[기고] Cognitive AI 시스템 기술 동향 및 시장성 분석

[글=박세환 Ph.D.]
      ㈜기술법인 엔펌(ENF) 전문위원(Chief Consultant)
      한국산업기술진흥협회-ReSEAT프로그램 전문위원
      한국CCTV연구소(KCI) 영상보안CCTV산업발전연구회 회장
      용인시정연구원 비상임연구위원
      한국과학창의재단 전문가형과학기술분야진로컨설턴트
      한국기술교육대학교 창업지원센터 자문위원
      한국생산기술연구원 국가청정지원센터 클린팩토리구축진단전문가
      국가과학기술인력개발원 멘토링사업_멘토

AI(인공지능) 기반의 인지 시스템 기술을 이용한 데이터 보호 및 분석 등이 주목받고 있다. 거의 모든 기업용 애플리케이션에 도입이 확산되고 있는 인지 및 AI 시스템의 시장성, 고속 병렬 연산 능력, 학습된 알고리즘 등이 중요한 이슈로 부각되고 있다. 이번 호에서는 AI 기반의 인지 시스템 기술이 결합된 데이터 보호 및 분석 등 기술 동향과 이러한 조사 분석 정보를 토대로 AI 반도체 등 AI 관련 시장성 분석 정보를 제시한다.

인지(Cognitive) 시스템과 결합하는 AI 기술

AI 기술은 사물인터넷(IoT), 빅데이터 분석 기술 및 클라우드 컴퓨팅 기술 등과 함께 ICT 산업의 패러다임을 주도하고 있다. 이에 AI 기술을 적용한 제품(솔루션, 플랫폼, SW 등) 주도권 경쟁에서 탈락한 국가(기업)들은 선도국의 기술 종속에서 벗어나기 어려울 것으로 예상된다. 특히 AI 기술이 집약된 인지 시스템과 AI 반도체 기술 자립은 매우 중요하게 포지셔닝 되고 있다. 따라서 세계 최고 수준의 국내 ICT 인프라와 국내 기술력을 적극 활용해 인지 기술 기반의 AI 핵심기술을 상용화하는데 주력할 필요가 있다.

아울러 AI 선도국(미국, 유럽, 일본 등)과의 기술 격차를 좁혀 성공적인 기술 사업화를 통해 산업 기반을 조성하는 것이 중요하다. 컴퓨팅 프로그래밍 기술이 데이터와 프로그램으로 결과물을 도출했던 환경에서 머신러닝 및 딥러닝 등 AI를 활용해 데이터와 결과물을 기반으로 비즈니스 모델을 도출하는 단계로 발전하고 있다. 이러한 지식 추론 능력은 인간 행동에 대한 전체론적인 관점에서는 데이터 프라이버시 문제가 있다. 데이터는 애플리케이션을 구동하는 기능을 갖고 있으며, 거의 모든 데이터는 기록, 수집, 분석할 수 있기 때문이다. 이러한 문제점은 AI 기술 발전 못지않게 심도 깊은 논의를 통해 해결할 필요가 있다.

Cognitive AI 시스템 기술 동향

IoT, 클라우드, 빅데이터 기술 등은 편리성과 효율성을 제공하고 있는 반면, 정보보호 위협 요인도 대두되고 있다. 특히, 다양한 사이버 공격이 증가하고 공격 기법이 고도화되면서 실시간성으로 능동적 대응이 가능한 AI 기반의 인지 시스템 기술이 결합된 정보보호 연구가 활발하다. 인지 시스템은 고부가가치의 대용량 정보와 자동화 기능을 갖추고 있어 높은 잠재력과 함께 다양한 분야에 활용되고 있다. 인지 시스템을 통해 데이터를 보호하고 나아가 사이버 공격에 효과적으로 대응하기 위해서는 해커들이 활용하는 고도의 침투 기법을 탐지하는 것이 중요하다.

인지 시스템을 통한 네트워크 및 시스템 공격에 대응하는 데 있어 우선적인 절차는 초기 네트워크와 시스템 침투가 인적 실수인지, 불합리한 네트워크 설계 요인 때문인지 등을 디지털 포렌식(Digital Forensics)을 기반으로 밝혀내는 것이 필요하다. 디지털 포렌식에 사용되는 데이터의 효과적인 분석은 증거 수집 및 보관-증거 복구-증거 분석으로 이어지는 supply chain 전 과정을 통해 저장장치, 파일 시스템, 네트워킹 방식(프로토콜, 토폴로지, 액세스 기법 등) 등에 대한 연구에서부터 시작된다.

특히, 악성코드 등을 이용한 지능적인 사이버 범죄에 대응하기 위해서는 신속한 복구와 아울러 사고 원인을 규명하여 예방책을 마련할 수 있는 가이드라인이 필요하다. 기타 디지털 증거의 법적 요건을 충족할 수 있는 논리적이고 체계화된 수집 절차, 신뢰성을 갖춘 디지털 포렌식 도구, 합리적인 표준 절차 등이 필요하다. 또한 각 절차에 사용되는 도구의 기능적 요구 사항을 수용하고 적합성 테스트를 거쳐 신뢰성을 검증할 필요가 있다.

디지털 자료가 증거로 채택되었다는 것은 진정성과 무결성이 보장되는 증거 능력(admissibility)과 증명력(weight)이 있다는 것을 의미한다. 뱅킹 분야에서는 금융 사기를 감지하여 이를 방지하는 데 이용될 수 있다. 제조업에서는 제품 사양의 빠른 변화에 따른 생산 품질 목표를 구현하는 데 도움이 될 수 있다.

Cognitive AI 기술의 전후방 시장성 분석

소프트웨어 개발자들과 기업들은 거의 모든 기업용 애플리케이션과 프로세스에 Cognitive AI 시스템 도입을 확대하고 있다. 이처럼 Cognitive AI 시스템 기술은 알고리즘과 규칙 기반 논리를 이용하여 데이터 흐름을 인식하고 반응하는 기술을 통해 다양한 산업 분야에서 광범위한 기능의 자동화를 구현하고 있다.

Cognitive AI 시스템 관련 글로벌 시장의 지출 규모는 2015년 172억 1500만 달러에서 연평균 55%의 높은 성장을 지속하여 2019년에는 313억 달러의 대규모 시장을 형성했다. 특히 인지 애플리케이션(cognitive application) 기술 분야는 2019년 기준 134억 달러 규모로 가장 큰 시장 성장을 기록했다. 뱅킹 부문과 소매 및 의료 부문을 포함한 Cognitive AI 시스템 글로벌 시장 규모는 100억 달러를 기록했다.

근래 5년 동안(2016~2020) 전 세계 지역별 Cognitive AI 시스템 시장의 연평균 성장률 추이를 보면 단일 국가로는 일본이 114.9%로 1위, 아시아/태평양 지역이 63.9%로 2위, 라틴아메리카 지역이 56.2%로 3위를 기록했다. 전 세계 지역별로는 평균 63.2%의 매우 높은 시장성장을 기록했다.

2015~2019년 동안 글로벌 시장에서의 Cognitive AI 시스템 세부 기술 분야별 점유율은 머신러닝, 검색, 시각화 등의 인지 애플리케이션과 인지가능 솔루션 등 인지 SW 플랫폼 기술이 40%, 금융 사기 분석 및 조사, 프로그램을 통한 자문과 권고 분야 등 뱅킹 부문이 20%, 소매 및 의료 부문이 10%, 기타 부문이 30%로 나타났다.

AI 반도체 시장성 분석

Cognitive AI 기술의 후방위 시장인 AI 반도체는 고속 병렬 연산 능력과 학습된 알고리즘의 품질이 매우 중요한 이슈로 부각되고 있다. AI 반도체는 인공신경망 연산만 수행할 수 있어 OS를 구동하고 제어할 수 있는 CPU가 별도로 필요하다. 또한 AI 반도체 중 상용화에서 가장 앞서 있는 GPU나 FPGA의 경우 가격이 비싸며 전력 소비가 높아 소형 기기에서 운용은 적절하지 않은 것으로 나타났다. 전통적인 반도체 시장과 비교해 AI 반도체 시장의 특징을 정리하면 다음과 같다.

AI 반도체는 둔화되고 있는 글로벌 반도체 산업의 새로운 성장 동력이 될 수 있을 것으로 기대받고 있다. AI 반도체 글로벌 시장 규모 전망은 시장 조사 기관별로 편차가 큰데, 2021년 AI 반도체 글로벌 시장 규모를 트랙티카는 39억 달러, 가트너는 97억 달러, J.P모건은 260억 달러, UBS는 302억 달러로 예측하고 있다. 이는 AI 반도체 시장에 대한 정의 및 범위가 조사 기관별로 각기 다르고, 현재는 초기 시장 형성 단계로 AI 반도체 시장의 불확실성이 높기 때문인 것으로 판단된다.

2021~2022년경부터는 AI 반도체가 전체 반도체 시장의 약 6% 비중을 차지할 것으로 전망된다. 특히, PC와 스마트폰 시장 성장이 둔화되면서 정체되어 있는 반도체 시장과 비교하면 AI 반도체 시장의 성장 속도가 빨라질 것으로 예상된다. 2021년 글로벌 반도체 시장 규모는 2255억 달러의 초대규모 시장을 형성할 것으로 예상되며, 소자별(아날로그, AI 반도체, DRAM, 마이크로프로세서, NAND 플래시) 비중에서는 AI 반도체가 300억 달러로 13.3%를 점유할 것으로 전망된다.

AI 반도체 기술의 시장 성숙도를 가늠할 수 있는 hype cycle은 GPU-FPGA 가속기-딥러닝 ASIC/ASP-뉴로모픽 순으로 상용화가 진행되고 있는 것으로 나타났다. AI 반도체의 초기 use case는 데이터 센터 서버의 학습 및 추론용으로 이미지 인식, 음성 인식 및 영상 분석 등에 사용될 것으로 예상된다.

대기업들이 서버에 사용할 AI 반도체 도입률은 보급 초기(2017년 이전) 2.5%에서 2017년 13.5로 크게 증가했으며, 2022년 50%를 기점으로 점차 하락해 2026년이면 16%를 기록할 것으로 전망된다.

Cognitive AI 비즈니스 모델 개발 사례

AI 분야의 핵심 기술인 머신러닝과 컴퓨터 비전을 활용한 Cognitive AI 비즈니스 모델이 확산되면서, 이를 통해 프로세스를 개선하고 새로운 모델을 창출하려는 시도가 진행되고 있다. 산업 분야가 전혀 다른 두 기업(금융 서비스 분야의 Capital One, 농업 분야의 John Deere)은 클라우드 기반의 Cognitive AI 플랫폼을 도입해 수십 년간 이어온 노력의 결과를 입증하고 있다.

Capital One은 머신러닝 기술을 활용해 디지털 상품과 서비스 개발을 통해 수백만 고객의 재정 설계를 지원하고 있다. John Deere는 머신러닝 기술을 활용한 Precision Agriculture 솔루션을 통해 농민들이 농기구와 농작물에 대한 정확한 정보를 얻을 수 있도록 지원하고 있다. 이 두 사례의 공통점은 Cognitive AI 플랫폼과 클라우드 플랫폼의 결합으로 기술 혁신을 실현하고 있다는 것이다.

AI 위한 비정형 데이터 처리 기술 발전 필요

전 세계 엔지니어의 50%가 AI 기술의 필요성을 강하게 인식하고 있으나, 실제 현장 적용 사례는 아직은 미미한 상황이다. 특히 자율주행자동차의 센서 및 스마트기기를 통해 수집된 수십억 개의 비정형 데이터(사진 등)와 리소스(엔지니어링 데이터)를 빠르고 정확하게 분석할 수 있는 AI 모델을 개발하는 데많은 기업들이 시행착오를 겪고 있는 것으로 나타났다.

AI를 둘러싼 주변 기술들이 속속 개발되고 관련 제품(솔루션, 플랫폼 등)들이 출시되고 있다. 이들 제품들의 경우 기존의 음성 인식 기능이 일부 향상되었거나, 컴퓨팅 능력이 조금 개선되었다고 해서 AI 성능이 향상되었다고 단정 지을 수는 없는 일이다. 알고리즘 구현 시 발생할 수 있는 오버헤드(overhead)를 줄여도 그래픽 연산 속도가 향상되고, 응답 능력이 개선될 수 있기 때문이다. 이러한 트렌드에 맞추어 기하급수적으로늘어나고 있는 비정형 데이터를 빠르고 쉽게 처리하여 컴퓨팅 툴 및 언어의 성능을 향상시킬 수 있는 핵심 기술을 상용화하는 데 주력할 필요가 있다. 이를 통해 딥러닝 및 머신러닝 기반의 AI 구현도 가속화될 수 있을 것이다.