본문 바로가기

Home > 열린마당 > 공개SW 소식

공개SW 소식

2020년대 인공지능 기술 동향 예측

OSS관리자3 게시글 작성 시각 2019-12-30 00:39:44 게시글 조회수 5093

12월 27일

ⓒIT WORLD, James Kobielus | InfoWorld

 

인공지능(AI)은 사실상 기술 산업의 모든 분야에서 없어서는 안될 요소가 됐다. 애플리케이션, 개발 툴, 컴퓨팅 플랫폼, 데이터베이스 관리 시스템, 미들웨어, 관리 및 모니터링 툴 등 거의 모든 IT 분야에 영향을 미치고 있다. 심지어 AI를 개선하는 데도 사용된다. 

 

내년에는 주요 AI 사용, 도구, 기술, 플랫폼, 기준에 어떤 변화가 생길까? 2020년 AI 기술동향을 살펴보자.

 

GPU가 AI 가속화에서 경쟁력을 유지할 것
AI 하드웨어 가속기(AI Hardware Accelerator)는 첨단 기술의 주요 경쟁 분야가 됐다. CPU, FPGA(Field Programmable Gate Arrays, 프로그래밍이 가능한 반도체), NNPU(Neural Network Processing Unit, 신경망처리장치)와 같은 AI 칩셋이 인공지능을 구현 및 실행하기 위한 전용 하드웨어 영역에서 경쟁하며 종단 장치에서 점유율을 높이고 있다. 하지만 GPU는 여전히 경쟁력을 유지할 것이다. 자율 주행 차량 및 산업 공급 망과 같은 엣지 클라우드(cloud-to-edge) 애플리케이현 환경에서 중심적인 역할을 하기 때문이다. 
 
엔비디아의 업계 선두 GPU 기반 제품은 2020년 이후로 추가 성장과 채택률이 높아질 것으로 예상된다. 하지만 향후 10년 동안 CPU, ASIC, FFGA, NNPU등의 GPU 이외 기술도 다양한 엣지 애플리케이션에 대한 성능, 비용, 전력 효율의 이점을 향상시킬 것이다. 매년 엔비디아의 경쟁은 더 치열해질 전망이다. 

 

업계 표준 AI 벤치마크를 선점하기 위한 경쟁
AI 시장이 성숙해지고 컴퓨팅 플랫폼이 워크로드 처리에 대한 속도와 확장성, 가격까지 경쟁하면서, 업계 표준 벤치마크의 중요성이 높아질 것이다. 지난 해, 이에 대해 엔비디아부터 구글까지 모든 경쟁업체가 우수한 성능을 자랑하며 글로벌 AI칩 벤치마크 테스트인 MLPerf는 경쟁력을 평가하는 더욱 중요한 지표가 됐다. 2020년에 AI 벤치마크는 시간이 흐르며 더욱 상품성이 높아지는 (AI 하드웨어 플랫폼) 분야에서 매우 중요한 시장 진출 전략이 될 것이다. 향후 10년동안, MLPerf 벤치마크 결과는 고성능 AI 기능을 기반으로 한 솔루션 제공업체가 시장을 공략하고 자리잡는데 중요한 전략적 요소가 될 것이다. 

 

AI 모델링 프레임워크 시장을 견인할 쌍두 마차
데이터 과학자가 통계적으로 연산된 컴퓨팅 그래프를 만들고 훈련시키는데 있어 AI 모델링 프레임워크는 핵심 환경이다. 2020년에 대부분의 작업 데이터 과학자(Working Data Scientist)”는 주로 프로젝트에서 텐서플로우(TensorFlow)와 파이토치(PyTorch)를 병행해서 사용할 것이다. 이 두 프레임워크는 대부분의 상업용 데이터 과학자(Commercial Data Scientist)* 도 사용하게 될 것이다. 

 

앞으로 10년간, 이 2개의 프레임워크 간의 차이는 데이터 과학자와 다른 사용자가 강력한 기능 차별화에 대해 기능적으로 동등한 가치를 인정함에 따라 줄어들 것이다. 또한 더 많은 AI 도구 벤더가 프레임워크에 구애 받지 않는 모델링 플랫폼을 제공하여, 수명을 다해가는 오래된 프레임워크의 수명을 연장시킬 것이다. 여러 추상화 계층을 업계에서 채택하면서 케라스(Keras) 및 ONNX와 같은 오픈소스(공유) AI 모델링 플랫폼의 확산이 가속화되고 있다. 오픈 소스 AI 모델링 플랫폼은 하나의 프레임워크의 프론트엔드에서 구축된 모델이 ‘지원하는 다른 어떤 프레임워크의 백엔드’에서도 실행되도록 할 것이다. 
 
2020년대가 끝나갈 무렵에는 머신 러닝 모델을 구축 및 훈련하기 위해 어떤 프론트엔드 모델링 도구를 사용하든 별다른 차이가 없어질 것이다. 무엇으로 AI를 구축하든, 엔드투엔드 데이터 과학 파이프라인은 포맷, 컴파일, 컨테이너화를 자동화할 것이다. 아니면 최소한 클라우드에서 엣지까지 아울러 최적화된 실행을 지원할 것이다. 

 

SaaS 기반 AI로 데이터 과학자에 대한 기업 수요가 감소할 것
지난 해 AWS, 마이크로소프트, 구글, IBM 등에서 경쟁적으로 서비스를 출시하면서 머신러닝 시장이 성숙했다. 이 추세가 강화되면서, 더 많은 기업이 이런 클라우드 업체를 통해 자체 데이터 과학 부서를 유지할 필요 없이 더 많은 AI 요구사항을 충족하려 할 것이다. 2020년 말까지 SaaS 업체는 자연어 처리, 예측 분석, 기타 AI 애플리케이션뿐만 아니라 플랫폼 서비스 및 데브옵스 도구의 주요 공급업체가 될 것이다. 자체 AI 사업 추진 부서를 유지하는 기업은 데이터 과학자 업무를 상당한 수준으로 자동화 하고, 머신러닝 모델링과 데이터 엔지니어링 담당 관련 인력을 고용할 필요를 줄일 것이다. 앞으로 10년 동안 대부분의 데이터 과학자는 SaaS 및 기타 클라우드 제공업체에서 주로 필요하게 될 것이다. 

 

기업 AI는 실제 환경에서의 실험을 지속할 것
모든 디지털 비즈니스 트랜스포메이션의 성공은 가장 적합한 머신러닝 모델 활용에 달려있다. 이를 위해서는 실제 환경에서 AI 기반 프로세스가 새로운 머신러닝 모델을 실험하고, 목표한 결과를 달성했다면 자동으로 실제 비즈니스 환경에 적용해야 한다. 2020년 말까지 대부분의 기업은 모든 대고객, 백엔드 비즈니스 프로세스에 실제 환경 테스트를 구현할 것이다. 

기업 고객의 AI 도구를 찾는 수요가 클라우드 업체에 몰리면서, AWS에서 최근에 출시한 반복적인 기계학습 모델인 세이지메이커 스튜디오(Amazon SageMaker Studio), 다중 모델 실험 추적 도구인 세이지메이커(SageMaker), 모델 모니터링 및 품질 문제 알림 서비스인 세이지메이커 모델 모니터(SageMaker Model Monitor)와 같은 기능은 모든 24x7 AI 기반 비즈니스 애플리케이션 환경에서 표준이 될 것이다. 향후 10년 동안 AI 기반 자동화 및 데브옵스 기능으로 라이트 아웃(lights-out) AI 기반 비즈니스 프로세스 최적화에 대한 모범사례가 많이 생겨 보편화될 것이다. 

 

AI 개발자의 핵심 모델링 기능을 자동화할 것
신경망은 최신 AI의 핵심기술이다. 2020년에는 신경망 구조 탐색(Neural Architecture Search, 이하 NAS)이라는 AI 기반 방법론이 기업 데이터 과학자에게 채택되어 의도한 목적에 맞게 신경 네트워크를 구축 및 최적화하는 과정을 자동화할 것이다. NAS가 도입 및 향상되면서, ‘선형 회귀(Linear Regression)와 랜덤 포레스트(random forest) 알고리즘과 같은 기존 머신러닝 알고리즘 또는 최신 고급 신경망 알고리즘 중 어디에 기반해 모델을 구축할 지’에 대한 데이터 과학자의 결정을 안내해 생산성을 향상시킬 것이다. 앞으로 10년 동안, 이와 같은 접근방식은 엔드투엔드 파이프라인 자동화를 통해 지속적인 AI 데브옵스를 가능하게 할 것이다. 

 

AI 기반 대화식 사용자 인터페이스, 대다수 앱이 실험 단계를 넘어설 것
AI 기반 자연어 이해가 놀랍도록 정확해졌다. 사람이 모바일 및 기타 장치를 조작할 필요가 없는 상황이 빠르게 진행되고 있다. 대화식 사용자 인터페이스가 채택되면 더 많은 텍스트를 음성으로 입력할 수 있다. 2020년 말에는 모든 종류의 기기에 AI 기반 음성 어시스턴트가 내장되고, 이를 통해 더 많은 사용자 텍스트, 트윗, 기타 음성 입력이 ‘텍스트 및 음성 형태로 변환’된다. 2020년대에 걸쳐, 음성 어시스턴트와 대화식 UI는 세계 경제의 모든 분야에서 제품 표준 기능이 될 것이다. 키보드, 키패드, 화면 터치 방식의 인터페이스는 점차 사용이 줄어들 것이다. 

 

최고법률책임자는 엔드투엔드 AI 투명성을 요구할 것
AI는 기업 애플리케이션에서 더욱 중요한 위험 요소로 자리잡고 있다. 기업을 대상으로 사회경제적 편견, 개인정보보호 위반, 기타 AI 기반 앱이 초래하는 악영향에 관한 소송이 급증하고 있다. 최고법률책임자는 기업 앱에 사용된 머신러닝 모델이 어떻게 구축, 교육, 정책 적용이 되는지에 대해 밝힐 수 있는 완벽한 감사 추적을 요구할 것이다. 

2020년 말 대부분의 최고법률책임자는 머신러닝 파이프라인의 모든 단계를 자동으로 기록하도록 데이터 과학 부서에 요구할 것이다. 또한 각 모델이 어떤 방식으로 자동 추론을 하는지에 대한 명백한 설명도 필요로 한다. 앞으로 10년 동안, 기본적으로 요구되는 투명성의 부족으로 AI 프로젝트 예산이 거절되는 경우가 많을 것으로 예상된다.

마지막으로, 몇 년 이내에 모든 제품, 특히 개인 식별 정보를 사용하는 제품을 대상으로 AI 기반 기능에 대한 규정이 필요하다는 요구가 높아질 것이다. AI 데브옵스 투명성에 대한 강조가 점점 커지는 것 이외에, 앞으로 지켜야 할 의무가 기반 플랫폼, 도구, 기술의 발전에 어떤 영향을 미칠지는 아직 확실하지 않다. 

내년 미국 대선 당선 결과와 관계없이 AI 기술에 대한 규제는 향후 몇 년 동안 더욱 강화될 것으로 보인다.

 

※ 본 내용은 한국IDG(주)(http://www.itworld.co.kr)의 저작권 동의에 의해 공유되고 있습니다.
Copyright ⓒITWORLD. 무단전재 및 재배포 금지

[원문출처 : http://www.itworld.co.kr/news/140214]

맨 위로
맨 위로