[칼럼] 박정수의 일자리와 4차 산업혁명 이야기

◆4차 산업혁명과 미래성장동력 / 데이터 학습은 인공지능(AI) 구현의 기본◆

↑ 박정수 연세대 생명시스템 대학 겸임교수, 대보정보통신(NVIDIA VAD) AI 신사업TFT 장, ICT 융합 네트워크(사) 부회장

값비싼 물건 하나 잘 사서 대대 손손 살아왔던 시대가 빛의 속도보다 빠르게 지나가고 있다. 또 어느고객, 고객 집단, 어느 거래처가 비즈니스 모델이였던 마케팅의 시장분석 기법이 무용지물이 되고 있다. 다시 말해 무엇을 쇼핑하는 (Pipeline Business Model)시대는 점점 사라지고, 사용자 경험(UX Design)을 바탕으로 초연결성을 활용해서 지구촌을 실시간으로 연결,공유의 가치를 추구하는 플렛폼 경영(Platform Business Model)의 시대가 온 것이다. 바로 4차 산업혁명 시대다. 그리고 그 핵심에는 인공지능이 있으며, 그 시작이 데이터 훈련이다.
인공지능(AI, Artificial Intelligence)을 구현하기 위한 과정은 데이터 학습(Data Training)과 데이터 추론(Data Inferencing)으로 구분된다. 학교에서 우리가 지식을 쌓고, 그 지식을 활용해 생각하고, 결론을 도출하고, 의사 결정을 하는 것과 같이 인공지능 구현을 위해서는 데이터 학습(Data Training)을 통해 지식을 쌓게 해야 한다. 우리가 무지한 부분에 대한 배움의 과정이 필요하듯이, 데이터 학습(Data Training) 과정이 없으면, 인공지능을 구현할 수 있는 데이터 추론(Data Inference)도 할 수 없게 된다. 즉, 데이터 학습(Data Training)을 통한 데이터 최적화는 인공지능 구현의 필수불가결한 요소이다.
머신러닝(Machine Learning)은 알고리즘을 이용해 데이터를 분석하고, 분석된 데이터를 학습시키며, 학습된 내용을 기반으로 판단과 예측을 하게 된다. 그러한 궁극적인 목적은 실행시키고자 하는 의사 결정 기준에 사람이 구체적인 지침을 직접 입력하는 것이 아닌 데이터와 알고리즘을 통해 컴퓨터 자체를 학습시켜나가는 것을 말한다. 머신러닝은 여러 분야에서 큰 성과를 내고 있지만, 인공지능(AI)을 구현하기 위해 사람이 직접 코딩 작업을 해야 하는 문제점이 있다. 복잡한 데이터 일수록 더 많은 양의 코딩이 필요하기 때문에 명확하지 않은 데이터 인식차원에서는 한계점이 나타나기 마련이다.

위 그림에서 나타나듯, 로봇이나 지능형 컴퓨터 또는 기계들이 인간의 행동을 데이터 훈련을 통해서 모방하게 하는 모든 기술을 인공지능(AI, Artificial Intelligence)이라고 한다는 것을 알 수 있다. 또한, 머신러닝(Machine Learning)은 인공지능 기술의 한 부분으로써 통계적 방법, 즉 코딩(Coding)을 사용한다는 것과 딥러닝(Deep Learning)은 머신러닝(Machine Learning)의 한 부분으로써 다층의 인공신경망을 활용한다는 것을 알 수 있다. 즉, 인공지능을 구현하기 위해서는 데이터 학습(Data Training)이 필요하다는 것이다.
하지만, 딥러닝(Deep Learning)의 등장은 이러한 한계를 극복할 수 있게 만들고 있다. 딥러닝(Deep Learning)이라는 개념은 인간의 뇌 구조, 특히 뉴런 연결 구조를 바탕으로 만들어진 인공신경망(Deep Neural Network)을 통해 등장했다. 우리가 쉬운 단어 외우기, 간단한 문장 읽기, 쓰기 연습 등으로 언어를 배우기 시작하지만 배우면 배울수록 초급단계에서 중급, 고급에 이르기까지 아무것도 없는 백지상태에서 지속적으로 배워나가면서, 나중에는 선생님의 지도나 가르침이 없어도 스스로 책을 읽거나 글을 쓰는 경험을 갖고 있다. 이처럼, 인간의 뇌는 다양한 지식과 정보를 익히고 축적하는 학습(Training)의 과정과 이를 토대로 새로운 정보에 대한 답을 도출해내는 추론(Inference)의 과정으로 구분된다. 인간의 뉴런을 바탕으로 만들어진 딥러닝(Deep Learning)도 마찬가지이다.

↑ [사진출처 : 엔비디아 블로그]

위 그림을 보면 훈련과정이 없으면 추론의 과정 또한 없다는 것을 보여주고 있다. 또한, 인공신경망(Deep Neural Network)을 바탕으로 학습된 데이터 세트(Training Dataset)를 활용한 추론(Inference)의 과정을 통해서 인공지능(AI)에 구현할 수 있는 최적의 데이터로 새롭게 적용되는 것이 딥러닝(Deep Learning)이라는 것을 알 수 있다.
이와 같이 사람이 여행을 가서 보고 느끼고, 책을 읽으며 정보를 얻고, 학교에 다니면서 학문을 배운 것을 토대로 행동하듯이 기계에 인간의 지능을 구현하는 것을 목적으로 하는 학습(Training)이라는 과정은 인공지능(AI, Artificial Intelligence)의 발전의 가장 중요한 기본(Fundamental)이 된다는 것을 명심해야 한다.
다른 한 편으로 생각해보면, 경영이나 행정분야에서 혁신활동을 시대의 담론으로 강조해 왔다. 즉 변화관리를 통해서 경쟁우위점을 찾아내서 경쟁에서 이겨나가는 지속가능 경영을 주요 핵심 가치로 여겨왔다.
4차 산업혁명시대에 변화관리의 핵심은 지능화와 가상화 기술이다. 다시 말해 그동안 우리가 추구해 온 변화관리와는 근본적으로 속성이 다르다. 그동안 변화관리의 특징은 프로세스(Process Design)적 접근과 목적 지향적인 솔루션 구현이 근간을 형성해 왔다. 그래서 경영의 지속가능성을 하나의 운동처럼 별도로 강조할 수 밖에 없었다. 하지만 지능화와 가상화 기술을 기반으로 전개되는 4차 산업혁명 시대에는 지속가능한 환경을 근간으로 핵심 기술들이 활용되기 때문에 자동화 차원을 뛰어 넘는 자율화(Autonomy) 경영시대가 도래하고 있으며 그러한 밑바탕에는 데이터 훈련이 근본적으로 존재하고 있으며, 그것이 곧 자율화의 초기화이다.