인공지능(AI)에 대한 무성한 소문들?

Martin Gren

오늘날 우리는 자율주행차량, 의료 애플리케이션, 검색 엔진, 가상 비서, 이미지 인식에서 인공지능(AI)를 찾을 수 있습니다. 어떤 사람들은 아직 “진짜” AI가 나오지 않았고, 진정한 AI 애플리케이션을 만드는 데 수 년이 걸릴 것이라 주장합니다. AI가 얼마나 멀리 왔는지, 사회와 감시를 위해 AI가 잠재적으로 무엇을 할 수 있는지 알아보겠습니다.

AI, 어디까지 왔나?

1956년 이 용어가 도입된 이후, AI 기술은 밝은 미래, 완전한 실패, 감시를 비롯한 많은 응용분야에서의 흥미로운 도구로 일컬어지고 있습니다. 2015년부터 AI 기술은, 혹은 적어도 AI의 배아는, 우리 일상의 일부가 되었고 현재 많은 애플리케이션에서 인기 있는 태그라인이 되었습니다.

진정으로 인텔리전트한 기계라고 하기에는 거리가 멀지만, AI 기술은 음성 인식과 검색 엔진, 의료 분야에서는 암의 지표를 식별하는 데 도움을 주는 데 사용됩니다. 그러나 번역은 아직 갈 길이 멀고(기계 번역된 텍스트를 읽어본 사람이라면 누구나 동의할 것이 생각합니다), 자율주행 자동차와 서비스 로봇에서도 프로토타입 수준입니다.

일부 사람들은 AI가 결국에는 감시 솔루션의 판도를 바꿀 것이라 기대하는데, 그 이유는 쉽게 이해할 수 있습니다. AI 시스템은 방대한 데이터를 분석할 수 있어, 몇 시간 분량의 감시 이미지를 검토해야 할 때 유리합니다. 관찰된 데이터가 어떻게 움직이는지, 얼마나 큰 지 또는 작은 지, 두 팔과 두 다리를 가졌는지, 얼마나 빨리 움직이는지를 “학습”함으로써, AI 애플리케이션은 정보의 순위를 정하고, 예를 들면, 해당 객체가 인간일 가능성이 있는지 결정합니다. 또한 객체가 어느 방향으로 움직이는지, 그리고 두 개 이상의 객체인지를 알려주도록 시스템을 프로그래밍할 수도 있습니다. 이러한 기능들은 오늘날 안전 및 보안 분야에서 일반적입니다.

인공지능, 머신러닝, 딥러닝

인공지능(AI)은 모든 지적 과제를 자극하는 행위입니다. AI의 필수 구성요소는 머신러닝(ML)이며, 때로는 이들 표현이 혼용됩니다. AI는 알고리즘을 이용하여 데이터를 검토하고 학습한 다음 예측합니다. 그러나 복잡한 인간의 뇌를 흉내내기 위해서는 컴퓨터가 많은 학습을 필요로 합니다. 이른바 딥러닝(DL)이 ML을 구현하는 진보된 방식이지만, “더 깊은“ 지식을 생산하기 위해서는 많은 데이터와 고급 분류 및 여러 분석 단계가 필요합니다. 컴퓨터 집약적인 모델인 DL은 오늘날 대부분 여러 GPU 프로세서가 장착된 서버에서 실행되지만, 에지 장치의 컴퓨팅 성능이 증가되면, 향후 일부 애플리케이션이 에지 단으로 이동하게 될 것입니다.

감시 분야에서의 AI – 목적을 가지고 설계해야

모든 비즈니스와 모든 환경은 고유하기 때문에, AI가 있든 없든, 보안 솔루션은 규격품이 거의 없습니다. 시스템의 주요 목적과 영상이 어떻게 최종적으로 사용될 수 있는지를 이해하는 것이 필수적입니다. 그리고 시스템이 환경의 특정 조건에 맞게 조정되고 적절히 유지될 때에만 이미지의 사용성이 확보됩니다. 성공적인 결과를 위해서는 기술이 아니라 특정 사용 사례에 맞는 솔루션에 항상 최우선적으로 집중해야 합니다. AI는, 인간이 전문성을 바탕으로 모든 종류의 고려사항을 감안하여 잘 설계한, 완전한 솔루션의 일부분으로 적용되어야만 큰 기회를 제공할 수 있습니다.

감시 분야에서의 AI – 이점

방대한 양의 데이터를 처리하고 분석할 필요가 있을 때마다, 컴퓨터는 인간을 앞질렀습니다. 잘 훈련된 AI는 이를 더 높은 수준의 데이터 및 이미지 분석으로 끌어올릴 수 있습니다. 이 기능은 여러 애플리케이션에서 실용적으로 사용될 수 있습니다.

안전 및 감시

AI는 범죄 예방 및 해결의 완벽한 아이디어인 것 같습니다. AI 시스템은, 적절하게 설정 및 구성될 경우, 여러 소스로부터 수집된 몇 시간 분량의 비디오 자료에서 감지된 이벤트들을 신속하게 상호 연관시킬 수 있습니다. 다른 경우에서는, AI를 이용한 감시 시스템이 직접적인 알람을 트리거하여 범죄가 발생하기 전에 잠재적인 도둑을 “꾸짖어 물러나게” 만들 수 있기 때문에, 좀 더 직접적인 개입을 통한 이익을 얻을 수도 있을 것입니다.

비즈니스 최적화 및 스마트 시티

AI는 또한 현재의 시스템을 보다 정확하게 만들어, 쇼핑몰이나 교통량이 많은 도로에서 흐름을 원활하게 만들 수도 있습니다. 여러 서버에서 실행되는 AI 적용 감시 시스템을 통해, 비정상적인 행동 패턴을 감지하고 데이터를 사용해 리테일 매장의 운영 효율성을 최적화할 수 있습니다. 또는 AI 시스템이 주요 고속도로를 감시하여, 교통 흐름을 통제하고 보고된 사건에 대해 신속하게 대응할 수도 있습니다.

감시 분야에서의 AI – 도전과제

구성 개선, 시스템 최적화, 사이트 설계, 이미지 구성, 디바이스 관리 등 다양한 응용분야에서 AI의 잠재력에 쉽게 매료될 수 있습니다. 하지만 여전히 해결해야 할 근본적인 문제들이 있습니다.

AI보다 뛰어난 인간의 경험

AI 애플리케이션은 “달려가는 사람”을 성공적으로 감지할 수 있지만, 데이터와 맥락을 연관지어 생각할 수 있는 사람과는 달리, 사람이 달리고 있는 이유 – 버스를 타기 위해서 뛰는 것인지 혹은 방금 은행을 털어서 도망가는 것인지 알 수 없습니다. AI를 감시 애플리케이션에 활용하겠다는 기업들의 약속에도 불구하고, 컴퓨터는 비디오에서 본 것을 인간과 같은 식견으로 아직 이해하지는 못합니다. 이러한 정밀도의 부족이 오늘날의 AI 시스템이 대부분 의사결정을 지원하는 데 사용되는 이유입니다.

데이터의 품질

이미지 사용성은 항상 가장 중요합니다. 고품질 동영상과 비디오 면에서 ‘원 재료’가 없으면, AI 시스템은 아무 것도 분석할 수 없습니다. 카메라가 까다로운 조명 조건을 처리하지 못하거나 잘못된 화각을 촬영하고 있는 경우, AI는 분석할 소스가 없거나 잘못된 결론에 이르게 됩니다. 나무가 바람에 흔들리는 활성 환경이나 무언가는 운반하고 있는 사람처럼, AI 시스템이 불규칙하다고 여기는 상황에 대해 AI 시스템은 많은 거짓 경보를 트리거할 수 있습니다. 따라서, AI는 사건의 관련성을 대략적으로 파악한 후 대응을 결정하는 인간에게 경고하는 용도로 사용될 수 있습니다.

컴퓨터 집약적 기술

메모리, 프로세싱 파워, 전력 소비량은 AI, 특히 딥러닝 애플리케이션의 최대 도전과제입니다. 오늘날의 시스템에서는 클라우드 또는 다중 GPU가 있는 서버에 학습을 위한 데이터를 저장할 엄청난 공간이 필요합니다.

결론

지난 몇 년간 AI 시스템은 빠르게 발전했고 감시 분야에서 가능성을 보여 왔지만, 인간 수준으로 개발된 인텔리전스 즉 “진정한” AI와는 아직 거리가 멉니다. 너무 많은 거짓 알람이나 사람들의 청렴도 침해의 위험을 감수하지 않고 일반적인 시나리오에서 정확한 가정을 할 수 있는 자체 학습 감시 시스템을 볼 때까지는 좀 더 시간이 걸릴 것입니다.

 

비즈니스와 보안 분야에 영향을 미칠 6가지 트렌드를 확인해 보세요:

2019 기술 트렌드