발표순서 l 소개 l 딥러닝과빅데이터 l 딥러닝과빅데이터기술동향 l 국내외인공지능동향및시장전망 l 맺는말

딥러닝과빅데이터동향 정보통신설비학회 (ITFE) 학술발표회 2016.09.02 중부대학교컴퓨터게임학과 김순곤 Soongohn, Kim (sgkim@joongbu.ac.kr)

1 장. 딥러닝과머신러닝

인공지능 (Artificial Inteligence : AI) l 농업혁명 à 산업혁명 à 디지털정보통신혁명 (3 차산업혁명 ) à 인공지능, 사물인터넷, 빅데이터등의기술의융복합 (4 차산업혁명 ) 은인간의삶을새롭게변화시키고, 또다른변화의가능성시사 제 4 차산업혁명은기존의컴퓨터및통신기술이로봇, 인공지능, 센서, 빅데이터, 사물인터넷등새로운과학기술과결합해높은수준의융합기술로전개되면서, 인공지능은산업과경제전반의패러다임을완전히바꿔놓을것으로전망 딥러닝을매개로한인공지능기술은엄청난파괴력과획기적인성과를거두고있는가운데, 언어인지, 시각인지, 공간인지등을기점으로글로벌기업들은인공지능연구에더욱박차를가하고있음 인간대신계산하고데이터를수집하고, 또자동차를운전하는등인간이하던일이로봇이나기술로대체되고있어 20~30 년내로인공지능기술이실현가능해질것으로전문가들은예측

인공지능 (Artificial Inteligence : AI)

인공지능 (Artificial Inteligence, AI) l 인공지능개발은 1980 년대이후반도체기술의발전으로컴퓨터의소형화, 고속화, 대용량화가이루어짐에따라인공지능하드웨어기반이마련된가운데, 인류의실존위협을우려할만큼논쟁을낳고있지만, Google 이나 Microsoft 등글로벌기업들이 AI 에대폭적인투자를하면서전세계가주목 최근프로바둑기사이세돌 9 단과구글에서개발한인공지능컴퓨터알파고의바둑대결에이목이집중되면서인공지능에대한관심이그어느때보다높아지고있으며, 이는인공지능의기술개발을가속화시킬것으로예측 l 최근빅데이터와딥러닝 (Deep learning) 을기반으로기계가마치인간처럼지식을스스로학습하는머신러닝 (Machine learning) 이가능해질것으로예측하고있는가운데, 구글의무인자동차나마이크로소프트 (MS) 의개인비서프로그램 코타나 나애플아이폰의 시리 등은인공지능전망을더욱밝게하고있음 인공지능기술은기존의자동화시스템을넘어빅데이터기반, 머신러닝을통해정보를스스로축적하고학습한다는면에서인간과비슷한수준의지능을향하여진일보했다고할수있음

인공지능 (Artificial Inteligence, AI)

인공지능의개념과정의 l 인공지능 (Artificial Intelligence) 이란인간의뇌, 즉생물학에서신경망이라고하는중추신경계를모방한컴퓨터소프트웨어로다량의데이터를기반으로자료를분석하고스스로학습할수있는능력을컴퓨터로구현하는기술 인공지능의시작은사람의머리에서일어나는일들이 기계적계산과정 을통해설명할수있을것이라는생각에서부터출발하였으며, 지능적기계특히지능적컴퓨터프로그램을만드는공학의한분야로영국의수학자앨런튜링 (Alan Turing) 이고안한생각하는기계 튜링기계, 튜링테스트로부터시작되었음 인공지능의시작은앨런튜링 (Alan Turing) 의기계지능, 즉컴퓨터가명령에의한단순한연산방식에서벗어나인간처럼생각하고인간의편의를위해인간이해야할일들을기계가대신하도록한다는취지 연산작용을통해정확한근거와알고리즘으로모든경우의수를적용하여완벽한답을구한다기보다는탐색기준을세워최적의답을찾는다는의도로부터시작

인공지능의역사

인공지능의분류

인공지능의쟁점 l 인공지능알파고와이세돌 9 단의세기의맞대결, 인공지능이어디까지진화할지, 그리고인간의삶을얼마나변화시킬지알수없는상황에서이대결을통해향후인공지능에대한수준을상상해볼수있는계기 인공지능이어디까지진화할지, 그리고인간의삶을얼마나변화시킬지알수없는상황에서이대결을통해향후인공지능에대한수준을상상해볼수있는계기 대결이성사된이후많은사람들은인공지능의수준에대해의구심을품고있었고, 인공지능컴퓨터가인간을뛰어넘는것은불가능할것이라는추측이있었지만예상과달리대결은알파고의 4:1 완승으로끝나고말았음 인공지능시장가능성이확대되고, 인공지능에대한신뢰향상과활용범위증가등보급확대에큰기대를불러일으키고있지만, 네번째대국에서보듯이어떤패턴을인식하는과정에서판단오류에의한사고로어이없는버그를낼수도있다는경각심

인공지능에대한긍정론 응용분야지능형비서의료진단법률서비스지능형금융서비스지능형감시시스템기사작성추천시스템지능형로봇

인공지능에대한회의론 l 인공지능에어느만큼의자율성을부여할것이며, 또어떻게인공지능을통제할것인지에대한문제를다루기위해서 EU 에서는이미 2012 년에로봇규제가이드라인을통해서, 수술로봇이나자율주행차등에대한규제근거를만들고있고, 일본은인공지능의사회적영향에대한 2045 연구회 를구성하여연구하고있음 l 미국의컴퓨터과학자레이커즈와일은 [ 특이점이온다 ] 라는저서에서기계가인간의한계를뛰어넘어둘사이의경계가무너지는시점을 특이점 으로정의하고, 이시점을계기로인간수준의지능을갖춘컴퓨터는스스로를개조해인간을초월하는존재가된다고예측 2045 년이되면인간의뇌안에나노로봇을넣어뉴런의상태와활동을인공지능시스템에업로드하는기술이개발될것으로그렇게되면기계가현재수준의인간을돕는보조수단이아니라자율성을가진또하나의새로운존재로스스로판단하고행동할수있게될것으로전망하고있음

인공지능에대한회의론

머신러닝 (machine learning)

머신러닝의개요 l 머신러닝은기계 ( 컴퓨터, 로봇, 소프트웨어등 ) 의자가학습을통해데이터에내재된패턴, 규칙, 의미등을추출하고, 이러한경험의반복으로부터시행착오를거쳐분류시스템을만들어스스로성능을향상시키는기술 l 데이터양이급증하고처리할수있는하드웨어기술이발전하면서머신러닝기술은점점발전하고응용분야도다양 머신러닝은빅데이터를효과적으로분류할수있는기술로데이터분석을통한예측은끝없는반복작업을통해조금씩정답에가까워지기때문에데이터를투입해결과를도출하기위해컴퓨터가스스로패턴을찾아내고, 새로운분류체계를만들어가며데이터를분석해정확도높은결과물을내놓은일련의과정을말함 데이터는과거추이를판단하기위한기초이자, 미래추이를예측하기위한근거로데이터의양이풍부할수록학습의결과가정확해지므로머신러닝은빅데이터와깊은연관성을가지고있음 학습을기반으로하고있는머신러닝은다양한형태의데이터 ( 음성, 이미지, 바이오센서, 영상등 ) 를통해기계가이전의경험을기반으로새롭게입력되는데이터에대한결과를예측하는일이가능함 매우복잡하고어려운문제나상황을해결하기위해우선모델에대한가설을세우고, 그가설에부합하는알고리즘을개발하는과정을기계가대신한다는개념으로데이터를분석하기보다는기계에게데이터를학습시켜문제를해결할수있게함

머신러닝의개요

머신러닝의학습원리

학습영역

인식영역

머신러닝의분석기법

머신러닝과빅데이터

딥러닝 l 딥러닝은머신러닝에기반해쌓은빅데이터를활용해컴퓨터가시행착오와실수를반복하면서스스로해결능력을향상시킬수있게되면서최근인공지능분야에혁신을불러일으키면서이슈화 미리조건을확인하고결론을내리는방식이아니라다종다양한상황에대해프로그램이근사적인판단을할수있도록하는알고리즘으로머신러닝의여러방식가운데최근가장주목을받는알고리즘임 딥러닝을통해복잡하면서도정확성을요구하는데이터의분류와판단이가능해졌고, 수년에걸쳐엄청난기술의진보를이루어내면서인공지능의방향성을제시해주는기술로평가받고있음 본격적인빅데이터환경속에서데이터의규모가점점커지고빅데이터기술이발전하면서딥러닝을수행할수있는엄청난양의데이터축적과고성능프로세서의발전, 그리고반도체기술의발달로최근몇년사이비약적인발전을이루어왔음 l 최근인공지능기술이혁신적성과를만들어내면서기계가감각, 이해, 분석, 그리고예측능력에기반해새로운가치, 더높은수준의가치를구현하는일이가능할것으로기대를모으고있는가운데천문학적인데이터에서가치를발굴해내는빅데이터와딥러닝의결합은인공지능의패러다임을급속하게변화시키고있음

딥러닝

딥러닝 (Deep Learning) 의개요및정의

딥러닝개발배경및역사

딥러닝의동작원리

딥러닝의동작원리 l 딥러닝은빅데이터를기반으로할수밖에없는데, 그이유는수많은데이터를통해일정한패턴을파악하고스스로학습하여정확도를높이기위해서는데이터의양이많아야하고그럴수록시행착오의가능성도줄어들기때문 빅데이터활용면에서도대량의빅데이터를분석해유용하게활용하기위해추구하는방식은딥러닝이가장적합함

딥러닝연구분야

인공신경망 (Artificial Neural Networks) l 인공신경망이란기존의기호처리기반의인공지능분야와는달리인간의뇌가수많은뉴런을병렬로연결, 네트워크를구성하여문제를처리하는방식을컴퓨터에도적용하여기계가스스로자가학습을가능하게한다는알고리즘 l 많은학자들은궁극적으로인간뇌의복잡한구조적특징과이로부터비롯되는고도의신호처리체계를연구하여새로운연산기법을개발하는데그목표를두고연구를시작 인공지능 (artificial intelligence) 이란인간의뇌를모방하여인간의전유물이라여겼던지성을갖춘기계로인간과같은사고방식을가지고, 인간의행동방식과사고를인식하는컴퓨터를인공지능이라함

인공신경망 (Artificial Neural Networks)

인공신경망의구조

단층퍼셉트론과다층퍼셉트론

역전파알고리즘 (Back Propagation)

딥러닝핵심기술 l 딥러닝은기존신경망에계층수를증가시켜여러층으로쌓아다수의계층으로구성된심층신경망 (deep neural networks) 또는심층망 (deep networks) 을효과적으로학습하여패턴인식이나추론에활용하는분야로이미여러분야에서기존의기술적인한계를뛰어넘는성과를보여줌. 또한딥러닝은한층의 input layer, 여러층의 hidden layer, 한층의 output layer 로여러개의중간계층을통해여러단계로반복적으로학습하는과정이추가됨으로써결과값의정확도를높이는데효과적이며, 복잡하고표현력높은학습이가능하게됨 이에음성인식, 얼굴인식, 물체인식, 문자인식등다양한분야에서획기적인결과들이발표되고있으며, 매우빠른속도로기존의머신러닝방법들을대체하고있음

딥러닝핵심기술

심층신경망 (Deep neural networks) l 기존의신경망은한두개의은닉층만으로도보편적인학습이가능하다는것을보여주었지만좀더복잡하고어려운문제들을효과적으로표현하기위해서는매우복잡한구조의신경망과보다정교한학습과정이필요하게되었으며, 이에대한해결방법으로노드의수또는계층의수를증가시키는것이유일한방법으로이렇게여러계층으로구성된신경망을심층신경망 (Deep Neural Network) 심층신경망은기존의신경망에더많은중간계층을추가하여다수의계층을사용하여각계층마다학습을통한특징들을규합함으로써데이터에대한학습능력을증대시킬수있으며, 특징추출과인식 (classification) 을하나의신경망에서수행할수있음 심층신경망은수많은신경세포가복잡하게얽혀신호를주고받는과정을거쳐정보가상위계층으로올라가면서점점압축되고정교해지는방식으로각층마다자율학습기법의선행학습을별도로시킨후층층이쌓아통합훈련을통해미세하게오류를조정해나감

심층신경망 (Deep neural networks)

컨볼루션 (CNN, Convolutional neural networks, 회선신경네트워크 ) l 컨볼루션네트워크 (convolutional neural networks) 는인간의시신경구조를모방한기술로, 이미지프로세싱에서시작해글자인식, 이미지인식, 사물인식에이르기까지인식에필요한특징을자동으로학습하면서도형태변이를효과적으로흡수할수있는알고리즘으로이미지인식과오브젝트탐색성능이향상 이미지인식에있어 Convoluion Filter 는특징점을알아내는데가장기본적인개념으로 1980 년대에제안된 Neocognitron 에서시작되었으며, Fully connected network 는입력한이미지의특성을고려하지않아훈련이미지에서물체의위치만살짝다르게바뀌어도학습모델은전혀다른사진으로인식하던문제를해결함 1990 년대후반 LeCun 이경사도기반학습알고리즘을 CNN 에성공적으로적용해필기체인식을위해처음제안하였으나, 이미지인식분야에서뛰어난성능이검증되면서이미지에서얼굴, 손을식별했을뿐만아니라얼굴인식등다양한영상인식분야에적용하게되었음

컨볼루션 (CNN, Convolutional neural networks, 회선신경네트워크 )

순환형신경네트워크 (Recurrent neural networks) l 순환형신경네트워크 (Recurrent neural networks) 는비선형상태방정식으로나타내는동적시스템으로음성, 음악, 문자열, 동영상등순차적인정보가담긴데이터처리에적합한구조로 parse-tree 와같이구조화된입력을처리할수있는아키텍처를말하며, 특히시계열데이터에서탁월한성능을보여주는딥러닝의한방법 RNN 은인공신경망의어떤특정부분이반복되는구조를가지고있는데, Recurrent Weight 는과거시점의정보를전달하고입력노드로부터의연결은새로운입력을전달해새로운데이터를처리할때이두가지정보를결합하여상태를결정함 이때은닉층은네트워크의메모리라고생각할수있는데, 이는과거의시간스텝들에서일어난일들에대한정보를전부담고있으며, 출력값은오로지현재시간스텝의메모리에만의존함

순환형신경네트워크 (Recurrent neural networks)

2 장. 딥러닝과빅데이터기술동향

딥러닝과머신러닝응용분야 l 딥러닝 (Deep Learning) 과머신러닝 (Machine Learning) 등인공지능은그동안의기술적한계를극복하며급속히발전하고있는가운데, 최근 IT 산업을넘어제조, 금융, 의료, 자동차등거의모든산업산업분야에서뜨거운이슈로주목을받고있음 머신러닝은이미사기방지, 개인화광고, 추천콘텐츠, 자동차개발, 영업효율화, 미디어최적화, 헬스케어서비스향상등특정산업군이아닌다양한분야에서실질적인효과를보고있음

사이버범죄및사기방지분야 l 사기분석및예방을위해국내외를불문하고복잡한패턴과특징을가진사이버범죄혹은온라인결제사기를막기위한딥러닝기술도입을밝히고있음 딥러닝알고리즘은전세계에서이뤄지는온라인결제에서발견된수만개의잠재적인특징을분석해특정사기유형과비교하거나사기방식을탐지하고, 다양한유사수법을파악할수있어사기결제방지에도활용되고있음 IDC 는금융범죄솔루션시장이 2014 년 47 억달러에달하며, 2017 년까지연평균성장률 5.5% 이상기록할것으로예측하고있는가운데, 가트너에따르면글로벌기업의 25% 는사기방지를위해빅데이터분석기법을채택할것으로전망하고있음 사이버보안에머신러닝을활용하는것은비교적새로운분야지만머신러닝은사이버보안에 혁명 (revolution) 을일으킬잠재력이있는것으로그가치를인정받고있으며, 타분야에서머신러닝을활용하는방법에대한학습이대부분이루어진만큼사이버보안분야에서도머신러닝이빠르게도입될것으로전망하고있음

FDS(Fraud Detection System)

정보유출및보안분야 l 정보보안분야에서도머신러닝을이용해신변종공격을예측하고탐지하려는시도를계속하고있는가운데, 머신러닝기술을활용함으로써다양해진위협에보다효과적으로대응해이상행위를탐지할수있다는측면에서내부정보유출방지 (DLP) 분야에도머신러닝이활용이기대됨 보안분야에서머신러닝은공격탐지와예측방어, 기존의보안시스템을우회하는공격을탐지등에적용되며, 구체적으로보안모니터링, 관제, 신변종공격예측, 이상행위탐지등의분야에서활용되고있음 머신러닝을활용한보안시스템이스스로자신의상태를학습해정상적인상태와비정상적인상태를분류하고, 비정상적인상태 ( 공격 ) 가발생했을때관리자에게문제를알려해결하도록함 공격이지능화되면서내 외부에존재하는공격자들은 DLP 정책을우회해데이터를유출해내기때문에매체제어나키워드기반 DLP 로는정보유출을막을수없기때문에보다정밀한머신러닝을이용한보안전문가의역량을시스템이스스로갖출수있도록해보안시스템을우회하는공격을지능적으로차단한다는취지 l 글로벌보안업체인시만텍, 파이어아이, 팔로알토네트웍스, 트렌드마이크로, 어베스트, 스플렁크등은물론국내보안업체인안랩과파수닷컴등이머신러닝기술을보안제품과클라우드서비스에접목시키고있으며, 국내보안업계또한데이터를학습해야보안성을높일수있다는개념의머신러닝기술에많은관심을보이고있음

타겟팅광고 ( 개인광고 ) 분야

콘텐츠추천

자동차품질개선및자율자동차

의료분야

금융분야

금융분야 ( 딥러닝 / 마케팅활용분야 )

딥러닝과머신러닝업체별기술동향 l 머신러닝은데이터를분석하여특정패턴을읽어내어학습한후미래를예측하는알고리즘으로최근들어 MS, Google, facebook 등글로벌 IT 기업들은업종을불문하고각분야에영상 음성 문자인식, 자연어처리, 인터넷검색, 로보틱스등에머신러닝기술을적용하여효율적으로작업을수행하기위한경쟁이치열하게이루어지고있음. 머신러닝은데이터분석을통해앞으로의추이를예측하고스스로판단할수있다는점에서빅데이터기술에서한단계진화한기술로평가받고있어머신러닝활용에대한기대는더욱높아지고있음 이에구글 IBM 등여타인공지능영역의글로벌 ICT 기업들이관련스타트업들을인수하고, 사업조직을신설하는등인공지능을실제비즈니스에접목하기위한움직임이속도를내고있음

주요기업의인공지능분야 M&A

글로벌주요기업의인공지능플랫폼현황

3 장. 국내외인공지능동향및시장전망

국내외인공지능동향및시장전망 l 전세계인의이목을집중시킨인공지능알파고와프로바둑기사이세돌 9 단의역사적인대결은세계인들을놀라게했으며, 인공지능기술개발을위한각국들의움직임을더욱가속화시키는계기가되었음.

국내동향 l 2013 년정부주도의인공지능기술개발과제인엑소브레인 (Exobrain) 프로젝트를시작으로최근인공지능에대한투자가강조하고있는가운데, IT 기업을필두로대기업, 중소기업등이인공지능산업투자및연구를추진하고있으나아직은특정사업에한정돼있는상황 우리나라인공지능 R&D 연구는국내대형포털업체와일부대학및대기업연구소를중심으로학제간융합연구 ( 인간연구 + 융합연구 + 컴퓨팅기술 ), 경제 / 사회적고찰 ( 일자리, 인간존엄성 ), 장기적꾸준한투자 / 연구개발방향으로나아가고있으나, 국내인공지능기술개발의현주소는인공지능기술을선도하는글로벌기업과비교하면, 우리나라는이제막걸음마를뗀수준에불과함 최근인공지능기술에대한큰관심으로최근딥러닝기술스타트업들이나오면서국내딥러닝기술스타트업사례도등장하고있음

국내동향

해외동향 l MIT Technology Review 는 2013 년 10 대혁신기술 (10 Breakthrough Technologies) 로딥러닝을선정하며인공지능기술개발을위한전세계적인움직임이가속화되고있는가운데, 미국및유럽국가들은인공지능의발전을위해인간의뇌를지도화하는작업을추진중

미국 l 국가대형프로젝트로 2013 년 2 월국립보건연구원 (NIH) 은브레인이니셔티브 (Brain Researchthrough Advancing Innovative Neurotechnologies Initiative, BRAINInitiative) 추진계획을발표하면서, 이를실현하기위해 DARPA, NIH, NSF 등이참여하는연간 2 억달러투자계획을추진중. 10 년동안총 30 억달러규모의투자가진행되며, R&D 주요내용은인간의뇌지도작성을비롯해지각, 행동, 의식등이이루어질때발생하는뇌의활동에대한연구 미국은 125 조개에이르는뇌의시냅스 (synapse) 분석을통해인간이어떻게데이터를두뇌에저장하고처리하는지를밝히고이를컴퓨터시스템에그대로적용하여진정한인공지능을구현하는것을목표로함 (IITP, 2015) Brain Initiative 는차세대인지컴퓨팅기술을추진하기위한기초기술개발에초점을맞춘뇌연구, 감정연구등을수행하며, 기반기술뿐아니라이를활용한응용기술개발, 산업화를동시에목표로하고있음

미국 Brain Initiative 개요

일본 l 일본의경제산업성은자국경제성장의핵심전략으로로봇혁명을추진하기위해 2015 년 1 월에로봇분야를선정하고이를위해 로봇신전략 을발표 첫째, 세계로봇혁신거점으로 로봇창출력의근본적강화 둘째, 중소기업, 농업, 의료, 인프라등세계최고의로봇활용사회를목표로로봇이일상을실현할수있는 로봇활용및보급 셋째, 사물인터넷시대에빅데이터, IT 와융합, 네트워크, 인공지능을구사하는로봇으로세계를주도하는로봇혁명을전개하고발전

일본

중국의인공지능시장발전현황 l 2015 년 3 월열린중국의최대정치행사인양회 ( 兩會 ) 에서 차이나브레인 프로젝트를제안 중국최대검색사업자바이두 ( 百度 ) 의리옌훙 ( 李彦宏 ) 최고경영자 (CEO) 에의해제안된 차이나브레인 은인간 기기간상호작용, 무인자동차, 군사 민간용드론등의모든분야에인공지능기술을적용하려는개발프로젝트임 제안과동시에국방과안전에활용할수있는기술개발을위해국방부의참여를촉구하면서정부가국립연구기관과기업들에산재한관련연구를빨리통합하여관리하는효율적인시스템을구축하는단계적전략을제시하였음

중국의기업인공지능투자현황

EU l 유럽은첨단기술연구지원사업중하나로스위스로잔연방공과대의인간두뇌의인지형태기반지식처리를위한 인간두뇌프로젝트 (Human Brain Project, HBP) 를 EU 6 대미래유망기술중하나로선정하여, 10 억유로를투자하여 2013 년부터 10 년간연구를진행하고있음 HBP 는 23 개국약 250 명의연구자들이참여하는대규모프로젝트로인간두뇌시뮬레이션및인간의두뇌기능과동작방식에대한이해를돕는새로운도구를개발하여미래의의학및컴퓨팅분야에적용한다는목적 Human Brain Project 에서는인간의인지형태를프로그램화시켜향후인간의지식처리형태를가진인공지능개발예정, 인간뇌의작동방식에대한정확한이해, 활용을통해컴퓨팅아키텍처, 신경과학, 의학분야등에적용예정 HBP 는서로다른학문영역들로부터데이터와지식의통합하고, 뇌에대한새로운이해, 뇌질병에대한새로운치료방법및뇌처럼동작하는컴퓨팅기술들을성취하기위한사회적노력을촉진하는 ICT 기반뇌연구의새로운모델개발을위한기술적인기반을마련하고있음

EU l 독일의연방경제기술부는 하이테크전략 2020 의일환으로생산기술자동화를위한응용프로그램을발표했는데, 이프로그램은최신 IT 기술을에너지, 환경및금속분야에접목하고나아가이를통해유연성높은생산인프라를구축하여사용자맞춤형제품생산이가능하게한다는목적 최근영국대학 과학담당장관은세계적연구개발을선도할주요 8 개기술분야를선정, 총 6 억파운드의연구자금을분야별로투자할계획이라고밝힘 특히영국인공지능기업에의투자가활발한데 2015 년한해동안발생한영국인공지능벤처투자규모는 36 억달러 ( 약 4 조 3,000 억원 ) 로 2014 년에비해 70% 오른수치를기록

맺음말 l 인공지능의시대 l 약인공지능 : 오늘날의당신은? l 강인공지능 : 2023 년의우리는? l 초인공지능 : 2045 년의인류는?