.jpg)
데이터 의존도 높은 산업, 딥 러닝 추이 지켜봐야
의료, 생산업, 도소매업에서 딥 러닝 활용도 클 것으로 예상
[보안뉴스 문가용 기자] 정보는 정말 도처에 널려있고, 여러 곳에서 다양한 형태로 나타난다. 우버는 고객의 과거 여행 경로를 가지고 미래 여행지를 예측하기도 하고, 페이스북은 사용자가 업로드한 사진을 자동으로 태깅한다. 기업들은 이런 정보들을 수집해 서비스로 재탄생시키는데, 당신이 속해 있는 기업도 그러한가?
빅 데이터의 활용을 사업의 새로운 원동력으로 삼아야겠다고 마음먹고 있는 임원들이 많을 것이다. 그래서 빅 데이터에 대해 조금 알아본 사장님들이라면 머신 러닝이란 신기술을 두고 고민을 시작했을 것이다. 머신 러닝이란 간단히 말해 어마어마한 양의 데이터 속에서 패턴을 찾아내는 알고리즘이라고 정리할 수 있다.
그런데 현존하는 머신 러닝은 비교적 간단한 정보만을 처리하는 데에 사용된다. 비정형이든 아니든, 몇 가지 요소만을 활용했을 때 정보의 분석은 가능해진다. 하지만 기업들이 활용하고자 하는 데이터들은 점점 더 방재해지고 복잡한 구조를 띠게 된다. 즉, 머신 러닝보다 좀 더 앞선 기술이 필요하다는 것인데, 이것이 바로 딥 러닝(deep learning)이다.
아마 여기까지 읽은 독자들 중 ‘딥 러닝이나 머신 러닝이나 같은 거 아니었어?’라고 생각하는 사람들이 있을 것이다. 부끄러워할 것 없다. 많은 사람들이 머신 러닝과 딥 러닝을 똑같은 뜻으로 오인하고 있다. 이제부터라면 알면 된다. 딥 러닝이 머신 러닝보다 더 ‘깊은’ 학습을 의미한다는 걸 말이다.
전통적인 개념의 머신 러닝은, 데이터를 주입할 사람을 필요로 한다. 이를 피쳐 엔지니어링(feature engineering)이라고 한다. 머신 러닝은 이러한 데이터들을 바탕으로 점점 더 나은 예측을 하게 된다. 그에 반면 딥 러닝은 입력된 데이터를 끊임없이 ‘큐레이팅’하며, 다각도로 접근해 결정을 내리도록 되어 있다. 피쳐 엔지니어링 기술을 간소화하되 다양한 방법으로 대체하거나 적용시켜, 사람이 아닌 기기와 학습 알고리즘이 더 많은 일을 할 수 있도록 한다. 그렇다면 이 딥러닝으로 어떤 변화를 꾀할 수 있을까?
먼저는 딥 러닝이 과연 우리 회사에 필요한 기술인지를 판단해야 한다. 딥 러닝은 매우 강력한 툴이다. 그러나 활용이 쉽지만은 않다. 현재 하루에 생산되는 데이터는 2.5 엑사바이트라고 하는데, 이 막대한 분량의 데이터를 처리하려면 딥 러닝이 필요하긴 하다. 딥 러닝은 동영상이나 음성, 이미지 데이터를 처리하는 데에 있어 특히 강력한 모습을 보인다. 머신 러닝은 복잡한 이미지를 잘 분간하지 못하는데, 딥 러닝은 고양이와 개를 꽤나 간단하고 쉽게 구분해낸다. 실제 영상 및 이미지 분석 툴들에 딥 러닝이 많이 활용되는 이유다.
기업들로서는 인스타그램에 올라와있는 이미지와 영상들을 쉽고 빠르게 분석해 소비자들의 정서와 동향을 파악할 수 있게 된다. 이로부터 영상 분석 기능을 추가시켜 쇼핑을 하는 사용자들이 사고자 하는 아이템을 카메라 앱으로 화면캡처만 해도 되도록 한다거나 하는 서비스를 제공할 수 있다. 아마존 앱에서는 이미 이러한 기능이 구현되어 있다.
딥 러닝을 위한 앱들
딥 러닝이 좋다고 해서 모든 산업이 이에 이득을 볼 수 있는 건 아니다. 어떤 사업자들이 딥 러닝 혁명으로 가장 큰 이익을 창출할 수 있을까? 첫 손에 꼽히는 건 의료 및 보건 서비스 분야다. 시각적인 데이터가 넘쳐나는 산업이며, 시장 규모도 엄청나기 때문이다. 미국에서는 전체 소비의 1/5를 의료 보건 분야가 차지하고 있다는 통계가 있을 정도다. 의료 분야에서도 가격이 높은 기술은 이미징과 관련이 있는 것들로, MRI나 CAT 스캔 등이 여기에 포함된다.
딥 러닝이 이미지 프로세싱 및 분석에 큰 강점을 가지고 있다는 걸 생각해봤을 때, 의료 분야에서 해야 할 일은 그리 많지 않다. 그 동안 생성하고 확보해온 수십 억장의 이미지와 진료 결과를 엮어서 제공하면, 딥 러닝은 사람의 도움 없이도 학습을 계속해가며 진단에 대한 학습을 이어갈 수 있기 때문이다. 의사는 이를 바탕으로 더 나은 처방을 할 수 있게 된다.
생산업도 ‘부스트’ 효과를 얻기는 마찬가지다. 현재 공장들에 적용되어 있는 자동화 기술은 매우 기초적인 수준으로, 4차 산업(Industry 4.0)에서 추구하는 기술과는 동떨어져 있는 수준이다. 이제 생산업체들은 로보틱스 기술은 물론, 클라우드 컴퓨팅, 사물인터넷 기술 등을 기본으로 탑재한 모습을 갖출 것이다. 사람이 조립은 물론 품질관리에서도 점차 빠질 것이며, 늘어난 센서를 통해 받은 데이터가 딥 러닝 알고리즘을 통해 처리돼 운영진의 결정은 더 정확해질 것으로 보인다.
도소매업 역시 딥 러닝의 효과를 누릴 수 있을 것으로 보인다. 이 분야 역시 시각적인 정보를 많이 다루며, 소비자들이 눈으로만 상품을 골랐을 때 정확히 원하는 바가 충족되도록 하는 데에 많은 연구가 이뤄지고 있기 때문이다. 이를 위해 이전 구매 내력이나 쇼핑 바구니 정보가 분석되고 있는데, 앞으로 어떤 정보가 여기에 더 섞여들지 모르겠다. 또한 인공지능의 자연어 처리 능력도 여기에 결합돼 매장 주인과 구매자들 간의 소통에서도 발전이 일어날 것으로 보인다.
딥 러닝이 점점 더 발전할수록 여러 분야의 사업체들이 ‘4차 산업’으로의 문턱을 넘어갈 수 있을 것으로 보인다. 특히 데이터에 대한 의존성이 큰 산업일수록 딥 러닝의 덕을 많이 볼 것은 분명하다. 하지만 그것은 딥 러닝이 현재 우리가 ‘희망하는’ 방향으로 잘 발전했을 때의 이야기다. 여기에 ‘올인’할 것이 아니라 대안책도 같이 마련해야 할 것으로 보인다.
글 : 모 파텔(Mo Patel)
[국제부 문가용 기자(globoan@boannews.com)]
의료, 생산업, 도소매업에서 딥 러닝 활용도 클 것으로 예상
[보안뉴스 문가용 기자] 정보는 정말 도처에 널려있고, 여러 곳에서 다양한 형태로 나타난다. 우버는 고객의 과거 여행 경로를 가지고 미래 여행지를 예측하기도 하고, 페이스북은 사용자가 업로드한 사진을 자동으로 태깅한다. 기업들은 이런 정보들을 수집해 서비스로 재탄생시키는데, 당신이 속해 있는 기업도 그러한가?
[이미지 = iclickart]
빅 데이터의 활용을 사업의 새로운 원동력으로 삼아야겠다고 마음먹고 있는 임원들이 많을 것이다. 그래서 빅 데이터에 대해 조금 알아본 사장님들이라면 머신 러닝이란 신기술을 두고 고민을 시작했을 것이다. 머신 러닝이란 간단히 말해 어마어마한 양의 데이터 속에서 패턴을 찾아내는 알고리즘이라고 정리할 수 있다.
그런데 현존하는 머신 러닝은 비교적 간단한 정보만을 처리하는 데에 사용된다. 비정형이든 아니든, 몇 가지 요소만을 활용했을 때 정보의 분석은 가능해진다. 하지만 기업들이 활용하고자 하는 데이터들은 점점 더 방재해지고 복잡한 구조를 띠게 된다. 즉, 머신 러닝보다 좀 더 앞선 기술이 필요하다는 것인데, 이것이 바로 딥 러닝(deep learning)이다.
아마 여기까지 읽은 독자들 중 ‘딥 러닝이나 머신 러닝이나 같은 거 아니었어?’라고 생각하는 사람들이 있을 것이다. 부끄러워할 것 없다. 많은 사람들이 머신 러닝과 딥 러닝을 똑같은 뜻으로 오인하고 있다. 이제부터라면 알면 된다. 딥 러닝이 머신 러닝보다 더 ‘깊은’ 학습을 의미한다는 걸 말이다.
전통적인 개념의 머신 러닝은, 데이터를 주입할 사람을 필요로 한다. 이를 피쳐 엔지니어링(feature engineering)이라고 한다. 머신 러닝은 이러한 데이터들을 바탕으로 점점 더 나은 예측을 하게 된다. 그에 반면 딥 러닝은 입력된 데이터를 끊임없이 ‘큐레이팅’하며, 다각도로 접근해 결정을 내리도록 되어 있다. 피쳐 엔지니어링 기술을 간소화하되 다양한 방법으로 대체하거나 적용시켜, 사람이 아닌 기기와 학습 알고리즘이 더 많은 일을 할 수 있도록 한다. 그렇다면 이 딥러닝으로 어떤 변화를 꾀할 수 있을까?
먼저는 딥 러닝이 과연 우리 회사에 필요한 기술인지를 판단해야 한다. 딥 러닝은 매우 강력한 툴이다. 그러나 활용이 쉽지만은 않다. 현재 하루에 생산되는 데이터는 2.5 엑사바이트라고 하는데, 이 막대한 분량의 데이터를 처리하려면 딥 러닝이 필요하긴 하다. 딥 러닝은 동영상이나 음성, 이미지 데이터를 처리하는 데에 있어 특히 강력한 모습을 보인다. 머신 러닝은 복잡한 이미지를 잘 분간하지 못하는데, 딥 러닝은 고양이와 개를 꽤나 간단하고 쉽게 구분해낸다. 실제 영상 및 이미지 분석 툴들에 딥 러닝이 많이 활용되는 이유다.
기업들로서는 인스타그램에 올라와있는 이미지와 영상들을 쉽고 빠르게 분석해 소비자들의 정서와 동향을 파악할 수 있게 된다. 이로부터 영상 분석 기능을 추가시켜 쇼핑을 하는 사용자들이 사고자 하는 아이템을 카메라 앱으로 화면캡처만 해도 되도록 한다거나 하는 서비스를 제공할 수 있다. 아마존 앱에서는 이미 이러한 기능이 구현되어 있다.
딥 러닝을 위한 앱들
딥 러닝이 좋다고 해서 모든 산업이 이에 이득을 볼 수 있는 건 아니다. 어떤 사업자들이 딥 러닝 혁명으로 가장 큰 이익을 창출할 수 있을까? 첫 손에 꼽히는 건 의료 및 보건 서비스 분야다. 시각적인 데이터가 넘쳐나는 산업이며, 시장 규모도 엄청나기 때문이다. 미국에서는 전체 소비의 1/5를 의료 보건 분야가 차지하고 있다는 통계가 있을 정도다. 의료 분야에서도 가격이 높은 기술은 이미징과 관련이 있는 것들로, MRI나 CAT 스캔 등이 여기에 포함된다.
딥 러닝이 이미지 프로세싱 및 분석에 큰 강점을 가지고 있다는 걸 생각해봤을 때, 의료 분야에서 해야 할 일은 그리 많지 않다. 그 동안 생성하고 확보해온 수십 억장의 이미지와 진료 결과를 엮어서 제공하면, 딥 러닝은 사람의 도움 없이도 학습을 계속해가며 진단에 대한 학습을 이어갈 수 있기 때문이다. 의사는 이를 바탕으로 더 나은 처방을 할 수 있게 된다.
생산업도 ‘부스트’ 효과를 얻기는 마찬가지다. 현재 공장들에 적용되어 있는 자동화 기술은 매우 기초적인 수준으로, 4차 산업(Industry 4.0)에서 추구하는 기술과는 동떨어져 있는 수준이다. 이제 생산업체들은 로보틱스 기술은 물론, 클라우드 컴퓨팅, 사물인터넷 기술 등을 기본으로 탑재한 모습을 갖출 것이다. 사람이 조립은 물론 품질관리에서도 점차 빠질 것이며, 늘어난 센서를 통해 받은 데이터가 딥 러닝 알고리즘을 통해 처리돼 운영진의 결정은 더 정확해질 것으로 보인다.
도소매업 역시 딥 러닝의 효과를 누릴 수 있을 것으로 보인다. 이 분야 역시 시각적인 정보를 많이 다루며, 소비자들이 눈으로만 상품을 골랐을 때 정확히 원하는 바가 충족되도록 하는 데에 많은 연구가 이뤄지고 있기 때문이다. 이를 위해 이전 구매 내력이나 쇼핑 바구니 정보가 분석되고 있는데, 앞으로 어떤 정보가 여기에 더 섞여들지 모르겠다. 또한 인공지능의 자연어 처리 능력도 여기에 결합돼 매장 주인과 구매자들 간의 소통에서도 발전이 일어날 것으로 보인다.
딥 러닝이 점점 더 발전할수록 여러 분야의 사업체들이 ‘4차 산업’으로의 문턱을 넘어갈 수 있을 것으로 보인다. 특히 데이터에 대한 의존성이 큰 산업일수록 딥 러닝의 덕을 많이 볼 것은 분명하다. 하지만 그것은 딥 러닝이 현재 우리가 ‘희망하는’ 방향으로 잘 발전했을 때의 이야기다. 여기에 ‘올인’할 것이 아니라 대안책도 같이 마련해야 할 것으로 보인다.
글 : 모 파텔(Mo Patel)
[국제부 문가용 기자(globoan@boannews.com)]
Copyrighted 2015. UBM-Tech. 117153:0515BC
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
문가용기자 기사보기
[2024-11-22] .jpg)
.jpg)
.jpg)
.jpg)
.jpg)
