.jpg)
인공지능이 가져올 물리보안시장의 변화
[보안뉴스 김성미 기자] 지난 4월 초 미국 라스베이거스로부터 한화테크윈의 인공지능 CCTV 개발 계획이 날아들었다. ‘ISC West 2017’에 출품한 한화테크윈이 글로벌 그래픽 카드 업체 엔비디아와 협력관계를 구축하고 사업 경쟁력을 강화하겠다고 밝힌 것이다.
일리시스 등 지능형 영상분석으로 한국인터넷진흥원(KISA)의 지능형 CCTV 인증을 받은 기업도 탄생했다. 한국전자통신연구원(ETRI)도 시각·청각·언어 인공지능(AI) 연구에 속도를 내고 있고, 세 지능을 통합한 연구도 시작했다.
AI가 우리 생활에 실제로 적용되는 일이 어느새 코앞까지 다가왔다. AI 연구분야에서도 가장 활용도가 높을 것으로 주목받는 시각 인공지능(시각지능)은 물리보안시장에서 ‘지능형’을 실현하는 열쇠다. 지능형 CCTV와 지능형 영상관제, 지능형 영상분석 모두 AI와 밀접한 관련을 맺는다.
최근 몇 년간 산업간 융합이 산업은 물론 사회 전반에 걸쳐 주목받고 있다. 기술의 상향평준화 시대가 오면서 기술을 고도화하는 것보다 이미 존재하는 A와 B라는 기술을 섞어 새로운 C라는 제품을 만들어 내는 것이 중요해졌다.
물리보안업계에도 어떤 IT 기술을 융합해 어떻게 새로운 제품과 사업 기회를 만들어내느냐가 중요해지고 있다.
수많은 기술 가운데서 물리보안업계가 특히 주목하는 분야는 AI다. AI에 관심을 보이는 곳은 비단 물리보안업계만은 아니다. AI의 발전에 따라 우리의 일상과 직업 형태 등 많은 것이 변화할 것으로 전망되고 있다.
그 반작용으로 사람과 기계의 전쟁을 통한 일자리 상실을 걱정하기도 한다. 이 글을 쓰고 있는 기자의 직종도 AI의 등장에 따라 미래에 사라질 가능성이 높은 직업으로 꼽힌다. 인간의 전유물이라 믿었던 창작활동의 영역에까지 AI가 진출하고 있기 때문이다.
하지만 AI를 연구하는 개발자들은 AI에 대한 진실 혹은 오해가 존재한다며 이는 많은 경우의 수가 고려되지 않은 결과라고 반박하기도 한다. 이들은 AI가 직업 변화를 가져올 수는 있어도 완벽한 무인화를 이뤄 사람을 일터에서 완전히 쫓아낼 수는 없다고 한다.
기계는 사람을 거들뿐 최종 결정권자는 사람이라는 설명이다. 기계는 기계가 잘하는 것을, 사람은 사람이 잘하는 것을 함으로써 더 사람답게 살 수 있는 세상이 올 수도 있다는 것이다.
그러나 우리는 현재를 살 뿐이고 모든 경우의 수를 따져 완벽한 미래를 예측하기는 쉽지 않다. 그러나 AI가 물리보안시장에 가져올 변화가 실체를 드러내고 있어 가까운 미래 시장을 예측해 볼 수는 있을 것 같다.
알파고로 대중까지 주목하게 된 AI
알파고와 이세돌의 대국을 가능하게 했던 AI는 인간의 인지능력과 학습능력·이해능력·추론능력 등을 실현하는 기술이다. 이를 활용하면 물리보안도 ‘지능화’가 가능해져 산업혁명과 같은 획기적인 발전을 기대할 수 있다. 영상보안을 중심으로 물리보안이 요즘 들어 다시 한 번 조명을 받는 것도 이런 이유다.
기계가 인간을 이길 수 없다는 인간의 마지막 자존심의 영역이었던 바둑에 대한 믿음은 알파고의 등장으로 무너졌다. 이 대결에서 승리를 의심치 않았던 인간 대표 이세돌은 4:1로 패했다. 이는 바둑계는 물론 AI를 연구하는 전문가들에게도 충격이었다. 이어 커제는 알파고에게 3:0으로 완패했다.
과거 IBM의 딥블루가 체스를 정복한 사례가 있지만 바둑에서는 같은 방법이 통하지 않기 때문이다. 바둑은 체스나 장기와 다르게 경우의 수가 너무나 많아 지금도 모든 경우의 수를 검토하는 것은 불가능하기 때문이다. 그래서 바둑에서는 오랜 시간 연구하면서 얻은 인간의 숙련된 직관이 필요하다고 믿었다.
보통 사람이 아무리 바둑 책을 읽어도 단시간에 프로 기사의 직관을 이해할 수는 없으므로 바둑에서는 프로 9단을 입신의 경지라고 한다. 어찌됐든 태어난 지 3년 만에 바둑을 정복한 알파고의 등장으로 요원할 것만 같았던 AI 시대는 한발 더 가까워졌다.
이를 필두로 우리는 4차 산업혁명의 문턱에 와있다. 학계와 산업계는 물론 전 사회적 관심이 여기에 집중되고 있다.
우리 정부도 올해 업무계획을 발표하면서 4차 산업혁명에 대비한 지식정보화 사회 구현을 중요하게 다루고 있다. 이 같은 정부방침은 보안업계에는 희소식이다. 행정과 국방, 안전 등 기본 국가 서비스에 지능정보기술을 활용하고, 산업별로도 지능형 융합 서비스를 확산해 범국가적 추진 체계를 마련하려면 물리보안과 IT 보안을 기본 사회 인프라로 갖춰야해 시장 확대가 이뤄지기 때문이다.
글로벌 시장 분석기관 트랙티카(Tractica)는 AI 시장의 매출 규모가 2016년 6억 4,000만달러에서 10년 후인 2025년 368억달러로 성장할 것으로 예측한다. 이중 누적 매출이 가장 큰 분야는 이미지 인식과 분류 태킹으로 총 80억달러를 차지하며, 다음은 알고리즘 트레이딩 분야로 총 75억달러에 달할 것으로 예상한다.
AI 변천사 : 딥러닝에 이르기까지
KT경제경영연구소(이하 KT 경경연)가 최근 발표한 보고서에 따르면, AI라는 표현은 1956년 미국 다트머스 대학의 컴퓨터 사이언스 워크숍에서 처음 등장해 인간처럼 생각하는 기계를 AI라고 부르기로 했다. 로봇의 두뇌에 해당하는 것을 AI로 생각하면 쉬운데, AI의 대상은 로봇과 같은 물리적 신제가 필요하지 않은 분야까지 포함한다.
알파고가 바둑 학습을 하는데 이용된 딥러닝(Deep Learning)이라는 기술은 AI의 방법론 중 하나다.
지금의 딥러닝을 구현하기까지는 수많은 연구과 다양한 기법들이 소개됐는데, 1세대 AI(1980년대)는 가전제품에 구현되는 단순한 제어 프로그램 수준이었다. 그 후 경로탐색과 데이터베이스 서치 등을 활용한 2세대 AI(1990년대)가 나왔다. 많은 정보와 규칙을 두꺼운 시나리오 북으로 미리 준비해 탐색하는 방식으로 전문가 시스템이라고도 불렀다.
3세대 AI(2000년대) 시대는 머신러닝으로 대변된다. 머신러닝은 전문가 시스템처럼 처음부터 방대한 규칙을 준비하는 것이 아닌 컴퓨터가 스스로 어떤 판별이나 예측 방법을 익히게 하는 것이다. 지금의 4세대 AI(2010년~현재)는 딥러닝으로 대표된다.
딥러닝은 기존 신경망분석(NN)에서 발전된 형태로 더 추상화된 고급 지식을 익힐 수 있다. 데이터를 변형하고 살피는 인사이트도 기계가 스스로 찾는다.
딥러닝은 영상이나 이미지에 적용할 경우 뛰어난 성능을 보이는 합성곱(Convolution, 콘볼루션) 처리 과정을 추가하는(CNN : Convolution Neural Network) 형식으로 특화돼 진화하고 있다. 딥러닝은 영상, 음성인식 등 다양한 분야에서 성과를 내며 AI 발전을 주도하고 있다.
AI의 핵심 경쟁력 ‘빅데이터’
전문가들에 따르면, AI의 3대 기술 요소는 알고리즘과 데이터, 컴퓨팅 파워다. 알고리즘이란 기계를 학습시키는 소프트웨어인 머신러닝 알고리즘을 말한다.
2000년대에 들어 딥러닝이 급속도로 발전한 배경에는 혁신적인 딥러닝 알고리즘의 등장이 있었다. 최근에는 이 학습 알고리즘이 오픈소스로 공개돼 인터넷으로도 쉽게 구할 수 있게 됐다.
구글을 필두로 수많은 툴이 공개되면서 공급과잉 상태까지 맞이하면서 개발자는 이미 공개된 머신러닝 소프트웨어를 이용해 손쉽게 AI 서비스를 만들 수 있게 됐다. 요즘 들어 AI 선진기업이 알고리즘을 공개하는 이유는 더 이상 AI의 핵심 경쟁력이 아니기 때문이다.
더 중요한 요소는 빅데이터다. 데이터는 머신러닝이 학습하는 재료로, 최근 딥러닝이 급격한 발전을 이룬 것은 학습 재료가 풍부해진데 있다. 디지털 카메라와 스마트폰이 대중화되면서 분석 가능한 사진이 폭발적으로 증가한 것이다.
KT경경연에 따르면, 사진공유기반 SNS인 스냅챗(Snapchat)은 1분마다 28만장 이상의 사진이 올라오고, 유튜브에는 1분마다 300시간 분량의 새로운 동영상이 추가로 업로드 되고 있다. 오늘날 매일 생산되는 디지털 데이터 규모는 2ZB(제타바이트)에 달한다. 80억TB(테라바이트)에 해당하는 양이다.
컴퓨팅 파워 역시 필수 요소다. 깊은 층으로 구성된 신경망을 학습하기 위해서는 높은 성능의 하드웨어가 필요한데 컴퓨터 성능의 발전은 급속도로 빨라지고 있다.
그래픽 처리용으로 개발됐던 GPU를 숫자 연산기로 탈바꿈시키는 GPGPU(General-Purpose computiong on Graphics Processing Units) 기술이 나오면서 딥러닝 여건은 더욱 나아졌다.
GPU는 구조가 단순해 패키지 하나에 최대 4,000여개의 코어로 구성되는데 아무리 비싼 CPU도 10~20개 코어인 것을 비교할 때, GPU는 병렬 처리 수준이 비교가 안 될 정도로 우수하다.
2012년 구글 브레인 프로젝트에서 3일 동안 100개의 이미지를 학습시키는데 1만 6,000대의 컴퓨터를 이용했지만 1년뒤 바이두 인공지능 연구소에서는 같은 성능을 단 3대의 컴퓨터만으로 구현할 수 있었다. GPU를 사용했기 때문이다.
올해 출시된 엔비디아의 GTX1080ti 카드 1장의 성능은 2001년 세계1위의 수퍼 컴퓨터의 성능을 넘어섰다.
1996년 세계 최고 슈퍼 컴퓨터였던 CP-PACS 성능의 30배에 달한다. 이처럼 GPGPU의 발전은 딥러닝 분야에서 컴퓨팅 파워의 성능과 비용적 제약을 상당부분 해소했다. 최근 한화테크윈이 엔비디아와의 협력을 통해 AI CCTV를 개발하겠다는 것도 이런 이유다.
시각지능 허브는 ‘CCTV’
AI를 이용하면 전자기기뿐만 아니라 안전·보안, 헬스케어, 스마트홈, 스마트카 등 다양한 분야의 사물을 네트워크로 연결해 정보를 공유할 수 있고, 빅데이터를 분석해 활용할 수도 있다. AI를 활용한 보안 사례로는 미국 뉴욕시의 테러 감시 시스템을 꼽을 수 있다.
뉴욕시는 CCTV와 자동차 인식장치 등을 연계해 위험과 테러 의심 정보를 수집하고 분석해 경찰과 소방서에 제공했다. 결과가 기대만큼 성공적이지는 않았으나 도시 치안에 시각지능을 활용한 실제 사례라는 점에서 의미가 컸다.
한편, 최근 들어 글로벌 IT 기업과 국내 3대 이동통신회사가 홈 CCTV에 관심을 기울이고 치열한 주도권 경쟁을 벌이고 있는 것은 CCTV와 스마트폰을 연동시켜 가정에 설치한 모든 IoT 기기의 현황을 파악하고 제어하는 스마트홈을 실현시킬 수 있을 뿐더러 이를 통해 빅데이터를 수확해 새로운 정보를 가공할 수도 있기 때문이다.
구글이 가정용 방범 카메라 스타트업 드롭 캠을 인수하고 스마트홈 API를 공개하면서 생태계 구축에 나서고, 애플이 세계개발자대회(WWDC)를 통해 아이폰으로 홈 CCTV와 가전을 제어하는 ‘홈키트’를 선보인 것이나 국내 이동통신 3사가 속속 서비스 상품을 출시하는 것도 시각지능 활용과 일정부분 맥을 같이한다.
AI가 할 수 있는 일 ‘보고 듣고 말하고’
현재의 머신러닝으로 만들어지는 AI는 기본적으로 ‘분류’ 기능이 있다. 잘 분류하면 그것으로 문제를 이해할 수 있고 이를 기반으로 판단하고 행동할 수도 있기 때문이다.
바둑이라면 다음 수를 이곳에 두면 내가 더 유리한가와 불리한가를 분류해 낸다. 이미지에서 사물을 인식하고자 할 때 사물의 종류가 1만개라면 1만가지의 출력단을 가진 분류 모델을 구축한다.
페이스북의 딥페이스는 수분 만에 얼굴을 인식하고, 스탠포드대학 비전랩은 사진속 사물을 문자로 표현해 주는 덴스캡(DenseCap)을 개발했다.
국내에서는 한국전자통신연구원(ETRI)이 시각(딥뷰)·청각(엑소브레인)·음성(지니톡)지능을 연구하고 있으며, 올해부터는 셋을 융합한 연구도 시작했다. 이중에서 딥 뷰는 이미지와 동영상을 분석하는 시각지능(영상분석)으로 지능형 영상관제와 밀접하다.
구글은 사진속 장면인식과 자동번역을 융합해 완전한 문장으로 묘사해주는 알고리즘을 발표했다. 이 장면 인식에는 CNN 기술을, 언어 표현은 RNN(Recurrent Neural Networks : 순환신경망) 기술을 이용한다. 그림이나 이미지 외에도 음성이나 동영상, 동작 등으로부터 각종 패턴을 인식하려는 AI는 여러 분야에서 시도되고 있다.
AI는 기술적 한계를 빠르게 극복하면서 급속히 발전하고 있다. 그 영향력은 IT 산업에 그치지 않고 보안과 제조, 금융, 의료, 자동차 등 거의 모든 산업에 미칠 수 있다는 점에서 잠재력이 엄청나다.
이러한 파급력을 간파한 구글과 애플, 페이스북 등 주요 IT 기업들은 AI를 미래 핵심기술로 정의하고 관련 역량을 빠르게 확보해 가고 있다.
이들 기업은 자신들의 기존 사업을 고도화하는 수단으로는 물론, 향후 다양한 산업에서 혁신을 일으킬 핵심 요소로 활용하기 위해 기술 개발에 박차를 가하고 있다. AI가 타 산업과의 융합이 쉬운 범용적 특성을 갖기 때문이다.
알파고를 구현한 데미스 하사비스는 AI의 범용성을 강조하며 한 분야에서 습득한 지능을 다른 분야에 응용 가능하게 하는 지능의 이식을 지향한다고 말했다.
기업들은 AI의 핵심 기술을 개발해 플랫폼화하려고 하는 경향을 보이고 있다. 이는 자신이 AI의 핵심 기술을 보유하고, 다수의 서드파티(3rd Party)와의 협업을 통해 다양한 앱과 서비스를 만드는 생태계를 형성하겠다는 계산이다.
AI+물리보안 = ‘지능형’의 미래
앞에서도 언급했듯이 AI가 물리보안과 합쳐지면 지능화가 가능해진다. 특히, 지능형 영상감시는 스마트시티의 핵심 기술이다. 현대경제연구원은 AI 기술이 특히 빠르게 적용되고 있는 4대 분야중 하나로 지능형 영상감시를 꼽았다.
시장조사기관 IHS(구 IMS 리서치)에 따르면, 2011년 기준 세계 지능형 영상감시 시장 규모는 2억 5,450만 달러였으며, 2015년에는 5억 9,000만 달러로 확대되며 4년 만에 시장 규모가 2배가량 성장했다. 부문별로는 AI 적용에 따라 비즈니스 인텔리전스(44.3%), 보안·안전(26.9%), 교통관제(16.5%)의 순으로 성장 속도가 빠를 것으로 봤다.
지난 3월 세계보안엑스포(SECON) 2017에서 <시큐리티월드>가 실시한 자체 조사에서도 올해 보안시장의 최고 이슈는 ‘지능형 또는 AI 영상관제(지능형 영상분석 포함)’로, 전체 응답자의 32%가 이같이 답했다. 행정자치부가 내년도 사업으로 지능형 영상관제 도입을 꼽고 있어 국내 지능형 영상감시 수요가 빠르게 확대될 것으로 기대하고 있다.
국민안전처, 미래창조과학부, 산업통상자원부 등 정부부처들도 지능형 기술의 성장에 주목하고 있다. 이와 관련 미래부는 오는 6월말께 범부처 지능형 CCTV 사업 계획을 발표할 계획이라고 밝혔다.
현재 상용화된 지능형 시스템은 보안·교통관제·비즈니스 인텔리전스 등에 활용되고 있다. IP 카메라와 클라우드가 접목되면서 빅데이터를 활용한 데이터 마이닝(Data Minning) 기술도 구현되고 있다. 움직임 분석과 객체 인식, 이벤트 포착에도 쓰인다.
교통관제 시스템에서는 도로 및 선로에서 발생한 사고와 교통위반 등을 감지해 신속한 초기 대응과 교통 흐름을 관리하는 데 사용된다. 이를 통해 지능형 영상분석이 이뤄지고 있다.
영상정보를 통해 얻은 데이터를 분석해 또 다른 유의미한 정보를 재생산하는 것이다. 이처럼 물리보안은 AI를 만나 더욱 획기적인 발전이 이뤄질 것으로 기대를 모으고 있다.
그러나 전문가들은 우리나라가 세계와 어깨를 나란히 하기 위해서는 생태계를 조성하고 투자를 확대하는 한편, 시험대로서의 강점을 내세운 전략적 육성 방안을 검토할 필요가 있다고 조언하고 있다.
[김성미 기자(sw@infothe.com)]
[보안뉴스 김성미 기자] 지난 4월 초 미국 라스베이거스로부터 한화테크윈의 인공지능 CCTV 개발 계획이 날아들었다. ‘ISC West 2017’에 출품한 한화테크윈이 글로벌 그래픽 카드 업체 엔비디아와 협력관계를 구축하고 사업 경쟁력을 강화하겠다고 밝힌 것이다.
[이미지=dreamstime]
일리시스 등 지능형 영상분석으로 한국인터넷진흥원(KISA)의 지능형 CCTV 인증을 받은 기업도 탄생했다. 한국전자통신연구원(ETRI)도 시각·청각·언어 인공지능(AI) 연구에 속도를 내고 있고, 세 지능을 통합한 연구도 시작했다.
AI가 우리 생활에 실제로 적용되는 일이 어느새 코앞까지 다가왔다. AI 연구분야에서도 가장 활용도가 높을 것으로 주목받는 시각 인공지능(시각지능)은 물리보안시장에서 ‘지능형’을 실현하는 열쇠다. 지능형 CCTV와 지능형 영상관제, 지능형 영상분석 모두 AI와 밀접한 관련을 맺는다.
최근 몇 년간 산업간 융합이 산업은 물론 사회 전반에 걸쳐 주목받고 있다. 기술의 상향평준화 시대가 오면서 기술을 고도화하는 것보다 이미 존재하는 A와 B라는 기술을 섞어 새로운 C라는 제품을 만들어 내는 것이 중요해졌다.
물리보안업계에도 어떤 IT 기술을 융합해 어떻게 새로운 제품과 사업 기회를 만들어내느냐가 중요해지고 있다.
수많은 기술 가운데서 물리보안업계가 특히 주목하는 분야는 AI다. AI에 관심을 보이는 곳은 비단 물리보안업계만은 아니다. AI의 발전에 따라 우리의 일상과 직업 형태 등 많은 것이 변화할 것으로 전망되고 있다.
그 반작용으로 사람과 기계의 전쟁을 통한 일자리 상실을 걱정하기도 한다. 이 글을 쓰고 있는 기자의 직종도 AI의 등장에 따라 미래에 사라질 가능성이 높은 직업으로 꼽힌다. 인간의 전유물이라 믿었던 창작활동의 영역에까지 AI가 진출하고 있기 때문이다.
하지만 AI를 연구하는 개발자들은 AI에 대한 진실 혹은 오해가 존재한다며 이는 많은 경우의 수가 고려되지 않은 결과라고 반박하기도 한다. 이들은 AI가 직업 변화를 가져올 수는 있어도 완벽한 무인화를 이뤄 사람을 일터에서 완전히 쫓아낼 수는 없다고 한다.
기계는 사람을 거들뿐 최종 결정권자는 사람이라는 설명이다. 기계는 기계가 잘하는 것을, 사람은 사람이 잘하는 것을 함으로써 더 사람답게 살 수 있는 세상이 올 수도 있다는 것이다.
그러나 우리는 현재를 살 뿐이고 모든 경우의 수를 따져 완벽한 미래를 예측하기는 쉽지 않다. 그러나 AI가 물리보안시장에 가져올 변화가 실체를 드러내고 있어 가까운 미래 시장을 예측해 볼 수는 있을 것 같다.
알파고로 대중까지 주목하게 된 AI
알파고와 이세돌의 대국을 가능하게 했던 AI는 인간의 인지능력과 학습능력·이해능력·추론능력 등을 실현하는 기술이다. 이를 활용하면 물리보안도 ‘지능화’가 가능해져 산업혁명과 같은 획기적인 발전을 기대할 수 있다. 영상보안을 중심으로 물리보안이 요즘 들어 다시 한 번 조명을 받는 것도 이런 이유다.
기계가 인간을 이길 수 없다는 인간의 마지막 자존심의 영역이었던 바둑에 대한 믿음은 알파고의 등장으로 무너졌다. 이 대결에서 승리를 의심치 않았던 인간 대표 이세돌은 4:1로 패했다. 이는 바둑계는 물론 AI를 연구하는 전문가들에게도 충격이었다. 이어 커제는 알파고에게 3:0으로 완패했다.
과거 IBM의 딥블루가 체스를 정복한 사례가 있지만 바둑에서는 같은 방법이 통하지 않기 때문이다. 바둑은 체스나 장기와 다르게 경우의 수가 너무나 많아 지금도 모든 경우의 수를 검토하는 것은 불가능하기 때문이다. 그래서 바둑에서는 오랜 시간 연구하면서 얻은 인간의 숙련된 직관이 필요하다고 믿었다.
보통 사람이 아무리 바둑 책을 읽어도 단시간에 프로 기사의 직관을 이해할 수는 없으므로 바둑에서는 프로 9단을 입신의 경지라고 한다. 어찌됐든 태어난 지 3년 만에 바둑을 정복한 알파고의 등장으로 요원할 것만 같았던 AI 시대는 한발 더 가까워졌다.
이를 필두로 우리는 4차 산업혁명의 문턱에 와있다. 학계와 산업계는 물론 전 사회적 관심이 여기에 집중되고 있다.
우리 정부도 올해 업무계획을 발표하면서 4차 산업혁명에 대비한 지식정보화 사회 구현을 중요하게 다루고 있다. 이 같은 정부방침은 보안업계에는 희소식이다. 행정과 국방, 안전 등 기본 국가 서비스에 지능정보기술을 활용하고, 산업별로도 지능형 융합 서비스를 확산해 범국가적 추진 체계를 마련하려면 물리보안과 IT 보안을 기본 사회 인프라로 갖춰야해 시장 확대가 이뤄지기 때문이다.
글로벌 시장 분석기관 트랙티카(Tractica)는 AI 시장의 매출 규모가 2016년 6억 4,000만달러에서 10년 후인 2025년 368억달러로 성장할 것으로 예측한다. 이중 누적 매출이 가장 큰 분야는 이미지 인식과 분류 태킹으로 총 80억달러를 차지하며, 다음은 알고리즘 트레이딩 분야로 총 75억달러에 달할 것으로 예상한다.
AI 변천사 : 딥러닝에 이르기까지
KT경제경영연구소(이하 KT 경경연)가 최근 발표한 보고서에 따르면, AI라는 표현은 1956년 미국 다트머스 대학의 컴퓨터 사이언스 워크숍에서 처음 등장해 인간처럼 생각하는 기계를 AI라고 부르기로 했다. 로봇의 두뇌에 해당하는 것을 AI로 생각하면 쉬운데, AI의 대상은 로봇과 같은 물리적 신제가 필요하지 않은 분야까지 포함한다.
알파고가 바둑 학습을 하는데 이용된 딥러닝(Deep Learning)이라는 기술은 AI의 방법론 중 하나다.
지금의 딥러닝을 구현하기까지는 수많은 연구과 다양한 기법들이 소개됐는데, 1세대 AI(1980년대)는 가전제품에 구현되는 단순한 제어 프로그램 수준이었다. 그 후 경로탐색과 데이터베이스 서치 등을 활용한 2세대 AI(1990년대)가 나왔다. 많은 정보와 규칙을 두꺼운 시나리오 북으로 미리 준비해 탐색하는 방식으로 전문가 시스템이라고도 불렀다.
3세대 AI(2000년대) 시대는 머신러닝으로 대변된다. 머신러닝은 전문가 시스템처럼 처음부터 방대한 규칙을 준비하는 것이 아닌 컴퓨터가 스스로 어떤 판별이나 예측 방법을 익히게 하는 것이다. 지금의 4세대 AI(2010년~현재)는 딥러닝으로 대표된다.
딥러닝은 기존 신경망분석(NN)에서 발전된 형태로 더 추상화된 고급 지식을 익힐 수 있다. 데이터를 변형하고 살피는 인사이트도 기계가 스스로 찾는다.
딥러닝은 영상이나 이미지에 적용할 경우 뛰어난 성능을 보이는 합성곱(Convolution, 콘볼루션) 처리 과정을 추가하는(CNN : Convolution Neural Network) 형식으로 특화돼 진화하고 있다. 딥러닝은 영상, 음성인식 등 다양한 분야에서 성과를 내며 AI 발전을 주도하고 있다.
AI의 핵심 경쟁력 ‘빅데이터’
전문가들에 따르면, AI의 3대 기술 요소는 알고리즘과 데이터, 컴퓨팅 파워다. 알고리즘이란 기계를 학습시키는 소프트웨어인 머신러닝 알고리즘을 말한다.
2000년대에 들어 딥러닝이 급속도로 발전한 배경에는 혁신적인 딥러닝 알고리즘의 등장이 있었다. 최근에는 이 학습 알고리즘이 오픈소스로 공개돼 인터넷으로도 쉽게 구할 수 있게 됐다.
구글을 필두로 수많은 툴이 공개되면서 공급과잉 상태까지 맞이하면서 개발자는 이미 공개된 머신러닝 소프트웨어를 이용해 손쉽게 AI 서비스를 만들 수 있게 됐다. 요즘 들어 AI 선진기업이 알고리즘을 공개하는 이유는 더 이상 AI의 핵심 경쟁력이 아니기 때문이다.
더 중요한 요소는 빅데이터다. 데이터는 머신러닝이 학습하는 재료로, 최근 딥러닝이 급격한 발전을 이룬 것은 학습 재료가 풍부해진데 있다. 디지털 카메라와 스마트폰이 대중화되면서 분석 가능한 사진이 폭발적으로 증가한 것이다.
KT경경연에 따르면, 사진공유기반 SNS인 스냅챗(Snapchat)은 1분마다 28만장 이상의 사진이 올라오고, 유튜브에는 1분마다 300시간 분량의 새로운 동영상이 추가로 업로드 되고 있다. 오늘날 매일 생산되는 디지털 데이터 규모는 2ZB(제타바이트)에 달한다. 80억TB(테라바이트)에 해당하는 양이다.
컴퓨팅 파워 역시 필수 요소다. 깊은 층으로 구성된 신경망을 학습하기 위해서는 높은 성능의 하드웨어가 필요한데 컴퓨터 성능의 발전은 급속도로 빨라지고 있다.
그래픽 처리용으로 개발됐던 GPU를 숫자 연산기로 탈바꿈시키는 GPGPU(General-Purpose computiong on Graphics Processing Units) 기술이 나오면서 딥러닝 여건은 더욱 나아졌다.
GPU는 구조가 단순해 패키지 하나에 최대 4,000여개의 코어로 구성되는데 아무리 비싼 CPU도 10~20개 코어인 것을 비교할 때, GPU는 병렬 처리 수준이 비교가 안 될 정도로 우수하다.
2012년 구글 브레인 프로젝트에서 3일 동안 100개의 이미지를 학습시키는데 1만 6,000대의 컴퓨터를 이용했지만 1년뒤 바이두 인공지능 연구소에서는 같은 성능을 단 3대의 컴퓨터만으로 구현할 수 있었다. GPU를 사용했기 때문이다.
올해 출시된 엔비디아의 GTX1080ti 카드 1장의 성능은 2001년 세계1위의 수퍼 컴퓨터의 성능을 넘어섰다.
1996년 세계 최고 슈퍼 컴퓨터였던 CP-PACS 성능의 30배에 달한다. 이처럼 GPGPU의 발전은 딥러닝 분야에서 컴퓨팅 파워의 성능과 비용적 제약을 상당부분 해소했다. 최근 한화테크윈이 엔비디아와의 협력을 통해 AI CCTV를 개발하겠다는 것도 이런 이유다.
시각지능 허브는 ‘CCTV’
AI를 이용하면 전자기기뿐만 아니라 안전·보안, 헬스케어, 스마트홈, 스마트카 등 다양한 분야의 사물을 네트워크로 연결해 정보를 공유할 수 있고, 빅데이터를 분석해 활용할 수도 있다. AI를 활용한 보안 사례로는 미국 뉴욕시의 테러 감시 시스템을 꼽을 수 있다.
뉴욕시는 CCTV와 자동차 인식장치 등을 연계해 위험과 테러 의심 정보를 수집하고 분석해 경찰과 소방서에 제공했다. 결과가 기대만큼 성공적이지는 않았으나 도시 치안에 시각지능을 활용한 실제 사례라는 점에서 의미가 컸다.
한편, 최근 들어 글로벌 IT 기업과 국내 3대 이동통신회사가 홈 CCTV에 관심을 기울이고 치열한 주도권 경쟁을 벌이고 있는 것은 CCTV와 스마트폰을 연동시켜 가정에 설치한 모든 IoT 기기의 현황을 파악하고 제어하는 스마트홈을 실현시킬 수 있을 뿐더러 이를 통해 빅데이터를 수확해 새로운 정보를 가공할 수도 있기 때문이다.
구글이 가정용 방범 카메라 스타트업 드롭 캠을 인수하고 스마트홈 API를 공개하면서 생태계 구축에 나서고, 애플이 세계개발자대회(WWDC)를 통해 아이폰으로 홈 CCTV와 가전을 제어하는 ‘홈키트’를 선보인 것이나 국내 이동통신 3사가 속속 서비스 상품을 출시하는 것도 시각지능 활용과 일정부분 맥을 같이한다.
AI가 할 수 있는 일 ‘보고 듣고 말하고’
현재의 머신러닝으로 만들어지는 AI는 기본적으로 ‘분류’ 기능이 있다. 잘 분류하면 그것으로 문제를 이해할 수 있고 이를 기반으로 판단하고 행동할 수도 있기 때문이다.
바둑이라면 다음 수를 이곳에 두면 내가 더 유리한가와 불리한가를 분류해 낸다. 이미지에서 사물을 인식하고자 할 때 사물의 종류가 1만개라면 1만가지의 출력단을 가진 분류 모델을 구축한다.
페이스북의 딥페이스는 수분 만에 얼굴을 인식하고, 스탠포드대학 비전랩은 사진속 사물을 문자로 표현해 주는 덴스캡(DenseCap)을 개발했다.
국내에서는 한국전자통신연구원(ETRI)이 시각(딥뷰)·청각(엑소브레인)·음성(지니톡)지능을 연구하고 있으며, 올해부터는 셋을 융합한 연구도 시작했다. 이중에서 딥 뷰는 이미지와 동영상을 분석하는 시각지능(영상분석)으로 지능형 영상관제와 밀접하다.
구글은 사진속 장면인식과 자동번역을 융합해 완전한 문장으로 묘사해주는 알고리즘을 발표했다. 이 장면 인식에는 CNN 기술을, 언어 표현은 RNN(Recurrent Neural Networks : 순환신경망) 기술을 이용한다. 그림이나 이미지 외에도 음성이나 동영상, 동작 등으로부터 각종 패턴을 인식하려는 AI는 여러 분야에서 시도되고 있다.
AI는 기술적 한계를 빠르게 극복하면서 급속히 발전하고 있다. 그 영향력은 IT 산업에 그치지 않고 보안과 제조, 금융, 의료, 자동차 등 거의 모든 산업에 미칠 수 있다는 점에서 잠재력이 엄청나다.
이러한 파급력을 간파한 구글과 애플, 페이스북 등 주요 IT 기업들은 AI를 미래 핵심기술로 정의하고 관련 역량을 빠르게 확보해 가고 있다.
이들 기업은 자신들의 기존 사업을 고도화하는 수단으로는 물론, 향후 다양한 산업에서 혁신을 일으킬 핵심 요소로 활용하기 위해 기술 개발에 박차를 가하고 있다. AI가 타 산업과의 융합이 쉬운 범용적 특성을 갖기 때문이다.
알파고를 구현한 데미스 하사비스는 AI의 범용성을 강조하며 한 분야에서 습득한 지능을 다른 분야에 응용 가능하게 하는 지능의 이식을 지향한다고 말했다.
기업들은 AI의 핵심 기술을 개발해 플랫폼화하려고 하는 경향을 보이고 있다. 이는 자신이 AI의 핵심 기술을 보유하고, 다수의 서드파티(3rd Party)와의 협업을 통해 다양한 앱과 서비스를 만드는 생태계를 형성하겠다는 계산이다.
AI+물리보안 = ‘지능형’의 미래
앞에서도 언급했듯이 AI가 물리보안과 합쳐지면 지능화가 가능해진다. 특히, 지능형 영상감시는 스마트시티의 핵심 기술이다. 현대경제연구원은 AI 기술이 특히 빠르게 적용되고 있는 4대 분야중 하나로 지능형 영상감시를 꼽았다.
시장조사기관 IHS(구 IMS 리서치)에 따르면, 2011년 기준 세계 지능형 영상감시 시장 규모는 2억 5,450만 달러였으며, 2015년에는 5억 9,000만 달러로 확대되며 4년 만에 시장 규모가 2배가량 성장했다. 부문별로는 AI 적용에 따라 비즈니스 인텔리전스(44.3%), 보안·안전(26.9%), 교통관제(16.5%)의 순으로 성장 속도가 빠를 것으로 봤다.
지난 3월 세계보안엑스포(SECON) 2017에서 <시큐리티월드>가 실시한 자체 조사에서도 올해 보안시장의 최고 이슈는 ‘지능형 또는 AI 영상관제(지능형 영상분석 포함)’로, 전체 응답자의 32%가 이같이 답했다. 행정자치부가 내년도 사업으로 지능형 영상관제 도입을 꼽고 있어 국내 지능형 영상감시 수요가 빠르게 확대될 것으로 기대하고 있다.
국민안전처, 미래창조과학부, 산업통상자원부 등 정부부처들도 지능형 기술의 성장에 주목하고 있다. 이와 관련 미래부는 오는 6월말께 범부처 지능형 CCTV 사업 계획을 발표할 계획이라고 밝혔다.
현재 상용화된 지능형 시스템은 보안·교통관제·비즈니스 인텔리전스 등에 활용되고 있다. IP 카메라와 클라우드가 접목되면서 빅데이터를 활용한 데이터 마이닝(Data Minning) 기술도 구현되고 있다. 움직임 분석과 객체 인식, 이벤트 포착에도 쓰인다.
교통관제 시스템에서는 도로 및 선로에서 발생한 사고와 교통위반 등을 감지해 신속한 초기 대응과 교통 흐름을 관리하는 데 사용된다. 이를 통해 지능형 영상분석이 이뤄지고 있다.
영상정보를 통해 얻은 데이터를 분석해 또 다른 유의미한 정보를 재생산하는 것이다. 이처럼 물리보안은 AI를 만나 더욱 획기적인 발전이 이뤄질 것으로 기대를 모으고 있다.
그러나 전문가들은 우리나라가 세계와 어깨를 나란히 하기 위해서는 생태계를 조성하고 투자를 확대하는 한편, 시험대로서의 강점을 내세운 전략적 육성 방안을 검토할 필요가 있다고 조언하고 있다.
[김성미 기자(sw@infothe.com)]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
김성미기자 기사보기
[2024-11-22] .jpg)
.jpg)
.jpg)
.jpg)
.jpg)
