국내 외인공지능산업의현황및활성화방안 조성배교수연세대학교컴퓨터과학과 Ⅰ. 인공지능의실체 SF 영화속의허구이거나잘해야먼미래의이야기로치부되던인공지능이알파고덕분에부쩍현실로가깝게다가왔다. 하루가멀다하고 TV와신문을통해인공지능에대한다양한소식이전해지고있는상황에서, 일부호사가들은스스로학습하고터득해서곧인간을대체할것처럼호들갑을떨기도한다. 반면에인공지능에대해서좀안다는사람들은이미몇차례있었던소동의연장선으로보고얼마지나지않아곧실체가드러날사기라고시큰둥한반응을보이기도한다. 도대체무엇이진실일까? 지능을모방하여만드는기술을추구하는인공지능을설명하는용어가인간의기능에서따온것이기때문에, 스스로라든가알아서학습한다는식의표현이다분히기술의본질을망각한과대포장으로해석되기쉽다. 또한, 1956년다트머스대학에서인공지능이란이름으로시작된연구가수차례부침을겪으면서기대와실망이교차했던과거가있음도사실이다. 하지만컴퓨팅환경과빅데이터처리기술의발전에따른어부지리가되었든, 새로운시장을창출하려고하는거대 IT기업의음모가되었든이번의열기는확실히이전과는다른새로운양상을띠고있는것만은분명하다. 이에, 인공지능의실체를규명하고산업에의응용 현황을분석하여향후발전방안을모색하고자하는것이이글의취지이다. 가능하다면부동산업계에종사하는사람들에게도자신의업무에이러한기술이어떻게접목될수있는지생각해볼수있는계기가되었으면한다. 먼저인공지능기술의실체에다가가기위해서현재가장대표적으로성공적인인공지능이라고알려져있는구글알파고 (AlphaGo) 와 IBM 왓슨 (Watson) 의기능과내부작동원리에대해서알아보기로하자. 1. 구글알파고의인공지능알파고는인간최고수이세돌 9단을이긴인공지능으로잘알려져있다. 실제게임과정에서알파고가둔수가바둑을잘아는사람이보았을때대단한기력을갖고있는것처럼보이고결국에는승리했기때문에지능을갖고있는존재로의인화하기도하고, 공포심이나경외감을느끼는감정이입을하기도했지만, 실체는바둑에서다음수를결정하는컴퓨터프로그램이다. 바둑은 < 그림 1> 과같이 19개의가로선과세로선이만나는격자위에검은돌을갖고있는측과흰돌을갖고있는측이번갈아서한번씩돌을놓는게임이다. 이때내가놓은돌이상대방돌을완전히감싸면그내부의상대방돌을따내고그공간을집이라고한다. 이 2016 September Vol.100 13
Special Edition 인공지능 (AI) 기술발전과부동산분야의활용방안 와같은방식으로번갈아가면서돌을놓다가더이상놓을돌이없을때, 각자의집의수를세어서더많은쪽이이기는게임이다. 매우단순한게임이지만이기기위한수를결정하기위해서포석을한다든지기풍을따르는식의직관을사용하는것이고수들이하는방식인데, 이를모방하여컴퓨터프로그램을만들면대부분고수들에게는상대가되지않는다. < 그림 2> 게임트리의예 < 그림 1> 바둑의반상과돌 이를해결하기위해서인공지능분야에서는매번자기차례가되었을때, 남은바둑판의격자중에서어디에다음수를두면이길가능성이높은지를체계적으로따지는게임트리 (game tree) 방식을사용한다. 즉, 실제수를두기전에내가둘수있는모든수에대해서상대방이둘수있는모든수를둬보고, 그각각에대해서또내가둘수있는수를둬보고하는식으로끝까지시뮬레이션 (simulation) 을해봐서내가이길가능성이높은다음수하나를결정하는것이다. < 그림 2> 가실제시뮬레이션과정을보여주고있는데, 여기에서굵은선으로표시된경로가이기는수를의미한다. 문제는이와같은방식의시뮬레이션에는너무많은시간이소모되어다따져볼수없다는것이다. 이를해결하기위해서보통게임트리의폭을줄이거나깊이를줄이는데, 이때휴리스틱 (heuristic) 이라는경험지식을함수로만들어서사용해왔다. 알파고의경우에도기본적으로는이와동일한방식으로작동하는데, 이휴리스틱을사람이작위적으로만든것이아니라, 많은양의데이터로부터만들었다는점이다르다. 특히그데이터의양이수천개정도가아니라기존프로기사의기보 16만개를사용해서휴리스틱함수를만들었는데, 일반적인통계나기계학습 (machine learning) 방법으로는잘되지않아서, 딥러닝 (deep learning) 이라고불리는신경망 (neural network) 을사용하였다. 16만개의기보도상당히큰데이터인것은분명하지만바둑에서둘수있는모든수를다포함하지는못하기때문에, 새로운데이터를만들어서사용했다는점도주목할만하다. 즉, 16만개의기보로휴리스틱함수를만든프로그램 2개가있으면바둑게임이가능하기때문에, 실제게임을해서이긴프로그램의신경망의값을높이고, 진프로그램의신경망의값은낮추는식으로개선을한것이다. 이를심층강화학습 (deep reinforcement learning) 이라고하고, 흔 14 부동산포커스 REAL ESTATE FOCUS
히하는표현으로스스로학습했다고하는데실상은신경망의계수를데이터로부터자동으로계산했다는것이좀더정확한표현일것이다. 구글이알파고를만든이유는바둑을세상에서가장잘두는프로그램을만들기위해서일까? 물론알파고에설명기능을넣어서팔면꽤수입이될수도있겠지만, 그걸로는 6000억원을투자한이유를납득시키기어려울것이다. 구글이하고싶은것은바둑을잘두는과정과유사한의학적치료나기후예측, 금융투자등에인간최고수의직관을뛰어넘는기술을적용하고자하는것이다. 확실히방대한양의수치데이터로부터객관적인의사결정을해야하는문제에는유용한기술이될것이다. 2. IBM 왓슨의인공지능 IBM 왓슨도성공적인인공지능으로대대적인공세를취하고있는데그기본은퀴즈대회에서우승한프로그램이다. 일반적으로는심층 Q&A 시스템이라고불리는데, 미국의퀴즈쇼인저퍼디 (Jeopardy!) 에출연해서역대최다상금수상자와최장수우승자를이긴인공지능프로그램이다. < 그림 3> 은실제퀴즈대회의현장을보여주는데, 여러카테고리의다른난이도문제를선택하여 3명이서경쟁하여답변권을얻어맞추면점수를얻고틀리면점수를빼앗기는방식이 다. 일반적으로영역이제한되어있는분야에서는인공지능이잘하지만, 상식이필요한광범위한분야에서는잘하지못한다는것이통념이었는데, 이를깨고보편적인지식을묻는문제에서도인간최고수를이길수있다는걸보여준것으로유명하다. 실제퀴즈문제를풀려면어떻게해야할까? IBM 왓슨은 < 그림 4> 와같은구조로이를해결하였다. 우선퀴즈문제를잘풀기위해서는기본적인지식과상식을알고있어야하기때문에백과사전의모든지식과인터넷웹문서의중요한정보를의미망 (semantic net) 이라는형식으로저장하였다. 그리고문제가나오면이의정답을포함하고있을문서의후보를 1,000개정도골라내고문제와분야의단서들을이용하여단계적으로이후보를좁혀나가서최종적으로 10개정도의정답후보를정답가능성과함께계산한다. < 그림 3> 저퍼디퀴즈대회에출전한 IBM 왓슨 < 그림 4> IBM 왓슨의작동과정 Question Answer Sources Primary Search Candidate Answer Generation Evidence Sources Supporting Evidence Retrieval Deep Evidence Scoring Question Analysis Query Decomposition Hypothesis Generation Soft Filtering Hypothesis and Evidence Scoring Synthesis Final Merging and Ranking Hypothesis Generation Soft Filtering Hypothesis and Evidence Scoring Trained Models Answer and Confidence 2016 September Vol.100 15
Special Edition 인공지능 (AI) 기술발전과부동산분야의활용방안 이러한과정을다마쳐서정답을 10분후에맞추는것은의미가없기때문에, 이의속도를개선하기위해서슈퍼컴퓨팅기술을활용하여 3초이내로완수하도록한다. 또한, 게임은상대성이있는것이기때문에상대의점수에따라서모험을걸기도하고다소보수적으로게임을하는등인간이게임에서하는의사결정과정을모방하여프로그램을개선하였다. 이를통해실제퀴즈대회에서인간챔피언들을누르고우승한것이다. IBM이이를통해서얻고자했던것은이미자명하다. 단순히퀴즈대회에서이기는컴퓨터프로그램을만들어서기술을칭찬받고자하는데그치지않고, 전방위적인비즈니스플랫폼으로활용하고있다. 이런프로그램은어디에활용하면좋을까? 처음판매처는시티은행의콜센터였다. 대부분의회사에서 AS 등을위해콜센터를운영하는데많은사람을투입하고도고객의불만을유발하기도하기때문에, 고객의질문에적절히답변하는왓슨이효과적이다. 이에그치지않고새로운치료법을제시하는최신논문과다양한문서를분석하여답변하도록하면의료현장에서유용하게사용될수있을것이다. II. 인공지능의핵심기술 인공지능은한마디로정의하기어렵다. 지능이란것자체가모호하여이를인공적으로재현한다는것이쉽지않기때문이다. 일반적으로지능은외부를인식하고추론하며적응하는능력이라고보는데, 인간조차어떻게그런기능을하는지명확히모르는상태에서전통적인환원주의 (reductionism) 에입각한과학적방법으로는구현이어렵기때문이다. 따라서이제까지기계가지능을갖고있는지를판별하기위해서는그내부의진위를따져서가아니라결과로나온행위 가인간과구분이될수없을정도인지를검사하는튜링테스트 (Turing test) 가제시된이유이기도하다. 이제까지인공지능을구현하는기술은수없이많이시도되었지만방법의합리성보다는그결과를접하는인간이어떻게판단하는가에따라서평가된다. 이렇게만든인공지능이인간처럼생각하고감정을가지며심지어자의식이있는것처럼판단된다면그때사용된기술은강한인공지능이라고할수있고, 인간의사고나창의력까지는아니지만특정문제를인간처럼해결한다면그때사용한기술은약한인공지능이라고할수있다. 단, 그둘에서사용된기술이다르다고볼수없다. 사실인간도상대방이지능이있는지는외부에서보이는행태로판별하는것이지, 그사람이실제지능이있는지는모른다는철학적인문제가있다. 이와같은인간의지적기능을구현하는기술은크게지식기반방법론과데이터기반방법론으로대별될수있다. 초기에먼저시도된방법은인식, 추론, 학습과같은지적기능을모방하기위해선이를보유하고있는사람이해당영역의지식을기호로표현하여저장하고, 이를논리적인규칙에입각해서처리하며적절히변경하는학습을통해서문제를지능적으로해결하고자시도한전자의방법이었다. 지금도전문가시스템이나논리 / 탐색기반문제해결방법과같은형식으로널리사용되고있다. 반면에데이터기반방법론은최근에기계학습이란이름으로널리사용되고있는데, 해당문제의사례를데이터로제공하고이로부터연역적으로지식을추출하여문제를해결하는것이다. 데이터로부터연역적으로모형을구축하는것은전통적인통계나확률로오래전부터시도하던방식이기때문에기계학습의많은방법들이이에기초한것이많은데, 통계적인가정이나제약을극복하기위하여신경망과같은다소융통성있는방법이시도되고있다. 16 부동산포커스 REAL ESTATE FOCUS
물론이이외에도지능이나의식의본질을뇌신경과학이나인지과학의범주에서탐구하는시도도있고, 새로운패러다임으로양자컴퓨팅 (quantum computing) 이나인공생명 (artificial life) 으로인공지능을구현하려는연구도있다. 특히기기의발전에힘입어뇌영상을고도로세밀하게촬영할수있게되면서뇌과학적으로두뇌의기능을이해하려는시도도있으나, 실용적으로나산업적으로활용할수있는인공지능에도움을줄수있기까지는아직오랜시간기다림이필요할듯싶다. 이런관점에서이제까지우리가성공적인인공지능기술이라고알고있고앞으로도산업적으로널리사용될만한것을정리해보면다음과같이크게세가지를들수있다. 첫째는문제를해결공간상에표현하고초기점에서부터해답을찾아가는탐색기술이다. 이는알파고의인공지능을구성하는기본구조이기도한데, 무한에가까운방대한공간에서체계적인방법으로해답을찾는것이다. 이를위해서는해결하고자하는문제를정형화된공간상에표현하는것과불필요한탐색을최소화하면서적절한시간내에해답을찾아내는것이필요하다. 이기술은단순히게임에서만유효한것이아니라, 복잡한변수가포함된문제에서의사결정을하는일반적인문제에적용될수있다. 예를들면, 다양한조건에서환자의상태와의학적지식의공간상에서최적의치료방법을찾는것이나, 방대한법률문서와판례상에서최선의판단을내리는등의문제에사용될수있다. 둘째는문제를해결하는데필요한지식과규칙을적절하게표현하고이들의추론을통해서결과를도출하는규칙기반시스템이다. 이는전통적인전문가시스템을구현하는핵심적인방법으로서, 복잡한문제도논리적인추론과계획으로설명이가능한결과를만들어내는방법이다. 이를위해서는해당분야의도메인지식을효과적으로추출하는것이필수적 인데일반적으로매우어려운문제이다. 특히특정분야의전문가를모방하는시스템은상대적으로쉽게구현할수있는데반해, 소위상식이라고알려진보편적인지식에대해서는처리가어렵다는인식이있었는데, 최근에이를해결하는기술이실증적으로시도되면서심층 Q&A를수행하는 IBM 왓슨이완성되기도하였다. 셋째는신경망으로널리알려진기계학습기술이다. 문제의사례로부터주어진입력에대한적절한출력을자동으로결정할수있는방법으로인공지능연구의초기부터다양한기법이시도되어영상이나음성인식과같은패턴인식의문제에널리사용되고있다. 그중에서도인간의두뇌를이루는기본구조인뉴런 (neuron) 을모방한신경단위를대규모로연결하여문제를해결하는신경망은모형의형태를가정할필요가없어서쉽게사용할수있는장점이있다. 사실두뇌를모방하여자동학습된다는식으로표현되는경우가많지만, 실제로는입력값에가중치를매겨서모두더한후비선형함수를통해출력하는단순한계산단위를대규모로연결한것이기때문에일반인의기대와는사뭇다르다. 즉, 이런식으로구성하고주어진데이터에대한입출력관계를표현하는가중치만구한다면문제를해결하는것이고, 이를자동으로하는학습방법이존재한다는정도이다. 최근에는노드간의연결을상당히여러개의층으로표현하고많은양의데이터로부터관계를학습할수있는딥러닝이좀더실용적인패턴인식의문제를해결해줄것으로기대하고있다. 알파고는 12개의층을사용했는데최근가장진보한딥러닝방법은 150개가넘는층을사용하기도한다. 물론신경망의층이많아지면좀더복잡한입출력의관계를표현할수는있지만, 이의선형적인진보로자의식까지갖춘인공지능이실현되리라곤기대하기어렵다. 그럼이세방법을적절히선택하여문제를해결하 2016 September Vol.100 17
Special Edition 인공지능 (AI) 기술발전과부동산분야의활용방안 면될까. 실제로최근의성공적인인공지능시스템을보면이중어떤한기술을사용했다기보다는문제의해결방안을구조화하고, 여러가지기술을복합적으로활용하여솔루션아키텍쳐를구성하는식이일반적이다. 앞서소개한알파고의경우에도전체구조는탐색기술을따르지만세부적으로탐색의가짓수를줄이는데신경망기술을사용하였다. 또, IBM 왓슨의경우에도상식수준의방대한지식을체계적으로표현하는규칙기반시스템을기반으로정답의가설을만들고이를효과적으로줄이는과정에서기계학습방법을사용하는등수백가지의인공지능알고리즘을복합적으로사용하였다. 앞으로도인공지능기술은구현하고자하는지적기능의수준에따라기호주의 (symbolism) 와연결주의 (connectionism) 의통합이나숙고기반 (deliberative) 과행동기반 (reactive) 방식의통합, 또는상향식접근법과하향식접근법의통합등다양한형태로기술이복합되어점점고도화되는추세가되리라예상된다. 또한, 인공지능자체의방법적인발전과더불어, 빅데이터와사물인터넷으로대표되는방대한데이터의처리기술과클라우드컴퓨팅으로대변되는대규모컴퓨팅자원의활용기술을효과적으로복합하는방향으로기술이발전할것이다. III. 인공지능산업의현황 인간의지적능력을모방하는인공지능은말그대로인간이투입되는산업분야라면어디라도적용될수있다. < 그림 5> 는인공지능의핵심기술이나지원기술이외에도기업과산업, HCI 등의분야에서활동하는업체들을보여준다. 산업별로광고, 농업, 교육, 재무, 법률, 제조, 의료, 석유가스, 미디어 / 컨텐츠, 소비자금융, 자선사업, 자동차, 진단, 소매등의분야에서수많 은기업들이인공지능기술로사업을펼치고있음을볼수있다. 여기서는이를정리하여인공지능기술기반산업과응용산업으로나눠서현황을살펴보기로한다. 1. 인공지능기술기반산업기반산업은인공지능이핵심이되어그자체만으로산업의플랫폼이되는분야로가상비서, 지능로봇, 추천시스템을소개한다. 1) 가상비서최근음성으로대화하며사용자가필요로하는작업을도와주는가상비서 (virtual assistant) 가거대 IT 기업의비즈니스플랫폼으로대두되고있다. 선두주자는애플의 Siri인데, 스마트폰상에서음성대화로식당예약이나영화추천과같은서비스를제공한다. 사용자가다소식상하여현재는정체되어있지만, 이를뒤이어등장한다양한가상비서의효시라는점에서주목할만하다. 뒤이어구글의 Now, 마이크로소프트의 Cortana, 페이스북의 M 등이유사하게개인비서기능을제공하고있다. 최근에는아마존의 Echo가상품을추천하거나구매하는부분까지연동하여크게각광받고있다. 이들가상비서의공통점은완벽한서비스로서의제품이라기보다는비즈니스를일으키는사용자접점으로서의플랫폼을지향하여, 이를통해다양한사용자데이터를수집함으로써부가적인서비스를유도하고또자체의성능을향상시키고있다. 2) 지능로봇로봇분야에인공지능을도입하고자하는시도는상당히오래전부터시작되어산업용로봇이나서비스로봇에서큰효과를보고있다. 최근의경향은이를 ICT 기술과접목하여유용성을극대화하는방향으로가고있는데, 대표적인예가소프트뱅크의 Pepper 라할수있다. 로봇자체의조작기능이나제어기능에 18 부동산포커스 REAL ESTATE FOCUS
중점을두기보다는사용자와의상호작용에집중하여정보를제공하거나감성적인교감이가능하도록유도하고있다. Pepper는 IBM 왓슨의 Q&A 기술을장착하여로봇의모양을한심층질의응답을강점으로하며, 현재일부현장에서리셉션기능이나주문을받는서비스등에활용되고있다. 이밖에도 MIT의 Jibo는인간과대화로상호작용하며사진을찍어주거나발생한사실의요약을해주는등의기능을목표로개발되고있다. 3) 추천시스템사용자의과거구매이력이나비슷한성향의다른사용자의구매이력을분석하여구매할가능성이높은제품을추천하는시스템이활발히개발되고있다. 구글의유튜브에서는비디오를, 아마존은제품을, 넷플릭스는 영화를, 판도라는음악을추천하는서비스를운영중이다. 기본적으로각사용자가구매했던제품이나온라인사이트에서브라우징했던제품을기록한후, 이런데이터를협력적인필터링방식으로분석하여유사한성향의사용자에게추천하는방식을사용한다. 좀더고차원적인사용자의의도파악이나반복되는동일제품추천을방지하는방향으로연구되고있다. 2. 인공지능기술응용산업응용산업은 < 그림 5> 의전분야가가능하지만, 그중가장대표적인의료, 법률, 금융분야를소개한다. 1) 의료의료분야에는방대한분량의환자데이터와새로운치료사례를소개하는수많은문서가쏟아지고있다. < 그림 5> 인공지능의응용분야별대표기업 2016 September Vol.100 19
Special Edition 인공지능 (AI) 기술발전과부동산분야의활용방안 MD 앤더슨센터에서는 IBM 왓슨을도입하여환자의발암여부를판정하는데활용하고있다. 또한, 트위터와같은 SNS 서비스업체에서는가입자가입력한내용을분석하여감정상태를인식하는기술을개발하여산후우울증여부를판정하는서비스를개발하기도하였다. 이밖에도의료영상을분석하여질병의여부나예후를판정하는데기계학습이나딥러닝을사용한기업이우후죽순으로늘어가고있다. 2) 법률법률분야는기본적으로인공지능이활용되기적합한특성이있다. 대부분의법률자료가문서화되어보존되고있고, 사건이의뢰되면맨처음하는것이기조법률자료를조사하여판례를분석하는것이기때문이다. 최근에 ROSS 인텔리전스에서이러한법률문서자동분석기법을도입하여실제활용한사례가보고되기도하였고, Blackstone Discovery에서도이와유사한시스템이개발되었다. 국내에서도심층 Q&A 시스템의응용분야로법률자문시스템을개발하려는시도가있다. 3) 금융최근금융권에서는로보어드바이저란이름으로투자를인공지능기법으로수행하는시스템이인간투자자보다높은수익률을올리고있다고하여주목받고있다. 대표적인예로싱가포르개발은행에서는인공지능기술을도입하여우수고객의투자선호도를파악하여, 맞춤형투자자문을한다든지자산을관리하는서비스를활발히펼치고있다. 방대한데이터가가용한분야에서는인간의직관을넘어서는인공지능이우수한성능을낼가능성이있다. 최근에는 P2P 서비스를장착한핀테크분야에서방대한온라인데이터를분석하여개인신용평가나포트폴리오추천에도인공지능기술이폭넓게활용되고있다. IV. 인공지능활성화방안 세계경제포럼에서는 3 차산업혁명을기반으로한 디지털과물리계, 바이오산업등의경계를융합하는 기술혁명으로 4 차산업혁명을정의하고있다. 4 차산 업혁명은디지털혁명이라는 3 차산업혁명의기반위 에서디지털과바이오기술사이의융합이핵심이될 것이다. 이는 < 그림 6> 과같이 IoT 를기반으로물리 세계와사이버세계가연결된공간에서쏟아지는빅 데이터를지능적으로처리하는인공지능소프트웨어 가클라우드컴퓨팅으로대변되는고성능컴퓨팅자 원의힘을빌어제조업과인간사회에대대적인변화 를야기한다는것이다. 인공지능이필요에따라상황 을해석해가며스스로자동갱신하여새로운차원의 산업혁명이가능하게될것이다. < 그림 6> 4 차산업혁명을위한인공지능소프트웨어의역할 IoT 4 차산업혁명 인공지능 SW 지각인식 기계학습 지식추론 클라우드컴퓨팅 빅데이터 IDC, 트랙티카, 맥킨지등은세계인공지능시장이 급속도로증가할것으로전망하고있다. IDC 는세계 인공지능시장규모를 2017 년약 6,650 억불수준으로 예상하고, 트랙티카는기업용인공지능시스템시장 이 2015 년 2 억불수준에서 2024 년 111 억불규모로연 평균 56.1% 급성장할것으로예측하고있다. 또한, 맥 20 부동산포커스 REAL ESTATE FOCUS
킨지는 2025년인공지능을통한지식노동자동화의파급효과가연간 5조 2000억불에서 6조 7000억불에달할것으로예상하고있다. 이와같이여러기관에서인공지능시장의폭발적인증가를예상하고있는시점에서, 고령화와함께저성장의늪에빠져있는우리사회의경쟁력을키우기위해서는어떻게해야할지생각해보자. 첫째, 우수한인재들이인공지능이라는분야에눈을떠서참신한아이디어를창출하고결과를만들기위한스타트업에도전해보면좋겠다. 인공지능은기술의성격상아이디어만있으면대규모투자가아니더라도결과를낼수있음을딥마인드의사례로부터잘알수있다. 10여명의의욕적인인재들이모여재미있고도전적인인공지능의주제를탐구하여기술을쌓고구글로부터큰규모의투자를받아실제난제를해결한것이다. 특히잘알려진두방법을그렇게사용해서불가능할것처럼보인무한공간에서의의사결정문제를실제로해결한것은되새겨볼만하다. 둘째, 대기업을포함한기업도모든기술을자체개발하려고하기보다는, 핵심기술을보유한스타트업의적극적인 M&A를통해서빠른시간내에필요한기술을확보하는것이경쟁력을키우는길이라본다. 또한, 오픈소스정신을잘활용하여폐쇄적인시각에서벗어나, 기술플랫폼을공개하여이를통한우수인재를훈련시키고발굴할수있는전략이필요하다. 최근애플, 구글, 마이크로소프트등의글로벌 IT기업들이오픈소스로공개하는것은인공지능처럼어려운기술의발전은독자적인노력만으론한계가있다고보기때문이다. 셋째, 정부는이러한유기적인기술개발과상업화가활성화될수있는법적 제도적체제를확립하여인공지능기술개발과상업화가활발하게이루어지는유기적인산업생태계를조성하는데힘쓸필요가있다. 인공지능기술개발과연구의전반을직접끌고나 가기보다는민간이주도하기어려운표준데이터베이스의확보나대용량컴퓨팅자원의효과적인지원책을마련하는것이도움이될것이다. 특히, 고가의슈퍼컴퓨터를보유할수없는기업이나스타트업도비교적저렴한비용으로인공지능을개발할수있는컴퓨팅자원을사용할수있도록하는것이필요하다. 마지막으로대학과연구기관에서는인공지능을이해하고잘다룰수있도록기초소양을키우는한편, 해당분야의핵심기술을확보하고개발하는전문인력을배출하여야할것이다. 특히, 인공지능시대에는어떤분야든소프트웨어를다루는기술과데이터를분석하는기술이필수적인소양이될것이기때문에, 이에대한체계적인교육과인재양성이필요하다. 세계적으로소프트웨어의교육을필수화하여수학이나과학처럼어려서부터문제해결능력을키우는교과목을기본교과목으로하려는시도가활발하다. 전통적인교과목의틀에얽매인다든지입시와연동한획일적인교육에그치지말고, 4차산업혁명시대의주역이되기위한필수교양으로서소프트웨어교육이이루어질필요가있다. 인공지능기술은단시일내에기술적 사업적인성과를올리기어렵기때문에, 장기적으로체계적인지원과노력이지속되어야하는분야이다. 최근에발표되고있는인공지능기술의성공사례로부터기업과정부에서도관심을갖고투자를계획하고있는데, 이것이단발적인해프닝으로끝나지않기위해서는중장기적인관점에서인력을양성하고지속적인지원을할필요가있다. 인공지능에대한사회적공감대를바탕으로우수한인재들이아이디어를내고지능서비스를출시하여글로벌경쟁을하면서새로운부가가치를창출하는데인공지능기술이지렛대역할을할것이다. 2016 September Vol.100 21