인공지능, 공상 과학 분야를 넘어 실생활 넘나드는 주류 기술 돼
딥페이크부터 강화학습, 블록체인까지...2019년 인공지능 분야에서 벌어질 일들
[보안뉴스 문가용 기자] 2018년, 인공지능은 IT 분야를 넘어 문화, 매체, 정치에도 깊게 파고들었다. 2019년에도 이런 현상은 지속되고, 심지어 심화될 것이 분명하다. 하지만 이런 말은 누구나 할 수 있다. 연말에 전문 매체라는 곳에서 진행하는 ‘예측’이란, 다음 해에 자신이 얼마나 맞췄는지 자랑하기 위한 게 아니라, 독자들이 흐름을 파악하고 각자의 상황에 맞는 계획을 세울 수 있게 하기 위함이다. 그런 의미에서 이 ‘심화’의 현상을 보다 상세하게 쪼개보았다. 내용이 기니, 머리말은 짧게 한다.
AI가 만든 모조품들은 어떤 모습으로든 마법을 발휘할 것이다 : 인공지능을 기반으로 한 소리들은 이미 ‘불쾌한 골짜기’를 넘어섰다. 구글이 듀플렉스(Duplex)의 시연을 통해 보여주었듯이 기계가 내는 음성과 사람이 내는 음성은 구분이 불가능할 정도로 닮게 되었다. 게다가 딥페이크(deepfake)라고 불리는 인공지능 편집 영상 역시 실제와 구분이 매우 어렵다는 것이 증명되기도 했다. 듣고 보는 것이 가짜인지 진짜인지 알려주는 힌트들이 점점 줄어들고 있다는 것이다.
2019년 인공지능이 뭔가를 생산하도록 하는 기술은 훨씬 더 발전할 것이다. 이는 이런 기술들이 1) 시장에서 점점 늘어나고 있는 인공지능 제품과 서비스에 녹아들어가고, 2) 개발자들의 데브옵스 툴들에 통합되어 더 활성화될 것이라는 걸 뜻한다. 뿐만 아니라 여러 문화 현상에도 접목되고, 정치적 소재로도 활용될 것이며, 할리우드는 영화 제작에서 인공지능으로 인한 성공 사례를 만들어낼 것이다.
AI 관련 규제들이 등장한다 : 인공지능의 하위 분야 중 가장 널리 사용되고 있는 기술로 ‘안면 인식’이 있다. 그래서인지 안면 인식 기술은 현재 가장 큰 논란을 불러일으키고 있기도 하다. 스마트폰, 스마트 카메라, 온라인 매체 등에서 안면 인식 기술이 빠르게 확산되고 있는데, 이 때문에 규제를 요구하는 목소리가 높아지고 있다. 2019년에는 많은 나라들에서 안면 인식 기술에 대한 규정을 통과시키고 실행할 것이다.
규제의 초점은 ‘사생활 침해’와 ‘편견’이 될 가능성이 높다. 그리고 “사용자들이 원한다면 안면 인식 기술의 스캐닝을 당하지 않을 권리가 있다”, “사용자들은 안면 인식 기술과 안면 스캐닝 데이터가 어떤 식으로 활용되는지 알 수 있는 권리가 있다”, “사용자들은 안면 데이터 관리 기록을 열람하거나 받아볼 수 있다”, “사용자들은 자신들의 기록을 영구히 삭제해달라고 요청할 수 있다”는 내용으로 구성될 것으로 보인다.
AI 개발 프레임워크들이 산업 생태계와 호환을 이룰 것이다 : 표준 인공지능 데브옵스 추상화 계층이 나타나기 시작하면서, 개발자들은 어떤 언어로든 뭔가를 만들고, 이를 최적화된 상태에서 구현할 수 있도록 컴파일링 할 수 있게 될 것이다. 즉 프레임워크, 파이프라인, 하드웨어, 클라우드, 서버, 플랫폼 등을 개발과 컴파일링 단계에서 고려하는 것이 한층 더 쉬워질 것이라는 뜻이다.
지난 몇 년 동안 케라스(Keras) 등의 수준 높은 인공지능 API들과 ONNX와 같은 공유 AI 모델, NNVM과 텐서RT(TensorRT)와 같은 플랫폼 간 AI 모델 컴파일러 등의 도입 비율이 높아졌다. 2019년에는 이러한 도입의 물결이 더 거세질 것이고, 표준 AI 파이프라인 추상화가 더 확산될 전망이다. 따라서 에코시스템과 플랫폼을 초월하는 개발 환경이 조성되고, 특정 업체의 플랫폼이나 개발 도구가 분야 전체의 ‘필수 아이템’이 되는 상황이 뚜렷하게 나타나지는 않을 것이다.
자동화 된 AI 데브옵스 파이프라인이 주류가 될 것이다 : 인공지능은 이미 많은 기업들에서 산업화 하여 실제 사업 프로세스들에 활용되고 있다. 자동화와 데이터 분석 등에서 인공지능의 성능을 맛본 기업들은 이제 뒤로 돌아갈 수가 없다. 그러므로 더 많은 업체들이 데이터 준비와 모델링은 물론 훈련과 활용까지 자동으로 처리해주는 툴들을 찾게 될 것이다. 그래서 2019년에는 자동화로 처리하는 업무가 더 늘어나 ‘인간이 판단해야 하는 영역’까지도 넘보게 될 것으로 보인다. 그러면서 전문가들에게만 허락됐던 툴들과 기술의 활용이 보다 더 대중적으로 퍼질 것이다.
AI는 이제 산업화 된, 사업 운영의 한 기능으로 자리 잡는다 : 단대단 툴체인 자동화를 통한 인공지능 산업화는 눈에 잘 띄지 않지만 세계적으로 일어나고 있는 현상이다. 2019년에는 이것이 좀 더 소비자들의 가시권으로 들어오는 걸 넘어, 인라인 운영 실험(inline operational experimentation), 자동화 모델 벤치마킹(automated model benchmarking), 24x7 A/B 실험, 지속적 챔피언 챌린저 배치(continuous champion-challenger deployment), 터포파워 앙상블링(turbopowered ensembling), 생애주기 모델 거버넌스 등 아예 산업 현장에서 사용되던 기능들이 소비자들에게도 열릴 전망이다.
큐버네티스 오케스트레이션 컨테이너들이 AI 파이프라인의 중심이 된다 : 인공지능 관련 제품 및 서비스 제공업체들은 현재 컨테이너화 된 통계학적 모델들을 클라우드 컴퓨팅 환경에서 구축하고 배치하는 걸 지원하고 있다. 2019년 말쯤에는 이러한 작업이 훨씬 빠르게 진행되고 있을 것이고, 이 분야에 있는 업체들 대부분은 컨테이너화 된 큐버네티스 클러스터용 AI 모델들을 다양한 종류의 파이프라인에 적용하기 시작할 것이다. 이러한 현상이 일년 내내 빠르게 진행될 것으로 보이는데, 그러다보면 자연스럽게, 현재 떠오르고 있는 큐브플로우(Kubeflow) 프로젝트를 구현해 프레임워크나 플랫폼, 클라우드에 얽매이지 않는 데이터 과학 데브옵스 워크플로우를 구축할 가능성이 높다.
주류 AI 개발 프레임워크들이 새롭게 만들어져, 클라우드와 끝단 사이의 퍼포먼스가 크게 향상될 것이다 : 인공지능이 발휘하는 ‘마법과 같은’ 기능들이 가능한 건 점점 더 발전하는 알고리즘 덕분이기도 하지만, 모든 개발, 운영, 에지 플랫폼들에서 사용 가능하게 된 고속의 런타임 엔진들 덕분이기도 하다. 2019년에는 클라우드 플랫폼 업체들 대부분이 이러한 부분에서의 향상을 바탕으로, AI를 기반으로 한 데브옵스 파이프라인 기능들을 출시할 것으로 보인다. 이 과정에서 GPU를 비롯해 주요 하드웨어 가속기들이 활용될 것이고, 따라서 클라우드에서 끝단(edge)에 이르는 환경의 속도 전체가 크게 향상될 것이다. 그리고 이를 ‘인공지능 덕’이라고 표현하는 곳이 많아질 것이다.
구글은 텐서플로우(TensorFlow)를 중심으로, 데이터 과학 산업의 툴체인 진화를 주도할 것이다 : 2018년, 인공지능 개발자들은 구글의 오픈소스인 텐서플로우 프레임워크를 빠르게 받아들이기 시작했다. 그러면서 업체들은 텐서플로우를 더 샅샅이 이해하는 것은 물론 인공지능 커뮤니티로 진입하고자 애를 쓰면서 투자를 감행했다. 그 결과 텐서플로우는 현재 AI 개발 프레임워크 중 가장 널리 사용되고 있는 것 중 하나가 되었다. 2019년에도 텐서플로우의 현재 위치는 변하지 않을 것으로 보인다. 심지어 텐서플로우를 공식적인 개발 및 거버넌스의 대상으로 공식 지정하는 산업도 등장할 것으로 예상하고 있다. 또한 이 텐서플로우는 점점 더 큐버네티스의 컨테이너 생태계와도 맞물리게 될 것으로 보인다. 특히 AI 데브옵스 프로젝트들에서 둘이 통합되거나 일부 겹칠 확률이 높아 보인다.
데이터 과학자들은 인증된 고성능 AI 알고리즘과 훈련된 모델, 훈련용 데이터를 온라인 시장에서 구매하기 시작할 것이다 : 개발자들이 손에 들고 있는 알고리즘과 모델, 데이터가 훌륭하다면 인공지능 프로젝트는 좋은 출발선에 놓이게 된다. 이 점을 많은 투자자들과 기업들이 깨닫기 시작했다. 그러므로 2019년에는 이 재료들을 좋은 곳에서 사 모으려는 시도가 생기고, 이런 수요를 해결해줄 수 있는 시장이 활성화 됨으로써 인공지능과 관련된 또 다른 수익 창구가 생기게 될 것으로 보인다. 실제로 알고리즘, 훈련된 모델, 훈련용 데이터 그 자체를 판매하기 시작하는 기업들이 2019년에는 나타나기 시작할 것이다.
온디맨드 클라우드 서비스를 통해 AI 훈련용 데이터 라벨링은 대부분 자동화 될 것이다 : 인공지능 분야에서 현재 주류가 되고 있는 훈련 방법은 여전히 ‘지도 학습(supervised learning)’이다. 이는 사람이 필요하다는 얘기고, 실제로 노동력이 상당히 요하는 작업이다. 이 중 데이터 라벨링에 드는 시간이 정말 많은 부분을 차지한다. 2019년에는 이 부분에서 자동화 도입이 늘어날 것으로 보인다. 또한 데이터 라벨링 자동화는 데이터 과학 데브옵스 파이프라인에서 표준에 준한 것으로 자리 잡을 것으로 예상된다.
강화 학습(reinforcement learning)이 주류가 될 것이다 : 지도 학습은 현재 주류이긴 하나, 점점 주류에서 멀어지고 있다. 데이터 과학의 수많은 워크플로우 중 하나일 뿐이라는 인식이 퍼지기 시작했다. 2019년, AI 산업은 지도 학습 접근법에서 떠나 강화 학습이라는 개념을 정착시키기 시작할 것이다. 대표적인 강화 학습 프레임워크로는 인텔 코치(Intel Coach)와 레이 RL(Ray RL) 등이 있다. 추후 10년 동안에는 강화 학습이 지도 학습 및 자율 학습과 동등한 위치에서 인공지능을 훈련시키고 서비스들을 향상시킬 것으로 보인다.
AI는 BI(비즈니스 인텔리전스)의 활성화를 가속시킬 것이다 : AI는 비즈니스 인텔리전스 시장을 완전히 뒤바꿀 것으로 보인다. 지난 몇 년 동안 비즈니스 인텔리전스 시장의 핵심은 ‘이전의 분석학 기술들과 미래의 인공지능 예측 모델들의 통합’이었다. 그렇기 때문에 데이터 과학자들만이 할 수 있었던 일들이 다른 일반 기업 사용자들도 할 수 있게 해주는 툴들에 대한 수요가 높아졌다. 2019년에는 비즈니스 인텔리전스 시장의 많은 기업들이 복잡한 데이터로부터 예측을 가능케 해주는 통찰력을 보다 깔끔하게 얻어낼 수 있게 해주는 자동화 툴을 제공하기 시작할 것이다. 인공지능 덕분에 이 툴들은 사용이 용이하면서 기능이 강력할 것으로 전망된다.
AI 기반의 위험 완화 통제 장치들이 데이터 과학 파이프라인에서 표준으로 자리 잡을 것이다 : 아직 인공지능에는 위험 요소가 많은 게 사실이다. 이 신기술을 제대로 이해하지 못하고 있기 때문이기도 하지만, 실제 환경에서 인공지능을 구현하고 활용하는 방안이 다 알려지지 않았기 때문에 ‘설계의 한계’에서부터 야기되는 문제들도 꽤나 많다. 또한 인공지능 애플리케이션들에 대한 거버넌스가 제대로 마련되어 있지 않다는 것도 문제의 근원일 때가 많다. 2019년에는 이러한 문제들이 AI 개발용 툴들에서 해결되기 시작할 것으로 보인다. 표준화된 워크플로우와 템플릿을 통합해 프라이버시 침해나 사회경제학적 편견들을 최소화하고, 취약점과 여러 다른 위험 요소들을 제거한 툴들이 등장할 것이다.
재현성의 중요성이 대두될 것이다 : 규정 준수, 투명성 등을 비롯한 여러 사회학적 필요성 때문에 인공지능을 기반으로 한 알고리즘이 산출한 결과들을 재현하는 기술에 대한 수요가 높아질 것이다. 문제는 현재 워크플로우에 재현까지 염두에 둔 것은 별로 없다는 것이다. 워크플로우에 재현성을 추가시키려면, 데이터 과학 팀이 특정 프로세스들에 대한 감사 추적 데이터를 가지고 있는 워크벤치를 더 많이 사용해야 한다. 그래서 2019년에는 이러한 플랫폼들을 제공하는 기업들이 모델, 데이터, 코드 등의 감사 추적 데이터를 풍부하게 제공하기 시작할 것으로 보인다.
AI 벤치마킹 프레임워크들이 보다 투명해지고, 더 널리 활용될 것이다 : AI 소프트웨어, 하드웨어, 클라우드 서비스들 간 성능을 비교하고 평가한다는 건 굉장히 어려운 일이다. 그렇기 때문에 사용자들이 보다 쉽게 평가하고 자신에게 잘 맞는 인공지능 서비스를 선택할 수 있게 해주는 표준 벤치마크 프레임워크에 대한 수요가 점점 늘어나고 있다. 현재 가장 많은 관심을 받고 있는 건 MLPerf라는 건데, 2019년에 MLPerf가 정착할 수도 있고 대체될 수도 있다. 아마 정착되는 것만이 아니라 다른 여러 AI 하드웨어, 소프트웨어, 클라우드 서비스 개발에 통합될 가능성이 높아 보인다.
GPU가 AI 활용에 있어서 중요한 역할을 담당할 것이다 : 그래픽 처리 유닛은 이미 AI 혁신에서 꽤나 중요한 역할을 맡아왔다. 2019년에는 지능형 혼합 현실(intelligent mixed reality), 스마트 카메라, 게이밍 등의 장비들과 앱들이 등장하고, 이에 따라 고화질의 실시간 이미지 처리가 요구되기 시작하면서 GPU의 핵심 이미지 처리 가속 파워가 훨씬 더 중대한 역할을 차지할 것이다. 엔비디아는 최근 튜링 GPU(Turing GPU)를 발표했는데, 실시간 레이트레이싱 및 해상도 변경, 객체 탐지 등의 기능을 잔뜩 담고 있어 시장에서의 선호도가 높아질 것으로 예상된다.
AI 시스템온칩이 하드웨어 가속 장비들에서 선두를 차지할 것이다 : 인공지능 하드웨어 가속기들이 고성능 클라우드-투-에지(cloud-to-edge) 컴퓨팅 환경과 하이퍼컨버지드 서버, 클라우드 스토리지 아키텍처에 스며드는 속도가 예사롭지 않다. 2019년에도 하드웨어의 혁신은 지속될 것으로 보이는데, 이 때문에 시장은 보다 정확하고 빠른 AI 서비스들을 누리게 될 것이다. 하드웨어 업체들은 인공지능을 가속화시키는 기술에 집중할 것이며, 특히 시스템온칩 기술이 많이 활용될 전망이다. 스마트 로보틱스와 모바일 앱에 시스템온칩 기술이 활발히 적용될 것으로 보인다.
클라이언트가 훈련시키는 AI가 주류로 자리 잡을 것이다 : AI 앱들을 훈련시키는 건 보통 개발하는 자의 몫이었다. 즉 소비자가 인공지능을 사서 훈련시키는 건 틈새시장에 불과했던 것이다. 하지만 이 이야기가 달라질 수 있다. 2019년에는 클라이언트가 인공지능을 훈련시킨다는 개념이 단단히 자리 잡을 것으로 보인다. 특히 에지 컴퓨팅과 모바일 컴퓨팅, 로보틱스 프로세스 자동화 분야에서 클라이언트 훈련이 중요하게 부각될 전망이다. 사실 이미 많은 iOS 애플리케이션들에서 이러한 흐름이 눈에 띄기 시작했다. 예를 들어, 사용자의 안면을 점점 더 정확하게 인식하는 알고리즘은 사용자가 훈련시켜야 한다. 포토 앱에서 사람을 보다 더 정확히 인식하게 해주는 것도 사용자 훈련을 통해 이룰 수 있다.
AI가 폐쇄 루프 IT 운영 관리를 가능하게 한다 : 지난 몇 년 동안 AI는 IT 운영 관리에 있어서 필수 요소로 자리 잡게 되었다. 엠베드 된 머신 러닝 툴들의 기능 덕분에 수많은 작업들을 보다 빠르고 정확하게, 훨씬 더 넓은 범위에서 관리할 수 있게 된 것이다. 2019년에도 AI와 머신 머닝을 통해 IT 관리 문제를 해결하려는 노력은 지속될 것이다. 이미 AIOps라는 용어가 생기기도 했다.
블록체인과 인공지능이 만나게 된다 : AI 커뮤니티는 블록체인을 들여다보기 시작했다. 2018년에는 AI 컴퓨터를 활용한 블록체인 기술 제공 스타트업들이 생겨나기도 했다. 이 회사들은 탈중앙화된 훈련용 데이터를 인공지능 알고리즘에 주입하게 해주는 서비스나 감사 로그, 데이터 레이크(data lake)를 블록체인을 통해 교환하는 서비스를 제공하고 있다. 하지만 아직 일부에서 국소적으로 실험되고 있는 수준에 있을 뿐이다. 인공지능과 블록체인의 결합은 이제 막 연구되기 시작한 분야다. 2019년에는 AWS, 애저, 구글 클라우드 플랫폼, IBM 클라우드와 같은 주류 공공 클라우드 업체들이 블록체인과 AI의 결합을 시도하는 스타트업들을 인수하기 시작할 것으로 보인다. 그렇게 함으로써 자신들의 인공지능 기반 서비스들을 강화시켜 나갈 것이다. 물론 성공 여부는 미리 예측하기 힘든 부분이다.
[국제부 문가용 기자(globoan@boannews.com)]
딥페이크부터 강화학습, 블록체인까지...2019년 인공지능 분야에서 벌어질 일들
[보안뉴스 문가용 기자] 2018년, 인공지능은 IT 분야를 넘어 문화, 매체, 정치에도 깊게 파고들었다. 2019년에도 이런 현상은 지속되고, 심지어 심화될 것이 분명하다. 하지만 이런 말은 누구나 할 수 있다. 연말에 전문 매체라는 곳에서 진행하는 ‘예측’이란, 다음 해에 자신이 얼마나 맞췄는지 자랑하기 위한 게 아니라, 독자들이 흐름을 파악하고 각자의 상황에 맞는 계획을 세울 수 있게 하기 위함이다. 그런 의미에서 이 ‘심화’의 현상을 보다 상세하게 쪼개보았다. 내용이 기니, 머리말은 짧게 한다.
[이미지 = iclickart]
AI가 만든 모조품들은 어떤 모습으로든 마법을 발휘할 것이다 : 인공지능을 기반으로 한 소리들은 이미 ‘불쾌한 골짜기’를 넘어섰다. 구글이 듀플렉스(Duplex)의 시연을 통해 보여주었듯이 기계가 내는 음성과 사람이 내는 음성은 구분이 불가능할 정도로 닮게 되었다. 게다가 딥페이크(deepfake)라고 불리는 인공지능 편집 영상 역시 실제와 구분이 매우 어렵다는 것이 증명되기도 했다. 듣고 보는 것이 가짜인지 진짜인지 알려주는 힌트들이 점점 줄어들고 있다는 것이다.
2019년 인공지능이 뭔가를 생산하도록 하는 기술은 훨씬 더 발전할 것이다. 이는 이런 기술들이 1) 시장에서 점점 늘어나고 있는 인공지능 제품과 서비스에 녹아들어가고, 2) 개발자들의 데브옵스 툴들에 통합되어 더 활성화될 것이라는 걸 뜻한다. 뿐만 아니라 여러 문화 현상에도 접목되고, 정치적 소재로도 활용될 것이며, 할리우드는 영화 제작에서 인공지능으로 인한 성공 사례를 만들어낼 것이다.
AI 관련 규제들이 등장한다 : 인공지능의 하위 분야 중 가장 널리 사용되고 있는 기술로 ‘안면 인식’이 있다. 그래서인지 안면 인식 기술은 현재 가장 큰 논란을 불러일으키고 있기도 하다. 스마트폰, 스마트 카메라, 온라인 매체 등에서 안면 인식 기술이 빠르게 확산되고 있는데, 이 때문에 규제를 요구하는 목소리가 높아지고 있다. 2019년에는 많은 나라들에서 안면 인식 기술에 대한 규정을 통과시키고 실행할 것이다.
규제의 초점은 ‘사생활 침해’와 ‘편견’이 될 가능성이 높다. 그리고 “사용자들이 원한다면 안면 인식 기술의 스캐닝을 당하지 않을 권리가 있다”, “사용자들은 안면 인식 기술과 안면 스캐닝 데이터가 어떤 식으로 활용되는지 알 수 있는 권리가 있다”, “사용자들은 안면 데이터 관리 기록을 열람하거나 받아볼 수 있다”, “사용자들은 자신들의 기록을 영구히 삭제해달라고 요청할 수 있다”는 내용으로 구성될 것으로 보인다.
AI 개발 프레임워크들이 산업 생태계와 호환을 이룰 것이다 : 표준 인공지능 데브옵스 추상화 계층이 나타나기 시작하면서, 개발자들은 어떤 언어로든 뭔가를 만들고, 이를 최적화된 상태에서 구현할 수 있도록 컴파일링 할 수 있게 될 것이다. 즉 프레임워크, 파이프라인, 하드웨어, 클라우드, 서버, 플랫폼 등을 개발과 컴파일링 단계에서 고려하는 것이 한층 더 쉬워질 것이라는 뜻이다.
지난 몇 년 동안 케라스(Keras) 등의 수준 높은 인공지능 API들과 ONNX와 같은 공유 AI 모델, NNVM과 텐서RT(TensorRT)와 같은 플랫폼 간 AI 모델 컴파일러 등의 도입 비율이 높아졌다. 2019년에는 이러한 도입의 물결이 더 거세질 것이고, 표준 AI 파이프라인 추상화가 더 확산될 전망이다. 따라서 에코시스템과 플랫폼을 초월하는 개발 환경이 조성되고, 특정 업체의 플랫폼이나 개발 도구가 분야 전체의 ‘필수 아이템’이 되는 상황이 뚜렷하게 나타나지는 않을 것이다.
자동화 된 AI 데브옵스 파이프라인이 주류가 될 것이다 : 인공지능은 이미 많은 기업들에서 산업화 하여 실제 사업 프로세스들에 활용되고 있다. 자동화와 데이터 분석 등에서 인공지능의 성능을 맛본 기업들은 이제 뒤로 돌아갈 수가 없다. 그러므로 더 많은 업체들이 데이터 준비와 모델링은 물론 훈련과 활용까지 자동으로 처리해주는 툴들을 찾게 될 것이다. 그래서 2019년에는 자동화로 처리하는 업무가 더 늘어나 ‘인간이 판단해야 하는 영역’까지도 넘보게 될 것으로 보인다. 그러면서 전문가들에게만 허락됐던 툴들과 기술의 활용이 보다 더 대중적으로 퍼질 것이다.
AI는 이제 산업화 된, 사업 운영의 한 기능으로 자리 잡는다 : 단대단 툴체인 자동화를 통한 인공지능 산업화는 눈에 잘 띄지 않지만 세계적으로 일어나고 있는 현상이다. 2019년에는 이것이 좀 더 소비자들의 가시권으로 들어오는 걸 넘어, 인라인 운영 실험(inline operational experimentation), 자동화 모델 벤치마킹(automated model benchmarking), 24x7 A/B 실험, 지속적 챔피언 챌린저 배치(continuous champion-challenger deployment), 터포파워 앙상블링(turbopowered ensembling), 생애주기 모델 거버넌스 등 아예 산업 현장에서 사용되던 기능들이 소비자들에게도 열릴 전망이다.
큐버네티스 오케스트레이션 컨테이너들이 AI 파이프라인의 중심이 된다 : 인공지능 관련 제품 및 서비스 제공업체들은 현재 컨테이너화 된 통계학적 모델들을 클라우드 컴퓨팅 환경에서 구축하고 배치하는 걸 지원하고 있다. 2019년 말쯤에는 이러한 작업이 훨씬 빠르게 진행되고 있을 것이고, 이 분야에 있는 업체들 대부분은 컨테이너화 된 큐버네티스 클러스터용 AI 모델들을 다양한 종류의 파이프라인에 적용하기 시작할 것이다. 이러한 현상이 일년 내내 빠르게 진행될 것으로 보이는데, 그러다보면 자연스럽게, 현재 떠오르고 있는 큐브플로우(Kubeflow) 프로젝트를 구현해 프레임워크나 플랫폼, 클라우드에 얽매이지 않는 데이터 과학 데브옵스 워크플로우를 구축할 가능성이 높다.
주류 AI 개발 프레임워크들이 새롭게 만들어져, 클라우드와 끝단 사이의 퍼포먼스가 크게 향상될 것이다 : 인공지능이 발휘하는 ‘마법과 같은’ 기능들이 가능한 건 점점 더 발전하는 알고리즘 덕분이기도 하지만, 모든 개발, 운영, 에지 플랫폼들에서 사용 가능하게 된 고속의 런타임 엔진들 덕분이기도 하다. 2019년에는 클라우드 플랫폼 업체들 대부분이 이러한 부분에서의 향상을 바탕으로, AI를 기반으로 한 데브옵스 파이프라인 기능들을 출시할 것으로 보인다. 이 과정에서 GPU를 비롯해 주요 하드웨어 가속기들이 활용될 것이고, 따라서 클라우드에서 끝단(edge)에 이르는 환경의 속도 전체가 크게 향상될 것이다. 그리고 이를 ‘인공지능 덕’이라고 표현하는 곳이 많아질 것이다.
구글은 텐서플로우(TensorFlow)를 중심으로, 데이터 과학 산업의 툴체인 진화를 주도할 것이다 : 2018년, 인공지능 개발자들은 구글의 오픈소스인 텐서플로우 프레임워크를 빠르게 받아들이기 시작했다. 그러면서 업체들은 텐서플로우를 더 샅샅이 이해하는 것은 물론 인공지능 커뮤니티로 진입하고자 애를 쓰면서 투자를 감행했다. 그 결과 텐서플로우는 현재 AI 개발 프레임워크 중 가장 널리 사용되고 있는 것 중 하나가 되었다. 2019년에도 텐서플로우의 현재 위치는 변하지 않을 것으로 보인다. 심지어 텐서플로우를 공식적인 개발 및 거버넌스의 대상으로 공식 지정하는 산업도 등장할 것으로 예상하고 있다. 또한 이 텐서플로우는 점점 더 큐버네티스의 컨테이너 생태계와도 맞물리게 될 것으로 보인다. 특히 AI 데브옵스 프로젝트들에서 둘이 통합되거나 일부 겹칠 확률이 높아 보인다.
데이터 과학자들은 인증된 고성능 AI 알고리즘과 훈련된 모델, 훈련용 데이터를 온라인 시장에서 구매하기 시작할 것이다 : 개발자들이 손에 들고 있는 알고리즘과 모델, 데이터가 훌륭하다면 인공지능 프로젝트는 좋은 출발선에 놓이게 된다. 이 점을 많은 투자자들과 기업들이 깨닫기 시작했다. 그러므로 2019년에는 이 재료들을 좋은 곳에서 사 모으려는 시도가 생기고, 이런 수요를 해결해줄 수 있는 시장이 활성화 됨으로써 인공지능과 관련된 또 다른 수익 창구가 생기게 될 것으로 보인다. 실제로 알고리즘, 훈련된 모델, 훈련용 데이터 그 자체를 판매하기 시작하는 기업들이 2019년에는 나타나기 시작할 것이다.
온디맨드 클라우드 서비스를 통해 AI 훈련용 데이터 라벨링은 대부분 자동화 될 것이다 : 인공지능 분야에서 현재 주류가 되고 있는 훈련 방법은 여전히 ‘지도 학습(supervised learning)’이다. 이는 사람이 필요하다는 얘기고, 실제로 노동력이 상당히 요하는 작업이다. 이 중 데이터 라벨링에 드는 시간이 정말 많은 부분을 차지한다. 2019년에는 이 부분에서 자동화 도입이 늘어날 것으로 보인다. 또한 데이터 라벨링 자동화는 데이터 과학 데브옵스 파이프라인에서 표준에 준한 것으로 자리 잡을 것으로 예상된다.
강화 학습(reinforcement learning)이 주류가 될 것이다 : 지도 학습은 현재 주류이긴 하나, 점점 주류에서 멀어지고 있다. 데이터 과학의 수많은 워크플로우 중 하나일 뿐이라는 인식이 퍼지기 시작했다. 2019년, AI 산업은 지도 학습 접근법에서 떠나 강화 학습이라는 개념을 정착시키기 시작할 것이다. 대표적인 강화 학습 프레임워크로는 인텔 코치(Intel Coach)와 레이 RL(Ray RL) 등이 있다. 추후 10년 동안에는 강화 학습이 지도 학습 및 자율 학습과 동등한 위치에서 인공지능을 훈련시키고 서비스들을 향상시킬 것으로 보인다.
AI는 BI(비즈니스 인텔리전스)의 활성화를 가속시킬 것이다 : AI는 비즈니스 인텔리전스 시장을 완전히 뒤바꿀 것으로 보인다. 지난 몇 년 동안 비즈니스 인텔리전스 시장의 핵심은 ‘이전의 분석학 기술들과 미래의 인공지능 예측 모델들의 통합’이었다. 그렇기 때문에 데이터 과학자들만이 할 수 있었던 일들이 다른 일반 기업 사용자들도 할 수 있게 해주는 툴들에 대한 수요가 높아졌다. 2019년에는 비즈니스 인텔리전스 시장의 많은 기업들이 복잡한 데이터로부터 예측을 가능케 해주는 통찰력을 보다 깔끔하게 얻어낼 수 있게 해주는 자동화 툴을 제공하기 시작할 것이다. 인공지능 덕분에 이 툴들은 사용이 용이하면서 기능이 강력할 것으로 전망된다.
AI 기반의 위험 완화 통제 장치들이 데이터 과학 파이프라인에서 표준으로 자리 잡을 것이다 : 아직 인공지능에는 위험 요소가 많은 게 사실이다. 이 신기술을 제대로 이해하지 못하고 있기 때문이기도 하지만, 실제 환경에서 인공지능을 구현하고 활용하는 방안이 다 알려지지 않았기 때문에 ‘설계의 한계’에서부터 야기되는 문제들도 꽤나 많다. 또한 인공지능 애플리케이션들에 대한 거버넌스가 제대로 마련되어 있지 않다는 것도 문제의 근원일 때가 많다. 2019년에는 이러한 문제들이 AI 개발용 툴들에서 해결되기 시작할 것으로 보인다. 표준화된 워크플로우와 템플릿을 통합해 프라이버시 침해나 사회경제학적 편견들을 최소화하고, 취약점과 여러 다른 위험 요소들을 제거한 툴들이 등장할 것이다.
재현성의 중요성이 대두될 것이다 : 규정 준수, 투명성 등을 비롯한 여러 사회학적 필요성 때문에 인공지능을 기반으로 한 알고리즘이 산출한 결과들을 재현하는 기술에 대한 수요가 높아질 것이다. 문제는 현재 워크플로우에 재현까지 염두에 둔 것은 별로 없다는 것이다. 워크플로우에 재현성을 추가시키려면, 데이터 과학 팀이 특정 프로세스들에 대한 감사 추적 데이터를 가지고 있는 워크벤치를 더 많이 사용해야 한다. 그래서 2019년에는 이러한 플랫폼들을 제공하는 기업들이 모델, 데이터, 코드 등의 감사 추적 데이터를 풍부하게 제공하기 시작할 것으로 보인다.
AI 벤치마킹 프레임워크들이 보다 투명해지고, 더 널리 활용될 것이다 : AI 소프트웨어, 하드웨어, 클라우드 서비스들 간 성능을 비교하고 평가한다는 건 굉장히 어려운 일이다. 그렇기 때문에 사용자들이 보다 쉽게 평가하고 자신에게 잘 맞는 인공지능 서비스를 선택할 수 있게 해주는 표준 벤치마크 프레임워크에 대한 수요가 점점 늘어나고 있다. 현재 가장 많은 관심을 받고 있는 건 MLPerf라는 건데, 2019년에 MLPerf가 정착할 수도 있고 대체될 수도 있다. 아마 정착되는 것만이 아니라 다른 여러 AI 하드웨어, 소프트웨어, 클라우드 서비스 개발에 통합될 가능성이 높아 보인다.
GPU가 AI 활용에 있어서 중요한 역할을 담당할 것이다 : 그래픽 처리 유닛은 이미 AI 혁신에서 꽤나 중요한 역할을 맡아왔다. 2019년에는 지능형 혼합 현실(intelligent mixed reality), 스마트 카메라, 게이밍 등의 장비들과 앱들이 등장하고, 이에 따라 고화질의 실시간 이미지 처리가 요구되기 시작하면서 GPU의 핵심 이미지 처리 가속 파워가 훨씬 더 중대한 역할을 차지할 것이다. 엔비디아는 최근 튜링 GPU(Turing GPU)를 발표했는데, 실시간 레이트레이싱 및 해상도 변경, 객체 탐지 등의 기능을 잔뜩 담고 있어 시장에서의 선호도가 높아질 것으로 예상된다.
AI 시스템온칩이 하드웨어 가속 장비들에서 선두를 차지할 것이다 : 인공지능 하드웨어 가속기들이 고성능 클라우드-투-에지(cloud-to-edge) 컴퓨팅 환경과 하이퍼컨버지드 서버, 클라우드 스토리지 아키텍처에 스며드는 속도가 예사롭지 않다. 2019년에도 하드웨어의 혁신은 지속될 것으로 보이는데, 이 때문에 시장은 보다 정확하고 빠른 AI 서비스들을 누리게 될 것이다. 하드웨어 업체들은 인공지능을 가속화시키는 기술에 집중할 것이며, 특히 시스템온칩 기술이 많이 활용될 전망이다. 스마트 로보틱스와 모바일 앱에 시스템온칩 기술이 활발히 적용될 것으로 보인다.
클라이언트가 훈련시키는 AI가 주류로 자리 잡을 것이다 : AI 앱들을 훈련시키는 건 보통 개발하는 자의 몫이었다. 즉 소비자가 인공지능을 사서 훈련시키는 건 틈새시장에 불과했던 것이다. 하지만 이 이야기가 달라질 수 있다. 2019년에는 클라이언트가 인공지능을 훈련시킨다는 개념이 단단히 자리 잡을 것으로 보인다. 특히 에지 컴퓨팅과 모바일 컴퓨팅, 로보틱스 프로세스 자동화 분야에서 클라이언트 훈련이 중요하게 부각될 전망이다. 사실 이미 많은 iOS 애플리케이션들에서 이러한 흐름이 눈에 띄기 시작했다. 예를 들어, 사용자의 안면을 점점 더 정확하게 인식하는 알고리즘은 사용자가 훈련시켜야 한다. 포토 앱에서 사람을 보다 더 정확히 인식하게 해주는 것도 사용자 훈련을 통해 이룰 수 있다.
AI가 폐쇄 루프 IT 운영 관리를 가능하게 한다 : 지난 몇 년 동안 AI는 IT 운영 관리에 있어서 필수 요소로 자리 잡게 되었다. 엠베드 된 머신 러닝 툴들의 기능 덕분에 수많은 작업들을 보다 빠르고 정확하게, 훨씬 더 넓은 범위에서 관리할 수 있게 된 것이다. 2019년에도 AI와 머신 머닝을 통해 IT 관리 문제를 해결하려는 노력은 지속될 것이다. 이미 AIOps라는 용어가 생기기도 했다.
블록체인과 인공지능이 만나게 된다 : AI 커뮤니티는 블록체인을 들여다보기 시작했다. 2018년에는 AI 컴퓨터를 활용한 블록체인 기술 제공 스타트업들이 생겨나기도 했다. 이 회사들은 탈중앙화된 훈련용 데이터를 인공지능 알고리즘에 주입하게 해주는 서비스나 감사 로그, 데이터 레이크(data lake)를 블록체인을 통해 교환하는 서비스를 제공하고 있다. 하지만 아직 일부에서 국소적으로 실험되고 있는 수준에 있을 뿐이다. 인공지능과 블록체인의 결합은 이제 막 연구되기 시작한 분야다. 2019년에는 AWS, 애저, 구글 클라우드 플랫폼, IBM 클라우드와 같은 주류 공공 클라우드 업체들이 블록체인과 AI의 결합을 시도하는 스타트업들을 인수하기 시작할 것으로 보인다. 그렇게 함으로써 자신들의 인공지능 기반 서비스들을 강화시켜 나갈 것이다. 물론 성공 여부는 미리 예측하기 힘든 부분이다.
[국제부 문가용 기자(globoan@boannews.com)]
Copyrighted 2015. UBM-Tech. 117153:0515BC
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
문가용기자 기사보기
[2024-04-24] 
.jpg)
