> Xu, Kelvin, et al. Show, attend and tell: Neural image caption generation with visual attention, arxiv preprint arxiv: , [그림 5] 시각지능과 언어지능의 결합 2015 년에 [그림 5]와 같이 영상 또는 비디오에 대한 설명을 자동으로 생성해주는 기술과 동작 인식 기술에 CNN 과 LSTM 를 접목한 연구가 발표되었고, 강화학습을 통해 영상의 어떤 부분에 관심을 갖고 학습되었고 해석이 이루어지는가를 표현할 수 있게 되었다. 전두엽에서 주로 이루어지는 사람의 행동 계획 및 실행에 대한 모방은 2015 년 구글딥마인 드의 DQN(Deep Q-Network)이라는 강화학습 알고리즘을 먼저 생각할 수 있다. 수십년 전 아이 들이 즐겨했던 우주침략자들, 벽돌깨기와 같은 간단한 게임 화면을 학습하여 사람보다 조이스 틱 조종을 잘 할 수 있게 하였다. 연속된 4 개 프레임의 게임화면에서 CNN 특징을 추출하고 연 속된 게임화면과 조이스틱 조종에 따른 점수 변동 경험으로부터 최적의 다음 조종을 예측하도 <자료> Mnih, Volodymyr, et al. Human-level control through deep reinforcement learning, Nature , , [그림 6] t-sne 를 이용한 DQN 최종 은닉층 데이터의 2 차원 정보 분포도 예 정보통신기술진흥센터 19

21 주간기술동향 록 DQN 을 학습시키는 것이다. [그림 6]에서 왼쪽 아래와 오른쪽 위의 화면상태가 가치가 높은 검은 빨강색 상태로 학습되어 있는 것을 알 수 있으며, 우주침략자들 게임 특성상 외계인을 거 의 격추시킨 상태와 모두 격추시킨 후 다시 화면에 외계인이 가득 찬 상태를 나타낸다. 빨강에 서 파란색까지 부드럽게 변하는 분포로 학습이 되었으므로, 파란색 상황의 낮은 가치의 화면에 서 어떻게 빨간색 상황의 높은 가치 화면으로 어떤 조이스틱 조종을 통해 게임을 진행하는지 인공지능이 갖는 직감, 행동 정책을 유추할 수 있게 된다. 벽돌깨기 게임을 딥마인드의 강화학 습인 DQN 으로 일반 PC 에서 하루만 학습하면 약 13.5MBytes 의 신경망으로 사람보다 게임 플 레이를 잘할 수 있게 된다. 고득점을 위해 한쪽 측면을 깨어 공을 안쪽으로 넣고 연속깨기를 하는 장면은 강화학습의 위력을 보여 준다 년 3 월 구글 딥마인드는 알파고라는 바둑 프로그램으로 이세돌 9 단에게 4 승 1 패의 전적으로 승리를 거두었다. 알파고는 바둑기사의 수많은 대국 기보를 통해 학습된 정책망과 자 체 게임으로 강화학습되는 정책망의 조합으로 가치망을 생성하며 바둑을 둔다[14]. 여기서 가치 망은 현 시점에서 판세로, 정책망은 다음 수를 어떻게 두어야 할지 결정하는 알파고가 갖는 직 감에 비유할 수 있다. 알파고의 직감은 기본적으로 바둑기사의 기존 대국 기보에서 나오는 것 이다. 사람과의 차이점은 바로 수읽기라 할 수 있다. 현재의 대국 상황에서 앞으로의 여러 시나 리오에 대해 수읽기를 하는데 사람이 두뇌로 그리는 경우의 수는 어느 정도 한계가 있지만, 알 파고는 쉽고 빠르게 자체 게임을 한다. 바둑은 경우의 수가 무한대에 가깝지만 알파고는 몬테 카를로 트리검색 기법을 통해 대국 중에도 수천 번의 자체 게임을 하고 직감을 강화시킨다. III. 뇌과학과 인공지능 사람의 두뇌는 오랜 진화를 거친 뛰어난 생물학적 컴퓨터라 할 수 있다. 약 20 와트의 에너 지 효율, 개의 신경세포, 개의 시냅스, DNA 설계에 의해 기본 구성이 이루어져 성장하 며 살아온 환경에 영향을 받아 시냅스의 연결이 변경되고, 해마에 의해 시퀀스 형태의 장기기 억이 저장된다[15],[16]. 앞에서 설명한 것처럼 컴퓨터 비전, 자연어처리, 장면 묘사, 게임플레이 등에 신경세포의 시냅스를 모방한 딥러닝 알고리즘이 적용되어 각각의 분야에서 최고의 성능 을 보이고 있고, 이는 [그림 7]과 같이 후두엽, 측두엽, 전두엽, 두정엽, 베르니케 영역, 브로카 영역의 기능을 인공지능이 일부분 수행하는 것으로 볼 수 있다 년 노벨 생리의학상은 두 20

22 기획시리즈 <자료> & Thorpe et al., [그림 7] 대뇌 피질 모식도 및 시각 인식과 행동 뇌의 내후각 피질에 위치하는 장소 세포를 발견한 존 오키프와 모세르 부부가 공동으로 수상하 였다. 두뇌 위치시스템의 발견은 특정 세포들이 결합을 통해 수행하는 고도의 인지적 기능에 대한 이해에 패러다임 전환을 가져왔다고 한다. [그림 8]과 같이 사람은 자극에 대해 바로 반응을 일으키는 것이 아니라 대뇌피질, 해마 복 합체, 뇌간 등 두뇌와 연결된 여러 부위와 상호작용하여 행동 정책을 정하고 실행하며 관찰한 다. 아인슈타인이 통일장 이론을 꿈꾸고 최근 힉스 입자까지 실험에 의해 증명되면서 자연계의 물리현상을 정립된 이론의 수식으로 설명하는 것이 가능해졌으며, 사람의 두뇌모형도 1763 년 영국의 목사이자 통계학자였던 토머스 베이즈의 베이즈 정리로 설명이 가능해졌고 알파고를 통해 그 위력을 실감했다. 놀랍게도 신경세포들은 무수한 연결을 통해 자연에서 경험한 지식을 주의 자극 단기감각 저장소 지각 판단과 반응선택 장기기억 작업기억 반응실행 반응 <자료> 박문호, 그림으로 읽는 뇌과학의 모든 것, Humanist, 1st Edition, , [그림 8] 자극입력에서 반응출력의 정보처리 과정에 대한 위켄스의 모델 정보통신기술진흥센터 21

23 주간기술동향 시냅스에 저장하고, 두뇌는 시냅스에 저장된 정보로부터 베이즈 정리에 기반하여 현재 상황을 예측하며 행동 정책을 정해 실행하고 관찰한다. IV. 결론 및 시사점 도구의 인간은 언어를 만들어 지식의 저장소를 대뇌피질 외부에 둘 수 있었고, 인터넷 통신 수단을 통해 지식이 전세계적으로 빠르게 소통 융합될 수 있게 하였다. 이제는 사람과 비슷한 방식으로 자연을 경험하고 예측하며 행동 정책을 정하는 알고리즘이 4 차 산업혁명을 주도하고 있다. 딥러닝 알고리즘은 학습된 데이터의 양에 따라 예측 성능이 좋아지는데, 빅데이터를 어떤 방식으로 학습하고 예측하는데 활용할 것인가에 따라 초지능 구현이 가능하다. 컴퓨터 비전과 관련된 유망 분야로는 자율주행시스템, 의료영상의 보조진단시스템, 영상보안 및 검색 시스템, 로봇의 시각인지시스템, 스마트 기기의 비서 시스템 등이 대표적이라 할 수 있다. 두뇌 칩 임플 란트 및 컴퓨터 두뇌 인터페이스 연구는 새롭게 주목 받고 있다. 삼성과 애플의 특허 소송에서 도 보았듯이 제조 원가에서 특허가 차지하는 비중은 상당히 높은 수준이며 기업의 이익을 결정 하는 중요한 요소이다. 인공지능관련 연구 개발에 전국민적인 뜻을 모으고, 지적재산권 확보에 박차를 가해야 할 시점이다. [ 참고문헌 ] [1] K. FUKUSHIMA, Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position, Biological cybernetics, 36.4, 1980, pp [2] Y. LeCun, L. Bottou, Y. Bengio, and P. Haffner, Gradient-based learning applied to document recognition, Proceedings of the IEEE, 86.11, 1998, pp [3] S. Hochreiter et al., Gradient flow in recurrent nets: the difficulty of learning long-term dependencies, In S. C. Kremer and J. F. Kolen, editors, A Field Guide to Dynamical Recurrent Neural Networks. IEEE Press, [4] A. Krizhevsky, and G. Hinton, Learning multiple layers of features from tiny images, Computer Science Department, University of Toronto, Tech. Rep, [5] [6] [7] NG, Andrew, Sparse autoencoder, CS294A Lecture notes, [8]

24 기획시리즈 [9] L.J.P. van der Maaten. Accelerating t-sne using Tree-Based Algorithms, Journal of Machine Learning Research 15(Oct): , [10] IMAGENET, ILSVRC 2015, [11] [12] Xu, Kelvin, et al. Show, attend and tell: Neural image caption generation with visual attention, arxiv preprint arxiv: , [13] Mnih, Volodymyr, et al. Human-level control through deep reinforcement learning, Nature , , [14] Silver, David, et al. Mastering the game of Go with deep neural networks and tree search, Nature , , [15] [16] 박문호, 그림으로 읽는 뇌과학의 모든것, Humanist, 1 st Edition, , 정보통신기술진흥센터 23

25 주간기술동향 ICT 기술을 활용한 임상의사결정지원시스템(CDSS) 연구 동향 정득영 정보통신기술진흥센터 책임연구원 I. 서론 임상의사결정지원시스템(Clinical Decision Support System: CDSS)는 의사의 임상의사결정에 도움을 주는 시스템으로 의료의 네 단계인 예방, 진단, 치료, 예후 등에 모두 적용 가능하다. 일반적으로는 진단과 치료의 영역에서만 고려되는 경우가 많다. 즉, 진단 단계에서 오진을 예방 하기 위한 목적으로 도입되는 경우도 있고, 치료 단계에서 의약품 안심 서비스(Drug Utilization Review: DUR)[1]와 같이 환자의 약물 복용 정보를 제공하고 약물의 부작용이 없도록 도입하는 경우가 이에 해당된다. 최근 들어 의료환경이 복잡해지고 고도화되면서 환자의 진료 전 과정까지 적용할 수 있는 의사결정지원시스템의 필요성이 대두되고 있다. 기술의 관점에서 임상의사결정지원시스템을 구 분하면 다음의 2 가지로 크게 나눌 수 있다[2]. - 지식기반 CDSS(Knowledge-based CDSS): 임상의료정보를 지식베이스화하고 이를 추론엔진 과 연결하여 규칙기반의 의사결정을 제공 - 비지식기반 CDSS(Non-knowledge-based CDSS): 시스템이 과거의 경험과 임상의료정보에 존재하는 패턴을 이용하여 학습을 수행하는 인공지능(Artificial Intelligence: AI)과 기계학습 (Machine Learning: ML) 기반의 의사결정을 제공 지식기반 CDSS 는 의료의 전반적인 영역에 활용이 가능하고, 비지식기반 CDSS 는 데이터 확 보 등의 문제로 특정 질병에 대한 증상 등에 한정적으로 적용되어 왔다. 하지만, 최근 IBM Watson 등의 인공지능 기술 발전으로 비지식기반 CDSS 에도 확대 적용이 시도되고 있으며, 특 정 질병에서 의미 있는 결과를 얻고 있는 상황이다. IBM Watson 등에서 도입하고 있는 인공지능 기술이 향후 비지식기반 CDSS 의 발전에 크게 * 본 내용은 정득영 책임연구원( , jdy@iitp.kr)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 24

26 ICT 신기술 공헌할 것으로 기대된다. 특히, 최근 인공지능 분야에서 각광받고 있는 딥러닝(Deep Learning) 기술은 대규모 데이터를 활용하여 초정밀 판별이 가능한 것으로 알려져 있어 의료 분야에 활용 하면 정확도 높고 기존의 편견에서 벗어난 새로운 치료방법 제시 등이 가능할 것으로 예상된다. 이와 같은 데이터에 기반한 비지식기반 CDSS 에서는 임상의료 데이터의 확보가 중요한 이슈가 된다. 이를 위해 최근에는 전자의무기록(Electronic Health Records: EMR)과 CDSS 를 연계하는 개 발이 진행되고 있어 관련 기술이 성숙되면 인공지능 기술 도입과 함께 파급효과가 클 것으로 예상된다[3]. 하지만, 현실적으로는 전자의무기록을 CDSS 에 활용하기에는 개인정보보호, 신뢰 성, 원시 데이터 무결성 등이 장애물로 작용하고 있는 실정이다. 위와 같은 문제점에도 불구하고 인공지능 및 빅데이터(전자의무기록 등) 기술을 도입한 차 세대 CDSS 관련 기술 개발에 대한 요구사항이 증가하고 있는 것 또한 사실이다. 본 고에서는 CDSS 의 국내외 기술 현황을 검토하여 의료현장에서 CDSS 의 활용이 활성화되기 위한 방안을 논하고자 한다. II. 임상의사결정지원시스템 시장 현황 고령인구의 증가, 헬스케어 비용 감소, 치료의 질 개선 등 다양한 의료산업 분야의 요구로 헬스케어 분야의 투자가 증가함에 따라 CDSS 관련 시장의 규모 또한 확대되고 있는 추세이다. Markets And Markets 의 시장보고서에 따르면, 2018 년의 CDSS 시장규모가 5.58 억 달러에 달하 고, 2013~2018 년 사이의 연평균성장률(CAGR)이 10%에 이를 것으로 예측되고 있다[4]. 또한, P&S Market Research 에 따르면 CDSS 시장이 2022 년까지 21.5%의 CAGR 을 기록할 것으로 예상된 다[5]. CDSS 요구 분야는 약물 상호작용 감지, 약물 부작용 알림 등에서 질병 및 치료법 진단 등으로 점차 고도의 지능화 기능을 요구하는 쪽으로 확대될 것으로 보인다. 특히, 클라우드 기 술의 확산 및 인공지능 기술의 발전으로 기술 활용의 기대치가 높아지고 있는 상황으로, 최근 IBM Watson 의 진단 적용 사례가 그 좋은 예가 되고 있다. 지역적으로는 북미가 10% 이상의 CAGR 로 시장 성장에 가장 크게 기여할 것으로 예상되며, 그 뒤로 유럽과 아시아, 남미(브라질) 역시 두 자리에 근접하는 성장률을 보일 것으로 예상된다. 한편, 시장에서 가장 주도적인 역할을 할 업체로는 Agfa Healthcare(벨기에), Athenahealth, Allscripts Healthcare Solutions, Carestream Health, Cerner Corporation, Epic, GE Healthcare(이상 미국) 등이 언급되고 있다. 정보통신기술진흥센터 25

27 주간기술동향 <자료> Clinical Decision Support System(CDSS) Market by Product-Integrated(EHR, CPOE)], Model(Knowledge-based), Applications (Drug Allergy Alerts, Drug Interactions), Delivery Mode(Web-based, Cloud-based), (Hardware, Software)-Global Forecast to 2018, Feb [그림 1] 세계 CDSS 시장 예측 III. 국내외 기술개발 현황 및 전망 1. 국외 현황 메사추세츠 종합 병원(Massachusetts General Hospital)은 질병진단을 위해 DXplain 을 도입하 여 환자의 징후, 증상, 랩(LABoratory) 결과와 같은 환자 데이터를 기반으로 순위를 포함한 진단 들을 제공해준다[6]. 특히, 의료 지식베이스에 기반한 확률을 질병 진단 모델에 적용하였으며, 의학 자문 교육도구를 제공하여 의료지식이 부족한 의대 학생들이 경험에 의한 부족한 지식을 보완하는 용도로 활용할 수 있도록 하였다. 2,400 개가 넘는 질병에 대한 상세 정보와 각 질병 에 연관된 최대 10 개까지의 참고문헌도 제시해준다[7]. 약물 관련 임상의사결정은 약물의 알러지 검토, 중복 약물 검토, 약물 상호작용 검토, 투약 26

28 ICT 신기술 <자료> [그림 2] DXplain 의 화면 모습 용량 가이드 등이 있다. 기본 약물관련 CDSS 는 특정 약물에 대한 적절한 용량을 지정된 규칙 에 따라 안내한다[8]. 질병의 진행단계에 따른 투여량 등은 사전지식을 통해 구축되어 있으며 나이, 키, 상태학적 상태, 환자의 약물에 대한 반응 등 환자의 특징을 고려하도록 하였다 년 미국 뉴욕의 메모리얼 슬론 케터링 암센터(Memorial Sloan Kettering Cancer Center: MSKCC)는 폐암 환자에 대한 치료법 진단을 위해 IBM 과 협약을 맺고 60 만 여건의 의학적 근거, 200 만 페이지의 전문서적, 2 만 5,000 건의 환자 사례를 Watson 에 학습시켜 환자별 폐암 치료 법 진단에 활용하고자 하였다. 또한, 2014 년 미국임상학회(ASCO)에서 발표한 연구결과에 따르 면 400 명의 기존 백혈병 환자들의 사례를 학습 후, 200 명의 백혈병 환자를 대상으로 치료법을 평가하도록 한 결과 의사 판단 대비 82.6%의 정확도를 기록하였다[9]. 뿐만 아니라 MSKCC 의 2014 년 연구결과에서는 대장암 98%, 자궁경부암 100% 등 타 질병에 대해서도 높은 수준의 진 단 정확도를 보였다[10]. VisualDX 는 피부 질환 특히 발진과 같은 육안으로 진단이 가능한 질환에 특화된 CDSS 이다. 기능을 보면 의료 영상 라이브러리에서의 검색 기능과 전문가의 의료지식을 기반으로 진단, 치료, 자가 교육을 가능하게 하는 툴로 구성되어 있다[11]. 정보통신기술진흥센터 27

29 주간기술동향 [표 1] IBM Watson 의 질병 진단 정확도 구분 Fist run Middle run Latest run Colon Rectal Bladder Pancreatic Kidney Ovarian Cervical Endometrial <자료> Koichi Takahashi et al., "MD Anderson's Oncology Expert Advisor powered by IBM Watson: A Web-based cognitive clinical decision support tool," ASCO Annual Meeting Proceedings, POEMS(Post-Operative Expert Medical System)는 수술 후 환자에게 나타나는 징후 모니터링 및 다른 정보들을 기반으로 환자에게 취할 치료를 결정하는데 도움을 주는 시스템이다. POEMS 는 우선순위를 포함한 후보 진단들을 제시해주고 왜 이런 진단을 내렸는지에 대한 이유를 제시 하며, 가능한 치료방법이 어떤 것들이 있는지를 제공한다. 시간에 따라 변하는 데이터를 분석할 수 있는 기능을 포함하고 있다. 경험이 부족한 의료진이 의료현장에서 발생하는 문제에 즉각적 으로 대처할 수 있도록 지원해줄 수 있을 것으로 기대하고 있다[12]. GRIP(Glucose Regulation for Intensive care Patients) 프로그램은 혈당 수치와 환자의 다른 의 료 정보를 이용하여 얼마나 많은 인슐린을 투여해야 하는지, 그리고 얼마나 자주 혈당을 체크 <자료> [그림 3] 태블릿 환경에서 수행되는 VisualDX 의 수행 모습 28

30 ICT 신기술 <자료> GRIP(Glucose Regulation for Intensive Care Patients), [그림 4] 중환자실에서 혈당을 모니터링하는 GRIP 해야 하는지를 간호사에게 알려준다. 또한, 극단적인 혈당 수치가 모니터링 되는 경우 메일을 통해 정보를 의료진에게 알려주는 기능도 포함하고 있다[13]. 2. 국내 현황 국내의 경우 CDSS 는 현재 일부 병원(세브란스병원, 삼성서울병원, 서울대병원, 아산병원, 창원 파티마병원 등)에서 자체적으로 외부기업을 통해서 개발하여 사용하고 있는 수준이다[14]. CDSS 에 대한 병원의 인식과 사용은 극히 일부에 한정되어 있으며, 국내 일부의 병원들이 사용 중이긴 하지만 항생제처방, 수혈처방, 중복처방 등의 약물처방의 적정성을 판단하고, 약물 투입 시 기존 복용하고 있는 약물과의 상호작용 등을 고려하여 투입여부를 판단하는 내용들이다. 분당 서울대학교병원은 2003 년 전자의무기록을 개발해 종이 차트 필름 등이 없는 100% 디지털 병원으로 전환하는데 성공하였고[15], 2013 년 4 월 20 일에는 의료서비스 질 향상과 의 료진 환자 만족도 제고를 위한 인공지능형 차세대 병원시스템을 도입하였다[16]. CDSS 에 입 력된 350 여개 체크 로직을 통해 처방 약물의 오류를 실시간으로 검사하여 약화사고 비율을 세 계 유수병원과 비교해 수십 분의 1 수준으로 줄였고, 표준진료지침기반으로 의료정보를 분석하 여 표준화함으로써 더 효율적이고 안전한 의료 서비스를 제공하는 시스템으로 의료계에서 관 정보통신기술진흥센터 29

31 주간기술동향 <자료> [그림 5] 내 손 안의 차트 심을 집중하고 있는 상황이다. 총 13 개 진료과에서 146 개 표준진료지침(Critical Pathway)을 개 발해 입원환자의 32.5%에게 적용하였다. 예를 들면, 환자가 내원할 경우 입원 시점부터 병원 시스템에 존재하고 있는 표준진료지침이 적용되어 진료 순서와 수술 및 치료 과정이 진행 중 누락되거나 중복되는 진료를 방지하고 있다. 서울아산병원은 2010 년 12 월부터 내 손 안의 차트라는 안드로이드 애플리케이션을 통해 국내 최초의 모바일 PHR(Personal Health Record) 서비스를 지원하고 있다. 주요 기능은 건강관 리, 내 차트, 투약관리, 진료서비스 기능, 건강정보 등으로 구성되어 있으며 당뇨, 혈당, 비만도 체크 등의 건강관리 기능과 데이터 분석을 통해 10 년 내 심혈관 질환 발생확률정보 등을 제공 하고 있다[17]. 삼성서울병원은 병원을 방문한 환자 정보를 이용하여 자체적으로 빅데이터를 표준화하고 임상 데이터웨어 하우스(Clinical Data Warehouse)를 구축하여 의료정보활용과 시스템 연동에 활 용하고자 1,000 억 원이 넘는 예산을 들여 차세대 병원 정보화 시스템을 개발 중에 있다[18]. 3. 임상의사결정지원시스템의 발전 전망 현재는 전통적인 규칙기반 의사결정지원시스템이 의료 분야 빅데이터를 분석할 수 있는 인 공지능 기술을 도입하는 과도기적 단계라 볼 수 있다. 이러한 트렌드를 가장 잘 보여주는 것이 IBM 에서 개발하고 있는 Watson 시스템이므로 해당 시스템의 발전 방향을 토대로 미래의 CDSS 30

32 ICT 신기술 <자료> David Ferrucci, Building Watson: An Overview of the DeepQA Project, AI Magazine, [그림 8] DeepQA 구조도 의 모습을 예측해 볼 수 있다. Watson 은 자연어처리기술(Natural Language Processing: NLP)을 기반으로 방대한 양의 의학논문, 임상시험, 가이드라인 등 의료 분야 빅데이터를 학습하고, 학 습된 지식을 기반으로 의료임상 분야의 자연어 질문에 대한 답변을 근거와 함께 제공하는 임상 의사결정지원 시스템이다. Watson 시스템은 질문에 대한 답을 도출하기 위해 1 자연어 질문 분석, 2 답변 가설 생성, 3 학습된 지식 기반 가설별 근거 추출 및 스코어링, 4 근거 기반 가 설 신뢰도 평가 및 우선순위화의 과정으로 구성된 DeepQA(Deep Question-Answering)라는 인공 지능 기술을 이용하고 있다[19]. Watson 시스템에서 볼 수 있는 바와 같이 차세대 CDSS 의 특징은 빅데이터와 인공지능이다. 현재에도 인공지능 기술을 적용한 CDSS 가 존재하지만 미래의 CDSS 는 목적성과 정확성에 있 어 큰 변화가 있을 것으로 예상된다. 우선 임상의사결정에 사용하는 빅데이터에 있어서 현재의 CDSS 는 주로 일반적인 의료지식 을 학습하는데 초점을 맞추고 있다. 앞으로는 이렇게 학습된 일반적인 의료지식을 기반으로 다 양한 종류의 구체적 질병에 연관된 방대한 지식들을 추가로 학습하여 특정 질환에 특화된 임상 의사결정을 수행할 수 있게 될 것이다. 실제로 IBM Watson 은 미국의 암센터인 메모리얼 슬론 케터링 암센터(MSKCC)의 환자 기록 및 임상 연구 결과들을 Watson 에게 학습시키기로 결정하 였고[20], New York Genome Center 의 종양 의학 관련 지식들을 학습하여 뇌종양 환자에서 적 용할 수 있도록 추진 중이다[21]. 정보통신기술진흥센터 31

33 주간기술동향 다음으로 임상의사결정에 필요한 인공지능 알고리즘에 있어서, 현재의 전통적인 CDSS 는 통 계 분석 결과 및 규칙 기반 알고리즘이 주를 이루는 반면, Watson 시스템은 위에서 언급한 DeepQA 방법을 기반으로 다양한 종류의 빅데이터로부터 필요한 정보를 추출하고, 스코어링하 여 최적의 결과를 도출할 수 있도록 설계되어 있다. 미래에는 이와 같은 프레임워크에 딥러닝 과 같은 빅데이터 기반의 정교한 인공지능 알고리즘이 도입되어 정확도가 크게 향상될 것으로 기대된다. 최근 이슈가 된 이세돌과 구글 딥마인드 알파고의 바둑대결에서 볼 수 있듯이, 딥러 닝은 이미지 분류 및 음성인식 등의 분야에서 탁월한 성능을 보여주고 있고, 최근에는 이것을 의료 분야에 적용하는 것이 시도되고 있다. 딥러닝은 빅데이터 환경일수록 굉장히 정교한 모델 링이 가능하여 높은 정확도를 나타내기 때문에 다양한 질환에 대한 데이터들이 축적되면, 각 질환별로 진단 및 예측에 관한 정교한 딥러닝 모델이 만들어질 수 있고, 이를 통해 신뢰도 높 은 임상의사결정지원이 가능할 것으로 예상된다. IV. 결론 및 시사점 CDSS 는 아직 기술의 성숙도와 활용성이 높지 않다. 통합된 전자의무기록 시스템의 부재로 각 의료기관들은 자체적인 전자의무기록을 활용해서 CDSS 를 구축하기 때문이다. 통합된 전자 의무기록을 가지고 시스템을 개발한다면 방대한 데이터를 활용해서 보다 범용적이고 정밀한 CDSS 를 구축할 수 있을 것이다. 그러나 현재 의료법상 의료정보 표준화나 공유에 대한 구체적 인 가이드라인이 없어 기술이 있어도 실제 현장에 쉽게 도입 할 수 없는 상황이다[22]. 세계적 으로 의료 IT 솔루션이 클라우드 환경에서 제공되고 있는 추세로 진화하고 있는 만큼 CDSS 의 활성화를 위해 제도적인 개선이 필요한 부분이다. 또한, 실제로 사용이 가능한 CDSS 가 개발되기 위해서는 임상의들의 주도적인 참여가 필요 하다. CDSS 의 주 사용자는 임상의이기 때문에 시스템은 이들이 실제로 원하고 유용하게 사용 할 수 있는 형태로 만들어져야 한다. 현실과 이상의 괴리를 없애기 위해서 기획, 개발 그리고 평가 단계에서까지 임상의들의 참여 노력이 필요하다. [ 참고문헌 ] [1] [2]

34 ICT 신기술 [3] 조인숙, 김정아, 평생전자건강진료기록(Electronic Health Records) 기반 임상의사결정지원 시스템 연구 동향, 정보과학회지, 29(2), 2011, pp [4] Clinical Decision Support System(CDSS) Market by Product-Integrated(EHR, CPOE)], Model (Knowledge-based), Applications(Drug Allergy Alerts, Drug Interactions), Delivery Mode(Web-based, Cloud-based), (Hardware, Software)-Global Forecast to 2018, marketsandmarkets.com, Feb [5] Global Clinical Decision Support System(CDSS) Market Size, Share, Development, Growth and Demand Forecast to 2022 Industry Insights by Product(Integrated and Standalone), by Application (Drug Dosing Support, Clinical Guidelines, Clinical Reminders, Drug-Drug Interactions, Drug Allergy Alerts, and Others), By Model(Knowledge-Based, and Non-Knowledge-Based), By Mode of Delivery(Web-Based, Cloud-Based and On-Premises), By Component(Software, Hardware, and Services), and By Healthcare Provider Entity Capacity, P&S Market Research, Feb [6] G. Octo Barnett, James J. Cimino, Jon A. Hupp, Edward P. Hoffer, DXplain. An evolving diagnostic decision-support system, JAMA, 258(1), 1987, pp [7] [8] Gilad J. Kuperman et al., Medication-related Clinical Decision Support in Computerized Provider Order Entry Systems: A Review, J. Am. Med. Inform. Assoc., 14, 2007, pp [9] Andrew S. Epstein, et al., Next steps for IBM Watson Oncology: Scalability to additional malignancies, ASCO Annual Meeting Proceedings, [10] Koichi Takahashi et al., MD Anderson s Oncology Expert Advisor powered by IBM Watson: A Web-based cognitive clinical decision support tool, ASCO Annual Meeting Proceedings, [11] [12] [13] GRIP(Glucose Regulation for Intensive Care Patients), [14] [15] [16] [17] [18] [19] David Ferrucci, Building Watson: An Overview of the DeepQA Project, AI Magazine, [20] [21] [22] 남도영, 규제에 성장막힌 의료 IT, 국내시장 포기기업 속출, 디지털 타임스, 정보통신기술진흥센터 33

35 주간기술동향 * 최신 ICT 이슈 I. 자율운전차 산업 육성에 나선 중국 정부, 거점은 바이두 연구소 중국에서 자율운전차량의 개발이 일찍이 볼 수 없었던 맹렬한 기세로 진행되고 있음. 베이징 모터 쇼에서 자율운전차량이 잇따라 선보인 데 이어, 인공지능(AI) 분야에서 세계적 수준의 기술을 보유 하고 있는 바이두(Baidu)는 자율운전차 기술의 개발 거점을 실리콘밸리에 설립했음. 중국 정부 역시 국가 차원에서 자율운전차의 로드맵을 개발하고 표준화 및 법령 정비를 추진하는 등, 중국은 민 관이 하나가 되어 자율운전차 분야에서 앞선 미국, 유럽, 일본을 맹렬히 추격할 태세를 갖추었음. 5 월 초에 끝난 베이징 국제 자동차 전시회(Beijing International Automotive Exhibition) 에서는 중국 자동차 업체들뿐 아니라 인터넷 기업들의 자율운전차 사업 진출이 크게 부각되었음 중국의 자동차 대기업인 Changan Automobile(장안자동차) 은 Changan Raeton 모델을 개조 한 자율운전차량을 전시했는데, 반짝반짝하는 크롬 도장의 차체만으로도 많은 주목을 받 았음 4 월 말 전시회에 앞서 장안자동차는 2016 년 3 월 중국의 최대 인터넷 기업인 Baidu(바이두) 와 제휴하여 바이두가 개발중인 자율운전 기술을 도입해 차량을 개발한다고 발표한 바 있음 또한 모터쇼 직전에는 자율운전차량의 장거리 주행 시험을 실시했는데, 4 월 12 일 두 대의 차 량이 장안자동차의 거점인 충칭(중경)을 출발해 시안(서안) 등을 거쳐 4 월 17 일 베이징에 도달 할 때까지 총길이 2,000 킬로미터를 주행해 높 은 기술력을 보여주었음 인터넷 비디오 서비스 기업 LeEco(르에코) 는 전시회에 자율운전자동차 컨셉카인 LeSEE(르시) <자료> China Christian Daily [그림 1] 장안자동차의 자율주행차량 * 본 내용과 관련된 사항은 산업분석팀( )과 최신 ICT 동향 컬럼리스트 박종훈 집필위원 (soma0722@naver.com )에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 34

36 최신 ICT 이슈 <자료> International Business Times, [그림 2] LeEco 의 자율주행차 LeSEE 의 외관과 인테리어 를 전시했는데, 르에코는 모터쇼에 앞서 LeSEE 의 컨셉 비디오를 공개하였음 비디오에 따르면, LeSEE 는 등고선을 본뜬 디자인을 기본 컨셉으로 한 미래형 전기자동차 (EV)로서 스마트폰이나 차량에 탑재된 태블릿으로 작동되며, 완전 자율운전차량을 지향하 므로 스티어링 휠(운전대)은 대시보드 안에 격납할 수 있음 스티어링 휠을 꺼내면 수동으로 주행할 수도 있으며, 아직 시험 주행은 실시하고 있지 않 지만, IT 기업이 자율운전차 사업에 진출한 것만으로 화제가 되었음 이러한 중국 자동차 기업들과 하이테크 기업들의 적극적인 자율운전자동차 개발 움직임에 대해 미국 등 자율운전 기술 선진국들은 긴장감 섞인 반응을 보이고 있음 중국 기업들이 자율운전차량을 잇따라 선보이는 배경에는 다른 나라에 뒤진 자율운전자동 차 산업을 육성하는 쪽으로 크게 방향을 선회한 중국 정부의 새로운 산업 정책에 있음 중국 정부는 자율운전 기술과 관련된 로드맵을 2016 년 내에 발표할 예정이며, 지금까지 알려진 바로는 고속도로 주행용 자율운전자동차는 2021 년까지, 시내 주행용 자율운전자동 차는 2025 년까지 출시한다는 계획이 담길 것이라고 함 로드맵은 자율운전차량의 표준화 및 법령 제정의 지침을 담게 되며, 중국 정부의 자율운전 자동차 개발을 위한 프레임워크를 결정하게 됨 기술 표준화와 관련해서는 차량의 통신 방식, 인프라, 법령 지침을 정하게 되며, 자율운전 차량의 통신 수단으로는 휴대전화 네트워크를 이용할 것으로 보임 인프라에 대해서는 언급되어 있지 않지만, V2V(Vehicle To Vehicle)과 V2I(Vehicle To Infra) 통신에서 자율운전차량의 주행을 주위의 환경이 지원할 것으로 보임 법령 정비와 관련해서는 중국 전역에서 자율운전차량이 주행할 수 있는 지침을 정하는데, 정보통신기술진흥센터 35

37 주간기술동향 자율운전 차와 관련한 기술, 사회 인프라, 관련 법규를 포괄적으로 커버할 전망 중국 정부가 자율운전자동차 산업을 육성하려는 배경에는 최근 경제 성장 둔화에 대한 위기 감이 자리잡고 있음 중국 정부는 중공업과 제조업 중심의 산업을 하이테크 산업으로 이동시키려고 하며, 이 중 심을 EV 나 자율운전자동차에 맡기려고 함 산업 구조 개혁이 시급한 과제로 부상함에 따라 중국 정부가 주도하여 하이테크 산업으로 전환의 길을 닦으려 나서고 있는 것 한편, 자율운전자동차 산업 육성에는 베이징 등 대도시의 교통 체증을 해소하려는 목적도 있으며, 인간보다 효율적으로 주행할 수 있는 자율운전차량을 통해 한정된 도로를 효율적 으로 이용하고 늘어나는 교통 사고를 감소시키려 하는 것 이런 중국 정부의 정책을 뒷받침하는 것이 바이두(Baidu)이며, 바이두는 중국 최대 검색 서 비스 기업이지만 최근에는 인공지능(AI) 기술 개발에서 세계 톱 수준을 달리고 있음 바이두는 2016 년 4 월 실리콘밸리에 자동운전자동차팀(Self-Driving Car Team 을 설립한다 고 발표했는데, 이 팀은 바이두의 자율운전부문(Autonomous Driving Unit: ADU) 소속으로 편제된다고 함 이 팀의 목표는 자동운전 기술의 개발과 시험으로, 2016 년 말까지 100 명 규모의 체제를 갖출 예정이며, 연구 영역은 기계학습, 로보틱스, 컴퓨터 비전, 온보드 컴퓨터, 센서 등이 고, 자동차 업계에서 경험이 풍부한 인재를 초빙할 계획도 밝히고 있음 이 팀은 자동운전 기술 중에서도 Planning(기계학습으로 경로를 계산), Perception(주위의 객 체를 파악), Control(자동차 제어) 분야를 중심으로 연구 개발을 진행한다고 함 팀 설립에 앞서 2015 년 12 월에 바이두는 자율운전차량을 2018 년까지 중국 시장에 투입하 겠다는 계획을 발표했으며, 바이두는 이미 BMW 3-Series Gran Turismo 를 개조한 자율운 전차량 2 대를 가지고 베이징 북부 간선도로 등에서 주행시험을 반복하고 있음 바이두는 정부기관과 공동으로 공공 교통기관을 운영할 것을 계획하고 있는데, 자율운전차 량은 승용차 및 승합차를 이용하여 정해진 노선과 특정 지역을 주행하는 공공 셔틀(Public Shuttle) 형태로 제공되며, 서서히 운행 범위를 확대해 나간다는 계획 바이두가 실리콘밸리에 자동운전자동차팀을 설립하게 된 데에는, 기술 개발을 추진하고 있 는 바이두 리서치(Baidu Research) 의 연구소장 앤드류 응(Andrew Ng)의 영향력이 큼 36

38 최신 ICT 이슈 실리콘밸리에 만들어질 자동운전자동차팀은 실리콘밸리에 거점을 둔 바이두의 연구부문 바이두 리서치 와 긴밀한 협조 하에 개발을 추진하게 됨 바이두 리서치 소장 응 교수는 바이두의 자율 운전자동차 사업을 미국에서도 전개한다는 계 획을 밝혔으며, 이를 위해 응 교수는 바이두가 실리콘밸리의 인재를 활용하고 미국 정부와 협 조할 필요성이 있음을 강조 응 교수는 스탠포드 대학에서 딥러닝 분야의 기초 연구를 선도했으며, 이후 구글로 옮겨 인 간의 두뇌를 모방하기 위한한 프로젝트 구글 브레인(Google Brain) 을 시작하였음 <자료> Glassdoor [그림 3] 실리콘밸리 소재 바이두 리서치 구글 브레인을 통해 대규모 병렬 컴퓨팅 환경에서 딥 러닝을 작동시키면, 시스템이 높은 수준의 개념을 학습할 수 있다는 것을 입증하였음 현재 응 교수는 바이두 리서치 소장으로서 바이두의 AI 연구 개발을 주도하는데, 본격적인 기술 개발이 추진되면 바이두의 자율운전차 사업도 큰 진전을 이룰 것으로 기대됨 응 교수의 생각을 이해하면 바이두 자율운전 차의 발전 방향을 점쳐볼 수 있으며, 응 교수 는 무인 자율운전차 개발은 사회적 인프라의 지원 없이는 어렵다는 견해를 보이고 있음 응 교수는 현재의 기술 수준으로는 인간처럼 행동하는 무인 자율운전자동차의 개발은 비 현실적이며, 따라서 자동차는 사회의 인프라와 협력할 필요가 있고, 자율운전 시스템은 제 조업체 한 곳이 할 수 있는 것이 아니므로 커뮤니티로 접근할 필요가 있다고 지적 그 이유로 응 교수는 자율운전차량의 과제를 들 고 있으며, 가령 도로 작업자는 공사현장에서 수신호로 차량 흐름을 유도하지만 자율운전차량 은 손동작의 의미를 이해하지 못함 AI 기술이 빠르게 진화하고 있기는 하지만 당분 간은 자율운전차량이 인간처럼 운전할 수 있는 것은 아니며, 따라서 도로 등의 사회 인프라에 조금 손을 댐으로써 자율운전차량의 운행을 지 <자료> Baidu [그림 4] 바이두 리서치 소장 앤드류 응 정보통신기술진흥센터 37

39 주간기술동향 원할 필요성이 있다는 것 가령 도로 작업자는 비콘이나 앱을 사용하여 수신호의 의미를 자율운전차량에 전달해야 하고, 자율운전차량은 긴급 자동차의 사이렌과 깜박임의 의미를 이해할 수 없기 때문에 긴 급 자동차가 자율운전차량에 비상 사태 시 연락할 방법을 확립할 필요가 있음 AI 연구의 일인자인 응 교수가 무인 자율운전차량의 개발이 어렵다고 말하는 것은 무겁게 받아들일 필요가 있으며, 구글이 고전하고 있는 데서 보듯, 자율운전차 앞에 놓인 장애물 의 높이를 재인식하는 것도 필요함 응 교수는 자율운전차량의 상용화를 위해서는 먼저 자율운전차량의 위험성을 인식하고 그 해결책을 마련하는 것이 필요하다는 주장을 펴고 있음 가령 자율운전차는 자주 브레이크를 거는 등 인간과는 다른 특이한 행동을 하는데, 주변 교통의 흐름에 따라 주행할 수 있도록 개량되고 있지만 여전히 인간의 운전 패턴과는 다 르기 때문에 자율운전차량은 누구나 한눈에 알 수 있도록 디자인 할 필요가 있다는 것 실제로 바이두의 자율운전자동차 프로토타입은 응 교수의 생각을 반영해, 세련된 디자인이 아니라 위쪽은 흰색, 아래쪽은 빨간색으로 하 여 눈에 잘 띄는 모습을 하고 있음 응 교수의 지적은 실리콘밸리에서 구글 자율 운전차와 함께 주행해 본 사람이라면 그 의 미를 알 수 있으며, 가령 두 개 차선이 합류 하여 하나로 줄어드는 구간에서 구글의 프로 토타입은 규정에 맞게 속도를 시속 25 마일로 줄인 상태에서 차선에 진입함 프로토타입 차량의 특성 상 합류 시 정해진 <자료> International Business Times [그림 5] 바이두의 자율주행차 프로토타입 최고 속도를 따르다 보니 그런 것이며, 보통 사람이 운전하는 경우 규정 속도보다 훨씬 빠 른 속도로 합류하기 때문에 구글 차량 뒤쪽에서 주행하던 운전자는 갑자기 급제동을 걸게 되는 경우가 많음 구글의 발표에 따르면 프로토타입 차량의 사고 대부분이 후속 차량에 의한 추돌 사고이며, 구글은 자신들의 잘못으로 난 사고가 아니라고 설명하고 있지만, 근본 원인을 자율운전차 량의 주행 방식이 인간과는 현실적으로 큰 차이가 난다는 점에서 찾을 수도 있음 38

40 최신 ICT 이슈 구글은 자율운전차량이 도시인들의 삶에 녹아들 것을 목표로 하고 있으며, 향후 자율운전 시험 차량이 세계 각지를 달리게 할 계획이며, 그렇게 되기 위해서는 근본 조치가 필요하 다는 것이 응 교수의 생각 중국 정부와 중국 자동차 기업들, 그리고 응 교수가 이끄는 바이두의 움직임에 대해 미국 언론들은 대대적 보도를 하고 있으며, 여기에는 미국의 분발을 촉구하려는 의도가 배어 있 음 미국 언론들이 중국 기업의 자율운전자동차 산업에 큰 관심을 표출하는 것은, 미국에서 규 제 및 도로 법규 때문에 자율운전차량 개발에 난항이 계속되는 상황과 관련이 있음 자율운전차 관련 청문회에서 캘리포니아 주 정부와 구글이나 우버 등 개발 기업들의 의견 을 듣다 보면, 양자 사이에 깊은 틈이 있음을 느낄 수 있음 정부와 민간기업이 공동으로 신기술을 육성하는 분위기가 아니라 서로의 입장을 주장하며 평행선을 달리는 것이 지속되고 있는 상황이며, 연방정부와 주 정부의 방침도 달라 사회적 인프라가 갖추어질 때까지는 시간이 걸릴 것으로 전망되고 있음 이런 상황에서 중국은 정부가 앞장서서 자율운전차를 새로운 산업으로 육성하려 하기 때 문에, 비록 중국의 자율운전자동차 기술이 미국에 비해 2 년 정도 뒤쳐져 있다고 하지만 조만간 중국이 역전하는 것이 아닐까라며 위기감을 표하는 미국인들도 많이 있음 자율운전차는 사회적 인프라와 협력해야 구현 가능하다는 바이두 응 교수의 주장은 그런 면에서 고려할 가치가 있으며, 미국 언론들은 중국의 추격이 미국에 큰 자극이 되어, 정부 와 민간기업이 협조해 자동운전 인프라를 구축하는 계기가 마련되기를 기대하고 있음 [ 참고문헌 ] [1] Gizmag, China rising: Highlights from the 2016 Beijing Auto Show, [2] Shanghai Daily, China to map out rules for self-driving cars, [3] Fortune, China's Roadmap to Self-Driving Cars, [4] International Business Times, Chinese Regulators, Internet Giant Baidu (BIDU) Fast-Track Self- Driving-Car Development, 정보통신기술진흥센터 39

41 주간기술동향 II. 드론의 편대 비행을 이용한 밤하늘에 펼쳐지는 광고 드론을 사용하여 밤하늘에 문자나 도형을 표현하는 기술이 개발되면서, 드론을 상업적으로 이용할 수 있는 새로운 가능성이 또 하나 개척되었음 인터넷 광고업체인 마이크로애드(MicroAd) 는 무인 항공기를 사용하여 허공에 이미지나 영 상을 표현하는 서비스 스카이 매직(Sky Magic) 을 발표 서비스의 내용은 카본 소재의 프레임들로 드 론을 덮고 프레임에는 LED 조명을 쭉 부착한 다음, 많게는 수십 대의 드론을 빛과 음악에 맞춰 편대 비행 시키면서 소리와 움직임을 맞 춰 빛을 내도록 연출시키는 것 드론을 나란히 날게 하거나 대열을 회전시키 며 공간을 이동시키면서 평면적 연출 외에도 깊이 있는 연출이 가능하기 때문에, 사각형이 나 삼각형, 원형 등의 간단한 표현뿐 아니라 <자료> Mashable [그림 1] 드론 이용 LED 광고, 스카이 매직 드론 수를 늘려 문자나 로고를 표현하는 것도 가능하다고 함 마이크로애드는 아무 것도 없는 공간을 미디어로 바꿔, 수십 대의 드론을 날려 그림을 그 리는 이 기술을 21 세기의 불꽃놀이 라 표현 마이크로애드는 이 서비스를 활용하여 기존의 인터넷 광고 포맷을 넘어 새로운 광고와 엔 터테인먼트 등으로 사업 영역을 넓힐 계획이며, 행사장과 패션쇼, 콘서트, 스포츠 경기장 등에서 이용될 수 있을 것으로 기대하고 있음 드론 편대 비행으로 LED 불빛이 문자나 도형, 기업의 로고를 표현하도록 함으로써 광고 효 과를 낼 수도 있지만, 드론을 이용한 연출 자체가 홍보가 될 수 있을 것이란 전망이며, 이 미 전세계 여러 기업으로부터 문의가 들어오고 있다고 함 스카이 매직 서비스는 GPS 보다 정확한 포지셔닝을 가능하게 해주는 RTK(Real Time Kinematic) 기술을 사용하여 오차 1m 미만의 제어를 가능하게 하고 있음 RTK 는 주로 위성 항법 시스템에서 수 센티미터 정도의 오차를 유지하기 위해 사용하는 초정밀, 첨단의 실시간 이동 정밀 측정 기술임 40

42 최신 ICT 이슈 지금까지 RTK 기술은 측량과 건설 등의 틈새 시장에서 제한적으로만 사용되어 왔으며, 향 상된 위치추적 성능에도 불구하고 고비용과 복잡성 때문에 널리 활용되지는 못했음 그러나 최근 드론 업계가 발전하고 대량생산 체계로 들어서며 저비용의 고에너지 효율성 을 갖춘 초정밀 위치추적 성능의 탑재가 요구되면서, RTK 기술도 변모를 시작 무선통신 업계들은 최근 드론 탑재를 염두에 두고 RTK 모듈의 크기와 중량을 줄였고, 소 비 전력도 기존 대비 5 분의 1 로 줄여 비용을 절감시켰으며, 마이크로애드의 스카이 매직 역시 이런 기술의 발전 트렌드에 힘입어 등장하게 되었음 마이크로애드는 비행 경로와 편대 운동을 미 리 프로그래밍 해두고 RTK 측위에 따라 드론 을 제어하는데, 각 드론들은 서로 통신하면서 서로의 위치를 유지하고 비행하게 됨 이를 통해 무인항공기가 편대를 떠나거나 낙 하하더라도 다시 드론 편대로 돌아갈 수 있게 하는 등 하나가 아닌 복수로 무인항공기를 조 종할 때의 장점을 살리고 있음 한편, 드론과 RTK 소형화 모듈의 접목은 애플 <자료> DIY Drones [그림 2] RTK 기술의 최신 응용 트렌드 리케이션 단에서 센티미터 단위의 정확도를 요구하는 장비 개발 업계에도 영향을 미칠 전 망이며, 트랙터나 잔디깎기 로봇을 개발하는 업체들 역시 개발비용 절감이 최우선 과제 중 하나이기 때문 마이크로애드는 드론을 이용한 광고가 기술과 시대의 발전에 따른 자연스러운 흐름이라 판 단하고 있으며, 향후 드론 광고의 정교한 발전을 위해 더욱 투자해 나갈 계획 마이크로애드는 드론은 인터넷을 공간으로 풀어 놓는 기술 로 정의하고 있으며, 드론을 광고를 위해 활용하는 것은 자연스러운 흐름이라 보고 있음 이용자가 컴퓨터 앞에 앉아 웹사이트를 보며 클릭하던 인터넷 광고는 스마트폰의 보급으 로 이용자가 가는 장소에서 접근할 수 있는 형태로 바뀌었음 따라서 카메라와 인터넷 통신 기능을 갖춘 비행하는 인터넷 단말기 인 드론이 보급되면 광고나 미디어를 표현하는 곳이 하늘로 펼쳐지는 것도 당연한 변화라는 것 마이크로애드는 현재 25 대의 드론을 수 미터 간격으로 편대 비행시키고 있으며, 연내에는 정보통신기술진흥센터 41

43 주간기술동향 드론의 수를 늘리는 동시에 비행 간격도 좁혀 100 대 정도의 비행을 목표로 하고 있음 탑재되는 LED 개수도 늘릴 계획으로, 현재 무인항공기에 장착된 LED 수는 대당 660 개이나, 이를 1,000 개 정도로 늘릴 수 있을 것으로 보고 있음 스카이 매직의 개발 과정 중 가장 어려웠던 것은 기체를 경량화하면서 디자인과 표현력이 떨어지지 않도록 하는 것이었는데, 처음에는 카본 프레임을 원형으로 상정해 개발했지만, 결국은 기하학적 모 양으로 변형하게 되었다고 함 미래에는 드론끼리 수 센티미터 거리까지 접근이 가능하도록 하는 동시에, 드론 자체도 소형화한다 는 계획 무인항공기의 소형화와 탑재하는 LED 수의 증가가 <자료> Gizmag [그림 3] 스카이 매직 서비스용 드론 이루어지면, 드론의 무리가 공간에 구성하는 디스플레이의 해상도 가 더 높아지게 되고, 평면적 움직임뿐 아니라 입체적인 움직임을 포함한 새로운 미디어로서의 표현이 더욱 용 이해지기 때문 (Mashable, & Gizmag, 5. 3.) III. 구글-허니웰 크로스 라이선스 합의, 스마트홈 관련 특허소송 종결 구글과 자동 제어기기 분야 대기업인 허니웰(Honeywell)은 장기간의 특허 크로스 라이선스 계약에 합의했다고 발표 이번 합의에 따라 구글의 스마트 홈 사업 부문인 네스트 랩스(Nest Labs) 와 허니웰 사이 에서 4 년 여간 진행되어 온 특허 침해 소송이 막을 내리게 되었음 구글과 허니웰은 전체적인 합의 조건에 대해서는 밝히지 않았지만, 상호 보유한 특허 포트 폴리오에 대해 라이선스 계약을 맺기로 했으며, 이번 합의로 스마트 홈 시장에서 제품 혁 신과 소비자 선택권이 촉진될 것을 기대한다고 발표 허니웰은 소형 온도조절기에서부터 대형 전자장치, 나아가 인텔리전트 빌딩 시스템(IBS)까 42

44 최신 ICT 이슈 지 생산하며, 데이터처리 시스템 및 프로그래밍 등 소프트웨어 서비스도 제공하는 대기업 으로 보유 특허 포트폴리오는 구글 못지 않다는 평가 네스트 랩스는 2010 년 5 월에 창업된 기업으로, 2012 년 2 월에 허니웰에 의해 특허 침해소 송을 당했으며, 소송이 진행 중이던 2014 년에 구글에 의해 32 억 달러에 인수된 바 있음 네스트 랩스는 애플에서 아이팟 부문 수석 부사장을 지낸 토니 파델과 아이팟 소프트웨어 개발을 맡았던 매트 로저스가 창업한 기업으로 구글과 로지텍 출신 직원들도 가세하여 설 립 당시부터 관심을 모은 바 있음 2011 년 10 월에 다이얼 모양의 학습형 온도 조절기 네스트 러닝 써모스탯(Nest Learning Thermostat) 을 발표했으며, 사용자가 설정한 온도를 바탕으로 사용자의 재택-외출 등 행동 스케줄을 학습하여 자동으로 난방 및 냉방 온도를 조절하는 것이 핵심 기능 이 기기를 가정 내 와이파이와 연결하면 노트북이 나 스마트폰, 태블릿에서 온도설정 변경 등을 조 작할 수 있는 것도 특징 구글은 2011 년 5 월부터 자사 투자 부문인 구글 벤처스를 통해 네스트 랩스에 출자했으며, 2014 년 11 월에 현금 32 억 달러에 인수하였는데, 인수 후 에도 네스트 랩스는 토니 파델이 CEO 로서 비즈니 스의 독자성을 유지하고 있으며, ios 지원도 계속 하고 있음 <자료> Nest Labs [그림 1] 러닝 써모스탯과 프로젝트 허니웰은 2012 년 2 월에 네스트 랩스를 특허 침해 혐의로 미국 미네소타주 연방 지방법원 에 제소했는데, 사용자의 행동 패턴을 바탕으로 한 온도조절 제어 기능 등 7 건의 특허를 네스트 러닝 써모스탯이 침해했다고 주장하며 판매 금지와 손해 배상을 요구 이번 구글과 허니웰의 크로스 라이선스 계약에는, 소송이 제기된 7 건의 특허에 대한 네스 트 랩스의 사용권도 포함된 것으로 보임 네스트 랩스는 온도 조절기 외에 연기와 일산화탄소 감지 경보기인 프로젝트(Project) 제 품도 출시하고 있으며, 이번 허니웰과 라이선스 공동 사용 계약에 따라 보다 다양한 스마 트홈 기기를 개발할 수 있는 기술 기반을 마련하게 되었음 (Forbes, & Cnet, 5. 6.) 정보통신기술진흥센터 43

45 주간기술동향 IV. Weekly Brief * 분야 주요 동향 이동통신 스마트폰 인도 정부, 애플 중고폰 판매 요청 거부 인도 정부는 이에 대해 공식적인 언급을 하지 않았지만 환경 문제와 현지 업 체의 반발로 이 같은 결정을 내린 것으로 관측 * 애플은 인도 시장점유율 확대를 위해 2016 년 3 월 품질이 검증된 리퍼폰을 인도로 수입한다는 내용의 신청서를 제출 * 2016 년 1 분기 인도 프리미엄폰 시장에서 애플은 시장점유율 29%로 18%p 성장(카날 리스, 5.9) 애플, 인도에 100 억 달러 규모 아이폰 공장 설립 폭스콘은 인도 서부 마하라슈트라 주에 1,200 에이커 규모의 생산 공장을 설 립할 계획. 이 공장은 애플의 요청에 의해 설립되는 것으로 18 개월 내 완공 을 목표. 한편 애플은 인도 내 스마트폰 판매 촉진을 위해 애플스토어 설립 도 추진 화웨이, 1 년 사이 스마트폰 출하량 62.3% 확대 2016 년 1 분기 글로벌 스마트폰 출하량은 전년 동기 수준인 3 억 4,400 만 대 기록(카운터포인트리서치). 중국 인도네시아 유럽 시장 수요 감소 등이 출 하량에 부정적인 영향. 삼성전자는 1 위를 수성했으나 출하량은 5.6% 감소. 반면 화웨이(62.3% ) 오포(92.8% )는 크게 성장 삼성 갤럭시, 2016 년 3 월 미국에서 점유율 28.8% 1위 삼성전자는 2016 년 3 월 미국 스마트폰 시장에서 점유율 28.8%로 1 위로 등 극. 반면 애플은 23% 점유율로 2 위로 하락. 이는 갤럭시 S7 의 조기 출시 및 판매 호조에 따른 것으로 분석. 3 위는 LG 전자(17.1%)로 G5 출시(4 월 1 일) 효과가 반영되지 않아 2016 년 4 월에는 1, 2 위와의 격차를 보다 좁힐 것 으로 기대 스마트 서비스 부품 IoT 반도체 IoT 시장 대형 M&A, 5 년 새 7 배 증가 2015 년 IoT 시장에서 대형 M&A 가 81 건을 기록하며 5 년 만에 7 배 급증(SA, 5.7) 년만 해도 IoT 시장 M&A 는 연간 12 건에 불과했으나 5 년 사이에 7 배 가까이 증가 년은 IoT 나 이와 결부된 빅데이터 전략과 관련해 20 여 건의 대형 M&A 를 예상 반도체 코리아 파운드리 부문 취약 삼성 4 위 한국은 메모리 분야에서 글로벌 시장점유율 70~80%를 점유하는 반면 파운드 리(Foundry 수탁생산) 부문에서는 부진. 메모리 분야에서 압도적인 점유율을 자랑하는 삼성전자는 대만 미국 업체에 밀려 4 위에 그쳤으며 동부하이텍은 11 위에 자리 * 본 내용과 관련된 사항은 산업분석팀( , ssj@iitp.kr)으로 문의하시기 바랍니다. 44