GLOBAL 이슈 - (분야) 공통․기타

보포털www.water.or.kr

* 본 이슈리포트는 발간 의 공식 인 의견이 아니며, 작성자(연구진)의 견해임을 밝힙니다.

VOL.2016-152016.06.10

인공지능 황과 분야 시사 (1편)

목 차

1편 인공지능 기술 현황과 물분야 시사점

Ⅰ. 요약 보고 ··········································· 2

Ⅱ. 본보고 ··················································· 5

1) 알파고의 등장과 인공지능(AI) ·················· 5

2) 인공지능의 재조명 ······································· 8

3) 국내외 인공지능 동향 ······················· 13

4) 인공지능의 분야 용 시사 ············· 22

<참고문헌>

2편 물분야 인공지능 기술 적용 사례

* 2편 이슈리포트는 다음주에(2016.6.17.)에 공될 입니다.

- 2 -

인공지능 황과 분야 시사 (1편)

1 알파고의 등장과 인공지능(AI)

□ 올해 3월 구 딥마인드 챌린지 매치의 인간과 인공지능의 바둑

결에서 알 고가 4승 1패로 인간 최고실력자 이세돌에게 승리

를 거두면서 인공지능 기술이 세계 으로 재조명

◦ 알 고는 기존 인공지능 기법(머신러닝,MachineLearning)의 한계를 뛰

어넘는 딥러닝(DeepLearning)방법을 통해 바둑 기보(棋譜)3,000

만개를 기 로 하루에 3만번씩 국을 진행하여 학습

2 인공지능의 재조명

□ 1950년 부터 시작된 인공지능 연구는 이론과 기술 한계로 공

장 자동화 등에 한정 으로 용되었지만,최근 딥러닝이 등장하

면서 머신러닝을 통한 인공지능 연구는 획기 인 환 을 마련

◦ 머신러닝 :인공지능의 한 분야로 데이터를 바탕으로 반복해서 기계

가 학습할 수 있도록 하는 알고리즘 개발 분야

◦ 딥러닝 :인공신경망을 활용한 머신러닝의 한 방법으로 컴퓨터가 스

스로 데이터에서 특징을 찾아내고 이를 기반으로 학습해 나가는 기법

□ 한 빅데이터의 등장으로 인공지능 학습에 필요한 데이터가 충

분히 확보되고,고성능 병렬 컴퓨 의 활용이 가능해짐

- 3 -

인공지능 황과 분야 시사 (1편)

□ 기존에 인간만이 가능했던 인지,학습,추론 등 고차원 정보처

리 능력을 ICT를 활용하여 구 하는 지능정보기술이 각 받음

◦ 지능정보기술 :인공지능 소 트웨어(SW)로 표되는 '지능'에 빅데

이터,사물인터넷(IoT),클라우드 등의 ‘정보’를 결합한 기술

◦ 지능정보기술의 등장과 발달로 새로운 직업이 생겨나고 기존에 사

람들이 수행하던 역할들을 상당부분 인공지능이 체하는 제4차 산

업 명(제2차 정보 명)이 도래할 것이라는 망

3 국내외 인공지능 동향

□ 인공지능 기술의 강국인 국은 인공지능 련 기 공학 분야에

오랜기간 투자해왔고,잘 발달된 인공지능 스타트업 생태계로 인

해, 로벌 기업에서 이들 기업 인수에 많은 액을 투자

인수주체 인수 상 인수액(달러) 인수시기

구 딥마인드 5억 7000만 2014년

마이크로소 트 스 트키 2얼 5000만 2016년 2월

아마존 에비 테크놀로지 2600만 2012년

애 보컬IQ 미공개 2015년 10월

< 로벌 기업들의 국 스타트업 인수 황 >

- 4 -

인공지능 황과 분야 시사 (1편)

□ 로벌 기업들은 인공지능 스타트업 인수 등 인공지능 시장

선 을 해 많은 투자와 극 인 기술개발에 힘쓰고 있음

◦ 구 의 알 고,IBM의 의료 왓슨 상업화,MS의 음성인식 인공지능

개인비서 코타나,페이스북의 딥페이스,애 시리,바이두 등

□ 국내는 일부 IT기업 연구소를 심으로 인공지능 기술개발이

진행 이지만 해외 비 수 과 규모가 미약하고,이미 국과

미국 등 선진국과 2~3년 격차가 벌어진 상태

□ 이에 정부는 2015년 10월 지능정보산업 발 략을 수립했고,

인공지능 연구를 해 민간이 주도하는 지능정보기술연구소를

올해 설립할 계획이며 5년간 총 1조원을 투자할 정

◦ 미래창조과학부는 ‘엑소 인 SW’와 ‘딥뷰’,ETRI는 ‘지니톡’,민간

에서는 로 ,자율주행자동차,드론 등 인공지능 연구를 추진

4 인공지능의 분야 용 시사

□ 머신러닝 알고리즘은 물 리 분야에서도 다양하게 사용되어

왔으며,주로 측 분류에 문제를 해결하는데 활용.하지만

활용 인 기술은 기의 머신러닝 수 에 그치고 있음

◦ 수자원 분야에서는 강우,유출,물수요,수 ,수질(조류)등 다양한

수문변량 측을 한 모형과 복잡한 수문계의 패턴 인지에 활용

◦ 수도 분야에서는 망시스템 수분석,수용가 사용량 측,탁도

측 모형,상수도시스템 이상감시 등 연구개발에 활용

□ 물분야에서 딥러닝 등의 인공지능 기술을 용을 통한 로벌

기술력을 확보하기 해서는 물분야의 문가들도 인공지능

기술에 한 이해를 넓 가야 하며,인공지능 문가들과의

소통을 통해 용 방안에 한 논의가 시작되어야 함

- 5 -

1) 알파고의 등장과 인공지능(AI)

1. 알파고 VS 이 돌

□ 구 딥마인드 챌린지 매치(GoogleDeepmindChallengematch)의 바둑

결에서 알 고가 4승 1패로 인간 최고실력자 이세돌에게 승리

*출처 :이투데이 기사 (http://www.etoday.co.kr/news/section/newsview.php?idxno=1299549)

◦ 이세돌 본인뿐만 아니라 부분의 문가들이 이세돌 우세를 상했

을 정도로 아직 바둑은 인간의 역이라는 생각이 지배

*이세돌은 경기 본인의 4승 1패 혹은 5승 0패를 상했으며, 부분의 인공지

능 문가와 바둑 문가들도 이세돌의 우세를 상

국 승자 이세돌 인터뷰 내용

1국 알 고 일단 무 놀랐고요.진다는 생각을 안 해봤는데 조 충격 이긴 하지만 즐겁게 뒀고 결을 받아들인 것에 후회는 없습니다.

2국 알 고 내용상 완패 습니다. 반부터 한순간도 앞선다고 생각한이 없었고 알 고가 완벽한 국을 펼쳤습니다.

3국 알 고심한 압박감과 부담감을 이겨내기에 제 능력이 부족했던 것 같습니다.하지만 알 고도 분명 약 이 있다고 느 기 때문에이번 결은 이세돌이 패한 거지 인간이 패한 것은 아닙니다.

4국 이세돌 한 을 이겼는데 이 게 축하받기는 처음입니다.정말 무엇과도 바꾸지 않을,값어치를 매길 수 없는 1승입니다.

5국 알 고바둑은 즐기며 두어야 하는데 어느 순간부턴가 정말로 즐기고있는지 의문이 들었습니다.이번 알 고와의 결을 통해 마음껏 즐겼습니다.

<경기결과 인터뷰 내용 >

- 6 -

◦ 바둑에서는 인공지능이 아직 아마추어 수 이라는 사람들의 생각을

깨고,인공지능이 딥러닝과 빅데이터를 기반으로 인간을 넘어선 놀라

운 결과를 세계에 알림

* 알 고가 지난 해 10월 랑스에서 활약 인 국의 후이 2단과 공식 결

에서 5 승을 거두었지만 알 고는 아마추어 최강에 그친다는 평가를 받음

2. 바둑과 인공지능

□ 그동안 체스,장기 등 다양한 분야에 인공지능 로그램이 인간

에 도 하여 승리를 거두었지만,그동안 바둑이 정복되지 않은

가장 큰 이유는 바둑의 경우의 수가 많기 때문

◦ 체스,퀴즈,장기 등 다양한 종목에서 인공지능은 인간과 결을 벌여

왔고 인간과의 승부를 계기로 인공지능은 한단계씩 진화

연도 종목 인간 VS인공지능 승자 비고

1967 체스 로그램 맥핵 VS아마추어 드 이퍼스 AI 이후 연패1992 체스 IBM딥블루 VS체스 챔피언 카스 로 인간 1승 2무 3패1997 체스 IBM딥블루 VS체스 챔피언 카스 로 AI 2승 3무 1패2006 체스 독일 딥리츠 VS체스 챔피언 크람니크 AI 4승 2패2011 퀴즈 IBM왓슨 VS 제닝스, 래드 루터 AI2014 장기 일본 벤처 헤로즈 VS 로기사 5명 AI 4승 1패2015 포커 로그램 클라우디코 VS 로 포커선수 4명 인간2015 바둑 구 알 고 VS유럽 챔피언 후이 2단 AI 5 승

<인간 VS인공지능 결 역사 >

*출처 :인공지능(A.I.),완생이 되다(KT경제경 연구소 디지에코 보고서,2016.03.09.)

◦ 바둑 은 19×19격자로 구성되어 총 지 은 361개,지 마다 3가지의 상태

(검은돌,흰돌,빈칸)로 바둑 의 상태는 총 3361≈10170가지가 존재

◦ 바둑의 경로는 10170가지의 바둑 상태가 수순에 따라 복될 수 있

으며,바둑의 규칙 등을 고려 약 10360가지의 경우의 수가 존재

*빈 바둑 에 첫 수부터 마지막 수까지 총 361!경우가 존재하지만,착수 지

등 바둑 규칙 등을 고려 경우의 수가 약 250개이고 바둑의 게임의 평균 수는

150수 정도로 총 경우의 수는 250150≈10360 개가 재

- 7 -

<바둑 의 상태와 경우의수 >

*출처 :구 딥마인드 홈페이지 (https://www.deepmind.com/),AlphaGo의 인공지능 알고리

즘 분석 (소 트정책연구소 이슈리포트,2016-002호)

□ 알 고는 기존 인공지능 학습 방법의 한계를 뛰어넘는 딥러닝

(DeepLearning)방법을 통해 바둑 기보(棋譜)3,000만개를 기

로 하루에 3만번씩 국을 진행하여 학습을 진행

◦ 기존의 머신러닝은 데이터가 포함한 내용의 ‘특징’을 악하거나 오류

가 발생했을 때 스스로 고치는 데에는 한계가 발생

*일반 으로 컴퓨터는 사진만을 놓고는 고양이와 개를 구분하지 못함.사람

이 개와 고양이의 특징을 입력해야 컴퓨터가 분류 가능

<사람과 컴퓨터의 고양이 구분 차이 >

*출처 :정보통신산업진흥원 부설 소 트웨어공학센터(nipa,http://www.sw-eng.kr/)

- 8 -

◦ 이런 한계를 해결화기 해 고안된 것이 딥러닝이고,이 방법은 머신

러닝의 한 분야로 축 된 빅데이터를 활용해 컴퓨터가 시행착오와 실

수를 반복하면서 스스로 해결능력을 향상시킴

*인공지능이 개를 고양이로 착각했다면 왜 착각했는지를 스스로 찾아 학습

한 뒤 다음부터는 같은 실수를 반복하지 않음.구 은 2012년 1000 의 컴

퓨터로 1000만 개의 유튜 이미지를 딥러닝으로 컴퓨터에게 학습시켜 사

람과 고양이의 구분에 성공

<딥러닝 기술로 고양이 이미지 구분 >

*출처:www.lunametrics.com

2) 알파고의 원리 인공지능의 재조명

1. 알파고의 구조 원리

□ 알 고는 단일 컴퓨터 버 (single)과 분산 컴퓨터 버 (distributed)으

로 구 되었고 비용 비 최 의 성능을 나타낸 환경은 아래와 같음

구분 탐색쓰 드 CPUs GPUs Elorating

단일(single) 40 48 8 2890

분산(distributed) 40 1202 176 3140

<알 고의 구조 >

- 9 -

◦ 탐색쓰 드는 개수만큼 바둑의 경기 경로를 탐색,CPU는 한 개당 1

에 1000회 이상의 시뮬 이션 수행,GPU는 딥러닝을 사용하여 바

둑 상태의 승률과 다음 착수 측 역할

◦ Elorating은 체스,바둑 등과 같은 보드게임에서 이어들의 실력

을 상 으로 나타내는 수치로 기존 인공지능 로그램과 결하여

산출되었고,알 고는 월등히 높은 수치를 기록

*알 고의 성능을 추정하기 하여 5개의 기존 바둑 로그램과 495경기를 수행

한 결과 알 고가 총 494번 승리(승률 99.8%),분산 알 고는 100%승리

로그램 CPU GPU EloRating

분산 알 고 1202 176 3140알 고 48 8 2890CrazyStone 32 - 1929Zen 8 - 1888Pachi 16 - 1298Fuego 16 - 1148GnuGo 1 - 431

<알 고와 상용 바둑 로그램 성능 비교 >

*출처 :미래창조과학부 지능정보기술(AI)과 바둑 사이트(http://aibaduk.kr/)

□ 알 고가 다른 인공지능 바둑 로그램과 구별되는 차별성은

문 바둑기사들의 패턴을 학습하여 발 하는 딥러닝을 활용한

◦ 알 고의 딥러닝은 크게 두가지의 신경망으로 구성되는데,하나는 바

둑기사의 착수를 학습하는 ‘정책망’이고 다른 하나는 국지 인 패턴

인식을 통한 승산 단을 하는 ‘가치망’

*출처 :조선일보 기사 “인간 '이세돌'과 인공지능 '알 고',승자는 가 될 것인가”(http://news.chosun.com/site/data/html_dir/2016/03/08/2016030801093.html)

- 10 -

2. 인공지능 러닝 로 소생

□ 인공지능 연구는 새로운 이론이 등장하면서 활발히 진행되다가

한계에 착하여 연구의 열기가 갑자기 식는 패턴을 반복하 지

만,최근 딥러닝(DeepLearning)이 등장하면서 머신러닝(Machine

Learning)을 통한 인공지능 연구는 획기 인 환 을 맞이함

<인공지능의 역사 >

*출처 :조선일보 기수 “인간 '이세돌'과 인공지능 '알 고',승자는 가 될 것인가”(http://news.chosun.com/site/data/html_dir/2016/03/08/2016030801093.html)

◦ 1950년 후반부터 1960년 까지 컴퓨터로 특정 문제를 푸는 연

구가 활발하게 일어났지만,복잡한 실의 문제 용에 한계에

부딪치며 1970년 인공지능 연구에 냉각기를 맞음

◦ 1980년 어들며 컴퓨터에 지식과 정보를 학습시키는 머신러닝 연

구가 이루어지며 다시 환 을 만들지만,인간의 경험이 집약된 상

식 인 지식을 컴퓨터가 직 으로 악하는데 한계가 발생

◦ 1990년 후반부터 인터넷에 데이터가 폭발 으로 증가하자 이러한

지식을 기반으로 컴퓨터가 학습하는 머신러닝의 발달이 이루어짐.

인간의 뇌 신경망 회로를 흉내내는 ‘인공신경망’연구가 머신러닝의

발 에 큰 힘을 실어

*머신러닝 :인공지능의 한 분야로,데이터를 바탕으로 반복해서 기계가 학습할

수 있도록 하는 알고리즘과 기술을 개발하는 분야입니다.즉,데이터를 분석하여

숨겨진 특성인 ‘패턴’을 발견해 학습 모델을 구축하고 추론하는 기술이자,더 나

- 11 -

아가 경험으로부터 습득한 지식을 기반으로 스스로 성능을 향상시키는 과학

<머신러닝 모델 >

*출처 :SPRi소 트웨어정책연구소 홈페이지(http://spri.kr)

◦ 하지만 인공지능이 데이터가 포함하는 내용의 ‘특징’을 악하는 능력

에는 한계를 보이면서 복잡한 문제 해결에는 격히 성능이 하됨.

이로 인해 인공지능 연구에 암흑기가 찾아오고 많은 인공지능 연구자

들이 타 분야로 향

◦ 2000년 토론토 학의 제 리 힌튼(GeoffreyHinton)교수가 의

한계를 뛰어넘는 ‘딥러닝(DeepLearning)’방법을 제시하며 인공지능

연구 분야에서 획기 인 환 을 마련

*딥러닝 :인공신경망에 기반을 둔 머신러닝의 한 방법으로 기존의 머신러닝과 가

장 다른 은 컴퓨터가 스스로 특징(변수)를 만들어낸다는 과,사람이 모든

단 기 을 정해주지 않아도 컴퓨터가 스스로 인지·추론·단하는

<신경망 학습 알고리즘 >

*출처 :SPRi소 트웨어정책연구소 홈페이지(http://spri.kr)

- 12 -

□ 딥러닝은 컴퓨터가 여러 데이터를 이용해 사람처럼 스스로 학습할

수 있게 하기 해 뉴럴 네트워크(neuralnetwork)라고 불리는 인공

신경망을 기반으로 한 기계학습 기술로 머신러닝의 한 분야

◦ 인간의 두뇌가 수많은 데이터 속에서 패턴을 발견한 뒤 사물을 구분하

는 정보처리 방식으로 모방하여 딥러닝은 인공신경망 이론을 기반으로

복잡한 비선형 문제를 기계가 스스로 학습하고 해결함

◦ 딥러닝의 이론 인 배경인 인공신경망은 1940년 부터 존재하 으나

신경망을 다층 구조로 설계하 을 때 학습이 잘 되지 않는 문제와 쉽

지 않은 최 화 등의 한계로 연구에 침체기를 겪음

□ 2006년 토론토 학의 제 리 힌튼(GeoffreyHinton)교수가 이

문제들을 데이터의 처리과정을 통해 크게 해결할 수 있음을 밝

히면서 다층신경망에서 잘 작동하는 학습 방법인 ‘딥러닝’이 등장

*제 리 힌튼 교수는 논문을 통해 인공신경망의 각 층들을 먼 비지도학습

방법을 통해 잘 손질해주고,그 게 처리한 데이터를 여러 층 쌓아올려

인공신경망 최 화를 수행하면 엉뚱한 오류 없이 훌륭한 결과를 만들어

낼 수 있다는 것을 보임

<제 리 힌튼(GeoffreyHinton)교수 >

*출처:토론토 학

- 13 -

3. 인공지능과 빅데이터의 만남

□ 빅데이터는 인공지능을 화려하게 부활하게 만든 결정 인 요인

하나로,최근 빅데이터의 등장으로 인공지능은 학습에 필요한

데이터가 충분히 확보되고,고성능 병렬 컴퓨 의 활용이 가능

□ 빅데이터의 발 과 함께 인공지능도 날개를 달아 엄청난 속도로

성장하고 있으며 문가들은 이러한 추세가 계속될 것이라 망

<빅데이터와 인공지능 시장 망 >

*출처 :ICD,EU,“MarketReport”2013

□ 최근 알 고의 사례처럼 기존에 인간만이 가능했던 인지,학습,

추론 등 고차원 정보처리 능력을 ICT를 활용하여 구 하는 기

술이 각 을 받고 있고,이런 기술을 인공지능 소 트웨어(SW)로

표되는 '지능'에 빅 데이터,사물인터넷(IoT),클라우드 등의 ‘정

보’를 결합하여 지능정보기술이라 불리고 있음

<지능정보기술 개념 >

*출처 :미래창조과학부 지능정보기술(AI)과 바둑 사이트(http://aibaduk.kr/)

- 14 -

□ 이런 지능정보기술의 등장과 발달로 인해 데이터 수집,분석 문가,

인공지능 SW 개발자,가상 실 설계 등 새로운 직업이 생겨나고 기존

에 사람들이 수행하던 역할들을 상당부분 지능정보기술이 체하는

제4차 산업 명(제2차 정보 명)도래할 수 있음

<4차 산업 명(2차 정보 명)개념도 >

*출처 :미래창조과학부 블로그(http://blog.naver.com/with_msip)

□ 지능정보기술 시 를 비하여 정부는 2015년 10월 지능정보산업 발

략을 수립했고,인공지능 연구를 해 민간이 주도하는 지능정보

기술연구소를 올해 설립할 계획이며 5년간 총 1조원을 투자할 정

<지능정보기술 연구소 역할 >

*출처 :미래창조과학부 블로그(http://blog.naver.com/with_msip)

- 15 -

3) 국내외 인공지능 동향

1. 인공지능 도국 국

□ 인공지능 기술의 강국으로 많은 사람들이 미국을 생각하지만,

재 미국 기업들의 인공지능 기술은 부분 국의 스타트업 기

업 인수를 통한 것으로 실제 인 인공지능의 선도국은 국

딥마인드 스 트키 에비 테크놀로지 보컬 IQ

데미스 하사비스 존 이놀즈,벤메드록 턴스톨 피되 블 즈 톰슨

< 국 스타트업 기업과 창업자들 >

◦ AlphaGo를 개발한 딥마인드(DeepMind)는 데미스 하사비스(Demis

Hassabis)가 2010년 국 런던에 설립한 인공지능 스타트업 기업이며,

구 은 2014년 딥마인드를 5억 7,000만달러(약 6,700억원)에 인수

*딥마인드 창업자 데미스 허사비스는 1976년생으로,13세에 세계 유소년 체스

회 2 ,15세 때 고교과정을 마치고 임 리지 컴퓨터공학 학사,유니버시티

칼리지런던(UCL)에서 인지신경과학 박사 학 를 받고서 이듬해 딥마인드를 창업

◦ 마이크로소 트(MS)는 상되는 단어를 미리 제시,신속하게 을 작

성할 수 있도록 하는 AI키보드앱을 만든 국의 스타트업 스 트

키(Swiftkey)를 2016년 2억5000만달러(약 3,000억원)에 인수

*스 트키는 2008년 당시 20 던 존 이놀드와 벤 메드로크가 국 임

리지 학에서 공부하던 만나 공동으로 창업한 스타트업 기업

- 16 -

*스 트키의 키보드앱은 100개 언어로 iOS와 안드로이드 등 세계 3억여 의 휴

화에 설치돼 있으며,유명 천재물리학자인 스티 호킹 박사가 탄 휠체어의

컴퓨터에도 설치된 것으로 알려짐

◦ 미국 최 자상거래업체 아마존은 사용자와 언어소통이 가능한 인

공지능 기술을 개발하는 국 임 리지 소재 AI스타트업 에비 테

크놀로지(EviTechnologies)를 2012년 2,600만달러(약 300억원)에 인수

◦ 애 은 시리(Siri)의 성능을 높이기 해 2015년 음성인식 AI기술을

보유하고 있는 보컬IQ(VocalIQ)를 인수,보컬IQ는 국 캠 리지

학교의 스타트업으로 머신러닝과 인공지능 문가들이 창업

인수주체 인수 상 인수액(달러) 인수시기

구 딥마인드 5억 7000만 2014년

마이크로소 트 스 트키 2얼 5000만 2016년 2월

아마존 에비 테크놀로지 2600만 2012년

애 보컬IQ 미공개 2015년 10월

< 로벌 기업들의 국 스타트업 인수 황 >

*출처 :서울신문 기사 ‘“제2의 박 딥마인드 찾아라”…IT공룡들, 국서 보물찾기 ’(http://www.seoul.co.kr/news/newsView.php?id=20160316006008)

□ 문가들은 이처럼 국이 인공지능 기술의 강국과 스타트업의 허

로 자리잡은 이유를 잘 발달된 AI스타트업 생태계와 미래변화에

선제 응한 국 정부의 정책 덕분이라고 분석

◦ 국은 AI가 인간과 경쟁하는 시 가 올 때 가장 유용하게 쓰일 능력

으로 꼽히는 '코딩 교육'도 선도,코딩은 2014년부터 어,수학,과학

과 같이 모든 · ·고교생이 배워야 하는 필수 과목으로 지정

◦ 삼성경제연구소는 국의 인공지능 발 요인으로 “ 국의 학업과 창

업을 병행할 수 있는 교육환경”,“정부조성 창업 클러스터와 테크시

티”,“기 공학에 한 장기 이고 지속 인 투자”등을 비결로 분석

◦ 한계에 착해 있던 인공지능 기술의 활로를 개척한 딥러닝의 부

제 리 힌튼 토론토 학 교수도 국인이라는 사실은 국이 세계

인공지능의 기술에 많은 향을 끼쳤다는 것을 보여

- 17 -

2. 해외 동향 및 사

□ 구 은 AlphaGo의 바둑 다음 목표로 스타크래 트를 지목했고,

2015년 11월 오 소스 기반의 인공신경망 알고리즘인 텐서 로우

(Tensorflow)를 공개

◦ 텐서 로는 얼굴 인식이 가능한 '구 포토'등 구 의 핵심 서비스들

에 쓰이는 제2세 기계학습 즉 머신러닝 시스템

◦ 이썬(Python),C/C++환경을 지원하고 범용성과 속도,용이성과 확

장성을 갖추었고 무료 사용 로젝트에 자유로이 참여해 수정할

수 있음

□ IBM은 인공지능형 슈퍼컴퓨터 왓슨을 활용한 서비스 확 를

해 2000명 이상 문가로 구성된 컨설 기 을 설립하 으며,

의료 왓슨으로 상업화를 진행

◦ IBM 왓슨(Watson)은 이미 2011년 미국의 인기 퀴즈쇼 ‘제퍼디’에서

승리한 바 있음

◦ 최근 WatsonDiscoveryAdvisor를 발표하며 수백만 건의 과학논문

산업분야에 한 조사와 분석을 통해 연구결과의 진 가속화

◦ 존슨앤존슨(Johnson& Johnson),뉴욕유 자센터(New YorkGenome

Center),베일러의과 학(BaylorCollegeofMedicine)등 헬스 어

련 여러 기업 기 들과 제휴

□ MS는 음석인식을 하는 인공지능 개인비서 코타나,스카이

(Skype)에서 실시간 언어 번역,이미지 내의 물체를 인식하는

신 인 화상인식 기술인 아담 로젝트를 진행

◦ 음성인식 비서인 코타나(Cortana) 도우10에 탑재 되어 있어 음성으

로 명령을 내려 여러가지 작업을 자동으로 실행하거나 검색등을 할

수 있지만 아직 외국어로 사용해야 사용이 가능

- 18 -

□ 페이스북의 인공지능 기술은 사용자가 공유하는 컨텐츠의 의미를

이해하는 것에 을 두고 사람의 얼굴을 97.25%의 정확도로

알아내는 딥 페이스(DeepFace)개발 인공지능 분석 서버(Big

Sur)공개

◦ 사진속의 사물과 인물을 구별하고 내용을 인식,뉴스피드 내용 필터

링,자동텍스트번역,음성인식 등을 수행하는 인공지능 기술 보유

◦ 2015년 1월 GPU에 특화된 오 소스의 딥러닝 모듈인 토치(Torch)를 공개

□ 애 은 음성인식 인공지능 련 업체를 인수하며,인공지능

화 기능 향상에 주력하고 있으며,향후 자동차 사물인터넷

련 사업을 비

◦ 지난 2011년 출시한 음성인식 시리(Siri)의 인공지능을 강화하는 기술

을 개발 이고,음성인식 기반의 통합 인터페이스를 통해 사물인터

넷(IoT)와 스마트카(자율주행 자동차)에 활용

□ 국의 최 포털기업인 바이두는 AI에 3억불을 투자하고 미국

에 인공지능 연구소를 설립하여 ‘바이두 인’등 인공지능 기술

개발에 극 으로 추진

< 로벌 기업들의 인공지능 개발 투자 황 >

*출처 :2015ICTSpotIssue(IIPT정보통신기술진흥센터,2015-10)

- 19 -

3. 국내 동향 및 사

□ 국내는 일부 IT기업 연구소를 심으로 인공지능 기술개발이

진행 이지만 해외 비 수 과 규모가 미약하고,이미 국과

미국 등 선진국과의 격차가 많이 벌어진 상태

◦ 지난 5년간 소 트웨어 투자액 6,053억원 데이터베이스와 인공지능

련 투자는 3%에 불과하고,인공지능 컴퓨 수 도 미국기 (100 )

73.1 에 불과(한국산업기술평가 리원 2013년 조사)

◦ 특허청에 따르면 지난 10년간(2006~2015년)인공지능 련 특허건수

는 미국은 2만4,054건,일본은 4208건이지만 국내에 출원된 인공지능

과 연된 특허건수는 총 2,638건에 그치고 있고 차 감소 추세

<인공지능 기술 분야의 국가별 특허 출원 동향 >

*출처 :통계청 보도자료(한국 인공지능(AI),특허 경쟁력 확보 서둘러야!,2016.3.21.)

*15년 통계는 특허문헌 미공개로 인하여 비유효기간임

□ 미래창조과학부는 세계 최고의 인공지능 기술 선도라는 비 을

달성하고자 SW분야의 그랜드 챌린지 사업 ‘엑소 인 SW’와

이미지/동 상을 분석 이해하는 ‘딥뷰’를 추진

◦ SW분야 그랜드챌린지 사업은 진입장벽·불확실성 등으로 인해 기업의

자체 개발이 어려운 FirstMover형 SW기술 확보를 해 총 10년 간

3단계(원천기술 개발 → 응용기술 개발 → 로벌기술 개발)로 추진

- 20 -

<SW분야 그랜드 챌린지 사업 추진단계 >

*출처 :엑소 인 홈페이지(http://exobrain.kr)

◦ 엑소 인(Exobrain)은 “내 몸 바깥에 있는 인공 두뇌(外腦)”라는 뜻

으로 기계가 언어의 의미를 이해하고,텍스트 빅데이터로부터 지식을

학습하고 생산하며,여러 문장으로 기술된 질문에 해 정답을 제공

할 수 있는 자연어 질의응답 기술 개발을 목표로 연구개발을 추진

<엑소 인 SW의 인공지능 기술 >

*출처 :엑소 인 홈페이지(http://exobrain.kr)

◦ 딥뷰(DeepView)는 규모 이미지와 동 상을 분석하여 내용 이해

상황 측을 실시간으로 수행하는 규모 시각 빅데이터 분석 측

SW로 ‘규모 이미지/동 상의 사물과 행동 이해 기술‘,’역 객체

추 기술‘,’시각지능 고도화를 한 새로운 딥러닝 알고리즘‘,’이상

상황 측을 한 비행 상 기반의 차량 검출 기술‘등을 개발

- 21 -

<딥뷰의 이미지/동 상의 사물과 행동이해 기술 >

*출처 :미래창조과학부 지능정보기술(AI)과 바둑 사이트(http://aibaduk.kr/)

□ 한국 자통신연구원(ETRI)는 재 4개 국어간(한국어↔ 어/ 국

어/일본어)자동통역이 가능한 SW 지니톡을 2018년 평창 동계올

림픽 지원을 하여 확 기술 개발할 정

<자동 통역기술 개요 >

*출처 :미래창조과학부 지능정보기술(AI)과 바둑 사이트(http://aibaduk.kr/)

- 22 -

□ 민간에서는 로 ,자율주행자동차,드론,인공지능SW,인공지능

응용,빅데이터 등 다양한 인공지능 분야에 기술개발이 이루어지

고 있지만 아직은 시작 단계임

◦ 네이버(음성인식 검색,사진분류),엔씨소 트(인공지능 기반 게임개발),다음

카카오(여행지 추천서비스,즉답검색서비스)등에서 인공지능 연구 개발을

진행

◦ 학 연구소는 KAIST와 ETRI를 심으로 인공지능 R&D 진행

이고 루닛(KAIST),솔트룩스(엑소 인 참여),디오텍(의료 련)등과 같은 업

체가 정부 R&D과제를 통해 연구 제품 개발 진행

4) 인공지능의 분야 용 황 및 시사

1. 분야 용 황

□ 머신러닝의 알고리즘은 최근 물 리 분야에서도 다양하게 사용

되어 지고 있으며,주로 측 분류에 문제를 해결하는데 활용

◦ 수자원 분야에서는 강우,유출,물수요,수 ,수질(조류)등 다양한 수

문변량 측을 한 모형으로 활용되고,이와 더불어 강우 패턴분류,

토지피복도 분류, 성정보자료의 분류 등 복잡한 수문계의 패턴을

인지하는데 활용되고 있음

◦ 수도 분야에서는 망시스템 수분석,수용가 사용량 측,정수장

운 ,상수도시스템 이상여부 감시,상수도시스템 탁도 측 모형 등

에 연구개발이 이루어지고 있으며,데이터를 활용하여 정상 인 운

에 벗어난 이상상태의 단 감시에 활용되고 있음

□ 최근 물 리에 빅데이터와 IoT센서기술을 목한 SWM(Smart

WaterManagement)기술이 주목을 받고 있고,K-water에서는

- 23 -

물 리에 정보통신기술(ICT)을 융합한 차세 지능형 물 리 체

계인 SWMI(SmartWaterManagementInitiative)제시함

□ 하지만 재 물 리 분야에서의 인공지능 기술 용은 딥러닝 이

의 기술에 그치고 있음

◦ ‘딥러닝’기술은 사람이 모든 단 기 을 정해주지 않아도 컴퓨터가

스스로 인지․추론․ 단하고 오류를 해결하여 학습

2. 우리나라의 인공지능과 분야 용 시사

□ 인공지능 강국이 되기 해서는 기 공학에 한 장기 이고 지

속 인 투자와 체계 인 창업 시스템 구축이 필요

◦ 삼성경제연구소는 국이 AI강국이 된 성공의 건은 지 당장 활

용할 수 있는 기술개발이 아니라,기 공학에 한 장기 이고 지속

인 투자와 교육부터 창업까지 체계 인 시스템 구축"이라고 강조

◦ 국의 인공지능이 하루아침에 이 진 것이 아님을 기억하고 장기 인

계획과 책을 수립이 필요

□ 해외에서 많은 성공 사례들이 나타나는 것과 조 으로 우리나

라에서는 아직 딥러닝 련 인공지능의 연구와 산업화가 활성화

되지 못하고 있는데,가장 큰 원인은 딥러닝에 정통한 문가들

의 부족때문

◦ 2000년 까지 인공지능 기계학습 기술의 실용화 수 과 거리가 많았

고 기업,정부, 의 심을 별로 받지 못했으며 연구 지원도 었

다.그러자 기계학습 분야의 많은 연구자들이 타 분야로 이동하 다.

◦ 2013년 이후 딥러닝의 출 에 의해 인공지능과 딥러닝 분야가 부흥하

면서 갑자기 기계학습 문가들의 수요가 증

- 24 -

□ SCI를 심으로 연구결과를 발표하고 평가받는 사회 환경을 성

능 컨테스트,학술 회의 우수한 결과를 주목하는 환경으로 조성

◦ 해외에서는 성능 컨테스트에서 상 권에 진입하거나 학술 회에서 우

수한 결과를 발표할 경우 높게 평가 받을 수 있도록 제도 ,사회

환경이 형성

◦ 우리나라는 SCI를 심으로 연구결과를 발표하기 때문에 연구에서 게

재까지 많은 시간이 소요되어 인공지능 기술의 빠른 발 속도를 따

라가기 어려움

□ 인공지능 경쟁력 확보를 해 국가에서 정책 으로 인공지능 기술

발 산업화에 한 큰 그림을 구상하고 체계 인 추진이 필요

◦ 기계학습은 복잡하고 생소하여 일반인들이 이해하기는 쉽지 않은 기

술이지만 응용범 가 범 하고 사회 ,경제 향력이 큼

◦ 앞으로 효과 으로 응하지 못할 경우 산업 반에 있어서 세계 추

세를 따라가지 못하고 경쟁력을 잃어버릴 가능성이 있음

□ 물분야에 선진 인공지능 기술의 실제 인 용과 응용을 해서

는 지속 인 연구개발과 타 분야와의 융합이 요.

◦ 우선 으로 우리나라의 인공지능 기술발달이 필수 이지만 물

리 문가들도 인공지능 기술에 한 이해도를 높여야함

◦ 한 인공지능 문가들과의 소통을 통해 물 리에 인공지능

용 방안에 한 논의가 시작되어야 함

- 25 -

< 참고 헌 >

1.한국정보화진흥원(2015.12),2015년 빅데이터산업 10 뉴스 이슈

2.한국정보화진흥원(2016.3),2016 로벌 빅데이터 융합 사례집

3.KT경제경 연구소(2016.3.9.),인공지능(A.I.),완생이 되다,디지에코 보고서

4.소 트웨어정책연구소(2016.3.9.),AlphaGo의 인공지능 알고리즘 분석,SPRi

IssueReport

5.한국 자통신연구원(2014),빅데이터 지식처리 인공지능 기술동향,소 트웨어

기술동향 특집

6.박노석 등(2016.2.23.),데이터마이닝 기법을 이용한 상수도 시스템 내의 탁도

측모형 개발에 한 연구, 한환경공학회지 제38권 2호

7.김주환 등(2012),상수도 수요량 패턴분석을 통한 수감지 모형,한국수자원

학회 2012년 학술 회

8.국립환경과학원(2011),인공신경망 기법을 이용한 조류발생 조기 측기법 연구,물

환경연구부 수질통합 리센터

9.최장진 등(2013),홍수 경보를 한 DataMining기법의 연구,한국방재학회

2013년 학술 회

10.D.Vriesetal.(2016),Application ofmachine learning techniquesto

predictanomaliesinwatersupplynetworks

11.OMICSGroup(2015.12),ApplicationofArtificialIntelligenceMethodsfor

GroundwaterQualityPrediction

12.ZhengYiWuetal.(2015),Applicationsofdeeplearningforsmartwater

networks,ELSEVIER

13.A.EjahUmraeniSalam etal.(2014),ON-LINEMONITORING SYSTEM OF

WATERLEAKAGEDETECTION IN PIPENETWORKSWITH ARTIFICIAL

INTELLIGENCE,ARPN JournalofEngineeringandAppliedSciences

14.Stephen R. Mounce et al.(2006), DEVELOPMENT OF ARTIFICIAL

INTELLIGENCESYSTEMSFORANALYSISOFWATERSUPPLYSYSTEM

DATA,WaterDistributionSystemsAnalysisSymposium 2006

15.A.Pintoetal.(2009),Optimizingwatertreatmentsystemsusingartificial

intelligencebasedtools,WITPress

- 26 -

<신문기사>

이투데이,2016.3.9“'인류 표'이세돌 vs'인공 지능'알 고,내일 첫 … 세

기의 결 세계 '심'↑”

http://www.etoday.co.kr/news/section/newsview.php?idxno=1299549

조선일보,2016.3.9“인간 '이세돌'과 인공지능 '알 고',승자는 가 될 것인가”

http://news.chosun.com/site/data/html_dir/2016/03/08/2016030801093.html

서울신문,2016.3.16 ““제2의 박 딥마인드 찾아라”…IT공룡들, 국서 보물찾기“

http://www.seoul.co.kr/news/newsView.php?id=20160316006008

슬로우뉴스,2015.5.29.“쉽게 풀어쓴 딥 러닝의 거의 모든 것”

http://slownews.kr/41461

IT뉴스,2015.12.3.,“페이스북 인공지능 ‘머신러닝’‘딥러닝’의 재와 미래”

http://www.itnews.or.kr/?p=16848

<사이트>

구 딥마인드 홈페이지 :https://www.deepmind.com

소 트웨어공학센터 홈페이지 :http://www.sw-eng.kr

미래창조과학부 지능정보기술(AI)과 바둑 홈페이지 :http://aibaduk.kr/

SPRi소 트웨어정책연구소 홈페이지 :http://spri.kr

미래창조과학부 블로그 :http://blog.naver.com/with_msip

엑소 인 홈페이지 :http://exobrain.kr