1 / 4
" 기계학습"으로 검색하여,
40 건의 기사가 검색 되었습니다.
-
데이터서비스센터(Competence Center for Scalable Dat"Services : ScaDS) Technische Universität DresdenZentrum für Informationsdiensteund Hochleistungsrechnen01062 DresdenTel: +49 (0)351 463-42331 방문연수독일드레스덴 □ 연수내용◇ 디지털 아젠다 실행을 위한 데이터서비스센터 설립○ 연수단이 방문한 데이터서비스센터는 정보서비스 및 고성능컴퓨팅센터(ZIH : Zentrum für Informationsdienste und Hochleistungsrechnen)의 산하 기관으로서 기능을 수행하고 있다.집중 연구분야는 슈퍼 컴퓨팅과 빅데이터로 자체 연구 뿐만 아니라 응용과학자들이 별도로 있어 그들과의 네트워크 허브역할도 하고 있다.○ 고성능컴퓨팅센터는 학부나 학교의 일부가 아닌 대학 중심기구로 학교 네트워크, 교내 이메일 등 대학을 위한 모든 IT서비스를 제공하고 있다.과학자를 위해서 슈퍼컴퓨팅, 빅데이터 등 높은 수준의 서비스와 지원하고, 컴퓨터 과학 및 다양한 과학응용 분야의 연구 주제 및 재정지원을 받는 연구프로젝트를 진행하고 있다.○ 데이터서비스센터는 교육연구부가 빅데이터 및 IT보안 분야에서 새롭게 추진하는 정책으로 센터를 통한 연구 활동이 독일의 디지털 아젠다 실행에 기여할 것으로 기대하고 있다.○ 데이터서비스센터는 △드레스덴 공과대학 △라이프치히대학 △막스플랑크 세포생물학 유전자연구소 △라이프니츠 생태 공간개발연구소 등이 컨소시엄으로 운영하고 있으며, 약 155명이 파트별로 근무하고 있다. 슈퍼 컴퓨팅은 기업들과 협업을 진행하기도 하는데 현재는 인텔, 엔비디아와 협업 중에 있다.◇ 데이터 접목과 협업을 통한 기술개발○ 과학분야에서 문제 제기되고 있는 방대한 데이터의 양을 처리하기 위해 데이터서비스센터의 연구 프로젝트가 시작되었다. 응용과학자들은 데이터가 어떻게 활용될 것인지를 고민하고 활용도에 따라 어떻게 데이터 분석 및 인프라 구축을 해야 할지를 생각한다. 개별적 지식뿐만 아니라 어떤 방식으로 기술과 연결할 수 있는지를 연구하고 있다.○ 고성능컴퓨팅센터의 연구 프로젝트는 △응용학문 분야 △기술분야 △통계분석의 총 3개 영역으로 구분된다. 데이터과학자는 이 세 가지 분야에 능통해야 하지만, 실제로 한가지 분야만 공부하기 때문에 세 가지에 능통하기 어렵다. 그래서 각각의 전문가로 구성된 팀을 만들어보자고 하여 데이터서비스센터가 시작되었다.○ 연구주제는 생명과학, 소재과학, 환경·교통과학, 디지털 휴머니티, 비즈니스데이터 등 응용분야 5개 분야로 이루어져 있다.빅 데이터 아키텍처는 전체연구를 위한 기본적이고 근본적인 영역이며 △데이터 활용 취합 △데이터 마이닝 △비주얼 분석 등 세분화된 영역들도 연구하고 있다.▲ 데이터서비스센터의 연구분야[출처=브레인파크]○ 데이터과학자를 육성하기 위해 데이터서비스센터는 독일교육연구부에서 후원하는 △드레스덴 대학교 △라이프치히 대학교 △생물 정보학 △라이프니츠 생태 공간개발연구소 총 4개의 핵심 기관들과 협업하고 있다. 2014년부터 4년 간 진행할 계획으로 프로젝트를 시작했으며, 올해 3년째에 접어들고 있다.○ 그 외에도 SLUB(작센주립대학도서관) 등 융합 가능한 파트너와의 협업체계를 구축하는 등 다양한 기관들과 협업을 하고 있다. 파트너기관과는 협업의 성격을 고려하여 집중적으로 협업하기도 하지만 간접적으로 협력하기도 한다.○ 20명의 전문가 직원이 드레스덴과 라이프치히에 나뉘어 근무하면서 빅 데이터의 생애주기 관리와 워크플로우를 연구한다. 데이터서비스센터는 기초연구를 토대로 응용과학에 활용하는 역할을 수행하고 있다.◇ 데이터서비스센터 주요 연구 및 프로젝트○ 데이터서비스센터는 △고성능 컴퓨팅 활용 데이터 분석 프로비저닝 △ 수술 도중 열화상 처리를 위한 데이터 분석 △재료과학 △토지사용 탐지 및 모니터링 등의 프로젝트를 수행하고 있다.○ 현재 30개 이상의 연구프로젝트가 데이터서비스센터에서 진행 중이며 초기 지원이 있은 4년 후에 차기 4년 간 계속 지원할 것인지를 정부가 평가한다.○ 고성능 컴퓨팅(HPC)에서의 데이터 분석을 위해 필요한 환경 프로비저닝에는 하둡, 스파크, 플링크, 기계학습 프레임워크 등이 있다.요구에 따라 생성된 빅 데이터 세션은 HPC 사이트에서 분석 서비스로 직접 실행하며, 기타 프레임워크나 응용 프로그램에 적용이 가능하다.○ 대규모 데이터를 중심으로 하는 작업절차의 실행은 HPC에 대한 사전 지식이 사용자 측에서 요구되지 않으며, 작업 절차 환경에서 직접적으로 작업량을 공식화하게 된다. HPC에서 작업 부하를 줄이거나 작업 절차를 완료하기 위해 HPC 스케줄링 매커니즘을 작업절차 모델링 프레임워크에 통합한다.○ 수술 도중 열 화상 처리를 위한 데이터 분석은 열 화상 처리를 통해 수술지원이 지연되는 것을 줄여준다. 드레스덴 대학병원에서 수술 중 중요한 결정을 하는데 필요로 하는 데이터를 실시간으로 처리해 준다.예를 들어 신경 활동을 모니터링 하기 위해서는 수술도중 장시간 측정이 필요한데, 후속 분석 작업 절차 및 결과 프리젠테이션의 지연시간을 줄이기 위한 빠른 사전정보 처리를 통해 전반적인 수술 지연을 최소화 하고 있다.○ 재료과학은 플랫폼과는 별개로 시뮬레이션 데이터용 다중 스케일 뷰어를 활용하는 것으로 경량엔지니어링 및 고분자 기술연구소와의 협력을 통해 진행하고 있다.시뮬레이션 데이터용 다중 스케일 뷰어는 다양한 스케일로 FE시뮬레이션 결과를 시각화하는 시스템으로 비전문가들과의 소통을 촉진하기 위해 브라우저 기반으로 개발되었다. 또한 분리된 클라이언트와 서버 아키텍쳐를 활용하고 있어 높은 확장성을 보유하고 있다.◇ 다양한 분야와 융합을 위한 HPC센터 운영○ HPC센터를 가지고 있어서 학문적인 지원을 할 수 있는 인프라가 잘 구축되어 있으며 이곳을 통해 파트너 사들이 하이 컴퓨팅 시스템을 활용한다.이 센터에서는 빅 데이터 활용방법이 너무 다양하기 때문에 사용자들이 잘 활용할 수 있도록 지원하고, 시각화해서 보여준다. HPC 시스템은 사용자들이 빅 데이터를 활용한 연구결과를 쉽게 볼수있게 하기 위한 시스템이다.데이터서비스센터 뿐 아니라 다양한 연구자들이 쉽게 접근할 수 있고, 작업 플로우 업무 사슬에 활용할 수 있다. 연구자들이 데이터를 입력하면 HPC시스템에서 구현할 수 있도록 지원하고 있다.○ 생명공학에 기반한 연구시스템인데 사용자는 자신의 노트북을 통해서도 시스템으로 옮겨지도록 가능하게 만들어졌다. 이 시스템으로 인해 연구자들은 새로운 소프트웨어 프로그램을 배울 필요가 없다.데이터를 집중적으로 활용하기 위한 시스템으로 자신의 연구소에서 작업하기만 하면 된다. 평소 오래 걸리던 연구들을 자신의 작업장에서 유의미한 결과를 빠른 시간 내에 보여줄 수 있는 시스템이다.이러한 연구를 위해 굉장히 큰 규모의 데이터세트가 필요하다. 응용과학자는 하나의 고성능 컴퓨터만이 아닌, 여러 대의 고성능 컴퓨터를 동시에 운영해 연구시간을 대폭 줄일 수 있다.◇ 데이터 분석의 다양한 활용 사례○ 대표적인 의학분야 활용 사례는 ‘수술 도중 열 화상 처리(Intraoperative Thermal Imaging, ITI)’를 위한 데이터 분석이다.수술시간 동안 다양한 데이터를 정확히 열사진으로 보여주기 위한 시스템으로 고성능 컴퓨터를 활용, 열 화상 처리를 통해 7,000초가 걸리던 것을 220배 빠른 32초 만에 보여준다. 사실, 수술사례의 수학적 분석은 어려운데, 수술하는 동안 어디에 용종이 있는지 분석을 통해 확인 가능하다.▲ 급성 경막하 혈종의 열 화상 이미지[출처=브레인파크]○ 엔지니어 시뮬레이션 사례로서 여러 스칼라를 통해 환경에 따라 다르게 구축한 소재과학 사례도 있다. 시뮬레이션 뿐 아니라 시각화를 통해 데이터 분석에의 적용이 가능하다.시뮬레이션을 통해 어디에 문제가 있는지, 어디가 파괴되었는지 등을 여러 화면으로 동시에 볼 수가 있다. 시각화는 새로운 것이 아니지만 데이터를 통합해서 흥미 있는 결과를 시각화하는 것은 새로운 기술이다.○ 엔드-투-엔드(E2E) 그래프 애널리스틱은 한 개 이상의 출처에서 얻은 데이터를 공통 그래프 데이터 모델이 있는 전용 그래프 저장소에 통합하여 한 번에 데이터를 보여준다.디스플레이에서 각각의 시각화 된 데이터 뿐만 아니라 상호 작용을 통한 영향을 보여주는데, 이것을 생물학적 비주얼화라고 한다.데이터 테이블과 그래픽만 볼 수 있는 게 아니라 데이터를 융합해서 활용하는 것까지 보여주는 그래프 애널리스틱이라고 할 수 있다.이것은 개별 그래픽이나 연구결과를 하나의 큰 그래픽으로 구현함으로써, 기존 그래픽을 새로 창조할 수 있는 연구 분야다.▲ 엔드-투-엔드 (E2E) 그래프 애널리스틱 구조도[출처=브레인파크]○ 환경 관련 사례로서 데이터분석을 통해 지도상 나타난 흥미로운 지역을 골라내서 연구할 수 있다. 지도의 한 포인트 내에서 지역의 변화를 볼 수 있도록 구성되어 있으며, 거주지만 별도로 표시가 가능하다.연구자들은 보고 싶은 구조, 수학적 분석, 개연성 등을 분석할 수 있다. 고성능컴퓨팅 시스템은 단순 데이터 분석 뿐 아니라 데이터 활용영역까지 활용할 수 있다.◇ 국내외 협력○ 데이터서비스센터는 컨퍼런스, 박람회 등을 통해 전세계적인 협업 연구를 진행하고 있다. 국제적 지원활동을 위해 데이터투데이, 비트콤 빅데이터 서밋, 포스템, 프링크 포워드 등과 120종 이상의 간행물 발간, 200회 이상의 국제회의를 진행했다.○ 데이터서비스센터는 G. Myers 교수와 Carsten Rother 교수의 협업 프로젝트 ‘British Machine Vision Conference(BMVC)의 최우수 과학’ 논문상 수상, Rother 교수 팀 ‘SciVis-Contest IEEE VIS’ 우승, BTW 2017 (Gradoop)의 최우수 시연상, Dat"Science Challenge 3위 등 다양한 수상경력을 보유하고 있다.○ 데이터서비스센터에서는 방문객을 위해서 △비즈니스 빅데이터 워크숍 △성공적 국제 여름학교 등을 운영하여, 250명 이상의 외국 방문객이 다녀갔다. 방문 프로그램을 통해 초청한 저명인사도 단기 21명, 중기 6명, 장기 3명 등 총 30명에 달한다.○ 데이터서비스센터는 빅 데이터를 주제로 하는 60종 이상의 학·석사 학위 논문을 집필했으며, 빅데이터 인턴십 3개, 강의, 워크샵, 세미나 등 다양한 교육훈련을 진행하고 있다.□ 질의응답- 데이터서비스센터는 ZIH에 속한 여러 센터 중 하나인지."그렇다. 지금은 여러 센터들 중 하나이긴 하지만, 미래에는 분리될 것이고 더 커질 것이다. 독일교육부에서 데이터서비스센터 설립 프로젝트에 대해 재정지원을 받고 있는데, 4년간 펀딩을 받았으며, 앞으로 4년간 더 펀딩을 연장하려고 진행 중이다."- 정부가 보유한 데이터를 활용하는 협력사업이 있는지."정부와의 직접적인 협력프로젝트는 없지만, 작센 환경청과 공공데이터를 활용해 하천의 수위가 어느 정도인지 파악하는 정도는 실시하고 있다.사전에 대화와 분석을 통해 어떤 것이 가장 핵심 사안이고 어떻게 해결할지 논의하는 게 가장 중요하다는 것을 3년 동안의 경험에서 느꼈다."- 기업의 요구에 따라 만든 사례가 있는지."우리는 연구기관이라 대부분이 연구에만 초점을 맞추고 있다. 하지만 파트너사인 BMW의 요청으로 현지 드레스덴 공장에서의 생산 관련 기업 빅 데이터 분석을 실시한 적도 있긴 하다. 우리는 비즈니스 모델을 만드는 것이 아니라 연구방법을 제시하고 연결해 주는 역할을 주로 한다."- 전체 예산과 인력규모는."데이터서비스센터는 하나의 프로젝트로 봐야한다. 전담인력은 5명이지만 여러 학과에서 프로젝트 베이스로 센터 내 직원이 병행 투입된다. 순수 연구비 5백만 유로이며, HPC(고성능컴퓨팅)에 1천만 유로가 투입되고 있다."- HPC시스템은 데이터센터와 함께 만들어졌는지."HPC는 이전부터 슈퍼컴퓨터 센터에 있었는데, 기존에는 전통적인 DB구축에 활용되었다."- ZIH의 155명 직원구성은."주로 교수, 박사과정생, 연구 직원 등으로 구성되어 있다. 데이터센터는 ZIH 직원뿐 아니라 다양한 연구기관의 직원들이 함께 작업하고 있다."- 다양한 리소스를 적용할 수 있는 구체적인 인프라는."우리는 슈퍼컴퓨터를 보유하고 있는데, 데이터 집약적인 HPC의 연결이라고 보면 된다. 향후에도 별도의 인프라는 필요하지 않고 기존 인프라를 융합적으로 활용하는 게 중요하다고 생각한다. 하둡과 같은 빅 데이터를 위한 별도의 인프라를 보유하기 보다는 결합을 어떻게 할지에 집중하고 있다."- 기업이 보유한 데이터를 이 곳에서 분석할 수 있는지."협력프로젝트에서는, 여기에서도 분석이 가능하지만, 대체로 정밀 데이터분석을 하기 원하는 기업들은 국가소속의 센터에 연결을 해준다. 우리는 기업들에게 데이터서비스를 제공하기 보다는 기업이 데이터를 활용해 다양한 활동을 하도록 지원하고 있다."□ 일일보고◇ 슈퍼 컴퓨터를 기반으로 한 다양한 기관 간의 협업○ ScaDS는 드레스덴 공대가 보유하고 있는 슈퍼컴퓨터를 활용한 빅 데이터 방법론을 적용하여 다양한 결과물을 제시하고 있다.우리도 대학을 중심으로 데이터 과학자 육성이 필요하면 데이터 활용, 지식추출, 시각화 분석 등을 적용하여 대학의 특성화 분야와 연계한 다양한 결과물 창출이 필요하다.○ ScaDS는 교육연구부 산하의 프로그램을 수행하는 기관으로 우리가 방문한 드레스덴 공대와 그 외 라이프치히 대학, 프라운호퍼 연구소가 함께 센터의 주요 역할을 하고 있다는 것이 인상적이었다.○ 정보의 신뢰도 등 출처에 대한 정확도가 어느 정도인지 궁금하다. 한국의 경우, 정보의 부재, 특히 공공데이터의 부재로 인해 다방향간 노동은 부족한 실정이다. 독일과 한국은 빅 데이터의 수집과 분석의 정도 차이가 있을 것 같다.◇ 실질적인 기업 활동에서의 적용방안 모색○ ScaDS는 파트너들과 학제적 방식으로 연계된 긴밀한 네트워크를 구축하고 있으며, project에서 파생되는 다양한 결과물을 open source로 활용하고 있다.○ 데이터에 초점을 맞춘 임무수행에 깊이 공감하였다. 즉 데이터와 기술이 어떻게 연관될 수 있는지를 연구하고, 함께 작업할 수 있는 환경 조성에 힘쓰고 있다는 점, 기업 스스로 데이터를 다루는 역량을 키우기 위해 분석방법을 전파하고 연구분석 매니지먼트를 수행하고 있다는 점에 깊이 공감하였다.○ 우리도 실질적인 데이터 활용보다는 연구 중심의 센터로 의미있는 연구결과가 기업들에게 효과적으로 전해질 수 있는 시스템 마련이 필요하다. 연구결과가 연구로 끝이 나는 것이 아니라 직접적으로 기업 활동에 적용되는 것이 중요하다고 생각한다.◇ 체계적인 데이터 과학자 육성○ ScaDS는 초고성능 컴퓨팅을 기반으로 다양한 빅 데이터 관련 연구를 해당 도메인 연구자와 공동으로 진행하며, 연구성과를 바탕으로 각종 솔루션을 개발하고, 연구인력을 양성하는 것을 주요 기능으로 하고 있다.이를 위해서는 산·학·연의 탄탄한 기반 구축, 특히 학계와 산업계의 적극적인 교류협력이 중요한 요소로 작용했을 것이다.○ 데이터 과학자가 필요하다는 의견에 동의한다. 국내에서는 4차 산업혁명시대에 데이터가 중요하다는 것은 모두가 동의하나 이와 관련한 인재 육성 프로그램은 체계적이지 못한 것 같다.○ 우리나라도 데이터 과학자의 육성을 통해 장기적으로는 각 기업이 자체적으로 data활용·분석 등을 할 수 있도록 해야 하며 이를 위해 중장기적 안목을 가진 정부의 인력양성 정책이 중요할 것이다.
-
버클리대 AMP Lab(AMPLab – UC Berkeley)University of California465 Soda Hall, MC-1776, Berkeley, CA 94720-1776https://amplab.cs.berkeley.edu 브리핑미국샌프란시스코 □ 주요내용◇ 가장 많은 노벨상 수상자를 배출한 명문대UC Berkeley는 세계적인 명문대로 미국을 대표하는 공대이다. 1868년 10개의 캘리포니아 대학교 중 최초로 설립된 학교이다.총 72명의 노벨상 수상자를 배출하여 세계에서 가장 많은 노벨상 수상자를 배출한 대학 중 하나이다. 연구중심 종합대학으로 14개 단과대학, 130개 이상의 학과에서 7,000여개가 넘는 강의, 300개에 가까운 전공수업을 제공하고 있다.미국에서 가장 권위있는 미국학술연구원(National Research Council)의 평가 자료에 따르면 52개 학문분야 중 UC Berkeley는 48개 학문분야에서 10위권 내에 있어 미국에서 가장 우수한 연구대학으로 꼽혔다.세계경제포럼이 선정한 세계 최상위 26개 대학 중 하나이며 스탠포드, MIT와 함께 세계 최상위권을 유지하고 있는 대학이다.◇ 저명한 동문, 그리고 유명기업들을 창업UC Berkeley의 졸업생들은 여러 기업을 창업했는데, 애플, 인텔, 구글 보이스, 구글 어스, HTC 등이 유명하다. 주요 동문으로는 구글 회장 에릭 슈밋, 전 일렉트로닉 아츠 CEO 존 리치티엘로, 어도비 시스템즈 CEO 샨타누 나라옌, 퀄컴 CEO 폴 E. 제이콥스 등이 잘 알려져 있다. 특히 UC Berkeley는 인터넷과 오픈소스의 초기 발전에 크게 기여한 것으로 평가받고 있다.버클리에서는 해마다 5,500명의 학사, 2,000명의 석사, 900명의 박사를 배출하고 있다. 학부 내 학생 대 교수 비율을 15.5:1 정도이다.◇ 혁신생태계 지속을 위한 미국 과학기술정책 전략▲ 미국혁신전략의 구성도[출처=브레인파크]미국은 2009년 경제성장 촉진과 국가적 당면과제 해결을 위한 '미국혁신전략(A Strategy for American Inno-vation) www.whitehouse.gov/sites/default/files/strategy_for_american_innovation_october_2015.pdf'을 발표하고, 이후 국가경제위원회(NEC)와 과학기술정책실(OSTP)의 검토를 거쳐 2015년 10월 최종 확정했다.정부의 기반(Seed) 투자를 통해 미래 산업과 일자리 창출, 혁신 생태계를 지속시키기 위해 △공공·민간부분 혁신 증진 △국가적 우선과제 추진 △우선 투자 과학기술 분야 선정 △투자규모 등에 대한 정책 방향과 실행 방안을 제시한다.미국 혁신전략 개정안은 연방 정부의 역할인 혁신을 위한 3대 요소와 이를 구현할 3대 전략적 계획 등 총 6개 부문으로 구성되어 있다.혁신을 위한 3대 요소는 △혁신기반에 대한 투자 △민간 혁신활동 촉진 △국민의 혁신성 유인이다. '혁신기반에 대한 투자'를 위해 기초연구에 대한 공공·민간 R&D에 GDP의 3% 이상을 투자하도록 설정하고 STEM 교육에 대한 지속적인 투자, 차세대 디지털 인프라 구축 등이 제시됐다. 민간 혁신활동 촉진'을 위해 연구 세액공제 강화, 창업절차 간소화 등 혁신기업가 지원, 연방정부 데이터 오픈, 지역혁신 생태계 지원, 해외진출 지원 등이 포함됐다. '국민의 혁신성 유인'을 위해서는 국민 창의성을 활용하는 포상제도, 크라우드 소싱, 제조자 운동 확대 등이 제시됐다.한편, 3대 전략적 계획은 △양질의 일자리 창출과 지속적 경제성장 △국가적 당면과제 해결 △국민과 함께하는 혁신적인 정부구현이 있다.'양질의 일자리 창출과 지속적 경제성장'을 위해 첨단 제조업의 선도적 지위 유지, 미래산업 투자, 포용적인 혁신체계 구축을 추진하고, '국가적 당면과제 해결'을 위해 과학기술을 이용하여 국가적, 전 지구적 문제(질병극복, 신경기술, 의료서비스혁신, 스마트도시, 에너지효율향상, 교육혁명, 우주기술, 컴퓨팅기술 개척, 빈곤해소)를 해결해야 한다.'혁신정부 구현'을 위해서는 공공부문 혁신, 글로벌수준 인재 영입, 혁신 실험실 설치, 범정부 디자인 표준 개발, 데이터 공유 등을 추진하는 것을 주요 내용으로 하고 있다.◇ 기업주도형 산업 생태계를 지향하는 미국의 4차 산업혁명미국의 4차 산업혁명은 기본적으로 기업 주도형이다. 인터넷의 우위성을 최대한 활용하기 위해 클라우드 서비스를 전면에 배치하여 제조업과 인터넷 기업에서 축적된 빅데이터를 바탕으로 새로운 산업 플랫폼을 만들고 부가가치를 창출하겠다는 계획이다.모든 산업기기와 예측 분석 소프트웨어, 의사결정권자인 인간이 인터넷을 매개로 서로 연결되는 형태의 산업 생태계를 지향하고 있다.▲ 산업인터넷 개념도[출처=브레인파크]미국 4차 산업혁명의 대표주자격으로 2012년 '산업인터넷' 개념을 제시한 GE는 항공기, 철도, 발전기 등 산업기기와 공공 인프라 등에 설치한 센서 데이터를 수집, 해석하여 기업 운영에 활용한다는 구상을 하고 있다.2014년 GE와 AT&T, 시스코, IBM, 인텔 등을 중심으로 '산업인터넷 컨소시엄(IIC)'을 조직했으며 현재 200개 이상의 기업이 산업인터넷 전략을 추진하고 있다.미국 정부차원에서는 글로벌 금융위기 이후 국내 제조업의 심각한 고용 감소, 대외 경쟁력의 제조혁신과 기술 강점이 위협에 처하자, 2011년부터 '첨단 제조 파트너십(AMP)'이란 제조업 육성 정책을 위한 국가 네트워크를 가동하고 있다.이를 위해 첨단 제조 분야에서 잠재적으로 영향력 높은 기술의 우선순위를 정하고 있는데 미국은 우선, △제조를 위한 고급 감지, 제어 및 플랫폼 △시각화, 정보학 및 디지털 제조 △신소재 제조 등 3가지 기술에 주목하고 있다.'제조를 위한 고급 감지, 제어 및 플랫폼' 기술은 네트워크 기반 정보기술을 바탕으로 확장 가능한 IT 플랫폼을 통해 임베디드 감지센서, 측정 및 제어시스템에 초점을 맞추고 있다.'시각화, 정보학 및 디지털 제조 기술'은 디지털 설계에서 맞춤형 제품 제조로의 추진을 용이하게 하여 생산성·민첩성·환경지속성·경제성 향상에 초점을 맞추고 있으며, '신소재 제조기술'은 새로운 물질의 설계와 합성, 혁신 가공법에 초점을 맞추고 있다.첨단 제조 파트너십 전략은 이 기술들을 가지고 첫째, 혁신 파이프 라인을 지원하기 위한 R&D 인프라 구조를 구축하고 둘째, 제조 혁신을 위한 개별 네트워크를 운영하며 셋째, 공공·민간 기술 표준 개발을 권고하고 있다.◇ 불투명한 데이터를 '정보'로 만들어내는 AMP Lab최근 데이터 분석연구는 데이터의 폭발적인 증가와 다양성 등 새로운 시대를 맞이하고 있다. UC Berkeley의 AMP Lab은 데이터를 정보로 변환하는 연구를 통해 기계학습, 데이터베이스, 정보검색, 음성인식 등 불투명한 데이터를 정보로 만들어내는 기술을 향상시키고 있다. AMP는 알고리즘, 기계, 사람(Algorithms, Machines, and People)의 약자이다.AMP Lab에서는 주로 클라우드 컴퓨팅, 데이터관리기술, 알고리즘을 통한 광범위한 데이터 소스의 품질과 비용절감, 크라우드 소싱을 통한 주문형 데이터 분석 프레임워크 통합 등을 연구, 분석, 제공하고 있다.데이터의 폭발적인 증가와 다양성의 증가로 경계를 초월하고 재구성하는 새로운 접근방식을 위해 UC Berkeley와 5년간 공동으로 학생, 교수, 연구원이 함께 빅데이터 분석 과제를 해결해나가고 있다.특히 주요 연구기금지원 기관, 세계 유명 기술 기업, 혁신기업과 협력관계를 맺고 있고 연 2회 정도 연구프로세스 전반에 걸쳐 상호 관심사와 프로젝트에 대해 의견을 나누고 있다. AMP Lab의 실험실은 다양한 전문분야의 상호작용을 장려하기 위해 설계된 개방형 공동 연구공간으로 운영되고 있다.◇ 빅데이터 인력양성 정책 및 추진체계미국은 '빅데이터 이니셔티브'에 따라 대통령 직속 과학기술정책국(OSTP)의 주도하에 정부 부처 및 기관별 프로그램을 통해 빅데이터 분야의 민간참여 확산을 유도하고 있다.직접적인 교육은 버클리 대학과 같은 교육기관에 맡기고 별도 프로그램이 아닌 부처별 빅데이터 연구개발(R&D) 프로젝트 수행 과정을 통한 전문인력 양성을 도모하고 있다.부처별 빅데이터 연구개발 프로젝트는 대학‧연구소의 협력 체계를 통해 수행됨으로써 자연스럽게 전문인력이 양성되는 체제를 구축하고 있다.이 과정에서 정부부처는 분석할 데이터를 제공하는 역할을 하고 기업은 문제해결능력 및 적용능력을 지원하며, 대학 및 연구소는 연구인력을 제공함으로써 각 주체별 역할간 시너지 속에서 실무능력을 겸비한 고급인력양성이 이루어지고 있다.백악관의 과학기술정책국은 부처별로 추진 중인 빅데이터 연구개발 계획을 전담하며 후속 프로젝트 등을 총괄 관리하는 기능을 담당하고 있다. 하지만 다수 부처가 빅데이터 관련 사업에 참여함으로써 부처별 유사 프로젝트가 추진되어 사업 중복 및 예산 낭비 가능성에 대한 지적도 나오고 있다.또한, 국가 차원의 빅데이터 정책과 연구개발의 추진을 위해 빅데이터 고위운영그룹(BDSSG)을 운영하는 점도 눈여겨 볼만하다.빅데이터 고위운영그룹은 과학기술정책국과 연방 부처, 기관 등 관련 조직 간의 유기적인 협력을 강화하고, 기업, 학술단체, 주정부, 지방 정부, 비정부그룹, 재단 등에 빅데이터 혁신 프로젝트와 연구개발에 동참을 권장하고 있다.관련 조직 간의 협업을 촉진시키기 위한 워크숍, 학술회의, 이벤트 등 다양한 행사를 개최하여 빅데이터의 확산을 위한 분위기 진작을 주도하고 있다.정부 부처 중 데이터 인력양성에 가장 적극적인 국립과학재단의 경우 데이터센터를 통해 직접적으로 연구인력을 육성하고 동시에 빅데이터 지역혁신 허브의 국가적 네트워크를 구축함으로써 지역 자체적으로 빅데이터 인력양성이 가능토록 지원하는 등 이원화된 정책을 펴나가고 있다.국립보건원 등 빅데이터 이니셔티브에 속한 각 부처는 부처별 특성을 반영해 산업분야에 특화된 교육과정을 개발함으로써 인력양성을 지원하고 있다.교육의 실행을 위해 민간 교육기관뿐 아니라 재단, 사회적기업, 박물관 등 비영리기관을 많이 참여시킴으로써 교육 주체의 다양성을 확보하고 단점을 보완하고 있다.테크하이어 이니셔티브와 같은 IT 고용정책 차원의 교육을 통해서도 인력양성이 추진되고 있다. 특히 기업교육기관, 지방정부 등 다양한 주체를 참여시켜 정부의 독자적인 프로그램이 아닌 민관협력에 의한 인력양성을 유도하고 있다.◇ 빅데이터 연구인력 양성 및 고용촉진 프로그램 운영미국 정부에서 주도하는 인력양성 프로그램은 빅데이터 연구인력을 양성하거나, 빅데이터 분야의 높은 인력수요를 충당하기 위한 고용촉진 프로그램으로 구분할 수 있다.연구인력 양성 프로그램의 경우, 자칫 소홀해지기 쉬운 실무능력의 배양을 위해 도전과제 등을 통한 문제해결형 실습 교육과 산학협력을 활용한 인턴십 기회를 제공함으로써 고급과정 위주의 교육이 진행되고 있다.반면 고용 촉진을 위한 프로그램은 구직자나 대학생·군인 등 예비구직자가 빅데이터 관련 소양과 기술을 습득할 수 있도록 기초과정 위주로 운영되고 있다.대학의 경우 단과대학의 학제간 공동연구 등 학문 융합형 교육을 통해 시야를 확대하고 학제별 강점을 살리는 교육과정을 운영하고 있으며, 빅데이터 활용을 위해 빅데이터와 연계된 산업분야에 대한 교육도 병행하고 있다.일반 대학생들을 위한 지정된 캠퍼스에서의 풀타임 과정 외에도 재직자를 배려해 교육 기간 및 장소를 직접 선택하는 과정도 개설되고 있다.특히 접근성이 낮아 교육받기 어려운 학생들이 학교에 자주 오지 않아도 인터넷으로 강의를 받고 스스로 학습할 수 있는 온라인 교육 환경도 잘 구축되어 있다.다양한 교육기관에서 온라인 수업을 제공하고 있다. 또한 '데이터 인큐베이터' 등 대학에서 투자하여 설립한 전문조직을 통해 정규과정 이외에 재직자, 박사과정생 등 다양한 대상에 대한 맞춤형 교육을 추진하고 있다.민간기업의 경우 자체 자격증 과정이나 자사 소프트웨어와 연계한 과정을 많이 개설함으로써 비즈니스와의 연계성을 강화하고 있으며, 일부 비영리기업에서는 저소득층 등 교육 소외계층에 대한 데이터 분야의 기술역량 교육도 실시하고 있는 점이 눈에 띈다.◇ 버클리대학의 컴퓨팅 탐험대 프로젝트 지원미국 국립과학재단(NSF)의 빅데이터 인력양성 주요계획을 보면 미국 정부는 차세대 데이터 과학자 및 공학자를 준비시키기 위해, 학제를 초월한 대학원 프로그램을 개발하도록 연구대학을 독려하고 있다.이를 위해 NSF는 주요 프로젝트로 캘리포니아 버클리 대학에 기반을 둔 1천만 달러 규모의 Expeditions in Computing(컴퓨팅 탐험대) 프로젝트에 재정을 지원하고 있다.데이터를 정보로 변환시키기 위한 기계 학습, 클라우드 컴퓨팅 및 클라우드 소싱 등 강력한 접근법을 통합하는 것이다. 또한 대학생들의 복잡한 데이터에 관한 그래픽 및 시각화 기술사용 교육을 지원하는 연구 교육그룹에게 상을 수여하고 2백만 달러의 포상금도 지급하고 있다.◇ 빅데이터 관련 대표적인 연구 수행캘리포니아대학교 버클리캠퍼스 연구팀에 의해 진행된 'Making Sense at Scale with Algorithms, Machines and People'은 빅데이터와 관련된 대표적인 연구이다.연구진들은 암 게놈, 개인별 맞춤 의학, 교통 예측, 환경 모니터링, 도시계획, 네트워크 보안 등과 같은 빅데이터 분야 연구 도전과제를 집중적으로 다루게 되는데 이를 위해 알고리즘, 기계 및 사람 등을 통합하는 새로운 데이터 분석 패러다임을 만들기 위해 함께 노력하고 있다.이 프로젝트를 통해 얻은 성과는 오픈소스 소프트웨어 플랫폼인 버클리 데이터 분석시스템의 개발로 인해 확산될 예정이다.◇ 대학에서 기업체 인력에 대한 빅데이터 교육미국은 버클리와 같은 대학에서 기업 재직자들을 위한 빅데이터 인력양성도 하고 있다. 미국은 재직자 프로그램으로 IT 전문인력들을 대상으로 빅데이터 관련 주요 기술인 하둡 교육과정 및 자격증 프로그램을 실행 중이다.클라우데라, 호튼웍스, IBM, MIT, UC버클리 등 상용 하둡 소프트웨어 벤더 및 대학을 중심으로 교육프로그램을 활발히 진행하고 있다.빅데이터 기술은 개발자, 분석가, 관리기술자 등 데이터 활용 과정 전반에 걸쳐 다양한 기술 수요가 존재하고 있다. 특히 이와 관련된 역량은 기존 전산 부분의 아웃소싱과는 달리 어느 정도 기업에서의 내재화가 필요하다.분석가의 경우 기업에 축적된 데이터와 종사자의 암묵지가 빅데이터 기술과 밀접하게 결합될 때 결과의 활용성을 높일 수 있는 것이다.
-
시트린 인포머틱스(Citrine Informatics)414 Mason Street, San Francisco, CA 94102www.citrine.io 브리핑미국샌프란시스코 □ 주요내용◇ 스탠포드 출신이 설립한 인공지능 플랫폼 스타트업실리콘밸리에서 성공한 인공지능 플랫폼 스타트업으로 꼽히는 시트린 인포머틱스(Citrine Informatics)는 노스캐롤라이나 주립대학에서 전기공학, 캠프리지대학에서 재료공학, 스탠포드에서 MBA를 전공한 그레고리 멀홀랜드(Gregory Mulholland)가 2013년 설립했다.재료와 컴퓨터를 연결해서 정보서비스(informatics)를 제공하는 회사로 2년 전부터 회사의 툴을 보급했다. 2010년도부터 재료공학과 컴퓨터과학의 융합을 시도했다. 정부와 연구기관들은 이전부터 어느 정도 참여를 했지만, 민간기업은 최근에야 시스템에 합류했다.그는 재료, LED, 박막, 산화물, 태양 전지, 녹색 기술, 소프트웨어, 웹 가능 도구, 신기술, 데이터 분석, 혁신 기술 마케팅, 중소기업 전략, 그리고 고객 및 투자자 발굴, 재무에 이르는 폭넓은 연구영역과 업무역량을 가지고 있다.시트린은 제조업체들이 방대한 데이터를 가지고 있는데, 최적의 신소재를 신속하게 찾아낼 방법은 무엇인가? 목표를 달성할 수 있도록 기존 소재 시스템을 신속하게 최적화하는 방법은 없는가? 알려진 소재에 대한 알려지지 않은 정보를 어떻게 찾아낼 것인가? 하는 문제의식을 바탕으로 이 회사가 창립되었다.◇ 한국에서 열린 4차 산업혁명 국제심포지엄에서 발표시트린의 창업자 중 한 사람인 더글러스 람시(Douglas Ramsey)는 오바마 대통령 밑에서 선진 제조업 분야의 투자 자문을 하는 보좌 역할을 했다.람시는 "엔지니어로도 일을 했기 때문에 우리가 어떻게 비용을 절감하면서 빠르게 일을 효과적으로 할 수 있는지를 연구하는데 도움이 됐다"고 말했다.이들의 연구결과는 백악관에서도 발표했고 유럽과 한국에서 열린 4차 산업혁명 국제심포지엄에서도 발표했다.시트린의 주요 투자자는 Eric Schmidt 펀드와 Data Collective and Prelude 벤처이다.실리콘밸리에서는 창업을 하면 투자등급을 정해 주는데 시트린은 시리즈A 등급을 받고 있다. 시트린의 자문역은 현재 나이키에 근무 중이고 미국 소재게놈 이니셔티브의 리더였으며 오바마 행정부에서 신소재에 관련된 자문역을 맡았던 사이러스 와디아(Cyrus Wadia)이다.사이러스가 소속된 회사는 20억 달러의 정부지원금을 받았는데 시트린도 규모는 적지만 정부로부터 많은 지원을 받았다. 또한 많은 대학들이 이 회사에 학생들에게 가르칠 교과과정을 만들어달라는 요청을 하고 있다.◇ 관련 조건에서 모든 재료 및 화학물질의 반응 예측▲ 브리핑 중인 Greg Mulholland[출처=브레인파크]재료, 자동차, 우주항공, 전자산업 분야에서 포브스지가 선정한 1,000대 기업에 선정되기도 한 시트린 인포머틱스는 재료 및 화학물질을 위한 인공지능, 머신러닝(기계학습기반) 플랫폼으로 특허, 논문, 보고서, 기존 데이터베이스와 같은 수많은 소스의 데이터를 수집, 분석하여 관련 조건에서 모든 재료 및 화학물질의 반응을 예측하는 'Citrination'이라는 플랫폼을 만들었다.세계에서 가장 규모가 큰 소재 관련 데이터 플랫폼으로 전 세계의 물질적 지식을 통합하고 있으며, 인공지능 기반의 강력한 툴을 바탕으로 페인트, 강철, 자동차, 환경친화적 제품 등의 제조에 필요한 정보를 가장 빠르게 제공하고 있다.이들은 이 플랫폼을 통해 첨단의 인공지능 기술을 제조와 재료에 어떻게 활용할 것인지를 연구하고 있다. 예를 들어 어떻게 하면 차를 가볍게 만들 것인지, 재활용 분야에서 어떻게 자연친화적으로 처리할 것인지, 도움을 주는 정보를 제공하고 있다.시트린의 플랫폼은 인공지능을 이용한 소재 게놈(material genome)을 기업, 컨소시엄 및 연구소 등에 제공하여 제조 및 연구개발의 목표를 빠르게 달성할 수 있도록 지원하는데 시트린의 예측결과를 활용하면 R&D 및 제조 프로세스 소요시간을 50%까지 단축시킬 수 있다고 한다.◇ 최대·최신 데이터 구축으로 빅데이터 분석시트린 플랫폼의 기능은 크게 4가지로 구분할 수 있다. 첫째, 데이터 추출이다. 중요한 데이터가 포함된 기술문서를 구조화하고 검색 가능한 데이터베이스로 변환한다.그림, 표, 텍스트 모두 플랫폼에 구현된다. 회사나 학회에 있는 논문 등 세계 도처에 있는 연구소에서 연구한 결과물을 플랫폼에 얹는 작업을 한다. 세계 100개 이상의 대학과 협력하고 있고 미국 11개의 국가 연구소에서도 데이터를 수집하고 있다.둘째, 빅데이터 분석이다. 시트린의 머신러닝은 하나의 단위가 아닌 대규모 재료 및 화학 데이터를 제작, 분석하므로 제조기업의 문제 해결에 도움을 준다.만약에 뚜껑이 병에 맞지 않는다고 했을 경우, 1,800만개 이상의 데이터를 보고 추천을 해 줄 수 있다. 엔진을 사용하면 아주 새로운 재료까지도 추출해 낼 수 있다.셋째, 세계에서 가장 큰 물리적 데이터를 수집한다. 지금까지 1,800만 개 이상의 데이터들을 수집했다. 시트린은 세계에서 가장 방대한 재료에 관한 데이터베이스를 가지고 있다.유저가 미래에 무엇을 할지도 파악하고 있다. 시트린은 플랫폼이 내부적으로 지식을 향상시킬 수 있도록 게시된 자료 및 화학물질 데이터를 계속해서 통합하고 있으며 그 결과 전 세계 약 2,000여개 기업, 학술기관과 정부의 신뢰를 받고 있다.넷째, 확장 가능한 최신 데이터 인프라를 구축하고 있다. 시트린 플랫폼 자체에서 데이터 시스템 인프라를 구축하고 있으므로 이를 사용하는 기업이나 조직에서 별도의 인프라를 구축하거나 IT 문제를 겪을 필요가 없다.◇ 시트린의 데이터 분석에서 제공까지 과정시트린의 데이터 분석에서 제공까지의 과정은 다음과 같다. 먼저 데이터 처리(ingest data)를 한 다음, ML 모델 교육(Train ML models)을 하고, 모델과 최적화기를 투입(Deploy models & optimizers)한다.이어 사용자 대상 R&D와 제조업 관련 조언(guide user R&D and mfg.)을 하고, 사용자가 더 많은 정보를 창출할 수 있도록 지원(user generate more data)을 하는 과정을 거치는 것이다.◇ 소재 정보학이라는 새로운 지평 개척시트린은 소재 정보학이라는 새로운 지평을 개척한 회사로 평가받고 있다. 거의 모든 연구가 대학, 정부산하 연구소에서 진행되고 있지만 그동안 소재 정보학 관련 프로젝트를 기업 내에서 성공적으로 진행한 기업은 거의 없었다.주요 인프라와 훈련 장벽이 존재했다. 시트린이 소재정보학 관련 상품을 출시한 유일한 기업이며 상업적인 면에서도 세계적인 선도기업이다.시트린은 2016년에 세계 MGI 컨퍼런스와 백악관 MIG를 조직했다. 시트린 덕분에 2016년은 소재관련 글로벌 커뮤니티가 연결되고 통합되기 시작한 해로 기록될 것이다.소재 정보학의 응용분야는 열전기학(Thermoelectric), 적층가공(Additive Manufacturing), 밧데리, 이온 전도체, 자기열량(Magnetocalorics) 등이다.▲ 소재정보의 성장 추이도[출처=브레인파크]◇ 재료 성능 예측 데이터 분석으로 R&D시간 단축시트린의 플랫폼을 이용하는 대상별로 플랫폼을 통해 얻을 수 있는 장점을 살펴보면, R&D과학자 및 엔지니어는 제품디자인(설계) 단계에서 후보 재료가 어떤 조건에서 어떻게 작용하는지를 즉시 알 수 있고, 새로운 재료 및 화학물질의 성능을 예측하고 동시에 수십 가지의 특성을 최적화시킬 수 있다.생산관리자는 과거 생산데이터를 분석하여 공정을 변화시켰을 때 제품의 노후화, 오류에 미치는 영향을 분석해낼 수 있고, 결함을 관리할 수 있다.자재 판매 및 고객 담당자는 고객의 요구사항과 제품의 연관성을 분석하거나 잠재고객이 구매 결정을 내리는데 필요한 정보들을 파악해볼 수 있다.시트린의 주요 파트너로는 △포춘지 선정 도금산업 200대 기업 △제너럴모터스, 보잉사, 현대, 파나소닉, 큐테크 등 700여개 제조기업 △DARPA(미국 방위고등연구계획국), 미 연방 에너지부, 과학재단 등 정부기관 △Elsevier 저널 △스탠포드대학, 메릴랜드대학, 산타바바라대학, 버클리대학, 노스웨스턴 대학 등이 있다. 대부분의 고객은 비밀로 되어 있는데 공개할 수 있는 것은 몇 개 정도이다. 주로 재료와 페인팅 쪽 회사의 일을 많이 했다.◇ 소재 정보학 분야의 시트린의 증명된 리더쉽시트린은 50회의 논문발표, 토론회에 초대받았고 다양한 저술에서 인용되었고 APL Material지의 소재 게놈편 논문에 게재됐다.시트린이 최근 참여한 이벤트로는 '주요 소재에 대한 EU-US-일본 삼자 컨퍼런스'가 있으며 주요 IT 관련 컨설팅 회사 Gartner가 시트린을 5대 제조 관련 R&D 기업으로 선정하기도 했다.▲ 시트린의 주요 고객[출처=브레인파크]스탠포드 경영대학원은 "시트린 빅데이터를 소재 개발에 이용했다"며 혁신을 주제로 한 잡지에서 시트린을 주목하기도 했다.APL Material은 "소재 관련 데이터 자원의 집중화에 괄목할 만한 진전을 이룬 유일한 조직이 시트린 인포메틱스이고, 소재 개발과 최적화를 위한 데이터 마이닝에 전문성을 가지고 있다."고 소개했다.◇ 그동안 연구되지 않았던 원소 집중 연구시트린이 실시한 최초의 프로젝트는 화학의 원소표를 모두 체크해 가면서 그동안 많은 연구가 되지 않았던 원소를 집중적으로 연구하는 것이었다.그런데 시트린의 소프트웨어에 과학자들이 어떤 부분에 집중하는지 대입을 해 보았더니 소프트웨어가 별모양으로 되어있는 원소를 찾아 주었다.연구원은 이것을 믿지 않았지만 실제 만들어 보니 소프트웨어가 맞았다는 것을 알게 됐다. 이것이 소프트웨어가 개발한 전혀 새로운 원소였다.또 다른 사례로 3D프린팅을 들 수 있다. 다국적 기업과 협업을 했는데, 대표적인 회사가 록히드 마틴이었다. 또 다른 예는 차세대 전기자동차에 들어가는 배터리이다. 시트린은 시카고에 있는 알곤이라는 국립 연구소와 공동으로 배터리 연구를 하고 있다.이온 전도체(ionic conductor)는 미국 에너지부와 공동으로 진행하는 프로젝트이다. 그런데 순식간에 Oxygen Conductor라고 하는 부분에서 세계 최고의 데이터베이스를 구축했다. 이는 미국정부가 가지고 있는 것보다 큰 것이다.다음 사례는 Magnetocalorics라고 하는 것으로 17개 국립 연구소에서 데이터를 입수한 신규 프로젝트이다. 시트린은 데이터베이스와 툴을 구축하고 있는데, 협업을 하는 회사 중 하나가 유나이티드 테크놀리지라는 회사이다. □ 질의응답- 소프트웨어가 전혀 새로운 원소를 찾아냈다고 했는데, 알파고가 전혀 엉뚱한 수를 둔 것과 비슷한 원리인지."알파고는 엄청난 양의 데이터에 접근할 수 있는 능력을 가지고 있었다. 우리가 만든 소프트웨어가 그런 역할을 할 수 있다. 알파고와 비슷하지만 알파고는 엄청난 데이터를 가지고 있지만 시트린의 소프트웨어는 데이터가 적어도 이런 결과를 낼 수 있다는 점이다."- 아까 발표했던 선순환(Virtuous Cycle)에 따르면, 고객들과 빠르게 실시간으로 소통하는 것이 가능하다고 했는데, 전 세계의 사용자와 고객들 모두에게 가능한 것인지."그렇다. 전 세계 어디서나 실시간으로 소통이 가능하다. 알파고는 새로운 게임을 할 때마다 스스로 자기학습을 해서 능력을 키운다.알파고가 게임을 많이 하는 훈련이 리얼타임 학습이다. 우리는 국립 연구원이나 대학교와 연계를 통해 재료공학의 재질과 물성에 관한 1,800만 개의 데이터베이스를 보유하고 있다."- 연구소들이 실시간으로 연구 결과를 제출해 주어야 하는데, 이런 분들이 이 소프트회사로부터 받는 것이 있어야 제출을 할 것 아닌가? 어떤 인센티브가 있는지."어떤 곳과 계약을 맺고 있어 데이터베이스를 전송해 줄 의무가 있다. 상당수의 회사들이 자사의 데이터베이스를 여러 군데 저장하는 것보다 우리 같은 회사 1개에 전송하는 것이 편리하기 때문에 데이터 수집은 그리 어렵지 않다.알파고와 연계해서 말씀드리면 10년전 왓슨 컴퓨터가 체스 챔피언을 이겼다. 지금도 체스경기가 열리지만, 우리는 연구자와 기계가 협업을 하자는 것이지, 누가 이기느냐 하는 게임을 하는 것이 아니다. 컴퓨터와 사람이 협업을 하면 뛰어난 천재를 이길 수 있다.우리는 사람들에게 직업을 더 만들어주는 것이 목표이다. 적절한 역할을 컴퓨터가 수행하지만 그것을 조종할 수 있는 업무를 사람들에게 주는 것이 우리들이 추구하는 바이다."- 주기율표에서 무엇을 연구하려고 하다가 새로운 원소를 만들어내게 된 것인지."처음 연구원들이 주기율표를 들여다보고 있을 때는 학계와 공동으로 일을 하고 있었다. 우리는 가운데 있는 원소들하고 조금 특성이 다른 원소가 있는지 알아보려고 한 것인데, 이 과정에서 우리가 생각했던 것이 아닌 새로운 원소를 소프트웨어가 찾아준 것이다."- 열전도성이 높은 원소를 찾고 있었던 것인지."우리가 찾으려고 했던 것은 열전도성은 높지만 상수는 낮은 것을 찾으려고 했는데, 소프트웨어가 이상한 것을 찾아 준 것이다."- 누군가 연구를 했던 결과물이기 때문이 아닌지."서로 조합을 해서 나올 수 있는 것이기 때문에 이런 결과가 나온 것이지 연구 결과물이 있어서 그런 것이 아니다."- 리튬을 대체할 수 있는 연구도 가능할 것 같은데."원소에 대해 더 많은 연구를 할 예정인데, 그런 것을 하기 위해서는 재료 연구와 같은 엄청난 자료가 필요하다. 우리가 가장 중요한 원소를 대체하는 것에 대해 연구하고 있는데, 리튬은 거기에 아직 속하지 않는다.인디움 같은 원소는 대체하려고 노력하고 있다. 리튬은 부피가 큰데, 이것을 우리가 들여다보고 있는지 없는지는 알아서 생각하기 바란다.한 가지 덧붙이고 싶은 것은 재료 쪽의 도전적인 과제는 최고의 퍼포먼스를 얻는 것이 최종 목적은 아니라 비용을 절감하는 것이다. 주로 과학자들은 비용을 생각하지 않는데, 우리는 비용과 효과를 함께 생각한다."- 기초 데이터가 숫자 개념인지 텍스트 마이닝이 필요한 데이터인지? 연구실마다 기초 데이터의 타입이 모두 다를텐데 어떻게 정리를 하는지, 데이터가 연구실마다 다르게 나타날 수 있을 텐데."주로 우리는 숫자로 된 데이터를 사용한다. 가끔 텍스트로부터 데이터의 숫자를 추출해서 입력한다. 주로 하지 않는 텍스트는 '철강은 반짝거리고 강하다'라고 할 때 세부적으로 묘사하는 것이 아니라 숫자를 연결시키려고 노력하고 있는 것이다.우리는 뛰어난 퀼리티 데이터 문제를 해결하려고 노력한다. 예를 들어 두 개의 국립연구원에서 좋다는 데이터를 받아보았는데 가치가 다르다면 다른 이유가 있을 것이다.이런 경우에 메타 데이터가 있었는지 실험방법 등을 연구하게 된다. 저와 동료가 연구를 했을 때 동료가 한 것이 좋았다면 제 것을 버리는 것이다.어떤 실험을 하기 전에 AI가 이 정도 수준의 데이터가 나올 것이라고 예측을 했을 때 맞으면 선택하고 맞지 않으면 버리는 것이다.여기서 말하는 것은 데이터를 정상화한다고 말하는데, 데이터가 좋든 나쁘든 데이터를 조작하지는 않는다. 나쁘면 버리는 것이지 좋게 만들지는 않는다."- 시트린은 소프트웨어 회사인데, 새로운 소재를 발견했으면 실현시키기 위한 테스트는."시트린은 소프트웨어 회사라 테스트는 하지 않는다. 우리는 소프트웨어를 대규모의 재료와 관련된 회사에 판매를 한다. 소프트웨어를 사간 사람들이 우리 회사의 지적 재산권을 갖게 되고, 고객들이 스스로 실험을 하게 되는 것이다."- 예측한 결과를 실제로 실험을 했을 때 성공비율은."성공률은 측정하지 않는다. 고객사가 가져가서 자체적으로 테스트를 하는 것은 그쪽의 일이기 때문이다. 합성수지 폴리머에 대한 실제 케이스를 보자. 데이터를 갖고 모델링을 하고, 옵티마이즈를 하고 디자인을 한다.대충 1분 내로 알려주는데 물론 소프트웨어가 알려주는 것은 가설적인 것이기는 하지만 이것을 가져간 고객사에서는 과학자가 이런 내용을 보고 자기의 데이터를 입력해서 만들어보는 것이다."- 모든 소프트웨어는 버그가 있는데 어떻게 발견하고 디버깅을 어떻게 하느지."소프트웨어에는 두 가지 종류의 버그가 있다. 첫 번째는 디스플레이상의 버그가 있는데 이를 방지하기 위해 표준화된 테스팅을 하고 있다.두 번째 버그는 모델링을 해놨는데 엉터리였을 때 표준화된 AI테스트를 확인한다. 신규데이터가 들어왔을 때 고객사가 데이터 변경을 할 때 마다 돌려 확인하면 모델링이 얼마나 잘되고 있는지를 알 수 있다.그런 결과 초기에는 AI버그가 상당히 많았는데 고객사들은 시트린의 소프트웨어에서 AI버그를 거의 발견하지 못하고 있다."- 이번 창업이 몇 번째인지, 창업시 힘들었던 점, 실리콘밸리의 학교나 기관에서의 지원을 받았던 경험은."시트린은 처음으로 창업한 회사이다. 회사를 만들었을 때 가장 어려웠던 점은 아이디어를 어떻게 하면 사람들이 사용할 수 있는 소프트웨어로 만들 수 있을까 하는 것이었다.실리콘밸리에는 뛰어난 아이디어들이 많이 나오지만 다 성공할 수 없다. 너무 뛰어나면 사람들이 많으면 모두 받아들일 수 없기 때문에 그 아이디어를 구체화시키는 것이 가장 어려웠다.창업을 하려면 VC에 가서 돈을 달라고 해야 하는데, 세 가지 질문에 대답해야 한다. 첫 번째, Technology Risk로 당신의 회사가 실제로 이것을 만들 수 있느냐?두 번째, Market Risk로 당신의 회사가 이것을 만들었을 때 고객들이 사겠다고 생각했는가? 세 번째 질문 Execution Risk로 당신의 팀이 이것을 실행할 준비가 되어 있는가? 이다."- 두 번째 질문에 대해 어떻게 대답했는지."우리끼리도 매일 세 가지 질문에 대답을 하고 있는데, Market Risk에 대한 질문이 제일 어려운 질문이었다. 벤처캐피탈들은 재질에 관련된 분야는 많이 알고 있기 때문에, 이런 제품을 여러 군데 다니면서 많이 팔아 보면 사람들이 많이 산다고 하니 돈을 지원해주겠다고 한다."- 교과과정도 만들었다고 하는데, 어떤 과정을 만들었고 어떤 방식으로 만들었는지."대학에서 교과과정을 개발해달라고 요청이 들어오지만 실제로는 개발한 과정이 많지는 않다. 대신 대학과 학생들과 협업을 통해 그들이 필요한 혁신적인 기술을 개발하는데 동참을 하고 있다.특히 화학, 재료과학, 컴퓨터 과학이 겹치는 분야에 대해서 주로 많이 한다. 예를 들어 요즘은 재료과학자들이 전부 코딩을 할 수 있는 능력이 있고 코딩하는 사람들도 다른 분야를 알고 있다. 이렇게 중첩되는 부분에 대해 주로 자문과 교재개발을 하고 있다."- 실리콘밸리의 반도체 기판에 대해서도 이제 한계가 온 것 같은데, 다른 재료를 찾아내는데 관심이 없나? 트리즈 기법이라고 수많은 특허를 분석해서 과학적으로 해법을 찾아내는 방법에 대해 알고 있는지."개인적으로 반도체 업계에 종사했지만, 갈륨이 실리콘웨이퍼(siliconwafer)를 대체할 것으로 생각하지는 않다. 갈륨은 고주파칩에 활용할 수 있는 특성이 있고, 실리콘은 다른 특성이 있다.러시아의 트리즈 기법에 대해서는 잘 모르지만 미국에도 유사한 것을 제공하는 기업이 있다. 제 생각에는 특허를 분석해서 방향 제시를 하는 것은 매우 유용한 것이지만 특허를 이렇게 제작하라고 지시하는 것은 말이 안된다.특허는 워낙 광범위한 크레임을 가지고 있기 때문이다. 현재 미국 내에 특허와 관련되어 있는 소프트웨어는 어떤 식으로 사용하느냐하는 내용은 다른 곳에 이미 나와 있다. 그 정도 수준에서 사용하고 있다."- 창업을 하면서 가장 주저했던 점과 창업 동기? 전체 직원들이 몇 명인지."이쪽에서 연구를 하다 보니 데이터가 너무 많고 분석하기가 쉽지 않다는 생각을 하고 있는데 공동창업자가 그런 솔루션을 가지고 있었다.우리끼리 프로젝트를 진행하면서 서로 이야기를 하다 보니 어느 순간 뭔가 손에 들어왔다는 느낌이 들었을 때 창업을 하게 된 것이다.창업을 해서 지금도 안고 있는 어려움은 초창기 창업을 3명이서 했을 때는 아무 문제가 없었는데 지금은 직원들이 많아져 부하직원의 가족까지 책임져야 하는 것이다. 제가 내린 결론 때문에 직원들에게 월급을 주지 못하는 경우가 생길까 걱정이다. 직원들은 모두 21명이다"- 직원들의 전공은."컴퓨터과학자, 재료공학, 인사 등 행정이 각각 3분의 1이다."- 내가 자동차 회사 대표로서 고객이라 생각하고 무엇을 받고 무엇을 줄 수 있는지 말해 달라. 그러면 시트린이 하는 일이 쉽게 이해가 갈 것 같다."내가 소속되어 있던 회사는 금속 회사였는데 신규 금속을 찾아야 하는 상황이 됐다. 예를 들어 트럭을 제작할 때 중량을 감량시킬 수 있는 재질을 찾아봤다.내가 일했던 회사는 연구원 500명이 있었고 통상 10년에서 20년 정도 발명 사이클을 가지고 있었다. 그런데 시트린 같은 회사에 동참하면서 10년 사이클을 5년으로 줄일 수 있을까를 고민하기 시작했다.컴퓨터와 연구원을 연결해 주면서 기술주기를 단축할 수 있었다. 예를 들면 미국의 S150라는 재질이 알루미늄인 트럭이 있는데 이 트럭의 발명에서 구상까지 15년이 걸렸다.그런데 3년 이내로 줄일 수 있다면 경쟁사 까지 포함해서 구도를 모두 바꿀 수 있게 되는 것이다. 통상적으로 고객사는 현금을 주고 소프트웨어를 사가고, 자사의 데이터를 입력한다.그러면 우리는 그것을 가져다가 데이터를 입력해서 소프트웨어 툴을 전달해 주면 된다. 예를 들면, 현대자동차는 연구원만 2만 명이나 있는 것으로 알고 다.연구원들의 작성물에는 특허도 있고 기업비밀도 있을 것이다. 우리가 특허나 기업비밀을 수집해서 하나의 데이터베이스에 수록하고 엔진을 만들어 주면, 현대와 우리 사이에 피드백이 진행이 되는 것이다."- 구매로 끝나는 것이 아니라 어떤 기간 동안은 계약 관계가 성립하는 것인지."고객사와 우리의 협업이 이뤄지는 것이다."- 가격이 제일 싼 것은."일 년에 제일 싼 것은 15만 달러에서 20만 달러이다. 물론 우리가 계약은 통상적으로 3년 단위로 하고 있다."- 시트린이 추구하는 동종업계의 차별화 전략과 추구하는 가치는."새로운 재료를 개발해서 제품화하는데 걸리는 시간을 줄여주자는 것이고, 에너지 문제와 자원문제 해결에도 도움을 주자는 것이다.다른 회사와 차별화하는 전략은 딥 마인드는 상당히 얕고 광범위하게 하는 반면, 우리는 한 분야에서 매우 깊이 있게 들어가는 것이 가장 큰 차이점이다. 재료에 관한 방대한 데이터가 있는데, 시트린 만이 방대한 데이터를 전부 취급해서 솔루션을 제공할 수 있다."- AI분야에서 공인된 효율적인 테스트를 위해 회사끼리 협력이나 회사와 정부와의 협력이 이루어지는지"정부와 회사가 협업하는 것은 없고 우리가 자체적으로 AI테스트를 만들어냈다. AI테스트는 AI시스템 내에서 발생하는 에러를 확인하는 것으로 우리가 자체적으로 가지고 있는 수학적인 스탠다드 테스트이며 5,6가지 방법으로 하고 있다. 나중에는 공인된 테스트 기관이 나올 수도 있겠지만 현재는 없다."- AI가 4차 산업혁명에 기여한 역할은."지금 4차 산업이라고 하는 것은 두 가지 전제가 놓여 있다. 가장 기본은 과거에 볼 수 없었던 방대한 양의 데이터를 수집하는 것이고 또 한 번도 해 보지 않은 방법으로 데이터를 분석하는 것이다.4차 산업이라는 단어가 정의가 되었을 때는 광범위한 데이터를 수집하는 쪽에 국한되었는데, 지금은 그것을 훨씬 넘어서는 영역으로 넘어갔다.데이터를 수집하는 것은 쉽지만 데이터를 가지고 어떤 의미 있는 것을 창출해내느냐 하는 것이 어려운 과제가 되는 것이다. 백악관과 일을 할 때 각 업계한테 데이터를 취급하는 툴을 도입하라고 한 적이 있다.데이터가 사용가능한 데이터여야 하고 인간이 분석을 할 수 있어야 한다. 디바이스가 발전하고 데이터가 우수하면 경쟁할 수 있다."- 미국도 데이터 과학자가 많이 모자라는지, 데이터 과학자나 분석가들을 기업에서 자체적으로 양성을 하게 되면 기업의 전망이 어떻게 될 것 같은데."지금 미국에서는 데이터 과학자라고 하면, 두 단계로 나눈다. 상위는 쉽게 말하면 우리 회사에서 근무하는 직원들이고, 알고리즘 개발자인데, 현재 이들의 수는 많지 않다.두 번째 하위 단계의 데이터과학자들은 고객사에서 툴을 사용하는 사람들인데 2~3년 전에는 그 수가 적었지만 지금은 많이 늘어났고, 5년 후에는 더 늘어날 것이다.현재 미국에서는 빅데이터와 관련된 상당히 많은 트레이닝이 진행되고 있다. 지금 우리 회사에는 상당히 많은 숫자의 데이터 과학자들이 있다.미국에서 고객이 될 가능성이 있는 회사들은 자체적으로 분석을 하려 않기 때문에 기업에서 데이터 분석가들을 많이 고용하더라도 우리 회사는 미치는 영향은 없다.오히려 데이터에 대한 이해도가 깊어져 사업이 더 잘 될 수 있을 것이라 생각한다. 우리는 기술, 소프트웨어, AI툴 모두 가지고 있다. 이제 업계에서 이것을 받아들여야 하는 상황에 온 것이다.그런데 5년 정도 후면 미국 대기업들은 자체적으로 AI를 도입하게 될 것이다. 제트기 엔진을 만드는 GE는 AI를 활용할 계획을 수립해 두었다. 많은 회사들이 시도를 할 것이다. 하지만 좋은 데이터 과학자가 없으면 실패를 거듭하게 될 것이다."- AI분야에 있어서 정부의 역할은."첫째, AI 인프라를 개발할 수 있는 기회를 많이 제공해야 한다. 복잡한 AI는 클라우드 상에서 돌게 되는데, 한국은 6, 7% 기업이 클라우드를 쓰고 있고 미국은 70% 정도가 쓰고있다.한국 정부가 클라우드 쪽으로 가도록 해주면 크게 도움이 될 것이라고 생각한다. 둘째, 정부 입장에서 국민들에게 AI의 공포심을 없애 주는데도 노력해야 한다.많은 사람들이 AI가 등장하면 직업이 사라질 공포감을 가지고 있는데 사람들의 직무를 바꿔줄 뿐, 많은 영향은 없다고 본다. 국민들이 AI를 수용할 수 있도록 분위기를 바꿔주는 것이 정부의 역할이다."- 한국의 AI이용률이 낮은 것이 보안문제라고 보는지."AI 자체의 문제라기보다는 클라우드 상에서는 보안이 취약하다는 생각 때문이다. 지금 정부의 역할에 대해 보완하고 싶은 것은 대기업인 경우는 어느 정도 받아들일 준비가 되어 있다고 보지만 미국에서도 중소기업은 녹록하지 않은 현실이다.미국에서는 지방정부와 연방정부와 연합회를 구성해서 신규기술이 나오면 300여 개 도시마다 가르쳐 주는 역할을 하는데 이것이 상당히 큰 역할을 하고 있다."- 컴퓨터공학과 재료공학을 결합해서 사업을 하고 있는데, 컴퓨터공학과 또 다른 분야를 접목할 계획은."현재 컴퓨터공학은 모든 분야를 다 건드리고 있다. 컴퓨터공학과 재료공학만 연계되어있다고 표현하는 것은 너무 단순화시킨 것이다.우리 회사에는 화학공학자, 수학자도 있다. 우리가 20년 후에는 직원들의 전공이 뭐가됐든 매우 고도의 툴을 사용하는 것을 가르치고 배워서 그것으로 일을 하게 될 것이다."- 시트린에서 재료공학 이외에 다른 분야로 확대를 하려는 계획은."재료공학을 벗어난 쪽은 진출할 생각이 없다. 의료는 전혀 다른 분야이기 때문에 새로 시작해야 한다. 재료공학 쪽에서 진출하지 않았던 다른 분야가 있으면 그쪽은 진출할 생각이 있다."- 다른 회사에서 다른 분야에 집중 할 가능성이 있는지."할 수도 있지만, 의료분야는 매우 어렵다. 하지만 그 분야에 전문성을 가진 회사가 나중에 나올 수 있을 것이다."- 정부가 주관하는 300여 개 도시의 중소기업을 대상으로 새로운 기술을 교육하는 프로그램이 있다고 했는데, 새로운 기술을 선정하는 기준은."상무부에서 300개의 도시와 회의체를 만들었는데 이것을 MEP라고 한다. 이것은 도시마다 특화된 것으로 중소기업들이 안고 있는 질문사항을 받아서 가장 적합한 기술을 가르쳐주는 것이라서 꼭 신기술이라고만 할 수는 없다.공통적인 문제를 안고 있는 회사를 그룹으로 묶어서 그것을 해결해 줄 수 있는 신기술이 나오면 세미나나 교육을 통해 가르쳐 준다.캘리포니아에 5개 , 펜실베니아에 2개의 MEP가 있다면 7개의 MEP들끼리 정보교환을 해서 기술 Pool을 만들고, 질의가 나왔을 때 해당되는 것을 뽑아서 가르쳐 주는 것이 기본개념이다."- 왜 시트린이라고 회사명을 지었는지."시트린은 희귀한 보석이라 많은 사람들이 모조품을 만든다. 플랫폼 이름이 Citrination인데 실버를 골드로 만들 수 있다는 뜻이다."□ 참가자 시사점◇ 시트린 인포머틱스○ Citrine Informatics는 재료와 소재분야의 빅데이터를 기반으로 AI를 이용하여 분석함으로써 글로벌 기업들에게 서비스를 제공하고 수익을 올리는 비즈니스 모델을 개발하여 주목받고 있는 스타트업 기업이다.○ Citrine사가 이런 비즈니스 모델을 기반으로 스타트업을 할 수 있게 된 배경은 재료와 소재에 관한 전문가들의 연구결과와 국가 출연연구기관 및 대학 등의 방대한 연구자료가 축적되고 그것이 Big Data가 되어 이를 분석할 수 있는 SW를 개발한 것이 핵심인 것으로 보인다.향후 사회 전 분야에 관한 각종 Big Data가 축적되고 그것을 분석할 수 있는 AI가 개발될 경우 다양한 분야에서 Citrine 유형의 스타트업 기업들이 탄생할 것이다.○ 재료분야 맞춤형 서비스 통해 혁신적인 시간단축에 달성했다. 정부 주도형 기술개발이 아닌 기업주도형 기술개발로 경쟁을 통한 산업발전 진행 중이며 중소기업들에 정보를 제공할 수 있는 '장'을 만들어 애로사항을 해결하는 정부의 노력이 필요한 것 같다.○ 데이터 분석 알고리즘을 어떻게 설계했는지 궁금했으며 파트너사의 요구에 얼마나 만족할 결과물을 제공하는지 파트너사의 만족도는 어떠한지 정확히 알고 싶다.○ 넘쳐나는 Big Data 시장에서 우리 기업들은 어떠한 차별화를 가져야 할지 방안이 필요하다.○ 재료공학과 컴퓨터 공학의 융합을 통한 정보제공 서비스를 제공하며 세계 100여개 대학 및 연구소와 협업으로 정보 수집을 하고 재료와 관련된 database를 구축했다.○ 향후 컴퓨터 공학의 다양한 분야에 대한 적용을 통한 정보제공이 가능하고 시트린의 경우는 자신들의 강점인 재료분야에 집중할 예정이다.○ 실리콘밸리에서 성공한 인공지능 플랫폼 스타트업으로 꼽히는 '시트린 인포머틱스'의 4차 산업혁명에 시대에 대비한 기술개발 성공사례를 충남지역의 창업을 준비하는 기업들에게 접목하여 창업 전후의 애로사항을 최소화하고 성과확산을 극대화하여 새로운 부가가치를 창출할 수 있도록 환경조성에 주력할 필요가 있다.○ 정부는 AI 인프라 기회를 제공하여 클라우드 사용 증가를 유도하고, AI에 대한 막연한 공포심을 제거하는 분위기 조성을 해야 한다.대기업은 받아들일 수 있지만 중소기업은 4차 산업혁명에 대비한 기술개발 수용에 어려움이 있으므로, 이에 대한 정부의 적극적인 노력과 정책 마련이 필요하다.○ 실리콘밸리에서 성공한 인공지능 플랫폼 스타트업 회사로써 실리콘밸리에서 창업하고 성장하게 된 과정들을 들을 수 있어서 유익하였으며, 인공지능 발전을 위해서 전세계 정부와 연구기관, 산업체가 서로 기술을 공유하고 규칙을 만들어 나가야 한다고 보았다.○ 4차 산업혁명은 여러 기술의 혁신이 통합된 거대한 물결로 여러 고급 기술이 모두 엮이고 합쳐져 기술보다 훨씬 나은 무언가가 될 수 있을 것이라는 점을 강조했다. 경직된 교육과 규제는 4차 산업혁명에 걸림돌이 될 수 있다는 점도 배웠다.○ 실리콘밸리에서 성공할 수 있었던 스토리를 듣게 되어 유익하였으며, 특히 한국의 4차 산업혁명과 관련하여 한국의 교육수준에 비해 스킬들을 활용할 수 있는 인재들이 나오지 않는다는 점에서 시사하는 바가 컸다. 한국의 불필요한 규제가 걸림돌로 작용할 수 있다는 점도 알 수 있었다.○ 성공한 창업가인 그레고리 멀홀랜드의 성공스토리를 들으며, 4차 산업혁명에 대처하기 위해서는 혁신형 인재를 육성하는 일이 중요하다고 생각되었다.○ 사업체 방문을 통한 실 상황을 탐방할 수 있는 기회가 없어 아쉬웠으나 토론자의 적극적인 설명과 답변으로 유익한 시간이 되었다. 4차 산업혁명의 적용 사례를 볼 수 있었다.○ 재료연구 분야의 빅데이터 솔루션 구축 사례, Material Science와 Computer Science의 융합이 인상 깊었다. Citrine Raw Data 수집 및 전처리 프로세스, Citrine AI 기술, 기타 국내외 컨퍼런스 발표자료 수집, 미국 Materials Genome Initiative 등이 향후 연구 주제이다.○ 집중과 정보의 효율적 사용이 돋보이는 회사였다. 재료라는 한 분야에 대한 집중적인 자료 수집으로 수요자에 맞는 솔루션을 제공하고 있다. 아이디어는 사람들이 사용할 수 있도록 하는 것으로 시장성을 확보하는 것이 중요하다.○ 인공지능 플랫폼을 활용하여 R&D, 제조 프로세스 소요시간을 단축시켜주는 시트린 플랫폼은 4차 산업혁명에서 집중하고 있는 빅데이터 활용, 인공지능, 기계학습기반을 모두 포함하고 있다는 점에서 흥미로웠다.○ 재료 및 화학물질을 활용한 시트린 플랫폼을 응용하여 한국에서, 기업에서 어떤 형태로 또는 어떤 분야에서 활용할 수 있을지에 대해 고민해보는 기회가 되었다.○ 시트린 CEO와 VP가 얘기했듯이 빅데이터를 구축하는 것이 가장 큰 경쟁력이며, 한 분야에서 시트린과 같은 빅데이터를 구축하고 활용할 수 있는 분야는 어떤 것들이 있는지, 울산지역에서 이와 같은 스타트업 기업을 만들 수 있는지에 대해 생각해보는 계기가 되었다.○ 빅데이터를 활용하여 기존에 없었던 물질을 찾을 수 있도록 하는 시트린의 Tool이 몹시 궁금해졌다. 첫 번째 창업을 시트린으로 시작한다는 CEO의 말에서 자신감과 포부를 느낄 수 있었다.한국과는 다르게 미국은 창업에 대한 수요가 훨씬 크고 지원 제도도 풍부한 것 같다. 청년창업에 어려움을 겪고 있는 우리나라가 선진국의 사례를 파악하여 국내실정에 맞는 정책을 펼치는 것이 중요하다고 생각한다.○ 현재 시트린 인포머틱스는 첨단 AR기술을 활용할 제조업 분야를 찾고 있다. 예를 들어, 색을 밝게 하는 것, 철강을 더 강하게 할 수 있는 것, 차를 더 가볍게 만들 수 있는 것, 재활용을 더 할 수 있게 하는 것 등이다.○ 또한 세계 100여개의 대학과 연계 협력하고 있으며, 해당 분야의 데이터를 수집하여 빅데이터 분석을 실시하고 있다.시트린 인포머틱스는 많은 데이터를 분석하여 어떤 분야에 어떤 해결책을 줄 것인지에 대한 차이를 줄여준다. 이러한 일들은 대학 및 정부기관에서 주로 하였다.현재는 시트린 인포머틱스에서 진행하고 있다. 현재 시트린 인포머틱스에 대한 투자를 받을 예정이고, 오바마 행정부의 신재료 부문을 담당하였던 자문위원을 시트린의 자문위원으로 선정할 계획이다.○ 시트린 CEO는 아이디어를 일반인들이 사용할 수 있게 구체적으로 제품을 만들고 사업으로 이끌어 나가는 기업이라고 생각한다.○ 실리콘밸리에서 투자를 받기 위해 필요한 요건은 크게 투자 받고자 하는 기술에 대해 설명할 수 있어야 하는 Technology Risk, 시장위험 대처에 대한 방법을 설명할 수 있어야하는 Market Risk, 실행에 대한 위험에 대처할 수 있어야 하는 Executive Risk에 대해 준비가 되어 있어야 한다는 점이 인상적이었다.○ 재료 및 화학공학과 IT의 결합으로 통한 신사업 모델로 전통 제조업 중심의 지역기업에 시사하는 바가 크다. 스마트 팩토리외 IT융복합화에 대해 새로운 방향성 특히, 신사업 모델로써의 방향성을 고려할 만하다.○ 신규 창업이 활발한 실리콘밸리의 장점으로 신규 사업아이디어를 창업까지 연결하는데, 절차적 어려움이 적다. 관련 내용은 별도 벤치마킹 필요해 보인다. 창업시 기술적 가능성, 시장성, 사업수행 준비상황을 검토한 후, 투자를 진행해야 할 것이다.○ 미국의 AI 관련 정부 역할은 인프라 구성 및 AI에 대한 지나친 공포심 해소 정도로 국한하고, 민간이 자유롭게 연계할 수 있는 공간만 유지하고 있다.하지만 이는 기술과 자본이 축적된 선진국의 논리일 수 있다. AI 기술 초기단계인 국내의 경우, 정부의 역할을 어디까지 규정해야 할지 논의가 필요하다.○ 인공지능 플랫폼 스타트업으로 성공한 업체로 재료 및 화학물질을 위한 인공지능, 머신러닝 플랫폼으로 특허, 논문, 보고서와 같은 수많은 소스의 데이터를 분석하여 관련 조건에서의 최적의 재료 및 화학물질의 반응을 예측한다.이를 통해 R&D 및 제조 프로세스 소요시간을 50% 이상 단축할 수 있다. 빅데이터 분석과 AI의 결합의 성공적 사례로 다룰 수 있다.○ 벤처기업으로서 투자 유치를 위해 통과해야 하는 질문 3가지가 인상 깊었는데 1)기술적으로 가능한 것인가?(tech risk), 2) 구매할 대상이 명확한가?(market risk), 3) 실행 능력이 있는가? (Execution risk)이다.○ 4차 산업혁명의 성격은 데이터를 수집하고 데이터를 활용하는 것이다. 정부가 해야 할 일은 AI를 가능하게 하기 위해 클라우드 서버 구축 등이 가능하도록 하드웨어는 물론 지나친 개인정보 보호로 인해 의미있는 데이터 분석에 장벽이 되는 것을 제거해야 한다.규모가 작은 중소기업들의 경우 진입장벽이 있으므로 협의체 등을 구성해서 참여할 수 있도록 장려해야 한다.○ 외국의 혁신기업과 국내 기업간의 데이터 공유를 통한 공동사업이 이루어지고 있으나 아직까지는 미미한 수준이다.4차 산업혁명은 이미 진행되고 있으나 그에 비해 한국의 클라우드 도입률은 매우 낮다. 외국의 산업경쟁력 격차를 줄이기 위해서 빅데이터와 인공지능 기반의 시스템개발이 시급하다.○ 국내에서 빅데이터 기반 검색엔진을 활용하려면 통합 플랫폼에 대한 데이터 유통 안전성 확보가 중요할 것이다. 한국의 경우 대기업조차 고객 정보 유출 및 정보오용이 잦기 때문에 시스템개발만큼 풀어야할 숙제가 될 것이다.○ 지역 특유의 DB 구축의 필요성이 인식되었으며 지역자원, 지역정보, 지역연구 등 관련 DB구축을 통해 사업화 가능성을 시사했다.○ AI 기반 재료분석 솔루션 서비스 등 인공지능 플랫폼 스타트업이 출현하고 있으나 미국 내에서도 AI 알고리즘 안정성에 대한 공인 프로세스는 없는 것으로 파악된다. 향후 산업이 점차 정착될 경우 기업 간, 기업과 정부 간 AI 표준에 대한 논의가 이뤄질 것으로 전망된다.
-
□ 연수내용◇ 컴퓨터공학을 기본소양으로 AI의 근간을 쌓는 미국 대학○ 미국 대학에서는 AI의 근간이 되는 컴퓨터공학이 이미 기본 소양으로 여겨지고 있다. MIT 학생 중 컴퓨터공학 전공과학을 듣는 학생은 지난해 기준 50%에 이르고 스탠퍼드대 공대생 중 컴퓨터공학 전공자는 45% 수준이다. MIT, 스탠퍼드, 카네기멜런, 워싱턴대 등은 공동으로 AI를 교육하는 프로그램을 운영하고 있다.○ 미국 캘리포니아 버클리대(UC버클리)는 2015년부터 데이터 사이언스를 연계한 대학원 전공 과정을 운영하고 있다.데이터 사이언스는 엄청난 양의 빅데이터를 분석하기 위해 AI 기술의 핵심인 딥러닝(심층 학습) 등을 활용하는 기술이다. 알파고를 통해 딥러닝의 유용성이 입증되면서 최근 가장 각광받고 있는 분야이기도 하다.◇ 세계에서 3번째로 노벨상을 많이 배출한 UC버클리○ 1868년 10개의 캘리포니아 대학교 중 최초로 설립된 UC버클리는 2019년 U.S. News & World Report 세계랭킹에서 4위에 랭크되었다.107 명의 노벨상(2018년 12월 기준) 수상자들과 연고가 있는 UC버클리는 세계에서 3번째로 노벨상 수상자를 많이 배출한 대학교인 세계적 명문대학이다.○ 버클리 졸업생들은 여러 유명 기업들을 창업한 것으로 유명하다. 애플(스티브 워즈니악), 인텔(고든 무어), 마이스페이스(톰 앤더슨), 갭(도널드 피셔), DHL(래리 힐블롬), 구글 보이스(크레이그 워커)와 구글 어스(존 행크), HTC(쉐어 왕), 썬 마이크로시스템즈(빌 조이), BBN 테크놀로지(리처드 볼트), 마벨 테크놀로지 그룹(세핫 수타르자와 웨일리 다이), VM웨어(다이앤 그린과 멘델 로젠블럼), 일본 소프트뱅크(손정의) 등이 버클리 졸업생에 의해서 설립된 대표적인 회사들이다.◇ 버클리 대학 내 인공지능 관련 연구인력이 모인 인공지능연구소○ UC 버클리는 연구 중심의 종합대학으로, 7,000개가 넘는 강의와 300개에 가까운 전공을 제공하고 있다. 해마다 5,500명의 학사와 2,000명의 석사, 900명의 박사를 배출한다.▲ UC버클리[출처=브레인파크]○ 버클리 인공지능연구소는 △컴퓨터 비전 △기계학습 △자연어 처리 △계획 △로봇공학 분야에 걸친 UC버클리 대학 내 연구인력이 모인 연구소다.○ 30여 명의 교수진과 200여 명의 대학원생은 멀티모달 딥러닝(Multi-modal deep learning)과 인간-호환 AI와 관련한 최첨단 기술들을 연구하며 AI와 다른 과학 분야 간 접목을 위한 연구도 진행한다. 연구진은 인공지능 관련 연구를 진행할 때 최대한 다양한 접근법을 활용하고 있다.○ 연구소는 최첨단 AI 연구 가속화를 위해 ‘BAIR Open Research Commons’라는 새로운 산업 제휴 프로그램을 시작했으며 연구진은 Commons 협정을 기반으로 제휴 산업 파트너와 공동으로 그리고 균등하게 지적 재산을 공유하면서 협력적인 공동 프로젝트를 진행한다.○ 후원기업으로는 아마존, 페이스북, 구글, 마이크로소프트, 삼성, 웨이브 컴퓨팅 등이 있으며 이들 기업은 프로그램의 초기에 BAIR 시설과 연구 노력을 지원할 20개 이상의 공동 프로젝트에 대한 기금을 조성했다.○ 기존 학과와 학부들은 그대로 놔둔 채 이들을 모두 아우를 수 있는 `디비전`이라는 개념을 만들어 학부생들이 전공과 관계없이 데이터 사이언스를 학습할 수 있도록 한다.◇ AI분야 고전논문상을 수상한 존케니교수의 지도를 받는 김진규학생○ 버클리대 인공지능연구소 방문은 컴퓨터공학과에서 박사과정에 있는 김진규 학생과의 간담회 형태로 진행되었다. 김진규학생은 고려대학교 전자공학과 학사, 석사를 거쳐 현재는 존 케니 교수(Prof. John Canny)의 지도학생으로 연구 중이다.존 케니 교수가 석사 과정 때 발표한 논문이 컴퓨터 비전 쪽에서 가장 많이 읽힌 논문으로 유명하며 2002년 인공지능분야에서 가장 영향력있는 논문상을 수상하기도 했다. 지금은 CS 학부장이다.○ 김진규 학생의 연구분야는 AI, 컴퓨터 비전, MAPE 등을 하고 있고 어플리케이션으로 자율 주행을 연구하고 있다. 특히 Advisable AI를 많이 하고 있고 DARPA에서 AI 관련 세미나를 열었을 때 직접 연구내용도 발표했다.○ 버클리로 오기 전에는 컴퓨터 이미징, Data Mining, 물리경제학 등 관련 연구를 진행했으며 현재는 DARPA 프로젝트로 자율 주행을 연구하고 있다. 병역특례로 LG Display, 삼성, 팬텀AI, 혼다, Waymo에서 인턴을 했다.○ 주요 이력• niversity of California, Berkeley, PHD IN COMPUTER SCIENCE (ADVISOR: PROF. JOHN CANNY)• Korea University, MS IN ELECTRICAL COMPUTER ENGINEERING (ADVISOR: PROF. SUNGROH YOON)• Korea University, BS IN ELECTRICAL ENGINEERING, Summa Cum Laude (GPA: 4.45/4.5)○ 발표논문• 2018.10. 「Explainable Deep Driving by Visualizing Causal Attention」, Jinkyu Kim and John Cann, The Springer Series on Challenges in Machine Learnin• 2018.09. 「Textual Explanations for Self-Driving Vehicles」, Jinkyu Kim, Anna Rohrbach, Trevor Darrell, John Canny, and Zeynep Akata, ECCV• 2017.12, 「Show, Attend, Control, and Justify: Interpretable Learning for Self-Driving Cars」, Jinkyu Kim, Anna Rohrbach, Trevor Darrell, John Canny, and Zeynep Akata, NeurIPS Symposium• 2017.10, 「Interpretable Learning for Self-Driving Cars by Visualizing Causal Attention」, Jinkyu Kim and John Canny, ICCV◇ 자율주행의 취지와 흐름○ 자율주행은 교통사고를 줄이는 것, 사람들의 운전시간을 줄이고, 주차장에 쓰이는 공간을 줄이자는 취지를 갖고 있다.우버의 자율주행은 볼보 차체에 자율주행 센서와 컨트롤 유닛을 달아서 자율주행 차를 만들었다. 트럭에도 진행 중이었는데 최근에 우버에서 트럭에 대한 자율주행 사업은 중단했다. 자율주행 분야로 투자를 많이 했으나 트럭 대신 일반자동차에 집중하고 있다.○ Waymo는 일반자동차와 트럭 모두 진행하고 있다. 대부분의 자율주행 차가 상위단에 라이더센서를 두고 360도로 레이저를 쏴서 주변에 무슨 물체가 있는지 감지한다.카메라가 앞, 뒤로 6개정도 달려 있어서 주변 시야를 확보한다. 레이더 센서는 요새 차에 다 들어가 있는데, 고속도로에서 자율주행하는 차는 모두 레이더를 쓰고 있다. 또한 보통 트렁크에 컴퓨터를 실어 넣는다. 최근에 재규어에 레이더를 달아서 실험하고 있다.○ Waymo는 피닉스 지역에서 서비스하고 있는데, 리프트와 연결해서 리프트에서 자율주행차를 불러올 수 있게 한다. 센서에서 정보를 취합한 후 컴퓨팅하고 자동차로 컨트롤한다. 우버의 앱, 구글 맵으로 차량을 호출하면 내비게이션도 해준다.◇ 인식-예측-통제로 이루어지는 자율주행○ 자율주행은 크게 인식(Perception), 예측(Prediction), 통제(Control)의 과정을 거치는데 첫 번째 인식(Perception)은 센서가 들어오면 Perception 모듈을 가장 먼저 거친다. 어떤 물체가 어디 있는지를 판단하는 단계이다.○ 사람이 지나가는 경우, 자전거나 차량이 지나가는 경우도 모두 감지한다. 라이더 센서로 3D 바운딩 박스를 찾고, 카메라를 사용해서 신호등을 구별한다.라이더 센서를 쓸 때 최대 200m 거리의 차량과 사람을 모두 감지한다. 감지 문제는 거의 다 해결됐다고 보고 있다. 차량은 빨간색 바운딩 박스로 사람은 노란색 바운딩 박스로 표시하고 2년 전까지는 카메라로 감지를 많이 했으나 최근에는 라이더로만 감지를 한다.○ 문제는 기존에 생각하지 못했던 감지문제들이다. 예를 들어 경찰관의 수신호(다른 방향으로 가라는)나 미국은 구급차가 오면 무조건 비켜줘야 하기 때문에 구급차 소리가 들리고 차가 자기 쪽으로 올 경우 피해야 되는지 아닌지 등에 대한 감지로 연구가 진행중이다.○ 예측(Prediction)은 물체가 어디로 갈지 판단하는 과정으로 차가 차선을 변경할 것인지, 사람이 어디로 움직일 것인지를 예측하여 어느 차선으로 움직여야 할지 Planning을 한다.○ 통제(Control)는 어디로 갈지 정해진 상태에서(perception, prediction 과정을 거친 후) 문제가 없는 과정이다. 20년 전부터 실행되어 왔다.○ 자율주행에서 문제가 되는 것은 prediction과 planning 부분이다. 연구 주제와도 연결되어 있어 Waymo와 우버에서도 대학과 협력을 원하고 Waymo에서 Planning을 연구하는 버클리 교수님을 초빙하기도 했다.○ Waymo는 피닉스 지역에서 운전자 없이 사용자가 자율주행차를 호출해서 갈 수 있도록 서비스를 6개월 전에 시행해서 지금 계속 테스트 중이다.◇ 상용화 경쟁중인 자율주행○ 자율주행에 있어 너무 많은 복잡한 정보를 주면 사용자가 혼란스러울 것이고, 너무 간단한 정보만 주면 사용자가 받아들일 정보가 없기 때문에 사용자에게 어떤 정보를 줘야 하고 어떤 정보는 주지 말아야 하는지 고민하고 있다.○ 캘리포니아는 법적으로 운전자가 앉아 있어야 해서 두 사람이 앞자리에 앉아있는데, 한 사람은 만일의 사고에 대비하여 핸들을 잡을 준비를 하고 있고 옆 사람은 안에서 감지 활동을 점검하고 있다.신호등 감지가 중요한데, 옆 사람이 빨간색이라고 소리 지르면 차가 빨간색을 감지했다는 걸 알기 때문에 핸들을 잡지 않는다. 하지만 옆 사람이 감지가 안됐다고 말하는 순간 바로 핸들을 잡고 조종할 것이다. 법이 풀리면 캘리포니아도 운전자 없이 테스트해보지 않을까 생각한다.○ 그래서 테스트가 굉장히 중요하고 온라인 테스팅은 차를 계속 굴리면서 문제가 있는지 없는지 판단한다. Waymo의 소프트 엔지니어로 들어가면 10분에 한 번씩 버그 메일을 받는다. 버그가 발생했으니 해결하라는 메일이다. 엔지니어는 버그를 없애는 작업을 계속 한다.○ 다음으로 오프라인 테스팅을 한다. 시뮬레이터 환경을 만들어서 여러가지 시나리오를 테스트한다. 실제 차를 돌려보기도 하고 기존에 보지 못한 인풋의 새로운 이미지가 있는지 판단한다.○ 차량, 사람, 차가 어디로 움직일 수 있는지에 대한 레인, 횡단보도, 정지신호 등의 정보를 다 가지고 있는 맵이 있다. HD 맵을 한국에서 만들려고 한다고 들었다. 그러한 맵이 만들어지면 자율주행 차에 적용하여 테스트할 수 있을 것이다.○ 현재 자율 주행은 크게 Waymo, Uber, Zoox, Cruise가 앞서 나가고 있으나 서로 협력하지는 않는다. 경계선을 만들어서 서로의 기술이 유출되지 않도록 하고 있다.자율주행차는 곧 상용화될텐데, 누가 먼저 상용화하느냐에 따라서 그 시장을 다 차지하지 않을까 생각한다. 그 점을 Waymo와 우버도 알고 있고 서로 먼저 시장에 내놓기 위해 노력하고 있다. Waymo는 라이더 센서, 카메라 센서 등 모든 센서를 직접 만들고 있다.▲ 우버의 자율주행차[출처=브레인파크]□ 질의응답- 카메라 센서에 특정한 무언가로 인해 완전히 오작동이 일어나는 경우는."그건 딥러닝에서 문제가 되는 부분이다. 인풋에 노이즈를 꼈을 때 감지가 잘 안 되는 경우가 발생한다. Waymo는 카메라를 사용해서 딥러닝을 돌리고 있진 않고 정말 기초적인 방법으로 신호등을 찾고 있다.가령 본인의 차 위치를 알고 있고 HD 맵도 알고 있으면 신호등이 어디 있는지도 알고 있기 때문에 카메라에서 위치만 따로 빼와서 빨간불인지 초록불인지만 판단한다."- 레이더와 라이다를 쓰면 나오는 비용이 어느 정도인가?"카메라로 계속 해왔지만 한계는 있다. Waymo와 Uber가 라이더로 바꾸고 나서 감지가 너무 잘 돼서 성과가 좋아졌다. Waymo가 라이다 센서를 만들고 있다. 그 말은 직접 커스터 마이징을 해서 가격을 낮추겠다는 뜻이다.어느 가격까지 떨어뜨렸을 때 수익을 얻을 수 있는 테이블이 있다. Planning은 현재 룰 베이스이다. 관련된 룰을 하나씩 하나씩 얹고 있는데, 예측할 수 없는 상황에서는 어떻게 해야되는지에 관한 문제가 있다."- 카메라에 한계가 있다고 하셨는데 어떤 한계가 있는 건가? 카메라에 오물이 묻거나 비가 오는 경우에 안전 관련 감지가 있는지."그래서 3가지 센서를 쓰는 것이다. 라이다 센서, 카메라, 레이더. 이 중 하나가 고장나도 다른 것이 작동할 수 있도록 3가지를 쓴다. Waymo 차량의 상위 단에 와이퍼가 안에 있다. 비가 오면 물기를 닦아낸다."- 자율주행 트럭이 자율주행 차보다 더 빨리 상용화될 수 있을 것 같은데, 기술적인 측면에서 성공적이지 않아서 포기한 것인지."Waymo와 우버가 본인들이 기술을 만들었을 때 그 기술로 인해 생기는 수익 예상치가 있다. 일반 차량에 자율주행기능을 넣었을 때의 수익이 트럭에 넣었을때보다 4배 더 높다.기술적인 측면에서 차이가 큰 것은 아니지만 돈이 되지는 않는다. 고속도로 내에서 움직이는 것, 물류센터 간 이동하는 것만 자율주행으로 하고 나머지는 사람이 운전한다."- 신호등에 대해서 반응속도가 어떻게 되는가? 또한 여러 개의 신호등 중에 자기가 봐야 하는 신호등이 무엇인지 어떻게 아는지."반응속도는 10밀리세컨드이다. 0.1초에 하나씩 감지 결과가 나온다. 그래서 맵이 중요하다. 맵을 통해 여러 신호등 중 자기가 봐야 하는 신호등을 알 수 있다."- 센서 반경이 어느 정도인지."Waymo는 라이다 센서가 2개 있는데 하나는 멀리 보는 것(200m)이고 나머지 하나는 가까이 보는 것(50m)이다."- 아까 예시에서 운전자가 빨간 불이라고 말했을 때 핸들을 잡고 다시 자율주행으로 돌아갈 때 딜레이는 없는지."사람이 핸들을 잡으면 바로 사람이 운전하는 모드로 바뀌지만 자율주행 모드로 다시 갈 때는 정차해서 테스트한다."- 시뮬레이터가 필요한데 같이 작업하는지."시뮬레이터가 있고 그 안에서 기존의 Waymo 차량에 들어간 소프트웨어를 똑같이 돌릴 수 있게 해놨다. 차량 위치도 조정할 수 있다. 본인 차량 외에 차량이 움직이는 것은 간단하게 설계되어 있었는데 최근에는 사람처럼 움직이게 하려고 노력하고 있다."- computing이 얼마나 좋아야 하는가? Planning과 Control이 어떻게 다른지."Titan X 이상의 GPU가 2개 정도 있다고 보면 된다. 그거로 라이다 데이터를 분석하고 있고 그 뒤에 planning과 control을 담당하는 컴퓨팅이 따로 있다. 후자의 사양은 정확히 모르겠다.Planning은 본인 차가 어디로 가야 하는지에 대한 포인트를 갖고 있고, Control은 실제 steering angle과 액셀러레이터, 브레이크를 가지고 시간에 맞게 그 위치에 가게끔 해준다."- 예측할 때 어려움은 없는가? 예를 들어 사람이 이 속도로 움직일 거라고 생각했다가 사람이 갑자기 뛰거나 해서 속도가 변할 때."사람이 움직일 때 0.1초 간격으로 계속 감지를 하기 때문에 큰 문제는 없다. 문제가 되는 부분은 interaction이다. 사람이 가고있는 방향이 있는데 다른 차량이 사람 쪽으로 와서 사람이 움직여야 할 경우의 대응은 아직 없다. 이 부분에 대해서 연구논문들이 나오고 있지만 크게 좋아지지는 않았다."□ 프로젝트 발표 : ㅇㅇ대학교 ㅇㅇㅇ 학생◇ 연구분야○ ㅇㅇ대학교의 ㅇㅇㅇ 학생은 강필성 교수의 지도를 받고 있으며 같은 연구실에 5명의 박사과정 학생, 13명의 석사과정 학생들이 있다.○ 연구분야는 Data Science & Business Analytics로 텍스트, 이미지와 같은 구조화되지 않은 데이터 뿐만 아니라 구조화된 데이터도 다루고 있다.구조화된 데이터의 경우 안정적인 전력 소모를 위한 수요를 예측하고 있다. 실제 선박에서 장비를 가지고 촬영한 영상 클립을 이용해서 딥 러닝 기법 중 하나인 컨볼루셔널을 이용해서 해산의 파양 및 파고를 예측하고 있다.○ 뉴스 텍스트 감정 분석 모델 구축 프로젝트를 진행하고 있다. 단어에 대한 긍정・부정 사전을 구축하고 있다. CNN과 CAM을 이용한 감성분석 및 시각화, RNN과 Attention을 이용한 감성분석 및 시각화를 진행하고 있다.○ Stock Market Prediction: Hierarchical Attention Events를 활용하여 주가에 영향을 미치는 이벤트를 분석하고 있다. 구분 분석(Dependency parser)을 사용해서 뉴스 공장의 이벤트를 축출하고(Event Extraction), 이벤트를 이용하여 주가의 상승과 하락을 예측한다.◇ 연구사례○ 전반적인 연구에 대한 목표는 뉴스 기사 이벤트를 축출하여 타겟 시장의 방향성을 예측하는 것이다. 누가 누구에게 어떤 행위를 하는지(이벤트) 예측하기가 힘든데 이벤트를 축출하는 방법은 각 문장의 Actor, Action, Object를 파악하는 것이다.이를 Event Tuple이라고 한다. Event Tuple은 하나만 만들어지는 것이 아니라 여러 후보가 생기는데, 이 점을 보완하고자 버트의 language model을 이용하여 각 Tuple에 대해 스코어를 산출한다. 그 중 가장 적합한 Tuple을 선정하게 된다.○ 단계별로 살펴보면, 다음과 같은 예시 문장에 대해 룰 베이스, 구분 분석 등을 이용해 54개의 Tuple이 만들어진다.1. Tuple에 버트의 Mask language model을 적용하여 각 Tuple마다 마스킹 작업을 가한다.2. 마스킹된 Tuple을 가지고 Mask prediction을 가한 후 나온 확률값의 평균을 구한다.3. 이 평균이 가장 높은 Tuple을 최종적으로 산출한다.4. 축출한 Event Tuple을 가지고 Neural Tensor Network를 사용해서 Event Embedding을 한다.5. Actor, Action, Object가 입력으로 들어가고 최종적으로 Event Vector가 축출된다.6. NTN 모델에서 추출한 Event Embedding이 Hierarchical Attention Model의 input으로 들어가고, 중요도를 분류하는 Event-Level Attention, 시간적 맥락에 따라 가중치를 부여하는 Temporal Attention을 거치고 난 뒤 최종적으로 해당 주가의 상승과 하락을 분류한다.◇ 질의응답- 주가 예측하실 때 시간 맥락 (Temporal Attention)을 말씀하셨는데 시간에 따라 가중치가 달라지는건지."Input이 하루, 일주일, 30일 단위로 입력이 된다. 이런 정보를 반영해서 시간 단위에 따른 주가의 상승과 하락을 구별한다."- 뉴스 조회수에 따라서는 달라지지 않은지."현재 저희가 진행하는 것은 수치 데이터를 쓰는 것이 아니라 뉴스 텍스트 자체를 분석하는 것이기 때문에 다르다."- 뉴스 텍스트가 엄청 길 때 해석하기 위해서 Helper들이 나오고 있는데 그런 부분도 관여하는지."의뢰하는 쪽에서 문장 자체를 예측하는 것보다는 이벤트를 축출해서 시각화하고 주가를 예측하는 것을 요구하기 때문에 그 부분에 대해서는 생각해보지 않았다."□ 프로젝트 발표: ㅇㅇ대학교 ㅇㅇㅇ 학생◇ 연구분야○ ㅇㅇ대학교의 ㅇㅇㅇ 학생이 속한 연구소는 △제조공정에서 혐의 공정 탐지 △텍스트 마이닝(Text Mining) △헬스케어(Healthcare) △게임 AI(Game AI), 4개 연구분야를 진행 중이다.○ 개인적으로 참여하고 있는 연구는 고려대학교 응급의학과와 함께 미세먼지를 가지고 응급의학과 내원환자 수를 예측하고 어떤 날에 환자가 많은지 예측하는 일이다. 또한 NLP 관련해서 하나 시스템과 챗봇 플랫폼 만드는 데 기여하고 있다.◇ 연구배경○ 현재 진행중인 2개 프로젝트 외에 스마트 제조 관련 ㅇㅇ제강과 함께 진행했던 프로젝트를 중심으로 설명하면 최근에 반도체 공정, 철강 등 여러 제조공정에서 상당 부분 기술이 고도화됨에 따라 공정이 복잡해지고 있다. 미세한 원인과 혐의 공정을 찾아내는 것이 중요해졌다.○ 그리고 제조공정에서 품질 예측, 원인 분석은 항상 중요하다. 이에 최근 데이터를 더 얻기 위해 센서를 더 많이 박는 실정인데, 더 많이 늘어난 데이터를 분석하기 위해 해당되는 딥 러닝과 같은 방법론이 필요해졌다.◇ 연구모델○ 기존 연구는 변수의 중요도에 따라 원인을 산출했는데 Linear 패턴이 나타나지 않을 경우 적합하지 않다. 이번에 하게 된 제조공정에서는 다채널 데이터의 시계열 특성을 반영하기 위해 CAM(Class Activation Mapping)을 적용하였다.○ 문제의 정의는 처음에 시계열 데이터를 철강 공정에서 센서 데이터가 처음부터 끝까지 다 박혀 있는데, 거기에 있는 데이터를 수집하고 CNN의 성능이 유효한지 먼저 평가한다. CNN이 잘 나온다면 CAM을 사용해서 어떤 부분에서 혐의 공정이 일어났는지 원인 분석을 하는 절차이다.○ 하나의 센서를 수집하고 테이블에 넣는다. 동국제강에서 제공하는 전처리과정을 통해 수치를 정교화해서 집어넣었다. 다음 센서도 Time 1번부터 100번까지 쭉 똑같은 과정을 통해 모든 센서 값을 받아 내린다.○ CAM은 원래 이미지 데이터에 사용되는 방법론이다. 한 축은 센서, 다른 축은 시간 축으로 해서 2D 형태의 데이터를 구축했다.○ 회귀 모델에 있어서는 앞부분은 일반적인 convolutional layer를 계속 쌓는 것은 그대로고, 마지막 층만 CAM에서 fully connected(완전 접속)을 통해 바로 activation function(활성화 함수)로 뽑아내서 회귀 문제를 풀어내는 모델로 바꿨다.W값이 각각의 feature map에 대응하는 가중치 값인데, 각각의 가중치 값을 다 곱해서 마지막에 합산하면 원래의 이미지에서 어느 부분이 실제 class값을 예측하는 데 큰 기여를 했는가를 알아볼 수 있는 알고리즘이 있다. 회귀 구조에 맞게 변경시키는데, 소프트 맥스에 태우지 않고 fully connected로 Linear 회귀 구조로 바꾸었다.◇ 연구단계○ 첫 번째, 변수를 선택한다. 제품1, 제품2에서 제품1000까지 각각에 대한 CAM을 만든다. 합산 값을 다 더해서 전체 공정에 대해서 일괄적으로 혐의 공정이 나타날 만한 부분을 찾는 것이 글로벌 CAM이다.시간 축에 있는 모든 값을 다 더해서 테이블에 채워 넣고, 각 값의 합을 프로팅했을 때 임의의 한계점 이상을 갖는 값을 오름차순으로 정렬하여 위에서부터 아래로 센서들의 중요도를 판단한다.○ 두 번째로. 원인 구간을 선택한다. 시간 축에서 가장 높은 확률을 보이는 부분(Heat Map이 뜨겁게 나타난 부분)을 원인 구간으로 선택한다. 해당 원인구간으로 예측한 부분을 검증했는데, 위상 차이가 많이 났음을 확인할 수 있다.◇ 도전과제○ 글로벌 CAM을 단순 합산할 것이 아니라 Attention Mechanism을 통해 어떤 부분을 더 가중치를 둬야 하는지 연구할 의향이 있다. 각각 제품에 따라 다른 혐의 공정을 갖고 있기 때문에 단산 합산하는 것은 무리가 있기 때문이다. 다만 단순 합산을 했는데도 성능은 높게 나왔다.◇ 질의응답- 여러가지 방법론 중 CNN을 선택한 이유는."CAM이 CNN을 이용한 것이기 때문에 CAM을 구조로 쓰기 위해 CNN을 적용한 것이다. 타임 시리즈인만큼 RNN 구조도 충분히 사용할 여지가 있다고 생각한다."- 연구를 시작하는 단계에서부터 CAM을 사용하겠다고 설정하는지."처음에는 여러가지 모델을 적용시켰고 그 중 설명가능성이 높은 구조인 CAM을 사용했다. RNN은 추후 연구에 사용할 의향이 있다."□ 프로젝트 발표 : ㅇㅇ대학교 ㅇㅇㅇ 학생◇ 연구소개○ ㅇㅇ대학의 ㅇㅇㅇ 학생은 Machine Learning을 사용한 가정용 도시가스 상용 예측에 대한 연구를 발표하였다. 이 연구는 ㅇㅇ대 산업 AI 학생들과 ㅇㅇ에너지서비스와 함께 진행한 프로젝트다.ㅇㅇ에너지서비스는 한국가스공사로부터 천연가스를 공급받아서 가정, 산업현장에 도시가스를 공급하는 기업이다. 이 회사에서 해결하고 싶었던 여러 문제들 중 1가지를 선택하여 연구를 진행하였다.◇ 연구배경 및 목표○ 지역별 도시가스사는 한국가스공사로부터 천연가스를 공급받아서 가정, 산업현장에 도시가스를 공급한다. 이 때 지역별 도시가스사에서는 공급계획 수립과 한국가스공사와의 계약 물량 체결 등의 이유로 최소 2개월 전에는 사용량을 예측할 필요가 있다. 도시가스의 안정적 공급과 공급자의 비용절감 측면에서 도시가스 사용량 예측이 매우 중요하다.○ 여러 도시가스 용도 중 가정용은 기온과 시기 등 다양한 요인에 민감하게 영향을 받고, 세대마다 검침일이 달라서 측정오차가 발생하기 때문에 예측모델 개발이 어려운 문제가 있다. 따라서 저희는 가정용 도시가스 사용량 예측 연구를 진행하기 앞서 기존 관련 연구를 탐색했다.○ 도시가스 보기 초급에 수행된 연구를 제외하면 용도별 사용량 예측에 관한 최근 연구는 부족한 실정이다. 특히 가정용 예측 연구는 더욱 부족하다.그나마 있는 연구도 측정오차를 고려하지 않은 경우가 대부분이다. 기존 연구의 한계점을 극복하기 위해 측정오차를 고려한 머신러닝 기반 가정용 도시가스 사용량 예측 모델 개발 연구를 수행하였다.○ 최종적으로 사용량 예측을 통해 도시가스의 안정적 공급과 공급 비용 절감을 목표로 하고 있다.◇ 연구방법론○ 세대별 월별 사용량 데이터: 아파트, 단독주택 등 세대 유형별로 그룹화하고 각 그룹별 사용량을 산출한다. 원단위(세대 간 월별 평균 사용량) 경향, 세대 수를 고려해서 그룹화한다.○ 기온 및 기타 데이터: 검침 차수를 고려하여 검침 차수별로 기온 및 기타 변수를 산출한다. 그룹 내에서 검침 차수별로 데이터를 분리하고 분리된 데이터별로 원단위를 산출한다.가정용 도시가스 사용량은 검침량을 통해 산출되는데, 각 세대마다 검침 차수가 다양하기 때문에 검침차수를 고려하여 변수를 산출하는 기간을 조정한다.예를 들어 검침 차수가 1차수인 세대의 경우 8월 9일~9월 8일까지의 실제 사용량이 9월 검침량으로 기록된다. 1차수의 9월 평균 기온을 구할 때도 같은 기간을 고려하여 평균 기온으로 선출한다.○ 머신러닝에 기반 사용량 예측 모델 도출: 검침 차수별 변수를 통해 세대 유형 그룹별 평균 사용량을 예측하는 모델을 도출한다.예측 변수로는 기온 및 기타 변수를 사용하고, Linear Regression, Random Forest, Lasso, SVR을 활용하여 실험을 통해 가장 좋은 변수와 모델 조합을 최종 예측 모델로 선정한다. 본 예측 모델로 각 세대 유형 그룹별 원단위 예측 값이 산출된다.◇ 연구과정○ 방법론을 검증하기 위해 진행한 연구에서 사용한 데이터는 포항, 영덕, 울진 지역에 세대별 월별 도시가스 사용량 데이터이다. 2010~2018년까지 9년 동안의 데이터이며 검침 차수는 4차수까지 있다. 또한 포항, 영덕, 울진 지역의 일별 기온 데이터를 활용하여 사용량을 예측했다.○ 세대 유형별 그룹화를 하기 위해 세대 유형별 월별 원단위 변화를 살펴보았다. 아파트, 다세대, 다가구 유형이 유사한 원단위 경향을 보였고 원룸과 기타 유형이 유사한 원단위 경향을 보였다. 단독주택・아파트, 다세대 및 다가구・원룸 및 기타 3그룹으로 나누었다.○ 각 그룹 내에도 여러 검침차수가 있을 수 있기 때문에 그룹 내에 검침차수별로 데이터를 분리했다. 1그룹인 단독주택의 경우 대부분이 검침차수가 4차수에 해당해서 4차수 데이터를 단독주택 모델 개발에 활용했다.2그룹, 3그룹의 경우 대부분의 검침차수가 1-2차이기 때문에 1-2차수 데이터를 모델 개발에 활용했다. 각 그룹 내 검침차수별로 원단위를 산출했다.○ 검침차수별 기온 및 기타 변수는 검침차수마다 검침일이 다르기 때문에 기준을 정해주기 위해 대표일자를 선정했다. 이후 대표일자를 고려하여 검침차수별 각 기간 내에 기온 특성, 특정 기온 구간별 빈도수, 월 비율, 효율 및 비효율수와 같은 변수를 산출했다.○ 산출된 검침차수별 변수를 통해 세대 유형 그룹별 평균 사용량인 원단위를 예측하는 모델을 학습시켰다. 영덕, 울진의 경우 2014년부터 도시가스가 공급돼서 데이터가 부족했기 때문에 모델을 개발하기 어려웠다.따라서 포항 데이터만 모델 개발에 활용했다. 추후 영덕, 울진 지역의 사용량 예측할 때 2그룹 모델인 다세대 다가구와 원단위 경향이 가장 유사했기 때문에 2그룹 모델을 사용했다. 실험을 진행해서 가장 좋은 조합을 최종 모델로 선정했다.○ 결과는 1그룹인 단독주택의 경우 Linear Regression에서 MAPE 5.75%로 가장 좋았고 2그룹 모델에서는 Linear Regression MAPE 6.67%, 3그룹 모델에서는 MAPE 7.69%의 성능을 보였다.○ 검증을 하기 위해 가정용 실제 사용량과 비교를 시행하였다. 기존에 사용량을 예측할 때는 해당 월에 과거 3개년 평균 원단위를 예측 값으로 사용했는데, 기존 예측 값과 실제 사용량의 오차와 개발 모델의 예측 값과 실제 사용량의 오차를 구하고 두 오차를 비교하여 검증했다.○ 검증 결과는 전체 월에 기존 방법이 MAPE 11.1%, 개발 모델이 7.1%를 보여서 4%정도 개선된 결과가 나왔다. 도시가스는 난방에 주로 이용돼서 겨울철 사용량이 중요한데, 겨울철 사용량의 오차를 계산했을 때도 성능이 3% 향상되었다.◇ 연구결론 및 성과○ 본 연구를 통해 측정오차를 고려하여 세대 유형별로 그룹화를 통해 머신러닝 기반 가정용 도시가스 사용량 예측 모델을 개발하였고 포항, 영덕, 울진 지역에 실제 데이터를 활용하여 방법론을 검증해보았다.○ 추후 연구로는 모델 정확도 개선을 위해 추가적으로 예측 변수를 탐색할 것 같다. 더욱 다양한 지역에 도시가스 사용량 데이터를 활용하여 방법론을 검증할 것이다.◇ 질의응답- 가스 사용량은 계절별로 다를 것 같은데 계절별로 차이를 두지는 않았는지."기온 관련 변수를 통해 계절적 요인이 들어갔다고 생각한다. 또한 월별로 다른 사용량을 보이는 것을 확인했다. 월 변수, 기온 변수를 넣어줌으로써 계절 변수가 반영됐다."- 후보 예측 변수를 선정하는 기준은."데이터 탐색을 꽤 오랜 시간 진행해서 변수를 선택했는데, 평균 기온과 최저・최고기온을 먼저 기본 변수로 선정했다. 월과 효율・비효율 변수도 데이터 탐색을 통해 찾은 변수이다."- 그 외에도 원래 고려했지만 중요하지 않다고 판단되어 제외한 변수는."포항도 남구, 북구로 나뉘고 동, 서로 나뉜다. 지역적 요인도 고려했는데 탐색 시 유의미한 차이를 발견하지 못해서 변수에서 제외했다."- 가스 산출량을 정확히 예측하여 어떻게 공급 비용을 줄인다는 것인지."예를 들어 한국가스공사 코가스로부터 천연가스를 수입해서 영남에너지서비스와 같은 지역도시가스사가 개인에게 공급하는 실정인데 지역도시가스사가 예측을 해서 한국가스공사에 예측량을 넘겨줘야 다음에 받을 수 있는데, 예측을 너무 크게 하면 너무 많은 수입을 하게 된다.그렇게 되면 남은 가스에 대한 재고 비용도 생기고 지역별 도시가스사도 패널티를 받게 된다. 가스 산출량을 정확히 예측해서 한국가스공사에 넘기면 이런 비용적 측면의 패널티를 줄일 수 있다."
-
□ 연수내용◇ 기관 통합으로 중소기업 지원 효율성을 제고한 기업청 출범○ 싱가포르에서 중소기업을 지원하는 역할은 기존의 2개기관을 통합한 싱가포르기업청(Enterprise Singapore, ESG)이 맡고 있다.○ 싱가포르기업청은 싱가포르 기업의 해외진출 및 무역진흥, 해외 네트워크 구축 및 신규시장 개척 분야를 담당하던 국제기업청(International Enterprise Singapore)과 싱가포르 기업의 생산성 및 혁신, 표준과 품질, 중소기업 및 내수시장 정책 등을 담당하던 생산성표준혁신위원회(Standards, Productivity and Innovation Board, SPRING)를 합병하여 2018년 4월에 신설되었다.○ 싱가포르기업청은 이 2개 기관의 기능을 통합함으로써 스타트업부터 고성장 기업까지 다양한 중소기업 관련 정책을 통합적으로 관리하는 컨트롤 타워의 역할을 수행하고 있다.○ 이에 따라 신속한 지원과 국제화를 위해 중소기업 지원정책의 효율성을 제고하고, 정책 소비자인 기업 수요에 맞춰 기존 프로그램을 개편하였다.기존의 창업 관련 사업들이 혁신과 신생 기업에 대한 생태계를 조성하기 위해 ‘startup SG 프로그램’으로 통합되어 ‘startup SG network' 포탈을 통해 원스톱 지원 체계를 구축한 것을 예로 들 수 있다. 국제 기업과 창업자를 연결하는 개방적인 혁신 플랫폼도 조성하고 있다.○ 현지 싱가포르 기업의 능력을 강화하고 시장에 진출할 기회를 제공하여 기업을 활용, 싱가포르 자체의 경제 활성화와 강력한 산업기반을 마련하는 것이 목표이다.▲ 기업청을 포함함 통산부 산하기관들[출처=브레인파크]◇ ‘기업 중심 접근법’이 핵심 전략○ 기업청의 핵심전략 2019+은 ‘기업 중심 접근’을 가장 중요시 하고 있다. 기업청이 기업과 협력하여 역량구축, 시장확대, 파트너연결의 단입 접점으로서 기능하는 것이 목표이다.○ 우선순위는 △생산성 향상 △혁신강화 △국제화 가속화이다. 생산성향상을 위해 노동제한적인 환경변화에 대응하여 중소기업의 디지털화 도입 지원과 생산성 솔루션이 필요하다.혁신강화를 위해서는 신기술 상용화, 업계 선두주자를 활용한 시장주도 혁신을 장려해야 한다. 싱가포르 내수시장이 작기 때문에 국제화 가속화가 필요하다.○ 이를 위한 전략은 4가지가 있다.• 기업 기능 구축: 산업별, 규모별, 성장단계별 기업지원• 인적자원 개발: 인턴쉽 및 관리직원 프로그램을 통한 인재 파이프 라인 구축• 기업 생태계 강화: 산업 간 협업, 규제 혁신• 네트워크 및 파트너십 구축: 전략적이고 장기적인 파트너십 형성◇ 기업지원과 표준화, 클러스터 중심 기능 수행○ 따라서 싱가포르기업청은 크게 3개 분야를 책임지고 있다. 첫째, 중소기업과 대기업, 신생기업을 모두 포함한 기업지원이다.○ 스타트업의 경우 인큐베이터, 엔젤투자자, 정부기관과 협력하여 스타트업 생태계를 구축하고 있다. 중소기업에는 R&D, 경영 개선에 대한 다양한 보조금과 프로그램을 제공하고 있다.또한 해외로 확장하려는 기업에 대한 지원도 있다. 대기업에는 글로벌시장 확대와 새로운 시장 창출에 대한 지원을 하고 있다.○ 둘째, 품질 및 표준화이다. 기업청은 싱가포르 표준위원회를 통해 표준 프로그램을 관리한다. 산업계 요구와 정부 정책 목표를 충족시키기 위한 표준을 개발하고 홍보한다. 그래서 산업계, 전문기구, 무역협회, 학계, 정부기관이 이사회로 구성되있다.○ 셋째, 허브 개발이다. 싱가포르를 글로벌 또는 아시아 허브로 유지하기 위해 금속, 광물, 에너지 거래의 허브를 구축하고 있다.◇ 특성산업의 생산성 문제를 해결하고자 중소기업 컨소시엄 권장싱가포르기업청은 싱가포르 제품과 서비스에 대한 표준화 및 품질관리를 통해 신뢰를 구축하여 기업성장을 돕는 기관으로 기술혁신기업이 시장에 진출하는데 기여하고 있다.○ 세부적으로 기술사업화사업, 창업개발 프로그램, 학교에서의 젊은 기업가 양성사업을 운영하고 있으며, 공동산업프로젝트를 통해 특정 산업의 생산성 문제를 해결하고자 중소기업을 포함하는 컨소시엄을 형성하도록 권장하는 지원정책도 활용하고 있다.◇ 중소기업의 생산성·혁신·국제화에 우선순위○ Enterprise Singapore의 중소기업 지원의 우선 순위는 다음과 같다.○ 첫째, 중소기업의 생산성 향상: 기존의 생산 프로세스를 혁신적으로 재설계, 기술 개선, 자동화, 디지털화 등 지원○ 둘째, 중소기업의 혁신 강화: 중소기업의 경쟁기업 대비 차별성 강화를 위한 신기술 개발, 신규 솔루션 적용, 신사업 아이디어의 조기 시장화 지원○ 셋째, 중소기업의 국제화 가속: 중소기업의 신규 세계시장 진출 지원, 글로벌 네트워크 강화 지원○ 중소기업의 생산성 개선(Improve Productivity)을 지원하기 위한 프로그램으로 4가지가 있다.• DIY with business toolkits: 스스로 비즈니스를 잘 할 수 있도록 하는 툴킷 제공• Collaborate with our partners: 금융, 컨설팅 등 여러분야의 파트너 연계• Upskill your workers: 기술자를 위한 새로운 기술 교육• Adopt new solutions: 새로운 해결책 적용○ 중소기업의 혁신 지원(Drive Innovation) 프로그램은 △전문가와의 혁신(Innovate with our partners) △혁신프로젝트를 위한 협업펀드(Co-fund your innovation project)가 있다.이 프로그램들을 통해 새로운 기술과 자금 등 필요한 부분들을 지원한다. 한국과는 달리 싱가포르기업청에서 기술, 자본, 표준 등 다 통합한 자원을 가지고 있기 때문에 가능하다고 할 수 있다.○ 중소기업 국제화 지원(Go Global)프로그램은 △해외진출을 위한 가이드(Get Started) △ HR 양성(Groom your talent HR capabilities) △파트너 확장 지원(Expand with partners) △시장확장을 위한 재정지원(Co-fund your market expansion) 등이 있다.○ 좀 더 구체적으로 내용을 보면 현금지원(Grant)은 스타트업, 스타트업을 벗어난 현지기업, 유관기관(협회나 인큐베이터 등의 파트너들)으로 기준을 나누어 일정 기준이 되면 현금을 지원한다. 현금 지 원뿐 아니라 대출 및 보험 등의 지원 등 원스톱 서비스를 제공하고 있다.◇ 2018년 7만6,000개 기업을 지원, 1만500개 일자리 창출○ 기업청에서 발표한 자료에 따르면 2018년 7만6,000개 기업을 지원했으며 1만500개 일자리 창출, 7,000개 생산성 향상 프로젝트 지원이 이루어졌다.○ 기업 접근성을 향상시키기 위해 기업지원 간소화를 이뤘고 산업별 ‘산업변화 맵’을 정리하여 각 산업별 업그레이드 프로젝트를 지원했다.○ 소기업 지원을 위해서 13개 중소기업센터, 70명의 전문가 네트워크를 구축하여 3만 개 이상의 중소기업을 지원했고 중소기업센터에서는 350개 중소기업과 20개 이상의 프로젝트를 수행하기로 했다.○ 국제화 지원은 2017년 대비 25% 증가한 규모로 380개 기업에 570개 해외프로젝트를 제공했으며 3,800개 중소기업이 250개가 넘는 해외박람회에 참가하기도 했다.◇ 신생기업의 허브, 싱가포르○ 싱가포르의 신생기업 및 스타트업은 2017년 기준 4,000개이고 이 중 5개 유니콘기업도 포함되어 있다. 벤처캐피탈은 2012년 80개 투자, 1억3,640만 달러 규모에서 2018년 353개 투자, 76억 달러 규모로 성장했으며 이는 동남아시아 벤처캐피탈의 34%에 해당하는 규모로 벤처캐피탈이 싱가포르를 중심으로 이루어지고 있다는 것을 알 수 있다.○ 신생기업과 함께 7,000개 정도 대기업의 지역 사무실이 들어와있다. 그 외에 인큐베이터, 엑셀러레이터가 100개이며 싱가포르에서 만들고 독일 정부에서 시행하는 운영조직도 있다.○ 싱가포르 기업 생태계를 이루고 있는 구성원 및 지원요소는 다음과 같다.• 정부: 정부지원 및 인프라 혜택• 국제적 인큐베이터 및 엑셀러레이터: 멘토링 및 지원프로그램• 투자자: 투자 및 거래 흐름에 대한 싱가포르의 활발한 벤처자금 조달 환경 활용• 기업: 주요 기업 및 정부를 고객으로 한 혁신 솔루션 시험• 연구소: 지역연구 및 혁신센터와의 공동혁신• 글로벌 에코시스템 파트너: 싱가포르를 아시아 진출의 런치패드로 활용하는 파트너와의 연계, 글로벌 혁신 연합과 양자 혁신 교부금 지원○ 싱가포르는 이들 구성원을 토대로 한 지속가능한 글로벌 스타트업 허브로서 △글로벌 연결성 강화 △공동 혁신(Co-innovation)에 대한 플랫폼 제공 △강력한 인적자원 연계 △자금조달의 촉매 △인프라 네트워크 구축을 추구한다.▲ 싱가포르 스타트업 생태계를 이루는 파트너 및 지원요소[출처=브레인파크]◇ 혁신을 도모하는 3가지 방향○ 기업청은 지속적인 혁신 강화와 차별화된 제품 및 서비스, 개발을 위해 공급측면에는 새로운 기술 가속화를 유도하고 수요측면에는 혁신을 활용하도록 주도한다.이때 혁신엔진으로서 스타트업을 지원하며 기업 역량강화 개발을 돕는다. 기업들은 혁신의 필요성을 느끼고 공개적인 대회와 이벤트 등을 통해 혁신을 도모하면서 수요-공급자가 스스로 솔루션을 찾도록 유도하는 역할을 한다.○ 솔루션(혁신)을 스스로 찾는 방식은 3가지가 있다. 첫째, 내부에서 혁신을 도모할 수 있는 비교적 대규모 기업의 ‘In-house’이다. 기계학습, 로봇공학을 위한 R&D시설을 갖춘 Dyson, WFRIC(Wong Fong Research and Innovation Center)을 설립하여 직접 특허를 출원한 Wong Fong Industries가 대표적이다.○ 둘째는 협업을 통한 혁신을 도모하는 ‘Co-innovation’이다. Ascott Ltd.는 싱가포르에서 가장 큰 호텔로 Ascott Centre of Excellence를 만들어 침구 테스트 플랫폼으로 활용하고 있다.싱가포르 국립대학과 싱가포르과학기술연구국이 합작한 인공지능연구소인 Singtel의 사이버보안 연구개발 랩(Cyber-security R&D lab)도 협업혁신 사례가 되고 있다. 선발된 스타트업과 프로젝트를 공동개발하는 혁신허브인 ‘WeAre’도 있다.○ 셋째, 경연대회나 이벤트 등 공개된 활동을 통해 혁신을 얻는 개방형 혁신(Open innovation)이 있다. 프랑스의 뷰티기업인 로레알(L’Oreal)은 ‘로레알 이노베이션 런웨이 파트너스’를 통해 뷰티산업의 스타트업을 지원하고 롤스로이스(Rolls-Royce)는 롤스로이스 데이터 혁신 챌린지를 운영하여 스타트업을 위한 데이터를 제공한다.벤처투자사인 ST Engineering Ventures는 오픈이노베이션 랩 이노스파크(Innosparks)와 함께 스타트업이 실제 산업에 도전할 수 있는 기회를 제공하는 프로그램을 운영한다.◇ 공개형 혁신이 어려운 기업을 위한 Gov-PACT 프로그램○ 이처럼 솔루션 및 혁신을 스스로 찾는 방식 외에 전통적인 방식을 고수하는 기업을 위해 정부에서도 정부기관들을 통해 아이디어를 창출하기 위한 프로그램인 Gov-PACT를 만들어 지원하고 있다. 2017년부터 2018년 한해 동안 72개 도전과제가 제안되었고 이 중 24개 제안에 대한 지원을 수락했다.○ 프로그램을 통해 솔루션을 제공하는 동시에 오픈이노베이션을 활용하여 신생 기업이 참여하고 배울 수 있는 기회를 준다.○ 싱가포르는 Global Innovation Alliance 소속으로 세계적인 연결을 도모하는 중인데, 가장 최근에 생긴 곳이 방갈로이다. 이를 통해 외국에 있는 기업에 싱가포르 시장에 대한 접근성을 주고, 싱가포르에 있는 기업은 해외 진출이 가능하다.○ 그 밖에 GIA Accelerator는 국제 혁신 협조 프로그램으로 몇 주 동안 기업, 전문가들을 모아서 아이디어를 내고 도움을 받는 프로그램을 진행중이다.□ 질의응답- 자국 기업과 해외 유치 기업들 간의 지원 차이는."있다. 우리 기관이 하는 일이 현지 기업을 지원하는 것이기 때문에 차이가 있다. 자국 회사의 경우 금전적인 지원, 파트너 연결, 시장에 진출할 기회를 찾도록 도와주는데 해외 유치 기업은 전반적인 금융에 대한 지원은 아니지만 공동 투자, 비자 문제, 사업 공간을 찾는 것에 도움을 준다."- 기업을 평가하는 기준은."우리가 대상으로 하는 회사는 싱가포르 현지 기업과 싱가포르에 본점을 두는 다국적 기업이다. 이런 회사를 대상으로 하기 때문에 못한다고 해서 퇴출할 수 없고 오히려 지원할 다른 부분이 없는지 더 강구하는 편이다."- 한국의 중소기업 회사는 R&D 영향이 약하기 때문에 정부기관이 프로젝트를 만들어서 관여를 하는데 싱가포르는 대학에서 R&D를 지원하는 프로젝트가 많이 진행되는지."공식적으로 정형화된 프로젝트는 없다. 하지만 이미 협업이 상당히 많이 격려되고 고무되고 있다. 특히 작은 회사들에 도움을 많이 주고 있다.대학, 연구기관이 자리를 많이 잡고 있고 큰 회사와 작은 회사들의 협업을 조장하고 있다. 연구소, R&D 센터에서는 가지고 있는 기술을 어떻게 상업화할지 고민하고 있다."- 수요를 어떻게 발견해서 평가하는가? 실질적으로 어떻게 도와주는지."싱가포르 기업은 크기(신생 기업, 대기업, 다국적 기업 등)에 상관없이 지원을 한다. 가지고 있는 문제를 해결해주기 위해서 1대1 매칭, 기업가 정신 고양, 누구든지 의견을 제시하는 오픈 이노베이션을 진행한다.IP(지적 재산권 관련 부서)가 있는데 여기서는 연구소가 가지고 있는 기술을 어떤 기업과 매칭할 수 있는지 담당한다. 또한 전문가들이 회사에 있는 문제에 해결책을 찾아준다."- 도와주는 방법이 test bed(시험대), certification(인증), standardization(표준화)이라고 하는데 3가지 분야에서 구체적으로 어떻게 도와주는지."싱가포르기업청이 하는 일을 크게 2가지로 나누면, 기업을 지원하는 일과 싱가포르 제품과 서비스의 경쟁력을 높이기 위한 일(인증/표준화)이 있다. 후자는 서비스 팀에서 담당하고 있는데, 여기 와 있는 두 팀과는 별개의 부서에서 담당하고 있다.인증/표준화에 대해서 말씀 드리자면 한국의 공업 표준 협회와 같은 맥락이다. ISO(국제 표준화 기구)포럼을 기반으로 하고, 새로운 표준을 수립하기도 한다. 또한 소비자 보호와 관계해서, 전기 스쿠터 배터리가 위험성(불이 나는 등)이 있다고 하면 문제를 개선해서 소비자를 보호하는 일이다."- 13개의 중소기업센터가 있고 70명의 전문가가 3만 개의 기업을 지원했고 구체적인 실적을 냈다고 하는데 구체적으로 설명하면."SME센터는 물리적인 중소기업을 위한 ‘헬프 데스크’라고 보시면 된다. 금융 중심지에만 있는 것이 아니라 사람들이 많이 밀집해서 사는 주공아파트가 많은 곳에도 기업 사무실이 많이 있어서 스타트업이 아니더라도 어느 회사든지 국제시장에 진출을 해보겠다면 도와준다. 싱가포르에 회사가 이십만 개 정도 되는데, 10억 정도의 매출을 소기업으로 본다."- 성공 가능성이 높은 기업을 집중적으로 지원하는가, 다양한 기업에 혜택을 주는지."성공 가능성이 높은 기업을 집중적으로 지원하는 것보다 전체를 다 지원하되 상이한 방법으로 지원한다. 국제화를 겨냥하고 있는 회사의 경우 외국에 있는 관련 기업을 소개하고 해외 진출에 대한 도움을 준다.그런 여건이 안 되는 회사들은 국내 시장에서 자리잡을 수 있도록 한다. 프로젝트가 있으면 그 자체에 대한 메리트를 보고 판단하게 되는 것이고 성공여부와는 직접적인 관련이 없다." □ 참가자 코멘트◇ ㅇㅇㅇㅇ연구원 ㅇㅇㅇ 수석연구원우리나라의 경우 중기 지원을 위한 예산, 인력, 기관 평가에 지속적인 지원이 있으면 한다. 25개 기관 경영 계획 시 10%, 연구회 지정 분야 50%, 기관별 특성에 맞는 중기 지원 50% 정도를 반영하면 국가의 중기 목표 달성이 가능할 것이다.◇ ㅇㅇㅇㅇ연구소 ㅇㅇㅇ 주임기술원자국 기업은 금융, 파트너, 시장 연계 등의 종합 지원을 해주는 반면, 외국 유치기업은 공동 투자 기회, 창업자 비자, 오피스 제공 등의 제한적인 지원을 한다. 다만 환경(해외진출, 대기업 연계 등)이 잘 조성되어 해외 기업의 활발한 스타트업 설립이 이루어지고 있는 점이 인상적이다.성공 가능성이 높은 기업을 집중적으로 지원하기보다는 많은 기업에 평등한 기회를 주는 전략이다.◇ㅇㅇㅇㅇ연구원 ㅇㅇㅇ 선임행정원○ 중소기업, 대기업 등의 구분을 두지 않는 지원을 한다는 점과 싱가포르인이 설립한 기업은 싱가포르에 기반하고 있어야만 금전적 혜택을 받을 수 있다는 점이 인상적이었다.○ 의무 개방을 통해 자본을 유치하는 실정에도 자국민을 보호하는 정책을 펼치고 있다는 점을 확인할 수 있었다.◇ ㅇㅇㅇㅇ개발원 ㅇㅇㅇ 행정원○ 한국에 비해 Open Innovation이 활성화되어있는 것 같다. ‘Gov-pact’로 명명되는 테스터베드 기회가 제공된다는 것 역시 “성실 실패”를 표방하는 싱가포르의 경제철학이 반영된 듯 하다.◇ ㅇㅇㅇㅇ연구원 ㅇㅇㅇ 책임관리원○ 싱가포르기업청은 통상부 산하로서 현지기업 능력 향상 및 시장 기회 증진을 미션으로 한다. 동남아시아는 세계 3위 시장으로 인터넷 경제 및 모바일 사용자가 급격히 증가하고 있다.○ 공개적인 혁신을 도모하는 한편, 정부가 정책을 만듦으로써 솔루션만 제공하는 게 아니라 Open Innovation을 배울 기회를 제공한다.○ 한국 중소기업 지원 제도와의 차이점은 정형화된 프로젝트가 없고 이미 각 주체 간 협력이 이뤄지고 있다는 점이다. 특히 작은 회사에 도움을 주고 있으며 대학과 연구소의 협력이 강화되고 있다. 대기업과 중소기업 간 협력을 권장한다.○ 싱가포르는 한국과 같은 정부출연은 거의 없으나 NUS 통한 연구개발 지원이 가능하며 대기업-중소기업 간 협력이 항상 이뤄지고 있는 부분이 시사할 만한 점이다.◇ ㅇㅇㅇㅇ연구원 ㅇㅇㅇ 사무원○ 지원하는 기업 중 퇴출 기업이 없다. 각 국가에 SME 센터(중소기업 Help Center)가 있다. 자국 기업과 외국계 기업 지원에 있어 큰 차이점은 자금이다.○ 우리나라도 기업지원 기관의 통합이 필요해 보인다. 지원프로그램의 기관별 중복성을 고려하여 일부는 정리하고 통합하여 기업지원의 집중화가 필요하다.◇ ㅇㅇㅇㅇ연구원 ㅇㅇㅇ 사무원○ 기존의 중소기업 지원보다는 단단한 창업 기반 환경 조성을 통한 싱가포르 경제활성화가 궁극적인 목표라는 점에서 우리의 중기지원 정책의 목표와는 다소 다른 듯하다.○ 스타트업과 중소기업뿐만 아니라 대기업 지원프로그램도 존재한다는 점이 우리와는 달라 인상적이었다. 성공 가능성이 높은 기업만 지원하기보다는 많은 기업을 지원하되 지원 내용에 차이를 둔다는 점에서 유망 중소기업 지원에 집중하는 우리와는 차이점을 보인다.◇ ㅇㅇㅇㅇ연구원 ㅇㅇㅇ 책임기술원○ 싱가포르기업청은 기술을 위한 노드 역할을 수행하며 수요 주도형 혁신을 적극적으로 추진한다.◇ ㅇㅇㅇㅇ연구회 ㅇㅇㅇ 연구원○ 젊은 조직이다. 중기부가 있는 한국과는 달리 기업청에서 구분 없이 지원하는 것에 의의가 있다. 한국에서는 중견 및 대기업 지원은 산업부가 하기 때문이다. 자본이 탄탄해서인지 제한 없이 지원할 수 있는 여유가 부러웠다.◇ ㅇㅇㅇㅇ연구원 ㅇㅇㅇ 연구원○ 싱가포르 정부가 현지기업 지원 시 어떤 부분에 집중해 지원하는지 볼 수 있었다. 기업의 기술 애로사항 발생 시 일대일 매칭, 개방 공모형 의견 수렴 등 문제 해결에 열린 자세로 임하는 모습이 배울 점이었고 어려운 기업들을 퇴출하거나 제외하지 않고 적극적으로 지원하려는 점이 인상적이었다.□ 벤치마킹 포인트◇ 선별적 집중지원보다 많은 지원 기회를 중시하는 기업지원 정책○ 기업지원 시, 자국 기업은 금융, 파트너, 시장 연계 등 자금혜택을 포함한 종합 지원을 해주는 반면, 외국기업은 공동 투자 기회, 창업자 비자, 오피스 제공 등 제한적인 지원을 한다.외국기업에 매우 개방적인 환경임에도 일부 자국기업을 보호하는 정책을 시행중임을 알 수 있다. 그럼에도 싱가포르를 거점으로 한 해외진출, 대기업 연계, 개방적 기업 생태계 등의 이점이 더 많아 해외 기업의 활발한 스타트업 설립이 이루어지고 있는 점이 인상적이다.○ 기업규모별 지원에 있어서는 스타트업과 중소기업뿐만 아니라 대기업 지원프로그램도 운영하여 대기업, 중소기업의 구분을 두지 않고 있으며 성공 가능성이 높은 기업을 집중적으로 지원하기보다는 많은 기업에 평등한 기회를 주는 전략을 적용하고 있다.이에 따라 지원기업을 평가하여 퇴출하거나 제외하지 않고 지원내용에 차이를 둔다는 점이 우리나라가 유망 중소기업 지원에 집중하는 것과 차이를 보인다.◇ 정형화된 프로젝트 대신 개방형 혁신으로 문제해결 지원○ 싱가포르와 우리나라의 기업지원 제도의 또다른 차이는 정형화된 프로젝트가 없다는 점이다. 싱가포르는 정부출연연구소는 거의 없으나 대학과 연구소의 개방적인 연구개발 시스템을 가지고 있고 정형화된 프로젝트 없이 기업, 대학, 연구소의 협력이 이루어지고 있다.○ 이러한 분위기에서 대기업과 중소기업의 협력도 각 주체 간 협력 속에서 자연스럽게 권장되고 있으며 기업의 기술 애로사항 발생 시 일대일 매칭, 개방 공모형 의견 수렴 등 열린 자세로 문제를 해결해나간다.○ 이 같은 시스템을 통해 정부가 정책을 만들어 솔루션을 제공하는 방식보다는 공개적이고 개방적인 혁신 방식이 활성화되어 있다. ‘Gov-pact’로 명명되는 테스트베드 기회가 제공된다는 것 역시 “성실 실패”를 표방하는 싱가포르의 경제철학이 반영된 것으로 볼 수 있다.
-
▲ 일본 오사카대(大阪大)에서 개발한 양자컴퓨터 이미지 [출처=홈페이지]일본 오사카대(大阪大)에 따르면 2023년 12월22일부터 초전도 양자컴퓨터 국산 3호기의 클라우드 서비스를 시작할 계획이다. 국산 부품이나 소프트웨어를 검증해 개선하기 위한 목적이다.42개 기관이 참여한 '양자소프트웨어컨소시엄'은 양자컴퓨터의 사용 사례를 탐색하고 사용자의 요구나 의견을 반영해 시스템을 발전시킬 방침이다.양자컴퓨터는 기존 컴퓨터와 비교할 수 없을 정도로 짧은 시간에 많은 문제를 해결할 수 있다. 공동연구그룹은 양자컴퓨터를 초전도 양자비트로 구축해 클라우드를 통해 이용할 수 있는 서비스를 구축했다.연구자는 원격지에서 양자 알고리즘을 실행하고 소트트웨어의 개량·동작 확인을 하거나 사용 사례를 탐색할 수 있다. 개발된 양자컴퓨터는 이화학연구소(理化学研究所)가 제공한 64 양자 비트칩을 사용하고 있다.이화학연구소는 2023년 3월27일 초전도 양자컴퓨터 초호기의 칩을 클라우드에 공개했다. 당초 3호기에 이화학연구소가 공개한 16양자 비트칩을 장착했다가 동년 11월3일 64양자 비트칩으로 교체했다.3호기는 초호기에서 사용했던 해외에서 수입한 부품을 사용하던 것을 대폭 국산 부품으로 치환했다. 냉동기, 저잡음전원, 저온증폭기, 자기실드 등 많은 부품을 국산으로 교체했지만 높은 수준의 양자 비트 성능을 실현했다.양자컴퓨터는 1980년대부터 이론적으로 연구하기 시작했다. 신재료 개발, 금융, 신약 개발, 기계학습 등을 위해서는 계산을 고속화할 필요가 있기 때문이다.현재 구글, IBM, 중국과학기술대, 중국저장대, 미국의 스타트업인 리제티(Rigetti) 등만이 59양자비트 이상의 제어를 실현했다. 다수 기업과 대학이 이러한 목료로 도전했지만 성공한 사례를 찾아보기 어렵다.일본 정부는 2023년 3월 이화학연구소, 후지츠, 오사카대, 산업기술총합연구소 등이 공동으로 50 양자비트 이상의 제어에 성공했다. 직접 개발한 2차원 집적회로와 수직배선패키지를 사용했다.
-
영국 자율주행 스타트업 웨이브(Wayve)에 따르면 시리즈 B 펀딩 라운드에서 $US 2억5800만달러를 모금했다. 기존 투자자 마이크로소프트를 포함해 D1 Capital Partners, Moore Strategic Ventures, Linse Capital 등이 참여했다.투자를 받은 자금은 자율주행 기술을 확장시키고 상용 차량 파트너와 더 많은 파일럿 프로젝트를 시작할 방침이다. 웨이브는 차량 외부에 장착된 카메라 센서를 활용해 수집한 데이터를 기반으로 기계학습을 통해 자율주행 기술을 개발하고 있다.디지털 지도나 코딩을 통해 차량의 자율주행을 구현하는 방식과는 다르다. 현재 웨이브는 영국 런던에서 슈퍼마켓 체인 아스다(Asda)와 함께 자율배송 실험을 진행하고 있다.▲ 웨이브(Wayve) 홈페이지
-
2021-12-01인도 데이타 기반 기술 조사기업 어낼리틱스 인사이트(Analytics Insight)에 따르면 2021년 최고의 데이터 과학 리더 10인을 선정했다.최고 수준의 데이터 과학 기술을 통해 업계 역학을 변화시킨 인물들이다. 선정된 인물들은 심도있는 연구와 선구적인 아이디어 등 산업 분야 전반에 걸쳐 획기적인 솔루션을 도입시킨 글로벌 리더들이다.세부 내역을 살펴 보면 벤카타(Venkata Duvvuri), 알베르토(Alberto Pascual), 카를로스(Carlos Prades), 미히르(Mihir Kittur), 팀(Tim Kao), 벤자민(Benjamin Tengelsen), 이머(Imre Szücs), 파르자나(Farzana Noorzay), 라비(Ravi Korlimarla), 딘(Dean Abbott) 등이다.먼저 오라클(Oracle)의 데이터 과학 이사인 벤카타(Venkata Duvvuri)는 기계학습 및 데이터 과학을 전문으로 하고 있다.10년 이상의 경험을 쌓아 결과 지향 데이터 과학, 비지니스, 웹 및 마케팅 분석의 리더이다. 벤카타는 여가 시간에 Northeastern University에서 겸임 교수로 데이터 분석 및 기계 학습을 가르치고 있다.다음으로 알베르토(Alberto Pascual)는 IDBS의 데이터 과학 및 분석 이사로 데이터 과학과 생물의학 영역에서 풍부한 경험을 갖고 있는 컴퓨터 과학 학사 및 생물정보학 박사이다. 카를로스(Carlos Prades)는 Antofagasta Minerals의 데이터 과학책임자로 약 10년간 현장에서 업무를 수행한 인물이다. 2021년 데이터 과학팀을 꾸려 탐사에서 채굴 작업 등 여러 단계의 프로젝트를 이끌었다.미히르(Mihir Kittur)는 Ugam의 공동 설립자이자 최고 상업 책임자이다. 인공신경망을 사용한 로봇 팔 개발 관련 공학 논문을 발표했다.팀(Tim Kao)은 해군분석센터(CNA)의 데이터 과학 부사장으로 지난 20년 동안 미 해병대에서 근무했다. 2015년 CNA에 합류했다.벤자민(Benjamin Tengelsen)은 optimAize Marketing Solutions의 공동 설립자이자 CEO 및 데이터 과학자로서 머신러닝 모델을 개발했다. 데이터 사이언스 리더로 활동하고 있다.파르자나(Farzana Noorzay)는 Tillster사의 데이터 과학, 분석, 엔지니어링, 데이터 제품 팀의 수장이다. 라비(Ravi Korlimarla)는 데이터 과학 및 고급 분석 이사로 15년간 데이터팀과 함께 데이터 프로젝트를 추진하고 데이터 및 분석에 관심과 열정을 쏟았다.딘(Dean Abbott)은 SmarterHQ의 수석 데이터 과학자로 국제적으로 인정받고 있는 데이터 마이닝 및 예측 분석 전문가이다. 지난 20년 이상 고급 데이터 마이닝 알고리즘, 데이터 준비 기술, 데이터 시각화 등의 적용 경험을 갖고 있다.▲ 벤카타(Venkata Duvvuri)의 Linkedin
-
2021-07-13미국 캘리포니아주립대(University of California)에 따르면 인공지능(AI) 기술이 내장된 드론으로 떨어진 운석의 위치를 찾고 조각을 식별하는 연구가 진행되고 있다.운석은 우주과학의 기초가 될 만한 중요한 단서라는 점에서 연구 가치가 충분하다. 천체 과학자들은 매년 500여개의 운석이 지구로 떨어지지만, 이중 2% 정도만 발견된다고 말한다.연구팀은 수천 장에 달하는 운석 이미지를 인공지능 기계학습으로 처리한 뒤 드론으로 운석 조각을 식별한다는 계획이다. 운석이 떨어지는 각도를 계산해 해당 지점을 예측하고 자동 추적하는 시스템도 개발 중이다.드론은 자율비행으로써 격자 방식의 촘촘한 수색 경로를 사전에 프로그래밍할 수 있다. 운석을 탐지 및 식별해야 하기 때문에 비행 고도는 6.5~20피트(약 2~6미터)로 낮게 유지한다.본격적인 연구개발에 앞서 일반 드론을 네바다 지역에 띄워 운석 조사업무를 수행했다. 일반 매장에서 구매한 3DR의 쿼드콥터 드론에 고프로(GoPro)의 히어로4 카메라를 장착해 낮은 고도에서 일정 구역을 조사했다.현재는 인공위성 또는 도플러 레이더를 통해 운석 관련 데이터를 취합하고 연구인력이 수동적으로 조사에 나선다. 드론이 활용된다면 실시간, 그리고 자동으로 운석을 탐지하고 식별할 수 있을 것으로 기대된다.▲캘리포니아주립대에서 실험하는 드론 이미지(출처 : 홈페이지)
-
2021-07-08뉴질랜드 캔터베리대(University of Canterbury) 연구팀에 따르면 측량 정밀도구를 사용하는 인공지능(AI) 드론을 개발 중인 것으로 나타났다.인공지능 전문가 리차드 그린 교수와 우주항공 엔지니어링 전문가 댄 자오 교수, 컴퓨터공학 소프트웨어 전문가 켈빈 반드세일 교수가 한 팀을 구성했다.드론 매핑 작업에 적용되는 측량 장비 및 소프트웨어는 이미 높은 수준으로 발전하고 있다. 데이터를 처리하는 인공지능의 기계학습 역시 다양한 분야에서 개발되고 있다.현재 연구진이 중점을 둔 분야는 드론 자체의 비행 능력이다. 자율비행 중 난류 상에서의 로터 기능, 안정적인 호버링 제어, 변칙적인 환경에 적응할 수 있는 드론 비행술의 예측 등이 그것이다.연구진은 다양한 환경적 데이터를 인공지능 기술로 축적 및 처리하는 작업을 진행하고 있다. 이후에는 공기 역학적 모델링을 구현해 드론의 기체와 컨트롤러를 설계하는 단계로 이어진다.환경의 제약없이 측량 검사도구를 안정적으로 사용할 수 있는 드론의 제작이 연구진의 우선 순위다. 이후 측량 정밀도구와 드론용 플랫폼을 적용한다는 방침이다.글로벌 드론 산업을 연구하는 국가정보전략연구소는 "최근 드론 측량기술이 적용되는 산업 분야는 전력 인프라, 토목 건설 현장, 환경보호가 필요한 야생지 등이다."며 "드론 측량기술의 개발에 따라 더 많은 분야에 활용될 것으로 전망된다."고 밝혔다.▲왼쪽부터 리차드 그린 교수, 댄 자오 교수, 켈빈 반스데일 교수(출처 : 홈페이지)
1
2
3
4