비즈니스의 혁신을 일으키는 ‘딥 러닝’ 첫번째 이야기
지난 두 차례에 걸쳐 여러분들에게 인공지능과 머신 러닝, 딥 러닝의 차이점 및 딥 러닝 인공지능의 핵심 요소, 훈련과 추론에 대해서 말씀 드렸는데요. 이번에는 딥 러닝의 이론적인 부분이 아닌, 실제 우리 생활에서 어떻게 비즈니스에 도움이 될 수 있는 가에 대해서 논의해보고자 합니다.
포뮬러 원(Formula 1)에 선보이는 레이싱카를 보면, 그 아름답고 매끈한 자태에 감탄이 절로 나옵니다. 그리고 엄청난 스피드를 이끄는 기술은 다른 일반 차량과 견주었을 때 압도적인 우위를 차지하고 있죠.
오늘날의 머신 러닝의 개념은 바로 레이싱 카와 닮은 점이 있는 것도 같습니다. 강력하고 색다르고 빠르다는, 그리고 타 차량과 견주었을 때 엄청난 이점을 보이죠. 여러분들도 레이싱카와 같은 차량을 선점하고 싶지 않으신가요?
머신 러닝을 이해하고 비즈니스에 접목하는 것은 포뮬러 원과 같은 제일 좋은 레이싱 카를 선점하는 것과 같을 수도 있겠습니다. 마치 바둑 대결에서 연전연승할 수 있는 기회를 얻는 것과 마찬가지이죠.
즉, 비즈니스에서 획기적인 개선을 할 수 있는 기회인 것입니다.
그러기 위해서는 먼저, 질문점을 명확하게 해야 할 듯 합니다. 머신 러닝의 도움을 받는 다면 기업 내의 어떤 문제점을 해결하고 싶은지 혹은 새로운 고객을 유치할 수 있는 방안이 궁금한지 등 목표를 명료하게 해야 하죠.
딥 러닝은 맥주 자가 제조기로 더 맛있는 맥주를 빚을 수 있게 해줍니다.
딥 러닝과 게임 이론
알파고와 이세돌의 바둑 시합을 한번 분석해 볼까요. 알파고의 상대는 이세돌 9단이었고 목표는 게임의 규칙과 제약을 이해하여 승리를 거두는 것이었습니다. 알파고는 스스로를 훈련시켜 게임을 학습하고 승리의 확률이 더 높은 수를 찾아 냈습니다. 그리고 결과적으로 5전 4승의 쾌거를 이뤘죠.
자율 주행 영역에서는 딥 러닝이 어떻게 적용될까요. 상대는 다른 운전자 및 기타 방해 요소 입니다. 그리고 시시각각으로 조건이 바뀌는 도로를 주행해야 하죠. 그리고 목표는 목적지까지 안전하게 도착하는 것 혹은 빠른 시간 내에 도착하는 것입니다. 그 동안에는 상대방과 상호작용하는 동안 정해놓은 규칙을 위배하지 않아야 합니다.
또한 아마존(Amazon)은 딥 러닝 기술을 기반으로 한 드론을 사용하고 있는데요. 아마존은 드론 택배 서비스를 이용하여 짧은 시간 내에 주문을 목적지까지 안전하게 배송한다는 야심찬 계획을 갖고 현재는 상용화 하고자 노력하고 있습니다.
여러분이 게임화(Gamification) 이론—인간의 행동 또는 심지어 기계의 행동에서 우리가 하는 거의 모든 일을 규칙과 목표를 가진 게임으로 나타낼 수 있다는 이론—을 믿는다면, 한 걸음 더 나아가 머신 러닝의 무한에 가까운 적용을 예상하는 것은 어렵지 않을 것입니다.
제조업을 최적화하는 딥 러닝
제조 공정을 예로 들어볼까요? 품질 관리 검사에 합격하는 완제품을 최대한 많이, 최대한 빠르게 생산하는 것이 목표라고 생각해 봅시다. 그러면 목표를 달성을 위해 제조 라인의 매개변수를 스스로 조정 가능하도록 심층 신경망 등으로 시스템을 훈련을 합니다. 심지어 전체 공급망과 외부 공급업체가 포함되도록 매개변수를 더 확장할 수도 있습니다.
올바른 데이터만 확보된다면 딥 뉴럴 네트워크는 목표를 달성할 때까지 계속 구동될 수 있습니다. 목표는 주문이 많은 시즌의 작업 처리량일 수도 있고, 또는 작업이 더딘 기간의 효율성일 수도 있습니다. 일부 구성요소의 가격이 치솟아 매개 변수가 달라지면 가장 이윤을 창출해 낼 수 있는 효율적인 수량 계산도 척척 해내죠. 이제 머신 러닝이 아주 매력적으로 들리지 않으시나요?
나머지 이야기는 다음 회에 진행되니 기대해 주세요!