2018.03.30

오이 농장도 AI 활용··· 클라우드가 문턱 낮춘다

Duncan Jefferies | IDG Connect
필요한 전문 역량을 갖추지 못한 기업들을 겨냥한 클라우드 AI 서비스가 급증하고 있다.

가을 수확철이면 코이케 마코의 어머니는 가족 농장에서 수확한 오이를 8시간 동안 분류한다. 그는 이 지루한 작업을 자동화하기로 결정했다.

그는 머신러닝 전문가가 아니었지만 구글의 인기 있는 오픈소스 머신러닝 프레임인 텐서플로를 가지고 놀아보기 시작했다. 그리고 이를 통해 크기, 모양 및 기타 속성별로 오이를 분류할 수 있는 딥러닝 모델을 개발해냈다. 약 75%의 정확도를 보여주는 불완전한 모델이기는 했다.

그의 시도는 AI가 가족 규모의 비즈니스조차도 바꿔낼 수 있음을 보여준다. 구글이나 아마존, 마이크로소프트, 애플, 페이스북 같은 거대 기업들이 앞다퉈 쉽게 이용할 수 있는 딥러닝 기술을 선보이는 이유다.

이러한 움직임의 배경에는 오늘날 포춘 500대 기업 대부분은 AI 전담 팀을 보유함에 따라 데이터 과학자 인력난이 가중되고 있다는 사실도 있다.

머신러닝 애즈 어 서비스, 또는 클라우드 AI라고 불리는 서비스는 이미 아마존 웹 서비스, 마이크로소프트 애저, 구글 클라우드, IBM 클라우드 등의 주요 구성 요소로 자리잡았다. 이들 서비스는 기업 고객이 이미지 인식을 위해 사전 학습된 딥러닝 모델을 이용할 수 있게 한다.

스카이마인드의 크리스 니콜슨 CEO는 인공지능을 활용하기 위해서는 데이터 과학자 역량, 개발자 역량, 인터페이스 역량이 필요하다며, 이들 역량을 손쉽게 구현해주는 도구들이 각각 존재한다고 전했다.

가령 마이크로소프트 애저 ML 스튜디오, 아마존 세이지메이커(SageMaker), 구글 클라우드 ML 엔진은 딥러닝 전문가가 모델을 대규모로 조정 및 배포할 수 있도록 돕는다. 반면 아마존 레코그니션 및 구글 트랜슬레이션은 사전 모델을 기반으로 구축된 API다. 이미지나 동영상, 텍스트와 같은 데이터를 입력하면 결과가 산출된다.

후자 방식의 문제점은 비즈니스 문제 대부분이 사전학습된 모델로 해결할 수 없는 것이라는 데 있다. 달리 말하자면 여러 모양의 오이를 식별하는 작업에는 여러 모양의 고양이를 분류하는 API가 무용지물이다.

니콜슨은 "사용자 필요에 맞춰 솔루션을 정의하고 싶다면 자신의 데이터로 모델을 교육해야 한다. 그러나 이 작업은 여전히 어려운 것이다"라고 말했다.

구글은 고도로 맞춤화된 신경망과 보다 기본적인 범용 모델 사이의 격차를 해소하기 위해 고객 데이터를 사용하여 맞춤식 심층 학습 모델을 구축하는 시스템인 클라우드 오토ML을 최근 출시했다. 클라우드 오토ML 비전의 경우 사용자가 드래그 앤 드롭 인터페이스를 통해 사용자 정의 머신러닝 모델을 생성할 수 있게 된다.

이를 테스트하고 있는 기업 중 하나는 디즈니다. 디즈니는 이 도구를 이용해 고객이 캐릭터의 이름으로 태그가 지정되지 않은 경우에도 특정 디즈니 캐릭터 상품을 검색 할 수있는 방법을 개발했다.

그러나 독자적인 데이터를 마련하는 작업 자체가 문제인 기업들도 있다. 니콜슨은 "기업 독자적인 데이터들이 있다. 인보이스를 처리하거나 잠재 고객을 확인하는 데이터는 기업마다 제각각이다. 이러한 데이터를 수집해 처리하는 작업 자체가 문제가 된다"라고 말했다.

AI에 대한 기업들의 관심이 높아짐에 따라 머신러닝 도구는 점점 더 클라우드 컴퓨팅 서비스의 필수 요소로 부상할 전망이다. IDC는 2021년까지 상용 엔터프라이즈 애플리케이션의 75 %가 AI를 사용할 것으로 예측하고 있다. IDC의 데이브 슈브멜 애널리스트는 "오늘날 콘테이너 기능이나 모니터링 기능을 제공하는 것처럼 머신러닝 도구를 제공하게 될 것"이라고 말했다.

니콜슨은 클라우드로 이용할 수 있는 AI 도구를 이용하기에 앞서 활용 사례를 먼저 명확히 규명할 필요가 있다고 조언했다. 그는 "매우 구체적인 문제를 해결하기 위해 활용되고 있다. 해결하려는 문제를 구체적으로 정의하지 않는다면 성공할 가능성이 매우 낮다"라고 말했다. ciokr@idg.co.kr 

2018.03.30

오이 농장도 AI 활용··· 클라우드가 문턱 낮춘다

Duncan Jefferies | IDG Connect
필요한 전문 역량을 갖추지 못한 기업들을 겨냥한 클라우드 AI 서비스가 급증하고 있다.

가을 수확철이면 코이케 마코의 어머니는 가족 농장에서 수확한 오이를 8시간 동안 분류한다. 그는 이 지루한 작업을 자동화하기로 결정했다.

그는 머신러닝 전문가가 아니었지만 구글의 인기 있는 오픈소스 머신러닝 프레임인 텐서플로를 가지고 놀아보기 시작했다. 그리고 이를 통해 크기, 모양 및 기타 속성별로 오이를 분류할 수 있는 딥러닝 모델을 개발해냈다. 약 75%의 정확도를 보여주는 불완전한 모델이기는 했다.

그의 시도는 AI가 가족 규모의 비즈니스조차도 바꿔낼 수 있음을 보여준다. 구글이나 아마존, 마이크로소프트, 애플, 페이스북 같은 거대 기업들이 앞다퉈 쉽게 이용할 수 있는 딥러닝 기술을 선보이는 이유다.

이러한 움직임의 배경에는 오늘날 포춘 500대 기업 대부분은 AI 전담 팀을 보유함에 따라 데이터 과학자 인력난이 가중되고 있다는 사실도 있다.

머신러닝 애즈 어 서비스, 또는 클라우드 AI라고 불리는 서비스는 이미 아마존 웹 서비스, 마이크로소프트 애저, 구글 클라우드, IBM 클라우드 등의 주요 구성 요소로 자리잡았다. 이들 서비스는 기업 고객이 이미지 인식을 위해 사전 학습된 딥러닝 모델을 이용할 수 있게 한다.

스카이마인드의 크리스 니콜슨 CEO는 인공지능을 활용하기 위해서는 데이터 과학자 역량, 개발자 역량, 인터페이스 역량이 필요하다며, 이들 역량을 손쉽게 구현해주는 도구들이 각각 존재한다고 전했다.

가령 마이크로소프트 애저 ML 스튜디오, 아마존 세이지메이커(SageMaker), 구글 클라우드 ML 엔진은 딥러닝 전문가가 모델을 대규모로 조정 및 배포할 수 있도록 돕는다. 반면 아마존 레코그니션 및 구글 트랜슬레이션은 사전 모델을 기반으로 구축된 API다. 이미지나 동영상, 텍스트와 같은 데이터를 입력하면 결과가 산출된다.

후자 방식의 문제점은 비즈니스 문제 대부분이 사전학습된 모델로 해결할 수 없는 것이라는 데 있다. 달리 말하자면 여러 모양의 오이를 식별하는 작업에는 여러 모양의 고양이를 분류하는 API가 무용지물이다.

니콜슨은 "사용자 필요에 맞춰 솔루션을 정의하고 싶다면 자신의 데이터로 모델을 교육해야 한다. 그러나 이 작업은 여전히 어려운 것이다"라고 말했다.

구글은 고도로 맞춤화된 신경망과 보다 기본적인 범용 모델 사이의 격차를 해소하기 위해 고객 데이터를 사용하여 맞춤식 심층 학습 모델을 구축하는 시스템인 클라우드 오토ML을 최근 출시했다. 클라우드 오토ML 비전의 경우 사용자가 드래그 앤 드롭 인터페이스를 통해 사용자 정의 머신러닝 모델을 생성할 수 있게 된다.

이를 테스트하고 있는 기업 중 하나는 디즈니다. 디즈니는 이 도구를 이용해 고객이 캐릭터의 이름으로 태그가 지정되지 않은 경우에도 특정 디즈니 캐릭터 상품을 검색 할 수있는 방법을 개발했다.

그러나 독자적인 데이터를 마련하는 작업 자체가 문제인 기업들도 있다. 니콜슨은 "기업 독자적인 데이터들이 있다. 인보이스를 처리하거나 잠재 고객을 확인하는 데이터는 기업마다 제각각이다. 이러한 데이터를 수집해 처리하는 작업 자체가 문제가 된다"라고 말했다.

AI에 대한 기업들의 관심이 높아짐에 따라 머신러닝 도구는 점점 더 클라우드 컴퓨팅 서비스의 필수 요소로 부상할 전망이다. IDC는 2021년까지 상용 엔터프라이즈 애플리케이션의 75 %가 AI를 사용할 것으로 예측하고 있다. IDC의 데이브 슈브멜 애널리스트는 "오늘날 콘테이너 기능이나 모니터링 기능을 제공하는 것처럼 머신러닝 도구를 제공하게 될 것"이라고 말했다.

니콜슨은 클라우드로 이용할 수 있는 AI 도구를 이용하기에 앞서 활용 사례를 먼저 명확히 규명할 필요가 있다고 조언했다. 그는 "매우 구체적인 문제를 해결하기 위해 활용되고 있다. 해결하려는 문제를 구체적으로 정의하지 않는다면 성공할 가능성이 매우 낮다"라고 말했다. ciokr@idg.co.kr 

X