2016.04.28

지금 CIO가 머신러닝에 투자해야··· 왜? 어떻게?

Martha Heller | CIO
머신러닝에 투자하면 고객 참여를 한 층 더 높일 수 있다. 그렇다면, CIO는 머신러닝을 어떻게 시작해야 할까? 엘세비어 CTO 댄 올리가 그 방법을 소개했다.



코넬대학교는 바다에서 고래가 선박에 부딪히지 않도록 배들에게 고래의 위치를 알려주는 오디오 녹음을 사용하는 알고리즘을 개발 중이다.

다쏘시스템(Dassault Systems)은 외과의사가 환자의 개복 수술에 앞서 심장 박동기의 성능을 테스트할 수 있게 해주는 인간 심장의 3D 모형을 만들고 있다.

위닝알고리즘(winningAlgorithms)은 소셜미디어 피드를 활용해 투르 드 프랑스(Tour de France)의 참가 사이클리스트들에게 언론 보도 내용과 똑같은 경기 현황을 먼저 알려주고 있다.

물론 머신러닝은 이미 전세계 과학, 문화, 생활에 큰 영향을 끼쳤다. 그렇다면, CIO는 훨씬 전부터 기업 머신러닝 애플리케이션에 신경쓰기 시작했어야 했을까?

글로벌 정보 솔루션 업체인 엘세비어(Elsevier)의 CTO 댄 올리(왼쪽 사진)는 ‘그렇지 않다’고 잘라 말했다. 올리는 “3년 전에 CIO들이 머신러닝에 투자했다면 아마 돈만 낭비했을 것이다”고 이야기했다. “하지만 앞으로 3년을 더 기다린 다음 머신러닝에 투자한다면, 아마 선도기업을 절대로 따라잡지 못할 것이다”고 강조했다.

정확히 머신러닝이란 무엇인가?
오랫동안 컴퓨팅은 ‘if/then’ 패러다임에 갇혀있었다. 올리는 기존 컴퓨터의 한계에 대해 다음과 같이 지적했다.

“컴퓨터가 ‘A=B, A>B’에는 강하지만 ‘A가 B와 비슷하다’에는 약하다. 지금까지 오직 인간만이 ‘비슷한’ 상황을 처리할 수 있었지만, 머신러닝의 등장으로 우리는 이미지 묘사부터 판단까지 고차원적인 기능을 수행하기 위한 알고리즘을 훈련시킬 수 있게 되었다.”

디지털 사진 전부를 분류하고 싶다고 가정해 보자. 올리는 “만약 모든 강아지 사진이 똑같다면, 애플리케이션이 강아지 사진을 식별하고 여기에 적절히 태그하는 게 쉬울 것이다”고 밝혔다. “하지만 강아지마다 서로 다르므로 기계가 ‘강아지’라고 정의한 사진의 시리즈를 보고 개략적으로 강아지를 인식하는 법을 배워야 한다. 이것을 깨우치기만 하면 기계는 알아서 강아지 사진들을 분류할 수 있다”고 설명했다.

그렇다면 애견인도 아닌 CIO들은 왜 여기에 신경써야 할까?

머신러닝은 왜 CIO에게 중요한가
올리에게 머신러닝은 오랫동안 존재했던 기술 간극인 패턴 인식을 통해 복잡한 문제 해결이라는 과제를 해결해 줬다. 올리는 “엘세비어의 매출 대부분이 기술기반의 제품과 서비스에서 발생하는데 우리의 상용 제품에 머신러닝을 사용하기 시작했지만 이는 내부 IT 플랫폼에도 동등하게 적용된다”고 말했다. 이어서 “고객 연락처와 주소를 연결하거나 금융 데이터에서 트렌드를 잡아내는 전통적인 과제들을 보자. 애플리케이션에 데이터를 더 ‘이해’시킬수록 예측 분석이 개선된다”고 덧붙였다.

이 회사에서 올리는 자신의 말을 행동으로 보여주고 있다.

“우리 회사의 어떤 부서는 간호사를 위한 교재를 만들지만, 학생 상당수는 어려운 교재에 좌절하고 과정을 그만두고 아예 자격시험도 치지 않는다.”

엘세비어는 시험에 합격하는 간호사 수를 늘리고자 머신러닝을 활용했다. 그는 올리는 “학생들이 실제로 교재를 어떻게 사용하는지 배우는 알고리즘을 활용하고 있다”며 “이런 식으로 우리는 교육 과정 내 적응성과 개인화를 생성해 학생들의 참여와 시험 합격률을 높이고 있다”고 설명했다.

엘세비어가 교육에만 머신러닝을 활용하는 것이 아니다. 이 기술은 과학자의 새로운 발견을 돕는 것부터 의료진을 지원하는 것까지 전체 제품군에 적용할 수 있으며, 특히 의료진들이 가장 잘 의료 처치하도록 해준다.

만약 CIO가 CRM 시스템, 콜센터 앱, 심지어 기업 인트라넷 같은 정보 바디를 가지고 거기서 기계에게 문제 해결을 가르치기 위한 데이터 셋을 구축한다면 이들은 훨씬 강력하고 적용성 높은 시스템을 만들어낼 것이다. “이 기술이 언어 인식 기능을 가진 콜센터 자동화부터 더욱 정확한 판매 예측 혹은 심지어 사기 탐지에도 적용되는 것을 볼 수 있다”고 올리는 말했다. “스플렁크같은 인프라툴은 머신러닝을 사용해 로그 파일에서 패턴을 찾아내는 법을 배우고 있으며, 보안에서 많은 활용처가 있다”




2016.04.28

지금 CIO가 머신러닝에 투자해야··· 왜? 어떻게?

Martha Heller | CIO
머신러닝에 투자하면 고객 참여를 한 층 더 높일 수 있다. 그렇다면, CIO는 머신러닝을 어떻게 시작해야 할까? 엘세비어 CTO 댄 올리가 그 방법을 소개했다.



코넬대학교는 바다에서 고래가 선박에 부딪히지 않도록 배들에게 고래의 위치를 알려주는 오디오 녹음을 사용하는 알고리즘을 개발 중이다.

다쏘시스템(Dassault Systems)은 외과의사가 환자의 개복 수술에 앞서 심장 박동기의 성능을 테스트할 수 있게 해주는 인간 심장의 3D 모형을 만들고 있다.

위닝알고리즘(winningAlgorithms)은 소셜미디어 피드를 활용해 투르 드 프랑스(Tour de France)의 참가 사이클리스트들에게 언론 보도 내용과 똑같은 경기 현황을 먼저 알려주고 있다.

물론 머신러닝은 이미 전세계 과학, 문화, 생활에 큰 영향을 끼쳤다. 그렇다면, CIO는 훨씬 전부터 기업 머신러닝 애플리케이션에 신경쓰기 시작했어야 했을까?

글로벌 정보 솔루션 업체인 엘세비어(Elsevier)의 CTO 댄 올리(왼쪽 사진)는 ‘그렇지 않다’고 잘라 말했다. 올리는 “3년 전에 CIO들이 머신러닝에 투자했다면 아마 돈만 낭비했을 것이다”고 이야기했다. “하지만 앞으로 3년을 더 기다린 다음 머신러닝에 투자한다면, 아마 선도기업을 절대로 따라잡지 못할 것이다”고 강조했다.

정확히 머신러닝이란 무엇인가?
오랫동안 컴퓨팅은 ‘if/then’ 패러다임에 갇혀있었다. 올리는 기존 컴퓨터의 한계에 대해 다음과 같이 지적했다.

“컴퓨터가 ‘A=B, A>B’에는 강하지만 ‘A가 B와 비슷하다’에는 약하다. 지금까지 오직 인간만이 ‘비슷한’ 상황을 처리할 수 있었지만, 머신러닝의 등장으로 우리는 이미지 묘사부터 판단까지 고차원적인 기능을 수행하기 위한 알고리즘을 훈련시킬 수 있게 되었다.”

디지털 사진 전부를 분류하고 싶다고 가정해 보자. 올리는 “만약 모든 강아지 사진이 똑같다면, 애플리케이션이 강아지 사진을 식별하고 여기에 적절히 태그하는 게 쉬울 것이다”고 밝혔다. “하지만 강아지마다 서로 다르므로 기계가 ‘강아지’라고 정의한 사진의 시리즈를 보고 개략적으로 강아지를 인식하는 법을 배워야 한다. 이것을 깨우치기만 하면 기계는 알아서 강아지 사진들을 분류할 수 있다”고 설명했다.

그렇다면 애견인도 아닌 CIO들은 왜 여기에 신경써야 할까?

머신러닝은 왜 CIO에게 중요한가
올리에게 머신러닝은 오랫동안 존재했던 기술 간극인 패턴 인식을 통해 복잡한 문제 해결이라는 과제를 해결해 줬다. 올리는 “엘세비어의 매출 대부분이 기술기반의 제품과 서비스에서 발생하는데 우리의 상용 제품에 머신러닝을 사용하기 시작했지만 이는 내부 IT 플랫폼에도 동등하게 적용된다”고 말했다. 이어서 “고객 연락처와 주소를 연결하거나 금융 데이터에서 트렌드를 잡아내는 전통적인 과제들을 보자. 애플리케이션에 데이터를 더 ‘이해’시킬수록 예측 분석이 개선된다”고 덧붙였다.

이 회사에서 올리는 자신의 말을 행동으로 보여주고 있다.

“우리 회사의 어떤 부서는 간호사를 위한 교재를 만들지만, 학생 상당수는 어려운 교재에 좌절하고 과정을 그만두고 아예 자격시험도 치지 않는다.”

엘세비어는 시험에 합격하는 간호사 수를 늘리고자 머신러닝을 활용했다. 그는 올리는 “학생들이 실제로 교재를 어떻게 사용하는지 배우는 알고리즘을 활용하고 있다”며 “이런 식으로 우리는 교육 과정 내 적응성과 개인화를 생성해 학생들의 참여와 시험 합격률을 높이고 있다”고 설명했다.

엘세비어가 교육에만 머신러닝을 활용하는 것이 아니다. 이 기술은 과학자의 새로운 발견을 돕는 것부터 의료진을 지원하는 것까지 전체 제품군에 적용할 수 있으며, 특히 의료진들이 가장 잘 의료 처치하도록 해준다.

만약 CIO가 CRM 시스템, 콜센터 앱, 심지어 기업 인트라넷 같은 정보 바디를 가지고 거기서 기계에게 문제 해결을 가르치기 위한 데이터 셋을 구축한다면 이들은 훨씬 강력하고 적용성 높은 시스템을 만들어낼 것이다. “이 기술이 언어 인식 기능을 가진 콜센터 자동화부터 더욱 정확한 판매 예측 혹은 심지어 사기 탐지에도 적용되는 것을 볼 수 있다”고 올리는 말했다. “스플렁크같은 인프라툴은 머신러닝을 사용해 로그 파일에서 패턴을 찾아내는 법을 배우고 있으며, 보안에서 많은 활용처가 있다”


X