인공지능(AI)은 이미 우리곁에서 다양한 산업 전반에서 광범위한 영향을 미치고 있다. 다양한 산업 분야에서 인공지능과 딥러닝(DL)이 새로운 가치 창출을 위해 활발하게 활용되기 시작했다.
이러한 다양한 활용에도 불구하고 자신의 산업에 인공지능을 도입하기는 쉽지 않은 현실이다. 많은 엔지니어들이 어떻게 시작해야 할지 어려움을 겪고 있기도 하다. 인공지능 프로젝트 수행을 위해서는 데이터 준비부터, 모델링, 시뮬레이션, 최적화 및 최종배포까지의 전체 워크 플로우를 심도있게 고려하고 추진해야 한다.
매스웍스 애플리케이션 엔지니어 송완빈 과장은 지난 11월 18일(수) 유튜브 라이브 웨비나를 통해, 많은 기업이 AI 개발 워크플로우 진행 시 마주하는 주된 도전과제와 함께 이를 해결하고 인공지능 프로젝트를 성공으로 이끌도록 지원하는 매스웍스 솔루션, 그리고 다양한 산업분야 성공사례를 발표해 주목된다.
제조, 철강, 자동차, 인프라 사업군을 비롯한 다양한 산업 분야에서 인공지능 및 딥러닝을 성공적으로 적용한 국내외 사례들을 알아본다.
AI 프로젝트의 증가와 도입 장애물
최근 3년 내 기업들의 AI 프로젝트 건수는 10배 증가했으며, 이는 기업 대부분의 엔지니어들이 체감할 수 있는 수치다. 그러나, 어려움도 따른다. 시장조사업체 가트너 및 컨설팅업체 맥킨지의 발표에 따르면, 많은 기업이 ‘팀의 AI 스킬’, ‘데이터 품질’ 및 ‘기능적 사일로’를 성공적인 AI 도입의 장애물로 꼽았다.
이에 송완빈 과장은 “인공지능(AI) 프로젝트에서 시스템을 설계하고 구현하는 도메인 전문가들이 AI 및 알고리즘에 대한 전문적 경험이 부족한 것이 현실”이라며, “AI 훈련에 사용되는 데이터 양과 품질에 따라 성공이 좌우된다”고 분석했다. 그는 또한 “AI 프로젝트에서 전체 AI 시스템의 각기 다른 구성요소를 담당하는 여러 부서 사이의 협업이 부족하기 때문에 성공적인 AI 시스템 구축을 위해서는 이러한 부서 간 사일로를 제거해야 할 필요가 있다”고 강조했다.
AI 개발 워크플로우와 AI 프로젝트에 매스웍스 솔루션을 사용해야 하는 이유
AI 기반 시스템 설계를 위해 엔지니어는 ▲ 데이터 준비 ▲ AI 모델링 ▲ 시스템에 대한 시뮬레이션 및 테스트 ▲ 최종 배포 단계를 고려해야 한다. 각각의 단계에 해당하는 중요 고려사항, 그리고 이를 지원하는 매스웍스의 경쟁력은 다음과 같다.
① 데이터 준비
데이터 클렌징 및 전처리 작업을 수반한다. 또한, 데이터 양 부족 시 수행하는 데이터 증강(Augmentation) 및 가짜 데이터 생성 작업을 포함한다. AI 또는 프로그래밍 전문 지식과 경험이 부족한 도메인 전문가라도 전문성과 능력을 발휘하여 AI 프로젝트를 성공적으로 진행할 수 있도록 하이레벨 함수와 도메인 특화 툴을 제공하여 향상된 품질의 데이터 세트를 구축하도록 지원한다.
이러한 도메인 특화 툴에는 데이터에 정답을 달아주는 ‘라벨링’ 작업의 자동화를 위해 이미지, 비디오, 오디오, 신호 데이터 등 다양한 데이터 유형에 최적화된 인터랙티브 UI 기반 라벨링 툴을 제공한다.
② AI 모델링
데이터 유형과 AI 도입목적에 따라 네트워크 구조 및 학습 알고리즘 유형을 결정하여 모델을 설계 및 튜닝하는 작업을 포함하며, 파이썬 및 기타 딥러닝 프레임워크와의 상호운용성을 지원하여 해당 프레임워크의 완료된 작업을 매트랩으로 임포트(import)하여 사용할 수 있도록 한다.
③ 시스팀 시뮬레이션 및 테스트
기존 시스템과 AI 모델의 통합, 시스템 시뮬레이션, 베리피케이션 앤 벨리데이션인(Simulink Verification and Validation)을 위한 테스트가 필요하다. 매스웍스는 AI 모델링 및 시뮬레이션을 위한 단일한 플랫폼을 제공하여 시뮬레이션 및 검증을 통해 전체 시스템 수준의 통합 리스크를 줄이며, 인터랙티브(interactive) 툴로 손쉽게 머신러닝 모델을 학습 및 실험하도록 지원한다.
④ 최종 배포
최종적으로 AI 모델 또는 시스템을 임베디드 타깃, 엔터프라이즈 시스템, 또는 클라우드로 배포할 수 있어야 하며, 매스웍스는 배포 타깃에 최적화된 코드 생성과 엣지 및 클라우드로의 배포를 위한 AI 모델 경량화를 모두 지원한다.
매스웍스 송완빈 과장은 웨비나에서 “이러한 워크플로우의 단계는 단 한 번의 작업만으로 완료되지 않으며, 전체 워크플로우 사이클을 반복적으로 수행하면서 AI 모델 또는 시스템을 향상시켜야 한다”고 설명했다. 이를 위해 워크플로우 각 단계 사이의 사일로를 제거해야 한다는 것이다. 매스웍스는 이러한 워크플로우의 모든 과정을 단일한 통합 환경에서 지원하므로 사일로 문제를 해결해 준다.
매스웍스는 올해 7월 ‘2020년 가트너 피어 인사이트 고객의 선택’ 데이터 사이언스 및 머신러닝 플랫폼 부문에 선정된 바 있다. AI 개발 워크플로우 전 단계를 손쉽게 지원하고 도전과제 해결을 지원하는 경쟁력을 바탕으로 국방항공, 자동차, 통신부터 반도체 및 소프트웨어 및 인터넷에 이르기까지 다양한 산업군에 솔루션을 공급하여 AI 도입을 지원하고 많은 성공사례를 구축했다.
매스웍스는 기업의 AI 프로젝트 기획, PoC 컨셉 증명 단계를 지원하고 빠른 개발을 돕는 예제를 제공하고 있다. 실제로 영상, 신호, 음성, 통신, 텍스트, 라이다 등 다양한 딥러닝 모델 유형 관련 100개 이상 샘플예제를 제공하고 있다. 기업의 엔지니어는 이러한 예제를 스타팅 포인트로 삼아 데이터, 전처리 또는 네트워크 아키텍처를 맞춤형으로 변형하여 적용하면서 모델을 구체화하고 개발 시간을 단축할 수 있을 것이다.
매트랩 깃허브(MATLAB Github)에서 매스웍스코리아 엔지니어에 의해 검증된 데모를 활용하여 AI 프로젝트의 손쉬운 시작에 도움을 받을 수 있다.
전세계 산업분야 성공사례 – ① 머신러닝
일본 타이어 제조회사 브릿지스톤(Bridgestone)의 타이어 마모 탐지, 미국의 디지털 IT 제품 및 솔루션 제공회사 코그니전트(Cognizant)의 고객 이탈률 예측, 미국의 건물 에너지 관리 솔루션 회사 빌딩IQ(BuildingIQ)의 에너지 사용량 분석 및 최적화, 미국 자동차제조업체 BMW의 오버스티어링(Oversteering) 탐지, 일본 자동차제조업체 혼다(Honda)의 플릿(fleet) 데이터 분석 등 여러 분야에서 머신러닝이 적용돼 성과를 도출하고 있다.
전세계 산업분야 성공사례 – ② 딥러닝
딥러닝은 최근 몇 년 사이에 다양한 산업분야로 빠르게 확산되고 있다. 정유회사 쉘(Shell)의 장비 식별, 미국 생명공학 기업 제넨테크(Genentech)의 병리학 분석, 유럽 항공기 제조회사 에어버스(Airbus)의 결함장비 탐지 자동화 및 자동차 부품 제조사 무사시(Musashi)의 비정상 부품 탐지 자동화 등 영상, 신호 및 음성뿐 아니라 3D 데이터에 대한 오브젝트 탐지까지 많은 성공사례가 나오고 있다.
국내 딥러닝 도입 성공사례와 핵심 기술
한국에서도 전세계적인 흐름에 발맞춰 많은 성공사례가 구축되고 있다.
① 현대제철, 철강원료 이미지 분석에 픽셀 기반 딥러닝 기술 적용
현대제철은 매스웍스 솔루션 도입 이전에 분석 엔지니어가 광학 현미경을 통해 철강우너료 이미지를 수동으로 분석했기 때문에 매우 오랜 시간이 소요되고, 서로 다른 분석 엔지니어마다 다른 결과를 도출했다. 이에 철강원료 이미지 분석을 정량화 및 자동화시키고자 매스웍스 솔루션 기반 딥러닝 프로젝트를 진행하기로 결정했으며, 철강원료 이미지의 픽셀 단위 분석을 위해 딥러닝 기법 중 시맨틱 분할 기법을 적용했다.
현대제철은 매트랩에서 비지도 머신러닝 학습으로 라벨링 자동화 알고리즘을 만들고 라벨러(Labelor)로 임포팅(importing)하여 라벨링, 검사, 학습, 학습 결과의 라벨러 반영 사이클을 반복하면서 딥러닝 모델 정확도를 85%까지 개선했다. 또한 라벨링 자동화 알고리즘을 통해 시맨틱 분할 작업 시간의 많은 부분을 차지하는 라벨링 작업 시간을 대폭 단축시켰다.
② 한국건설기술연구원, 하수관 폐수배출 측정 지원하는 딥러닝 모델 개발
한국건설기술연구원은 기존에 영상·비전 기반, 또는 유량계 같은 센서 기반으로 하수관 안의 폐수량을 측정했으나, 불순물, 부식, 또는 높은 탁도로 인한 불안정성으로 인해 정확한 측정이 어려웠다. 이에 매트랩을 통해 시맨틱 분할 기법을 적용하여 영상 픽셀을 기반으로 하수관 안의 폐수의 높이를 정밀하게 측정하는 딥러닝 모델을 개발했다. 해당 딥러닝 모델로 수학적 계산을 통해 폐수 높이를 측정했으며, 수위 감지 비율을 기존의 53%에서 100%로 향상시켰다.
매스웍스는 현대제철과 한국건설기술연구원의 사례에 적용된 시맨틱 분할 기법과 관련해 드래그앤드롭만으로 편리하게 네트워크 아키텍처를 설계하여 해당 기법을 적용한 정확도 높은 이미지 분석 딥러닝 모델을 개발할 수 있도록 돕는다.
③ 선박해양플랜트연구소, 딥러닝 객체 검출 알고리즘 개발하여 드론 기반의 생존자 수색 기술 개발
선박해양플랜트 연구소는 해양 조난자 검출 모델을 딥러닝 객체 탐지 방식으로 개발했다. 해양에서 육안에 의존해 생존자를 수색하고 구조했는데, 보다 효율적이고 정확한 검출을 위해 AI 기반 실시간 생존자 수색솔루션을 개발했다. YOLO 객체 검출 알고리즘을 사용해 AI 기반 실시간 생존자 수색 솔루션을 개발했으며, UDP 통신을 이용해 다른 기존 드론 제어 및 모니터링 앱을 통합함으로써 딥러닝 모델이 드론 영상 데이터를 기반으로 객체와 조난자 여부를 탐지했다. 해당 딥러닝 기반 솔루션은 평균 정밀도를 99%를 달성했으며, 이는 현재 현장 수색을 대체할 수 있을 정도다.
한편, 매스웍스는 손쉬운 빌트인 함수들을 이용하여 원하는 객체 탐지 네트워크 구조를 설계, 수정 및 학습하도록 지원한다.
④ 한국해양과학기술원, 적조 발생을 조기 예측하는 LSTM 딥러닝 모델 개발
한국해양과학기술원은 영상 이외의 타임시리즈 데이터 예측에 많이 사용하는 LSTM 딥러닝 모델을 도입하여 해수면 온도 및 위성에서 얻은 광합성 유효 방사 시퀀스 데이터를 전처리하고, 해당 데이터로 LSTM 네트워크 학습시켜서 약 98%~100% 정확도의 애플리케이션을 개발할 수 있었다.
⑤ 가나자와 공과 대학, 전교생 필수 강좌로 “매트랩 기반 AI(AI with MATLAB)” 강좌 개설
산업 트렌드에 맞춰 대학에서도 학과를 가리지 않고 인공지능 강좌를 도입하고 있는 가운데, 일본 가나자와 공과대학은 매트랩 기반 AI 강좌를 개설하여 학생들이 손쉽게 AI 기술을 습득하도록 지원한다. 매스웍스 솔루션은 직관적인 UI과 광범위한 분야별 라이브러리, 디버깅, 시각화 기능을 제공하기 때문에 컴퓨터 공학 전공자가 아니더라도 AI 개념과 기술을 쉽게 이해할 수 있다.
