매스웍스코리아(MathWorks Korea)가 오늘, ‘매트랩 엑스포 2020’ 화상 미디어 브리핑을 진행했다.

이 브리핑에서 매스웍스의 비즈니스 및 기술 전략 및 분석 책임자 짐 텅(Jim Tung) 씨가 2020년 AI 5대 트렌드 및 AI를 위한 엔터프라이즈 엔지니어링 플랫폼에 대해 발표했다.

짐 텅 씨는 브리핑을 통해 AI 기술 장벽 완화 및 데이터 품질 개선, AI 기반 시스템의 설계 복잡성 증가, 저전력 저비용 임베디드 디바이스로의 보다 손쉬운 AI 배포, 게임에서 실세계 산업용 애플리케이션으로 강화학습 적용 확대, 시뮬레이션으로 다량의 고품질 AI 모델 훈련 데이터를 생성하여 보다 정확도 높은 AI 모델을 개발하도록 지원이라는 5가지를 AI 트렌드로 설명하는 한편, 자사는 보다 정확도 높은 AI 모델을 개발할 수 있도록 시스템 시뮬레이션과 데이터 분석, AI 역량을 한꺼번에 가지고 있는 것이 강점이라고 강조했다.

이와 함께, 건국대학교 정은옥 수학과 교수 연구팀이 매트랩(MATLAB)을 통해 ‘한국형 COVID-19 확산’ 모델을 손쉽게 개발하고, 정부의 전염병 확산 대응 정책의 과학적 근거가 될 만한 연구 결과를 얻은 사례를 소개했다.

 

<최교식 기자 cks@engnews.co.kr>

 

 

다음은 짐 텅 씨의 발표 내용이다.

 

올해는 AI 기반 시스템이 더욱 부상하면서 AI가 실세계 산업용 애플리케이션 영역에서 도입이 빠르게 확대될 것으로 전망된다. 실제 가트너(Gartner)의 발표에 따르면, 기업들의 AI 프로젝트 건수가 2019년 4건에서 2022년 35건으로 약 10배 성장할 것으로 예상되며, ‘시스템으로의 AI 통합’이 기업의 최우선 과제가 되고 있다. 한편, 성공적인 AI 도입의 장애물로 ‘낮은 AI 기술 숙련도 (56%)’ 및 ‘데이터 품질 문제 (34%)’가 지목되고 있어 이를 해결할 수 있는 솔루션이 각광받을 것으로 예상된다.

또한, 신종 코로나 바이러스감염증(COVID-19)으로 인한 글로벌 팬데믹 사태로 인해 비즈니스 계획 실행 속도를 대폭 늦추고 자사의 활동 규모를 축소한 기업들이 있는 반면, 일부 기업 및 조직은 위기 극복의 수단으로 디지털 트랜스포메이션을 택하고 있다.

일례로, 국내 수리생물학 연구 분야에서 주목할 만한 성과를 내고있는 건국대학교 정은옥 수학과 교수 연구팀이 매트랩(MATLAB)을 통해 ‘한국형 COVID-19 확산’ 모델을 손쉽게 개발하고, 정부의 전염병 확산 대응 정책의 과학적 근거가 될 만한 연구 결과를 얻은 사례가 있다. 정교수팀은 COVID-19의 유행 시작 시점, 전파율 및 유행 종료 시점 예측을 위해 필요한 복잡한 변수들을 모두 고려해 예측을 수행하고자 했다. 이에 매트랩의 수학적 모델링 기술을 활용한 일련의 연구를 통해 확진자 수 데이터뿐 아니라 국민 행동변화, 사회적 거리두기 및 개학 연기 제도 시행 등 다양한 변수를 고려한 SEIR 모델을 개발했다. 이를 통해 정부의 COVID-19 통제 및 예방 정책이 추가 확진자 발생 방지에 매우 효과적이라는 점을 밝혀냈다.

올해 4월 정은옥 교수는 이러한 연구 결과를 포함해 산업응용수학 분야의 발전에 공헌한 바를 인정받아 과학기술정보통신부로부터 과학기술진흥 정부포상 대통령 표창을 수상한 바 있다.

 

트렌드 1: AI 기술 장벽 완화 및 데이터 품질 개선

 

AI 확산과 더불어 AI 프로젝트에 참여하는 엔지니어와 과학자들의 수가 늘어나고 있는 가운데, 이들은 커뮤니티의 딥러닝 모델 및 연구결과에 보다 잘 접근하면서 AI 프로젝트 초기 단계서 큰 도움을 받고 있다. 또한, 과거의 AI 모델은 이미지 데이터에 기반했으나, 이제 시계열 데이터, 텍스트 및 레이더 등의 다양한 센서 데이터를 처리할 수 있게 됐다.

화학, 신호 처리, 전기 설계 등 공학 및 과학 분야 도메인 전문가인 엔지니어와 과학자들은 AI 모델이 처리할 데이터에 대한 내재한 지식과 통찰력을 보유하고 있어 AI 프로젝트의 성공에 큰 기여를 할 수 있다. 도메인 전문가들의 데이터에 대한 인사이트는 ▲ 데이터 선택 및 준비 ▲ 애플리케이션 요구사항을 충족시키는 간단한 모델 개발 ▲ 광범위한 시스템 맥락에서의 AI 모델 검증 ▲ 잠재적 장애 모드(failure modes) 파악 과정에서 높은 가치를 창출해낸다.

매스웍스는 엔지니어 및 과학자들이 AI 기반 제품 및 서비스 구축 시 프로그래밍 학습 필요 없이 도메인 전문지식을 적용할 수 있도록 지원한다. 다양한 애플리케이션을 위한 데이터 라벨링 프로세스를 자동화하는 애플리케이션을 통해 많은 시간을 절감하고, 딥러닝에 한해서 훈련을 자동화하는 사전 구축된 앱을 통해 생산성을 향상시키도록 돕는다.

 

 

[그림1] 매스웍스의 시맨틱 분할(semantic segmentation)을 위한 이미지 라벨링 앱(좌), 신호 라벨링 앱(우)

 

 

 

또한, 분류(classification) 및 예측(prediction)을 지원하는 다수의 알고리즘, 커뮤니티에서 사전 구축된 다양한 모델, 광범위한 엔지니어링 애플리케이션 영역의 AI 모델 구축을 돕는 수 백가지의 예제(Examples)를 제공한다.

 

트렌드 2: AI 기반 시스템의 설계 복잡성 증가

 

AI가 훈련을 통해 더 많은 유형의 센서들(IMU, 라이다, 레이더 등)을 처리하는 것이 가능해지면서, 엔지니어들은 자율주행 차량, 항공기 엔진, 산업 플랜트, 풍력 발전용 터빈, 클라우드 기반 스트리밍 시스템과 같은 매우 다양한 시스템에 AI를 적용하고 있다. 이러한 복잡한 시스템에서 AI 모델은 전체 시스템 수준의 성능에 중대한 영향을 미친다. 그래서 오늘날 AI 모델 개발은 복잡한 시스템을 효과적으로 구동하기까지의 과정 중 한 단계로 여길 필요가 있다.

설계자들은 복잡한 AI 기반 시스템 설계를 간소화하기 위해 ▲ 시뮬레이션 ▲ 통합 ▲ 연속적인 테스트를 지원하는 ‘모델 기반 설계’ 도구를 도입할 것을 진지하게 고려하고 있다.

 

시뮬레이션 - AI가 시스템의 다른 부분들과 상호 작용하는 방식을 이해할 수 있도록 지원

 

통합 - 설계자가 완전한 시스템 컨텍스트 내에서 다양한 설계 컨셉들을 시도해 볼 수 있도록 지원

연속 테스트 - 설계자가 AI 훈련 데이터 세트의 약점 또는 다른 구성요소들의 설계 결함을 빠르게 찾아낼 수 있도록 도움

 

매스웍스는 하드웨어로의 배포 이전 시뮬레이션을 통해 AI 모델의 효과성을 검증하도록 돕는다. 예를 들어, 다양한 주행 시나리오, 날씨 및 환경 조건 하에서 자율주행 차량의 인식 알고리즘(perception algorithms) 뿐 아니라 해당 차량 및 다른 차량, 보행자 및 자전거 사용자를 모두 고려한 시뮬레이션을 통해 어떠한 상황에서도 자율주행차가 스스로 완벽하게 운전하도록 돕는 인식 시스템(perception systems)을 개발하도록 지원한다.

특히, 시뮬링크(Simulink)는 시뮬레이션으로 테스트를 수행하고 그 결과를 반영해 반복적인 설계 과정을 보다 빠르게 수행하도록 돕는다. 은퇴자 공동체를 위한 셀프-드라이빙 택시 제조 업체 보야지(Voyage)는 통합 모델을 활용하여 아이디어 구상에서부터 로드 테스팅까지의 프로세스를 가속화하고, 실험 결과 데이터를 바탕으로 컨트롤러를 튜닝한 결과, 단 3개월 안에 레벨3 자율주행 차량을 개발할 수 있었다.

 

트렌드 3: 저전력 저비용 임베디드 디바이스로의 보다 손쉬운 AI 배포

 

지금까지 AI는 GPU, 클러스터, 데이터 센터 등의 고성능 컴퓨팅(HPC) 시스템에서 사용되는 것과 동일한 32비트 부동소수점 연산을 사용해 왔다. 이를 통해 더욱 정확한 결과를 얻고 모델을 보다 쉽게 훈련시킬 수 있었지만, 고정소수점 연산을 사용하는 저렴한 저전력 장치에서는 사용할 수 없었다.

그러나 이제는 소프트웨어 도구의 발전으로 인해 다양한 수준의 고정소수점 연산을 지원하는 AI 추론 모델을 제공할 수 있게 됐다. 저렴한 저전력 장치에 AI를 배포할 수 있게 되어 엔지니어가 AI를 설계에 적용할 수 있는 새로운 장이 펼쳐진 것이다. 예를 들어, AI를 차량 안의 경제적인 ECU(Electronic Control Unit)와 기타 산업용 임베디드 애플리케이션에 적용할 수 있게 됐다.

매스웍스는 코드 생성 프레임워크(code generation framework)를 통해 매트랩 또는 시뮬링크로 개발한 AI 모델을 재작성 없이 임베디드 디바이스, 엔터프라이즈 시스템, 엣지, 클라우드 및 데스크탑 등 모든 환경으로 배포할 수 있도록 지원한다. 또한, 모델 배포를 위한 유연하고 강력한 자동 코드 생성 기능을 통해 코딩 에러를 제거하며 큰 가치를 창출한다.

 

 

 

 

[그림2] 매스웍스의 자동 코드 생성 및 구축 프레임워크

 

 

 

트렌드 4: 게임에서 실세계 산업용 애플리케이션으로 강화학습 적용 확대

 

 

[그림3] 강화 학습 다이어그램

 

 

2020년에 강화 학습은 기존 게임 분야를 넘어서 자율주행, 오토노머스 시스템(Autonomous System), 제어 설계 및 로보틱스와 같은 실세계 산업용 애플리케이션으로 확대 도입될 전망이다. 특히, 강화 학습은 실세계에서 구현하기 어려운 조건들을 반영한 가상 모델로 훈련하여 대규모 시스템을 개선하는 데 기여할 것으로 기대된다.

이를 가능케 하는 핵심 요소는 ▲ 손쉬운 강화 학습 정책 구축 및 훈련 ▲ 다량의 훈련용 시뮬레이션 데이터 생성 ▲ 시스템 시뮬레이션 툴과 강화 학습 에이전트의 손쉬운 통합 ▲ 임베디드 하드웨어로의 배포를 위한 코드 생성을 지원하는 기술이다.

자율주행 시스템의 운전 성능 향상을 예로 들면, 강화 학습 에이전트는 속도를 높이고, 연료 소비 및 응답 시간을 최소화하여 성능을 개선 및 최적화하는 효과를 제공한다. 강화학습 모델은 차량 동역학 모델, 환경 모델, 카메라 센서 모델 및 이미지 처리 알고리즘을 포함하는 완전 자율주행 시스템 모델에도 통합할 수 있다.

매스웍스의 강화 학습 툴박스(Reinforcement Learning Toolbox)는 내장된 맞춤형 강화 학습 에이전트를 제공하며, 매트랩 및 시뮬링크에서 강화학습 환경을 모델링할 수 있도록 지원한다. 뿐만 아니라, ▲ 강화 학습 정책 설계를 지원하는 딥러닝 툴박스(Deep Learning Toolbox) ▲ GPU 및 클라우드에서의 훈련 가속화 ▲ 시뮬레이션을 통한 훈련 정책 검증 ▲ 임베디드 디바이스로의 배포 ▲ 자율주행 차량을 위한 강화 학습 등의 레퍼런스 예제를 지원한다.

 

 

[그림 4] 자율주행 차량을 위한 강화 학습 예제

 

 

또한, 마이크로소프트(MS)와의 협력을 통해 로보틱스, 에너지, 제조 및 프로세스 최적화 분야의 애플리케이션을 개발하는 고객들이 MS 오토노머스 시스템(Microsoft Autonomous Systems) 플랫폼에서 워크플로우를 간소화시킬 뿐 아니라, 애저(Azure) 환경에서 매트랩 및 시뮬링크 모델에 대한 시뮬레이션을 확장시켜가며 수행할 수 있도록 지원한다.

 

 

트렌드 5: 시뮬레이션으로 다량의 고품질 AI 모델 훈련 데이터를 생성하여 보다 정확도 높은 AI 모델을 개발하도록 지원

 

애널리스트 조사 결과에 따르면, ‘낮은 데이터 품질’은 성공적인 AI 도입의 가장 큰 장애물이다. 2020년에는 시뮬레이션이 이러한 데이터 품질 문제를 쉽게 해결하도록 도울 것이다.

훈련을 통해 AI 모델의 정확성을 향상시키는 데는 다량의 데이터가 필요하다. 그러나 정상적인 시스템 작동과 관련된 데이터와 달리, 정말로 필요한 이상 조건 또는 심각한 장애 조건 데이터는 쉽게 확보하기 어렵다. 예를 들어, 산업 현장에서 펌프의 잔여 수명을 정확하게 예측할 수 있는 건전성 예측관리 애플리케이션의 경우, 물리적인 장비에서 장애가 발생하는 경우가 드물기 때문에 장애 데이터를 확보하기 어렵다.

그래서 AI 모델 훈련을 위한 고품질 데이터를 다량 확보하는 최고의 방법은 기능 장애를 모사할 수 있는 시뮬레이션을 실행하여 데이터를 생성하고, 합성된 데이터를 통해 정확한 AI 모델을 개발할 수 있도록 훈련시키는 것이다. 예를 들어, 펌프 모델에 대한 시뮬레이션을 통해 장애를 나타내는 신호를 생성하고, 이러한 신호 데이터를 바탕으로 AI 모델을 훈련, 산업 현장의 실제 시스템에 배포하여 미래의 장애 발생을 예측할 수 있다.

시뮬레이션은 매우 드물게 발생하는 산업 현장의 이벤트에 대응하는 AI 알고리즘을 구축하는 데 핵심 역할을 한다. 매트랩 및 시뮬링크는 엔지니어들이 시뮬레이션을 통해 드물게 발생하는 이벤트들에 대한 훈련용 데이터를 적절한 주기로 생성 및 통합하도록 돕는다. 예를 들어, 자주 사용되는 자동 주행 애플리케이션(automated driving applications)의 경우, 엔지니어는 매트랩 및 시뮬링크로 합성한 훈련용 데이터를 사용해 위험하지만 매우 낮은 빈도로 발생하는 이벤트를 완벽하게 처리할 수 있는 안정적인 AI 시스템을 설계할 수 있다.

 

 

 

[그림5] 시뮬링크, 시뮬레이션을 통해 펌프의 장애 발생 이벤트에 대한 데이터를 생성 및 합성하도록 지원

 

 

현재 많은 조직은 주로 AI 알고리즘 개발에 집중하고 있지만, 단순한 AI 알고리즘 또는 모델이 아니라 AI 기반 제품 또는 서비스를 시장에 성공적으로 출시하려면 전체 시스템 설계 워크플로우에 AI를 통합해야 한다. 매스웍스는 단일 플랫폼을 통해 AI를 데이터 준비부터 AI 모델링, 시뮬레이션 및 테스트, 그리고 배포에 이르는 전체 워크플로우에 손쉽게 통합하도록 지원한다.

 

 

[그림6] AI 기반 제품 및 시스템 구축을 위해 매트랩 및 시뮬링크가 제공하는 혜택

 

 

 

매스웍스는 ‘2020 가트너 매직 쿼드런트: 데이터 사이언스 및 머신러닝 플랫폼’ 보고서에서 리더로 선정되면서 다양한 조직이 성공적인 AI 도입을 위한 기능 및 기술을 갖추도록 지원하는 핵심 역량을 입증한 바 있다.