1 / 1
" University of California"으로 검색하여,
10 건의 기사가 검색 되었습니다.
-
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.
-
□ 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."
-
미국 비트코인 및 디지털 통화 전문매체 코인데스크(CoinDesk)에 따르면 2021년 글로벌 블록체인 대학 Top 50에서 싱가포르 국립대(National University of Singapore)가 1위를 차지했다.이번 조사는 전 세계 230대 대학을 대상으로 강좌, 연구 결과물, 학생 클럽과 연구 센터 등 캠퍼스의 블록체인 지원, 고용 결과, 학문적 명성, 비용 등을 기준으로 선정했다.지난 2020년에는 46개 대학 중 Top 30을 발표했다. 블록체인이 글로벌 이슈로 부상하면서 비지니스 환경에 영향을 끼치고 있는 대학들이 늘어나고 있기 때문에 조사 대학을 확대했다.2위는 오스트레일리아 멜버른에 있는 RMIT(Royal Melbourne Institute of Technology), 3위는 미국의 버클리대(University of California Berkeley), 4위는 스위스 취리히대(University of Zurich), 5위는 미국의 MIT(Massachusetts Institute of Technology) 이다.한국의 KAIST(Korea Advanced Institute of Science and Technology)는 26위, 고려대학교(Korea University)는 39위, 서울대학교(Seoul National University)는 46위를 각각 기록했다.▲ 코인데스크(CoinDesk) 대학 순위(출처 : 홈페이지)
-
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)
-
2020-10-12미국 캘리포니아대(University of California, San Diego, 이하 UCSD)에 따르면 물 분사로 스스로 움직이는 오징어 로봇을 개발했다. 산호나 해양 생물을 해치지 않고 수중 환경을 탐험하기 위한 목적이다.소프트 로봇은 단단한 로봇보다 수생 생물에 해를 끼칠 가능성이 적기 때문이다. UCSD의 연구팀은 아크릴 폴리머와 같은 부드러운 재료를 사용해 장치를 제작하고 3D프린팅 및 레이저 절단 경질 부품을 사용했다.로봇은 연구팀이 실제 오징어의 제트 추진 메커니즘에서 영감을 얻어 개발됐다. 로봇은 몸을 압축해 에너지를 방출하고 물 분사를 사용해 자신을 추진할 수 있다.특히 노즐의 위치를 조정해 모든 방향으로 수영할 수 있다. 로봇에는 데이터 기록에 필수적인 카메라 또는 기타 센서를 수용할 수 있는 방수 구획이 구비된다.로봇은 시간당 약 0.5마일을 이동할 수 있으며 대부분의 소프트 로봇보다 빠른 것으로 평가된다. 이와 같이 환경친화적인 로봇의 개발이 다양한 분야에서 더욱 활성화될 것으로 전망된다.▲ USA-UCSD-Robot▲ UCSD의 홍보자료(출처 : 홈페이지)
-
미국 캘리포니아대(University of California, San Diego, 이하 UCSD)에 따르면 실험실에서 자란 줄기세프가 신생아의 뇌파외 비슷한 전파를 방출할 수 있다는 것을 발견했다.이러한 유형의 만능 줄기세포는 폐, 심장 또는 뇌안에 있을지라도 신체의 모든 유형의 세포 또는 조직으로 변형될 가능성이 있다. UCSD의 연구팀은 단일 만능 줄기세포의 성장을 추적하기로 결정했을 때 관련 현상을 발견했다.특히 뇌 세포가 10개월 동안 “피질 오가노이드(cortical organoids)”로 알려진 작은 덩어리로 발전하는 것이 발견되었다. 이때 줄기세포는 크기가 부풀어 오르면서 뇌파와 유사한 신호를 방출했다.대뇌 피질의 오가 노이드가 성숙함에 따라 방출되는 전기 스파이크가 더 복잡해졌다. 오가노이드는 신생아가 생성하는 뇌 신호와 비슷한 것으로 분석된다.이와같은 연구결과를 이용하면 초기 뇌 발달에 존재하는 신경학적 또는 심리적 상태를 연구하는 데에 유용할 것으로 전망된다. 특히 자폐증과 간질이 있는 사람들에게도 적용될 수 있을 것으로 기대된다.▲ USA-UCsandiego-stemCell▲ 캘리포니아대(UCSD)의 홍보자료(출처 : 홈페이지)
-
2019-08-19미국 UC버클리(University of California, Berkeley)에 따르면 곤충으로부터 영감을 받은 우표 크기 로봇을 개발했다. 개발된 로봇은 놀라운 속도와 내구성을 갖춘 것으로 평가된다.특히 무게가 10그램 미만이지만 자체 무게의 약 100만 배 또는 약 60kg의 압력하에도 여전히 작동할 수 있다.로봇은 얇은 시트의 압전 폴리비닐리덴 플루오라이드(PVDF)로 제작됐다.탄성 중합체로 코팅된 압전 PVDF 시트를 활처럼 구부리도록 하기 위한 목적이다. 진동하는 전기장에 의해 충전된 이 재료는 로봇을 앞으로 당길 수 있도록 빠르게 펴지고 빠르게 구부러진다.앞쪽 다리가 실제 바퀴벌레와 거의 같은 속도(초당 20 바디 길이)로 움직인다. 연구팀은 현재 배터리와 가스센서를 추가하면서 장애물을 조종하는 능력을 향상시켜 위험한 수색 및 구조 임무에서 잔해를 탐색하는 임무에 투입할 계획이다.▲ USA-UCBerkeley-robot▲ UC버클리(University of California, Berkeley)의 홍보자료(출처 : 홈페이지)
-
2019-06-21미국 UC버클리대(University of California, Berkeley)에 따르면 잠자는 습관은 나중에 알츠하이머병 진행에 영향을 줄 수 있다는 것을 발견했다.연구에서 31명의 참가자 중 일부는 수면 EEG 평가를 받았고 95명의 참가자는 수면 시간 및 수면 품질 변화를 평가하는 설문지를 작성했다.EEG 데이터는 장애가 있는 저속 수면 스핀들 커플링의 중증도가 내측 측두엽 타우 부담과 관련이 있음을 보여 줬다. 그러나 연구팀은 Aβ와의 중요한 연관성을 발견하지는 못했다.연구팀은 보고된 수면 기간의 변화를 분석한 결과 수명이 다한 수면 패턴이 나중에 삶의 Aβ 및 타우 부담을 예측한다는 것을 알아냈다.특히 알츠하이머 병의 특징적인 증상인 기억 장애가 있기 전에 수면 패턴의 변화와 뇌에서의 타우 및 단백질의 축적이 환자들 사이에서 나타난다.연구는 작은 표본 크기에 의해 제한되지만 표적이 수면 치료가 가장 효과적인 시기를 결정하는 데 도움이 될수 있을 것으로 분석된다. 참고로 연구결과는 신경 과학 저널(The Journal of Neuroscience)에 발표됐다.▲ USA-UCBerkerly-neuroscience▲ UC버클리대(University of California, Berkeley)의 홍보자료
-
미국 캘리포니아대(University of California, Irvine, 이하 UCI)에 따르면 UCI 피부 생물학 자원기반센터(UCI Skin Biology Resource-based Center)를 설립할 예정이다.관절염&근골격계&피부질환 국립연구소(National Institute of Arthritis & Musculoskeletal & Skin Diseases)로부터 지원받은 약 $400만 달러로 진행할 계획이다.연구소는 피부 생물학과 질병을 연구하는 연구자그룹에게 중요한 연구 인프라, 공용시설, 서비스 및 자원을 제공할 방침이다. 의과 대학의 의학 및 생물화학 교수인 보기앤더슨 (Bogi Andersen)가 이 연구소를 운영할 예정이다.진행 중인 임상 피부 연구의 효과를 가속화하고 향상시킬 방침이다. 특히 표피 줄기세포, 표피 분화, 색소 세포 및 피부 혈관 생물학을 포함해 피부 생물학의 조절 메커니즘에 초점을 두고 있다.궁극적으로는 피부 질환의 이해와 치료를 개선하는 데 중요한 기초가 되는 메커니즘을 발견하기 위한 목적이다.이를 통해 생물 정보학, 이미징 및 시스템 생물학의 핵심 자원을 확립하면 여러 분야의 상호 수정이 촉진될 것으로 분석된다.즉 피부 생물학 및 질병의 규제 메커니즘에 대한 혁신적이고 통합된 접근방식을 촉진할 수 있을 것으로 기대된다. 미국 대학에서 4차 산업혁명으로 바이오산업에 대한 연구가 더욱 활발하게 전개되고 있다. ▲ USA-CaliforniaIrvine, bilogyCenter▲ 캘리포니아대 얼바인(University of California, Irvine)의 보기앤더슨(Bogi Andersen)교수(출처: 홈페이지)
-
2018-12-17미국 버지니아공대에 따르면 신경과학연구원(School of Neuroscience)가 오피오이드(opioid, 아편함유 치료약)의 중독성 없이 만성통증을 치료할 수있는 약물을 개발했다.관련 연구는 캘리포니아 샌디애고대(University of California San Diego), 국립보건원 (US National Institutes of Health)과 협업으로 진행됐다. 연구결과는 의학저널인 PAIN에 실렸다. ML351로 명명된 이 약물은 미국 국립보건원의 연구원이 발견했다. 자연적으로 생성된 효소 15-Lipoxygenase-1을 억제하도록 고안됐다.생성된 효소는 생체 활성지질(bioactive lipids)을 합성해 이부프로펜과 같은 일반적인 비 스테로이드성 소염 진통제에 의해 완화되지 않는 만성 통증을 직접적으로 유발한다.이 때문에 환자는 옥시코돈(Oxycodone) 및 기타 마약과 같은 아편제를 포함한 보다 강력한 약물에 의지해야 하는 문제점이 있었다.특히 비 스테로이드 항염증제 및 스테로이드와 같은 현재의 항염증제는 염증을 줄임으로써 통증 완화에 도움이 되지만 많은 유형의 만성 통증에 대해서는 덜 효과적인 것으로 평가 받고 있다.연구팀은 비 스테로이드성 소염 진통제에 반응하지 않지만 오피오이드로 치료할 수 있는 만성 통증에 대한 ML351의 전임상 효능을 입증했다. 특히 ML351은 여러 종류의 통증에 효과적인 것으로 드러났다.향후 연구팀은 만성 통증의 다른 모델에서 유용성에 대해 조사할 계획이다. 이를 통해 다양한 만성통증으로부터 고통받는 많은 환자들을 치료할 수 있을 것으로 기대된다.▲ USA-VirginTechSchool-Neuroscience▲ 버지니아공대 신경과학연구원의 Ann Gregus 및 Matt Buczynski(출처 : 홈페이지)
1