매스웍스 코리아(MathWorks Korea)가 4월 26일, 삼성동 코엑스 인터컨티넨탈 호텔에서 ‘매트랩 엑스포 2018’ 기자간담회를 개최했다.
이번 기자간담회를 통해 매스웍스는, AI에 대한 경험과 지식이 없어도 자사의 매트랩(MATLAB)과 시뮬링크(Simulink)를 이용하면 쉽게 AI 기능을 사용할 수 있다는 점을 강조하고, AI는 한 때 지나가는 유행에 불과한 기술이 아니라, 산업계의 중요한 트렌드로 자리 잡아가고 있다고 피력하면서, 매스웍스는 AI 및 머신러닝, 딥러닝을 솔루션으로 제공하고 있다고 강조했다.
이날, 풍력발전 터빈에서 AI를 활용해 블레이드의 교체시기를 예측하는 사례를 비롯해서, 매트랩과 시뮬링크를 활용한 4가지의 AI 사례가 소개됐다.

매스웍스 코리아 이종민 대표는 인사말을 통해, 매스웍스 는 2~3년 전부터 AI에 대해 얘기를 해왔으며, AI 및 머신 러닝, 딥러닝이 매스웍스 솔루션으로 제공이 되고 있다고 말했다.
매스웍스 고객성공 팀장인 미샤 킴(Mischa Kim) 씨는 이날 발표를 통해, 엔지니어와 과학자들이 AI에 쉽게 접근할 수 있는 방법을 제시했다.

어떻게 쉽게 AI에 접근할 수 있나?
미샤 킴 씨에 의하면, 가트너가 3,000개 회사를 대상으로 조사한 결과, 50%가 AI를 고려 또는 계획하고 있다고 답변을 했지만, 실제로 상품과 서비스에 AI를 적용하고 있는 기업은 4%에 불과했다.

1950년대에 등장한 AI는 당시, 기계가 지능적인 인간의 행동을 모방하는 능력을 의미했지만, 지금은 AI가 인간만큼, 또는 인간보다 뛰어난 성적을 보이고 있다.

AI에서는 원하는 것을 얻을 수 있도록 기계를 학습시키는 것이 중요하다. 학습에는 두 가지 훈련방법이 있다. 첫 번째 는, 기존에 하던 것처럼 인풋을 넣어서 아웃풋이 나오도록 프로그램을 만드는 것이다. 두 번째는 머신러닝을 도입해서 인풋과 아웃풋을 넣으면 기계가 프로그램을 만들어 주는 것이다. 이때 기계가 만드는 프로그램이라고 하지 않고 머신 러닝 모델이라고 부르며, 머신러닝을 AI와 같은 의미로 사용 하는 사람이 많은데, 머신러닝은 AI 중의 하나다.

AI를 하기 위해서는 인풋과 아웃풋, 머신러닝을 할 수 있는 모델이 있어야 한다.

첫 번째는 센서에서 들어오는 데이터에 접근할 수 있어야 하고, 데이터를 분석하기 위해 클린업하는 것이 필요하고, 이를 통해서 모델을 개발하는 것이 중요하다. 엔지니어링 시스템을 개발하는데 있어서 AI는 전체 워크플로우 가운데 하나이다.

AI는 엔지니어링 시스템 개발 워크 플로우 가운데 일부에 해당한다.

스타티스틱스 머신러닝 툴 박스를 이용하면 데이터를 분류하는 작업을 직접 하지 않아도 돼

미샤 킴 씨는 이날 4가지의 AI 활용사례를 소개했다.

첫 번째는 식품과학자가 만든 예제다. 과자가 얼마나 바삭 한지를 알려주는 프로세스를 개발하는 시험으로, 매트랩과 머신러닝을 활용했다. 과자를 씹는 힘과 소리를 이용한 이 시험은 데이터의 특징을 추출하고, 분류를 하게 되는데, 머신러닝의 경험이 없으면 모델이 워낙 많기 때문에 분류 하는 작업은 대단히 어려운 작업에 해당한다. 그러나 매스웍스를 사용하게 되면 스타티스틱스 머신러닝 툴 박스 (Statistics and Machine Learning Toolbox)에 클래스피케이션 언어라는 앱이 있기 때문에, 분류하는 작업을 직접 하지 않아도 된다. 매트랩이 모델에 학습을 시키고, 엔지니어와 과학자들은 성적을 보고 가장 좋은 것을 고르기만 하면 된다. 여기서 중요한 것은 코드라인이 하나도 없고, 클릭을 하게 되면 바로 이 작업이 실행이 된다는 점이다. 머신러닝의 경험이 없어도 매트랩이 있으면 AI 기능을 활용할 수 있다는 것을 보여주는 예다.

다섯줄의 코드만 있으면 딥러닝을 할 수 있어
두 번째는, 데이터의 특징을 식별하지 않거나 식별할 수 없는 경우에 머신러닝이 아니라 딥러닝을 활용한 사례다.

오바야시 사가 만든 보스턴 터널의 사례로, 오바야시 사는 드릴링을 할 때 최초로 딥러닝을 사용해서, 영상을 인식하고 드릴링을 자동화하고 쉽게 드릴링을 할 수 있었다. 이 프로 젝트에서 가장 큰 어려움은 70개의 이미지밖에 갖고 있지 않았다는 것으로, 70개의 이미지를 15개의 서브 이미지로 나눠서 1,000개 정도의 이미지를 사용했다. 다음 과제는 이 이미지를 라벨링하는 것이다. 이 1,000개의 이미지는 훈련을 하기에는 지나치게 적은 숫자이다. 전통적인 Neural Network인 알렉스넷(AlexNet)은 수백만 개의 그림을 보고 영상을 인식하는 데, 알렉스넷은 터널 드릴링에 대한 지질학적 지식이 없었다. 따라서 기존 모델의 훈련된 것을 활용하는 전이학습을 했다. 이 프로젝트는 현재 다른 것은 다 성공하 고, 매트랩 프로덕션 서버(MATLAB Production Server)를 사용해서 이것을 클라우드에 배포하는 작업을 하고 있는데, 자동화로 프로세스를 했기 때문에 드릴링 비즈니스에서 혁신 적인 성과를 얻을 수 있었다. 여기서 중요한 점은 다섯줄의 코드만 있으면 딥러닝을 할 수 있다는 점.

시뮬링크만 있으면 데이터가 없어도 예측유지보수가 가능
다음으로, 적당한 데이터가 아예 없을 때는 어떻게 할 것 인가? 미샤 킴 씨는 블레이드가 부러진 풍력발전용 터빈의 사례를 소개했다. 각각의 블레이드가 어떻게 마모될 지 측정을 해서 언제 교체를 하면 좋을 지 예측보수를 한 사례다. 장애가 났을 때 데이터가 필요한데 장애가 날 때까지 기다릴 수는 없기 때문에, 데이터는 없어도 시뮬링크를 활용해서 장애예측 을 했다. 장애 데이터를 주입한 다음, 시뮬레이션을 돌려서 모델을 훈련하는데 필요한 데이터를 만들어냈다.

세 번째 사례는 일본 도요타 시에 있는 집으로, 저탄소생활 을 도모하기 위해 만들어진 2년짜리 프로젝트다. 각 가정에는 연료전지, 태양전지판, 배터리가 있어서 에너지를 생산하고 저장할 수 있었다. 집집마다 전기차 충전기가 있어서, 덴소 라는 회사가 전기차 충전기를 여분 배터리로 이용해서 에너지를 최적화하기로 결정했다. 여기서는 전기자동차를 얼마나 쓸 수 있을 지를 예측하는 것이 가장 어려운 일이었다. 매트랩을 이용해서 데이터를 임포트하고 패러렐 컴퓨팅을 이용해서 데이터를 분석했다. 매트랩 클래시피케이션이라는 앱을 이용해서 분석을 하고, 시뮬링크 파워시스템에서 모델 을 개발했다. 덴소에서는 매트랩이 없었다면 이 프로젝트를 6개월 만에 완성할 수 없었을 것이라고 말하고 있다.
마지막 사례는 AI를 이용해서 초인적인 능력을 가지게 된 드러머의 예. 사고로 한쪽 팔 아래쪽을 잃어서 인공 팔을 착 용하고 있는 제이슨이라는 드러머는 AI를 활용해서 드럼을 연주한다.

덴소의 도요타시 가정 에너지 관리 시스템. 매트랩을 이용해서 데이터를 임포트하고 패러렐 컴퓨팅을 이용해서 데이터를 분석했다.

드럼을 연주하는 스틱에는 두 개가 있는데, 프라이머리라는 긴 스틱은 드러머가 직접 조정할 수 있고, 짧은 스틱은 자율적으로 움직인다. 프라이머리 스틱을 가지고 인공 팔을 이용해서 드럼을 연주하는 영상이 소개됐다. 이 영상에서 프라이머리 스틱은 움직이고 있고, 자율 스틱은 제이슨 씨와 상관없이 움직인다.

여기서는 시뮬링크 모델을 사용했는데, 흥미로운 점은 마이크로폰이라는 마이크다. 마이크는 제이슨 씨가 프라이 머리 스틱으로 어떻게 연주하는 지를 듣고, 주변의 음악이 어떻게 진행되는지 들은 다음, 자율적으로 자율 스틱을 움직 이게 되는 것이다.

이날 매스웍스가 강조한 메시지는 세 가지다.

첫 번째는 머신러닝 경험이 없어도 매트랩을 사용하면 머신 러닝을 배우고 적용할 수 있다는 점이다. 두 번째는, 데이터의 특징을 추출할 수 없으면 매트랩이 딥러닝과 전이학습으로 도와준다는 점. 세 번째는, 데이터가 없으면 매트랩과 시뮬링크를 사용해서 적당한 데이터를 만들 수 있다는 점.

미샤 킴 씨는 “매트랩과 시뮬링크를 사용하면 AI에 대처할 준비가 되어 있는 것”이라고 역설하는 말로 발표를 마무리 했다.

Q&A with MathWorks

매스웍스 고객성공 팀장 미샤 킴(Mischa Kim)

매스웍스코리아 이종민 대표ㆍ김영우 전무

Q. 매트랩은 머신러닝의 어떤 부분에서 역할을 하나?
A. 매트랩은 머신러닝 구현 부분을 도와준다. 예를 들어, 로봇을 만들 경우 로봇 공학에 대한 지식과 머신러닝 전문 지식을 이용해 로봇을 구축하는데, AI와 머신러닝과 관련해서 매트랩 (MATLAB)이 작용한다.

Q. AI의 알고리즘에는 룰 베이스(Rule Base)와 예시 기반 이 있는데, 매스웍스는 이 두 가지 알고리즘을 모두 적용할 수 있나?
A. 매스웍스 솔루션은 둘 다 지원한다. 룰 기반 머신러닝은 텍스트 기반으로 알고리즘 개발을 지원하며, 예시 기반 머신 러닝은 데이터를 수집한 이후 특징점을 추출하고 분류를 자동 화함으로써 구현할 수 있다. 또한, 예시 기반 머신러닝을 통해 모든 알고리즘을 개발할 수 있다.

Q. 매스웍스의 글로벌 파트너십에 대해 설명해 달라.
A. 매스웍스는 알고리즘 개발 기술 쪽에 솔루션을 제공하고 있으며, 현재까지 AI 이론은 있었지만, 구현하기 어려웠던 이유는 하드웨어 때문이다.

매스웍스는 인공지능 응용 프로그램 가속화를 위해, 매트 랩과 엔비디아 텐서 RT(TensorRT)를 통합했다. 엔비디아 입장에서는 하드웨어는 있지만 그 위에 올라갈 수 있는 소프 트웨어가 많으면 많을수록 좋다. 그런 차원에서 엔비디아와 협력을 진행하고 있다. 한국에서는 엔비디아와 비즈니스 목표가 동일하며, 고객 들에게 통합된 솔루션 제공하고 있다.

이러한 글로벌 협업 프로그램을 통해, 매스웍스는 고객들의 AI 개발을 적극 지원하고 있으며, 매스웍스코리아에서도 제 품의 문제 및 개선점에 대해 적극 컨설팅을 제공하고 있다.

매스웍스는 핵심 제품인 GPU 코더(GPU Coder)를 통해 엔비디아 GPU 환경에서 코드를 사용할 수 있도록 하 고 있으며, 현재 자율주행과 같은 임베디드 시스템 분야에서 AI 솔루션이 활발히 사용되고 있다.

Q. AI 알고리즘이 많이 있었지만 하드웨어적인 부분이 미흡해서 속도가 느렸는데, 지금은 어떤가? 하드웨어가 더 좋아져서 AI 구동 성능이 높아진 것인가?
A. 하드웨어만 개선된다고 해서 AI 성능이 향상되는 것은 아니다. 실제로 알고리즘 구현에 발생하는 오버헤드를 줄이 고, 연산 속도도 높였기에 이러한 성능 향상이 가능했다. 이러한 성능을 향상시켜주는 매스웍스 제품으로는 병렬 컴퓨팅 툴박스(Parallel Computing Toolbox), GPU 코더(GPU Coder) 등이 있다. 특히 GPU 코더는 서버 기반으로 빠르게 동작할 수 있으며, 매스웍스는 코드 생성 속도를 높이기 위한 연구도 진행하고 있다.

또한, 매트랩에 뉴럴 네트워크 툴박스(Neural Network Toolbox) 및 통계 및 머신러닝 툴박스(Statistics and Machine Learning Toolbox)가 포함 돼 있다.