.jpg)
조만간 모든 기업들은 신제품이나 서비스를 기획하고 준비할 때 인공지능과 디지털 트윈을 사용해야 할 것이다. 시장의 요구가 그런 방향으로 가고 있기 때문이다. 그렇다면 그 어려운 인공지능이나 디지털 트윈과 같은 기술의 사용자로서, 제품을 어떻게 골라야 하는 걸까? 그냥 벤더사에 맡기면 되는 걸까?
[보안뉴스 문정후 기자] 인공지능, 머신러닝, 디지털 트윈... 이런 말들이 왜 유행하기 시작했으며, 왜 그리 중요한 기술/개념 취급을 받고 있는 것일까? 간단히 설명하자면 인간이 쉽게 이해하기에는 너무 복잡하거나, 인간이 제대로 된 결정을 내리기에 너무나 시간이 부족한 경우, 최적의 선택지는 인간이라는 요소를 제거하는 것이기 때문이다. 인간이 이해하고 깊이 성찰하고, 그럼으로써 올바른 결정을 내릴 때까지 기다릴 수 없는 시대로 가고 있다는 것이다.
그렇다면 왜 지금인가? 지난 수십 년 동안 인간은 전자장비 산업 내에서 이뤄지는 발전을 목도해 왔다. 많은 기능들이 하나로 통합되고, 장비의 크기는 갈수록 줄어들었다. 가동되는 데 필요한 전력의 양도 줄어들고 있다. 면적 당 기능의 수가 기하급수적으로 늘어나고 있는 것이다. 이런 기술 발전의 방향은 성공적이었다.
소프트웨어 애플리케이션들 역시 수십 년 동안 끊임없이 발전을 거듭해 왔다. 특히 지난 20년 동안 그 발전의 속도는 실로 눈부셨다. 애플리케이션은 비싼 돈을 주고 사야 하는 고급 제품, 혹은 사치품이었는데, 이제는 누구나 매일처럼 쉽게 구하고 사용하는 편의성 제품이 되어버렸다. 그러면서도 기능성에 대한 소비자들의 기대치는 변함없이 높다. 그렇기 때문에 대강 아무렇게나 만든 소프트웨어들은 가격과 상관 없이 살아남기가 힘들다.
이런 하드웨어와 소프트웨어의 발전 흐름 덕분에 제품 개발에 필요한 요구 사항들이 서로 합쳐지게 되었다. 업무나 목적 달성에 반드시 있어야 하는 애플리케이션들의 경우, 이제는 실시간 고용량 데이터 처리, 시간에 민감한 의사 결정, 초고 가용성 등과 같은 기능을 가지고 있어야 하기도 하고, 내려진 결정들이 높은 확률로 정확해야 한다는 요구를 시장으로부터 받고 있다. 신제품들을 보면 알겠지만 전자 장비들에 이런 애플리케이션이 탑재되어야 한다는 요구도 이미 시장 안에서는 팽배하다.
그래서 어느 덧 인공지능이라는 기술이 제품 디자인과 개발에 있어 반드시 필요한 ‘필수 덕목’으로 자리를 잡고 있다. 예를 들어 칩셋 디자인의 극초기부터 회로 구성 단계를 지나 최종 제품 성능 평가 단계에 이르기까지, 에뮬레이션 기술을 바탕으로 복잡한 인터페이스와 환경을 구축하는 것 역시 이제는 필수 항목이다. 이 에뮬레이션 기술 혹은 에뮬레이터들을 우리는 요즘 ‘디지털 트윈’이라고 부르는데, 결국은 특정 환경이나 생산 프로세스를 디지털 환경에 똑같이 옮기는 것을 말한다.
디지털 트윈이 있어 개발자들은 다양한 실험 환경을 구축할 수 있게 되고, 그러므로 제품이 시장에 나가기 전에 모든 상황에 대한 검사를 실시할 수 있게 된다. 고성능 디지털 트윈은 대부분 인공지능 엔진을 바탕으로 하고 있다. 인공지능은 새 제품 설계의 트러블슈팅이나 회귀 검사를 실시한다.
인공지능 기반의 개발 프로세스와 디지털 트윈
인공지능을 기반으로 한 개발 프로세스와 디지털 트윈은 이제 새롭게 출시되는 각종 장비나 애플리케이션을 만드는 데 있어 반드시 사용해야 하는 요소가 되었다. 왜냐하면 위에서 말했다시피 시장은 새로운 제품의 면적 당 기능의 수가 갈수록 높아지기를 기대하고 있기 때문이다.
기업들은 기본적인 설계 원칙들을 바탕으로 제품의 기본 기능들을 정의하고 나서 이런 설계가 타당한지를 검사하기 위해 테스트 환경을 구축한다. 하지만 요즘의 시장이 요구하는 것을 충족시키려면 실험해야 하는 경우의 수가 너무 많고 인터페이스 표준의 구성이 지나치게 복잡해 손으로 뭘 어떻게 해결하는 게 아예 불가능하다. 그런 시도 자체가 가당치도 않은 게 요즘의 하드웨어/소프트웨어 제품 개발의 수준이다.
그래서 디지털 트윈 기술이 필요하다. 디지털 환경에서 실제 프로세스나 환경을 에뮬레이션 함으로써 훨씬 간단하게 많은 실험을 진행할 수 있게 된다. 심지어 여기에다가 인공지능을 추가하면 실험 프로세스를 자동화 할 수도 있다. 그래서 지금 인공지능 기술과 디지털 트윈 기술은 일부 대기업이나 국가 기관, 혹은 특수한 연구 기관에서만 필요로 하는 기술이 아니다. 이미 시장에서 간단한 사업 활동을 하는 데에도 꼭 필요한 기술이 되었다.
하지만 아무 기술이나 구매할 수 없다. 이 기업의 인공지능이 낸 결과가 과연 정확할까? 궁금할 수 있다. 인공지능 알고리즘이 정확한 판단을 내리고 있는지 역시 의문스러울 수 있다. 그럴 때는 인공지능의 처음으로 돌아가서 확인하면 된다. 그 처음이란 바로 데이터다. 인공지능 알고리즘이 학습한 데이터가 무엇인지, 그 데이터의 출처가 무엇인지 확인하면 결과의 정확성이나 신뢰도에 대해 어느 정도 감을 잡을 수 있다.
데이터는 현대 시장에 나오는 모든 디지털 기술의 근본이라고 할 수 있다. 데이터가 정확하면 기술의 결과 역시 정확하게 나온다. 앞으로 인공지능이 난무하는 시대를 살아갈 소비자 기업이라면 데이터의 질이나 출처 정도는 확인해볼 수 있어야 한다. 인공지능 알고리즘이나 디지털 트윈의 잠재적 오류 혹은 정확도를 평가하기 위한 절차를 간략히 소개하면 다음과 같다.
1) 폐쇄 루프 의사 결정 프로세스를 일단 거칠게라도 그려본다. 입력, 조건 고려 사항, 출력으로 구성된 간단한 스케치면 된다. 인공지능이나 디지털 트윈이 흉내 낼 환경이나 프로세스의 기본 골격을 그린다고 보면 된다. 이 때 변수가 될 만한 것들을 최대한 많이 생각해내고 첨가한다. 하지만 이 단계에서 30분 이상 소모하는 건 금지다.
2) 인공지능 알고리즘의 경우, 벤더사가 주장하는 데이터 출처가 있다면 그 출처를 직접 찾아가 보거나 확인한다. 디지털 트윈의 경우, 시스템 성능 사양을 확인하고, 벤더사의 이력이나 포트폴리오를 따로 살펴본다. 그 데이터 출처 혹은 벤더사 포트폴리오가 보여주는 깊이 만큼 인공지능 알고리즘의 잠재력이 높아진다. 이 단계는 조사와 발품이 좀 필요하므로 1~2시간 정도 걸릴 수 있다.
3) 위 두 개의 과정을 지나며 배운 것 혹은 알게 된 것이 적잖이 있을 것이다. 그러면 그 지식을 가지고 벤더사에 여러 가지 질문을 던질 차례다. 공부한 게 있으니 어느 정도 대화가 될 것이고, 벤더사가 자신들의 제품이나 시장에 대해 얼마나 잘 이해하고 있으며, 따라서 어느 정도 전문성이 있는지가 대략 가늠이 될 것이다.
인공지능과 디지털 트윈 시대의 초창기를 우리는 지금 살고 있다. 무슨 뜻이냐면 아직은 기술적 사실보다 마케팅 문구가 난무할 시기라는 것이다. 제품을 구매하려 한다면, 해당 제품이 어떤 결과물을 낼 것인지부터 알아봐야 한다. 하지만 이는 오래된 인쇄기 하나 구매하는 것과는 완전히 다른 일이다. 오래된 인쇄기는 제조사에 가서 시험 인쇄 한 번 뽑아보면 어느 정도 평가가 가능하다. 하지만 요즘처럼 고차원적인 기능이 요구되는 시대의 장비들은 그런 식으로 다 확인할 수 없다. 좀 더 깊이 있는 연구와 조사가 필요하다.
인간은 어떤 기술이 새로 도입됐을 때, 도대체 어떤 식으로 작동하는지를 이해하고 싶어 한다. 그 기술이 만들어낸 결과물이 어떤 과정을 거쳐서 나왔는지도 궁금해 한다. 인공지능이나 디지털 트윈과 같은 신기술의 경우 너무나 어려운 최신 기술이기 때문에 우리는 이해하기를 포기하기도 하는데, 가장 기본적이고 쉬운 부분의 데이터를 파악함으로써 어느 정도 제품의 질을 예상할 수는 있다. 그리고 벤더사에 질문들을 던질 수도 있다. 그들은 경쟁 상황 때문에라도 충실히 답을 해주어야 하는 상황에 있느니 질문하기를 두려워하지 말자.
글 : 제프 해리스(Jeff Harris), 부회장, Keysight Technologies
[국제부 문정후 기자(globoan@boannews.com)]
[보안뉴스 문정후 기자] 인공지능, 머신러닝, 디지털 트윈... 이런 말들이 왜 유행하기 시작했으며, 왜 그리 중요한 기술/개념 취급을 받고 있는 것일까? 간단히 설명하자면 인간이 쉽게 이해하기에는 너무 복잡하거나, 인간이 제대로 된 결정을 내리기에 너무나 시간이 부족한 경우, 최적의 선택지는 인간이라는 요소를 제거하는 것이기 때문이다. 인간이 이해하고 깊이 성찰하고, 그럼으로써 올바른 결정을 내릴 때까지 기다릴 수 없는 시대로 가고 있다는 것이다.
[이미지 = utoimage]
그렇다면 왜 지금인가? 지난 수십 년 동안 인간은 전자장비 산업 내에서 이뤄지는 발전을 목도해 왔다. 많은 기능들이 하나로 통합되고, 장비의 크기는 갈수록 줄어들었다. 가동되는 데 필요한 전력의 양도 줄어들고 있다. 면적 당 기능의 수가 기하급수적으로 늘어나고 있는 것이다. 이런 기술 발전의 방향은 성공적이었다.
소프트웨어 애플리케이션들 역시 수십 년 동안 끊임없이 발전을 거듭해 왔다. 특히 지난 20년 동안 그 발전의 속도는 실로 눈부셨다. 애플리케이션은 비싼 돈을 주고 사야 하는 고급 제품, 혹은 사치품이었는데, 이제는 누구나 매일처럼 쉽게 구하고 사용하는 편의성 제품이 되어버렸다. 그러면서도 기능성에 대한 소비자들의 기대치는 변함없이 높다. 그렇기 때문에 대강 아무렇게나 만든 소프트웨어들은 가격과 상관 없이 살아남기가 힘들다.
이런 하드웨어와 소프트웨어의 발전 흐름 덕분에 제품 개발에 필요한 요구 사항들이 서로 합쳐지게 되었다. 업무나 목적 달성에 반드시 있어야 하는 애플리케이션들의 경우, 이제는 실시간 고용량 데이터 처리, 시간에 민감한 의사 결정, 초고 가용성 등과 같은 기능을 가지고 있어야 하기도 하고, 내려진 결정들이 높은 확률로 정확해야 한다는 요구를 시장으로부터 받고 있다. 신제품들을 보면 알겠지만 전자 장비들에 이런 애플리케이션이 탑재되어야 한다는 요구도 이미 시장 안에서는 팽배하다.
그래서 어느 덧 인공지능이라는 기술이 제품 디자인과 개발에 있어 반드시 필요한 ‘필수 덕목’으로 자리를 잡고 있다. 예를 들어 칩셋 디자인의 극초기부터 회로 구성 단계를 지나 최종 제품 성능 평가 단계에 이르기까지, 에뮬레이션 기술을 바탕으로 복잡한 인터페이스와 환경을 구축하는 것 역시 이제는 필수 항목이다. 이 에뮬레이션 기술 혹은 에뮬레이터들을 우리는 요즘 ‘디지털 트윈’이라고 부르는데, 결국은 특정 환경이나 생산 프로세스를 디지털 환경에 똑같이 옮기는 것을 말한다.
디지털 트윈이 있어 개발자들은 다양한 실험 환경을 구축할 수 있게 되고, 그러므로 제품이 시장에 나가기 전에 모든 상황에 대한 검사를 실시할 수 있게 된다. 고성능 디지털 트윈은 대부분 인공지능 엔진을 바탕으로 하고 있다. 인공지능은 새 제품 설계의 트러블슈팅이나 회귀 검사를 실시한다.
인공지능 기반의 개발 프로세스와 디지털 트윈
인공지능을 기반으로 한 개발 프로세스와 디지털 트윈은 이제 새롭게 출시되는 각종 장비나 애플리케이션을 만드는 데 있어 반드시 사용해야 하는 요소가 되었다. 왜냐하면 위에서 말했다시피 시장은 새로운 제품의 면적 당 기능의 수가 갈수록 높아지기를 기대하고 있기 때문이다.
기업들은 기본적인 설계 원칙들을 바탕으로 제품의 기본 기능들을 정의하고 나서 이런 설계가 타당한지를 검사하기 위해 테스트 환경을 구축한다. 하지만 요즘의 시장이 요구하는 것을 충족시키려면 실험해야 하는 경우의 수가 너무 많고 인터페이스 표준의 구성이 지나치게 복잡해 손으로 뭘 어떻게 해결하는 게 아예 불가능하다. 그런 시도 자체가 가당치도 않은 게 요즘의 하드웨어/소프트웨어 제품 개발의 수준이다.
그래서 디지털 트윈 기술이 필요하다. 디지털 환경에서 실제 프로세스나 환경을 에뮬레이션 함으로써 훨씬 간단하게 많은 실험을 진행할 수 있게 된다. 심지어 여기에다가 인공지능을 추가하면 실험 프로세스를 자동화 할 수도 있다. 그래서 지금 인공지능 기술과 디지털 트윈 기술은 일부 대기업이나 국가 기관, 혹은 특수한 연구 기관에서만 필요로 하는 기술이 아니다. 이미 시장에서 간단한 사업 활동을 하는 데에도 꼭 필요한 기술이 되었다.
하지만 아무 기술이나 구매할 수 없다. 이 기업의 인공지능이 낸 결과가 과연 정확할까? 궁금할 수 있다. 인공지능 알고리즘이 정확한 판단을 내리고 있는지 역시 의문스러울 수 있다. 그럴 때는 인공지능의 처음으로 돌아가서 확인하면 된다. 그 처음이란 바로 데이터다. 인공지능 알고리즘이 학습한 데이터가 무엇인지, 그 데이터의 출처가 무엇인지 확인하면 결과의 정확성이나 신뢰도에 대해 어느 정도 감을 잡을 수 있다.
데이터는 현대 시장에 나오는 모든 디지털 기술의 근본이라고 할 수 있다. 데이터가 정확하면 기술의 결과 역시 정확하게 나온다. 앞으로 인공지능이 난무하는 시대를 살아갈 소비자 기업이라면 데이터의 질이나 출처 정도는 확인해볼 수 있어야 한다. 인공지능 알고리즘이나 디지털 트윈의 잠재적 오류 혹은 정확도를 평가하기 위한 절차를 간략히 소개하면 다음과 같다.
1) 폐쇄 루프 의사 결정 프로세스를 일단 거칠게라도 그려본다. 입력, 조건 고려 사항, 출력으로 구성된 간단한 스케치면 된다. 인공지능이나 디지털 트윈이 흉내 낼 환경이나 프로세스의 기본 골격을 그린다고 보면 된다. 이 때 변수가 될 만한 것들을 최대한 많이 생각해내고 첨가한다. 하지만 이 단계에서 30분 이상 소모하는 건 금지다.
2) 인공지능 알고리즘의 경우, 벤더사가 주장하는 데이터 출처가 있다면 그 출처를 직접 찾아가 보거나 확인한다. 디지털 트윈의 경우, 시스템 성능 사양을 확인하고, 벤더사의 이력이나 포트폴리오를 따로 살펴본다. 그 데이터 출처 혹은 벤더사 포트폴리오가 보여주는 깊이 만큼 인공지능 알고리즘의 잠재력이 높아진다. 이 단계는 조사와 발품이 좀 필요하므로 1~2시간 정도 걸릴 수 있다.
3) 위 두 개의 과정을 지나며 배운 것 혹은 알게 된 것이 적잖이 있을 것이다. 그러면 그 지식을 가지고 벤더사에 여러 가지 질문을 던질 차례다. 공부한 게 있으니 어느 정도 대화가 될 것이고, 벤더사가 자신들의 제품이나 시장에 대해 얼마나 잘 이해하고 있으며, 따라서 어느 정도 전문성이 있는지가 대략 가늠이 될 것이다.
인공지능과 디지털 트윈 시대의 초창기를 우리는 지금 살고 있다. 무슨 뜻이냐면 아직은 기술적 사실보다 마케팅 문구가 난무할 시기라는 것이다. 제품을 구매하려 한다면, 해당 제품이 어떤 결과물을 낼 것인지부터 알아봐야 한다. 하지만 이는 오래된 인쇄기 하나 구매하는 것과는 완전히 다른 일이다. 오래된 인쇄기는 제조사에 가서 시험 인쇄 한 번 뽑아보면 어느 정도 평가가 가능하다. 하지만 요즘처럼 고차원적인 기능이 요구되는 시대의 장비들은 그런 식으로 다 확인할 수 없다. 좀 더 깊이 있는 연구와 조사가 필요하다.
인간은 어떤 기술이 새로 도입됐을 때, 도대체 어떤 식으로 작동하는지를 이해하고 싶어 한다. 그 기술이 만들어낸 결과물이 어떤 과정을 거쳐서 나왔는지도 궁금해 한다. 인공지능이나 디지털 트윈과 같은 신기술의 경우 너무나 어려운 최신 기술이기 때문에 우리는 이해하기를 포기하기도 하는데, 가장 기본적이고 쉬운 부분의 데이터를 파악함으로써 어느 정도 제품의 질을 예상할 수는 있다. 그리고 벤더사에 질문들을 던질 수도 있다. 그들은 경쟁 상황 때문에라도 충실히 답을 해주어야 하는 상황에 있느니 질문하기를 두려워하지 말자.
글 : 제프 해리스(Jeff Harris), 부회장, Keysight Technologies
[국제부 문정후 기자(globoan@boannews.com)]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
문가용기자 기사보기
[2024-11-22] .jpg)
.jpg)
.jpg)
.jpg)
.jpg)
