AI는 우리 시대의 가장 큰 기술력입니다. 산업을 변화시킬 최고의 잠재력을 가지고 있죠. 헬스케어, 교육, 자동차, 소매, 금융업계에 새로운 인텔리전스를 부여하는 AI 경제가 수조 달러를 창출해낼 것으로 기대되고 있습니다.
기업들이 2021년의 우선 순위를 전망하고 있는 지금은 전세계의 AI 도입 현황을 돌아볼 최적의 기회이기도 합니다.
월마트(Walmart)와 테스코(Tesco) 등의 소매업체들은 제품 예측, 공급망 관리, 인텔리전트 스토어 설비, 소비자 구매 동향 예상 등에 AI를 적용할 기회들을 모색하고 있습니다. 코로나19 시대의 헬스케어 부문 참여자들은 AI로 과학 연구와 백신 개발의 속도를 높이고자 애쓰고 있죠.
교육계 또한 AI를 활용해 데이터에 능통한 인력들을 배출합니다. 여러 기업들은 원격 업무와 원거리 협업에 AI를 적용할 방법을 시험하고 있습니다.
그러나 글로벌 컨설팅그룹 맥킨지가 2019년에 2천여 개의 조직을 대상으로 진행한 조사에 따르면 AI 도입 전반을 주도하는 자동차와 소매업 분야의 거대 테크놀로지 기업들은 혁신적인 소규모 프로젝트에 투자하는 대신 자사 조직 전반에 AI를 확대하는 데 보다 집중하고 있습니다.
기업들이 빅데이터를 분석하여 새로운 수익 창출의 기회를 모색하게 되면서 AI 부문에 일어날 차세대 혁신에 대해 NVIDIA의 최고 전문가들에게 물었습니다. NVIDIA는 AI 스타트업, 독립 소프트웨어 개발판매사(ISV), 하드웨어 벤더, 클라우드 기업과 더불어 전세계 기업 및 연구기관 수천 곳과 협력하고 있는데요. 이러한 광범위한 협업은 변화의 내용과 부문을 한눈에 훤히 파악할 수 있게 해줍니다.
그럼 지금부터 우리 전문가들의 리포트를 만나보시죠.
클레멘트 패러베트(CLEMENT FARABET) 부사장, NVIDIA AI 인프라 부문
컴파일러(compiler)로서의 AI: AI 훈련 알고리즘의 속도와 성능이 향상되고 툴링(tooling) 또한 풍부해지면서 AI가 곧 컴파일러로 기능하게 될 것입니다. 개발자들은 코드로 구성한 자체 데이터세트를 AI로 컴파일링해 모델로 만들게 되죠. 이를 통해 최종적으로 형성될 툴링과 플랫폼의 거대 생태계에서는 (오늘날의 일반 소프트웨어용 툴과 마찬가지로) 더 많은 비전문가들이 AI를 “프로그래밍”할 수 있습니다. 현재도 이를 어느 정도는 구현하고 있지만, 제 생각에 최종 단계의 모습은 지금과는 아주 다를 것 같습니다. 훈련에 수일을 소모하는 대신 몇 초, 몇 분만에 컴파일링하는 장면을 그려보세요. 오늘날 git로 코드를 구성하듯 데이터를 아주 효율적으로 구성할 툴들도 등장할 것입니다.
드라이버(Driver)로서의 AI: AI는 차량들이 실세계를 다니며 환경과 부조종사(인간 운전자)를 통해 지속적인 학습과 개선 작업을 진행하고 완전히 독립적인 운전자가 되기 위한 여정을 계속할 수 있도록 지원할 것입니다. 이 부문이 이미 입증한 가치는 앞으로도 더욱 커질 전망입니다. 그 최종 단계는 저렴한 센서 플랫폼을 사용하는 레벨 4 완전자율주행 차량의 상용화가 될 것입니다.
조시 패터슨(JOSH PATTERSON), NVIDIA RAPIDS 엔지니어링 수석 디렉터
데이터 사이언티스트의 능력 확대: 너무 오랜 기간 동안 엔터프라이즈 데이터 사이언티스트들의 역할은 데이터 샘플링 또는 제작 전 개발에만 한정되었습니다. 데이터 엔지니어와 머신 러닝 엔지니어라는 직함을 가진 이들은 종종 파이썬 코드를 자바로 변환하여 워크플로우를 제작으로 확장하는 사람들을 의미하죠. 2021년에는 데이터 사이언티스트들이 RAPIDS, 대스크(Dask)를 비롯한 기타 오픈소스 데이터 사이언스 라이브러리 툴과 NVIDIA GPU를 활용해 전혀 새로운 형태의 확장을 꾀할 수 있게 될 것입니다. 코드 번역기(code translator)의 필요성이 극적으로 절감되어 방대한 양의 데이터를 신속히 처리할 수 있게 되는 것이죠. 파이썬에서 개발된 코드는 최적화와 실제 운영가능성 모두를 보장할 텐데요, CUDA C++로 구현되는 RAPIDS가 컴퓨팅을 자동으로 병렬화하는 덕분입니다. 이를 활용하면 생산에 돌입하기 위해 파이썬에서 자바로 변환하는 등의 추가적 과정들을 건너뛸 수 있게 됩니다. NVIDIA의 고객사들은 이미 신약 개발과 유전체학 연구 가속화, 고성능컴퓨팅과 금융 분야 사안들의 신속한 처리에 이 시스템들을 이용하고 있습니다.
데이터 사이언티스트의 수요 증대: ‘데이터 사이언티스트의 능력이 확대되어 생산성이 강화된다면 그들에 대한 수요가 줄어들 것이다’라는 말은 옳지 않은 듯합니다. 오히려 그 반대가 될 것입니다. 문제 해결에 드는 비용과 시간이 절감됨에 따라 기업들이 경쟁에서 우위를 점하고 수익을 대규모로 증대하는 방안의 일환으로 전이었다면 그냥 미뤄두고 말았을 문제의 해결을 도모하게 될 테니까요.
설명가능 인공지능: 금융과 소매업 등의 산업계가 보다 복잡한 모델들을 활용하기 시작하면서 설명가능 인공지능(XAI)이 필수 요건으로 자리잡을 것입니다. 데이터 사이언티스트들은 내부의 이해 관계자들에게 AI 모델이 다수의 요인에 의해 변화하는 이유와 방법을 설명해야 할 것입니다. XAI가 기업 차원의 필수 요건으로 자리잡게 되면 AI 시스템의 신뢰성 구축에 크게 기여할 것입니다.
업계의 판도를 바꾸는 BlazingSQL: GPU로 가속하는 오픈 소스 데이터베이스 애널리틱스 플랫폼이 데이터 사이언스와 엔터프라이즈 SQL의 세계를 연결하기 시작할 것입니다. BlazingSQL을 지원하는 RAPIDS와 대스크로 작업하는 개발자 대부분이 이 진취적인 역할을 수행하고 있습니다. 이들이 지속적으로 가치와 기능을 더해가는 이 개방형 생태계는 무료로 사용이 가능합니다. 이는 가속화된 데이터 사이언스에서의 차세대 상호운용성을 견인하는 힘이 될 것입니다.
브라이언 카탄자로(BRYAN CATANZARO) 부사장, NVIDIA 딥 러닝 응용 연구 부문
대화형 AI: 오늘날의 컴퓨터에 들어가는 강력한 그래픽 카드와 CPU의 장점에 맞춰 고안된 비디오 게임에서는 챗봇(Chabot)들이 너무 익숙한 기술처럼 보일 수 있습니다. 한동안 AI는 주로 게임 내 NPC의 반응성, 적응성, 또는 지능적 행동들을 지원하는 데 사용되었죠. 여기에 대화형 AI를 사용하면 목소리를 활용한 실시간 인터랙션이 가능해져 캐릭터 중심의 접근을 더욱 충실히 구현할 수 있습니다. 조심하세요. 여러분의 게임 내 적군들이 여러분처럼 말하고 생각하기 시작할 것입니다.
멀티모달 합성: 가상 배우가 아카데미상의 수상자가 될 수 있을까요? 데이터로 음성과 표정을 만들어내는 AI 예술인 멀티모달 합성(multimodal synthesis)이 진일보하면서 메릴 스트립 혹은 드웨인 존슨의 외모와 목소리를 똑같이 재현하는 사실적 캐릭터들을 만들어낼 수 있게 될 것입니다.
원격 근무: AI 솔루션이 제공하는 고품질 화상 회의, 더 나은 오디오 품질과 자동 번역 기능을 활용해 재택 근무의 용이성과 신뢰성, 그리고 즐거움이 증대될 것입니다.
아니나 아난드쿠마르(ANIMA ANANDKUMAR), NVIDIA 머신 러닝 연구 부문 책임자 겸 캘리포니아 공과대학 교수
임베디드 AI: 정신과 신체가 합체를 시작할 것입니다. 로봇이 보다 복잡하고 다양한 과업을 수행할 수 있도록 훈련을 진행하는 과정에서 적응성과 민첩성이 증대될 전망입니다. 여기에서 실제 데이터의 부족 문제를 극복하려면 높은 충실도의 시뮬레이션이 매우 중요합니다.
과학을 위한 AI(AI4Science): 과학 연구용 대규모 애플리케이션에 AI를 도입하는 경향이 계속될 것입니다. 궁극적으로는 기존의 해결사(solver)와 파이프라인들이 AI로 전면 교체되어 속도를 1,000배까지 향상하게 될 텐데요. 이를 위해서는 영역별 지식과 제약 조건을 딥 러닝과 결합해야 합니다.
앨리슨 론디스(ALISON LOWNDES) NVIDIA 인공지능 개발자 커뮤니티 담당 부문
대중화된AI: 데이터세트에의 접근성이 확대되고 그 활용법을 습득하는 이들이 증가하면서 더 많은 혁신이 이뤄질 것입니다. 각국이 AI 전략을 공고히 하는 한편 대학들은 민간 산업과 제휴해 소비자를 위한 모바일 애플리케이션 제작과 과학 연구의 혁신에 몰두할 것입니다.
시뮬레이션 AI: “내 AI 페르소나는 어떻게 생각할까?” AI 기반 시뮬레이션이 추론, 문제 해결, 의사 결정 능력 등 인간의 지능을 더욱 실제처럼 모방할 것입니다. 그 과정에서 AI 연구와 디자인, 엔지니어링의 활용이 증가할 전망입니다.
지구 관측을 위한 AI(AI4EO): 세상은 좁다고들 하지만 우리가 살고 있는 이 지구에 대해서는 아직 알려지지 않은 것들이 많습니다. 글로벌 AI 프레임워크가 궤도와 지상의 위성 데이터를 신속히 처리해 실행가능한 지식을 산출할 것입니다. 특히 기후 변화, 재난 대응, 생물 다양성 손실을 모니터링할 새로운 솔루션을 만들 수도 있습니다.
킴벌리 파월(KIMBERLY POWELL) 부사장 겸 총괄, NVIDIA 헬스케어 부문
연합 학습: 임상계는 연합 학습(federated learning)을 활용한 접근법으로 다양한 기관, 지역, 환자 집단, 의료 스캐너 전반에서 강력한 AI 모델을 구축할 것입니다. 이 모델들의 민감성(sensitivity)과 선택성(selectivity)은 단일 기관에 구축된 AI 모델의 성능을 앞지릅니다. 단일 기관 모델이 아주 방대한 훈련용 데이터를 가지고 있다고 해도 거기에 밀리지 않죠. 추가적 장점으로 연구자들은 기밀에 해당하는 환자 정보를 공유하지 않고도 AI 모델 구축을 위해 협업할 수 있습니다. 연합 학습은 소아 질환과 희귀 질환처럼 데이터가 부족한 분야의 AI 모델 구축에도 유용합니다.
AI 기반 신약 개발: 코로나19 팬데믹은 신약 개발의 중요성을 되새기는 계기가 되었습니다. 신약 개발은 분자와 단백질의 미세 분석, 수백만 화학 구조의 분류, 선별 검사를 위한 시뮬레이션, 단백질-리간드 인터랙션, 유전체 분석, 정형⋅비정형 출처로부터 획득한 데이터의 흡수 등을 망라합니다. 신약 개발에는 10년 이상이 걸리는 것이 보통이지만 코로나19 국면에서 제약회사, 생명공학 기업과 연구자들은 전통적 기법들의 가속화가 절실하다는 사실을 깨달았습니다. 새롭게 만들어진 AI 기반 신약 개발 연구소들은 GPU 가속 기기와 AI 모델들로 구성된 컴퓨팅 타임 머신으로 인사이트 확보 시간을 단축해 나갈 것입니다.
스마트 병원: 스마트 병원의 구축이 그 어느 때보다도 시급합니다. 가정에서와 마찬가지로 스마트 스피커와 스마트 카메라는 활동의 자동화와 파악에 도움이 됩니다. 동일한 테크놀로지를 병원에서 사용하면 최전선에서 일하는 간호사들의 업무 규모를 조정하고 운영상 효율을 높일 수 있으며 가상 환자 모니터링을 통해 환자들에게 일어날지도 모를 불상사를 예측⋅예방할 수도 있습니다.
찰리 보일(CHARLIE BOYLE) 부사장 겸 총괄, NVIDIA DGX 시스템 부문
셰도우 AI(Shadow AI): 한 조직의 데이터 사이언스 팀이 IT 팀의 개입 없이 운영되는 자체 AI 플랫폼과 인프라를 도입한다면 조직 전반의 AI 관리 문제가 사내의 민감한 쟁점으로 떠오를 것입니다. 구성원들이 IT 팀의 통제를 벗어난 애플리케이션이나 인프라를 사용하는 ‘셰도우 AI’를 피하려면 인프라, 툴, 워크플로우에 대한 IT 팀의 접근을 중앙화해야 하며 이를 통해 궁극적으로는 AI 애플리케이션을 보다 신속하고 성공적으로 배포할 수 있습니다.
AI 전문 부서: 지난 10년간 기업들은 고액의 연봉을 받는 데이터 사이언티스트들의 확보에 열을 올렸지만 지원 인프라의 부족으로 그들의 생산성은 기대보다 저조했습니다. 슈퍼컴퓨터 규모의 중앙화된 공유 인프라를 구축하여 AI의 투자 수익률을 높이려는 기업들이 증가할 것입니다. 이를 통해 데이터 사이언스 역량의 연마와 확장, 모범 사례의 공유가 쉬워지고 복잡한 AI 문제들의 해결이 가속화될 것입니다.
하이브리드 인프라: 의사 결정자들이 사물인터넷을 활용해 복합적인 AI 접근법을 채택하게 될 것입니다. 공공 클라우드(AWS, 아주어, 오라클 클라우드, 구글 클라우드)와 민간 클라우드(온프레미스 서버)를 사용해 고객과 파트너사에게 애플리케이션을 더 신속히 제공(업계 용어로는 ‘저지연’)하는 동시에 네트워크를 통해 공유되는 민감한 데이터의 양을 제한하여 보안을 유지할 수 있습니다. 이와 같은 혼합형 접근법은 각 정부가 개인 정보의 활용을 통제하는 보다 강력한 법안을 도입함에 따라 더욱 인기를 끌 것으로 보입니다.
케빈 데이어링(KEVIN DEIERLING) 수석 부사장, NVIDIA 네트워킹 부문
데이터센터 내 변화 가속화: 보안과 관리 기능이 CPU에서 GPU, SmartNIC, 프로그래밍 가능한 DPU(data processing unit)로 오프로드되어 엔터프라이즈 워크로드 일체에 확장되어 있는 애플리케이션의 가속화를 지원하고 추가적 보안을 제공할 것입니다. 가상화와 확장의 속도가 빨라지고 CPU들은 애플리케이션을 더 신속히 구동하여 가속화된 서비스를 제공할 것입니다.
서비스로서의 AI: 재정적 여건 등의 이유로 AI에 시간과 자원을 투자하기가 꺼려지는 기업들이 실험을 위해 제3의 업체들에게 눈을 돌리기 시작할 것입니다. AI 플랫폼 기업과 스타트업들은 소프트웨어, 인프라, 잠재적 파트너사들에 접근할 기회를 제공하는 핵심 조력자로 자리매김할 것입니다.
혁신의 5G: 기업들이 “엣지”의 의미를 규정하기 시작할 것입니다. 자율주행은 기본적으로 차내의 데이터센터로서 AI를 활용해 즉각적 결정을 내리고 이를 다시 보고해 훈련에 활용할 수 있게 합니다. 물류창고와 직장의 로봇들에서도 동일한 장면을 목격하게 될 텐데요, 엣지에서의 추론 학습과 코어에서의 훈련이 병행되는 것이죠. 4G 가 리프트(Lyft)와 우버(Uber) 등 운송체계의 혁신으로 이어졌듯 5G 또한 혁신적 사업과 역량의 개척으로 이어질 것입니다. 모든 게 한 번에 일어나지는 않겠지만 AI와 5G, 새로운 컴퓨팅 플랫폼의 결합이 선사하는 이점을 추구하기 시작하는 기업들이 등장할 것입니다.
산야 피들러(SANJA FIDLER), NVIDIA AI 디렉터 겸 AI 벡터 연구소 교수
3D 콘텐츠 개발용 AI: AI는 잡무를 줄이고 창의력을 강화할 스마트 툴을 제공하여 콘텐츠 제작 과정을 혁신할 것입니다. 건축, 게이밍, 영화, VR/AR을 위한 3D 콘텐츠 제작 작업은 특히 고되기로 유명합니다. ‘콜 오브 듀티’ 같은 게임은 수백 만 달러의 예산과 수백 명의 인력을 투입하고도 제작에 최소 1년이 걸리죠.
AI를 활용하면 언어적 묘사를 활용해 가상 도시들을 구축할 수 있고, 가상의 캐릭터에 생명력을 불어넣어 하드코딩이 없이도 원하는 대로 대화하고 행동하게 만들 수 있습니다. 3D 에셋의 생성은 사진을 찍는 것만큼이나 쉬워지고 클릭 한 번으로도 고전 게임들을 현대화하고 새롭게 스타일링 할 수 있게 됩니다.
로보틱스 시뮬레이션용 AI: 시뮬레이션 환경에서 로봇을 시험하는 것은 자율주행 차량이나 수술용 로봇처럼 안전이 중요한 애플리케이션의 핵심 요소입니다. 딥 러닝은 이 시뮬레이션의 차원을 높일 것입니다. 3D 환경의 구성과 다양한 행위의 시뮬레이션에서 데이터를 활용해 실세계를 모방하는 법을 학습하고 도로 위 여러 시나리오들의 반복적 시뮬레이션, 센서를 실제에 근접하도록 시뮬레이션하게 될 것입니다.
재창조의 기회
이 과업들의 일부 또는 전체를 달성하기 위해 기업들은 내부 조정에 보다 신속히 착수할 필요가 있습니다. 위에서 언급한 맥킨지 조사에 따르면 AI를 대규모로 도입한 기업들의 72%가 자사의 AI 전략이 기업 전체의 전략과 일치한다고 밝힌 반면 AI 도입이 미진한 기업들의 경우 해당 비율은 29%에 그쳤습니다. 이와 유사하게 AI의 지원과 활용을 위한 명확한 데이터 전략을 가지고 있는지 묻는 항목에서는 전자의 65%, 후자의 20%가 그렇다고 답했습니다.
코로나19 팬데믹이 전세계적 불확실성을 야기하는 상황에서 2021년은 기업들이 규모를 막론하고 AI 모델을 활용해 자사의 비즈니스 모델을 개선하는 재창조의 시간이 될 것입니다. AI에 더 많은 자원을 투자해도 좋음을 입증하는 유망한 초기 결과들이 도출됨에 따라 AI를 활용하는 기업들은 더욱 늘어날 전망입니다.