머신러닝/인공지능을 활용한 시뮬레이션 사례와 전망

4차 산업혁명 시대의 핵심 요소인 인공지능(AI)을 구현하기 위해서는 컴퓨터를 훈련시키는 과정이 필요하다. 특정한 목적을 갖고 필요한 데이터로 훈련된 인공지능은 때로 인간을 뛰어넘는 의사판단 능력을 제공하는데, 이러한 훈련과정을 바로 머신러닝(Machine Learning)이라고 부른다.
알파고로 시작된 인공지능과 머신러닝의 광풍은 공학 개발분야에도 빠르게 접목되고 있으며, 빅데이터에 기반한 생산관리 분야는 물론 CAE 분야에도 빠르게 유입되고 있다. 이 글에서는 이렇게 엔지니어링 분야에 큰 변화를 가져오게 될 인공지능과 머신러닝의 적용 현황을 둘러보고 그 미래에 대해 얘기해보려 한다.

■ 김태진
앤시스 코리아의 리드 애플리케이션 엔지니어이며 고주파 구조해석 및 무선통신, 터치패널, EMI/EMC 및 설계 자동화 프로그래밍을 지원하고 있다. RF와 레이다 시스템을 전공했으며, 21년째 고주파/반도체 설계 및 시뮬레이션 기술 분야에서 근무중이다.
이메일 | taejin.kim@ansys.com
홈페이지 | http://www.ansys.kr

1. 인공지능의 구현 과정
SF영화에서 인공지능은 대부분 인간의 사고능력 전체를 대체하는 역할로 등장하곤 한다. 하지만 인공지능이 인간처럼 다양한 외부입력에 대해 복합적인 사고판단을 하기에는 시기상조이며, 현재 우리가 활용하고 있는 인공지능은 대부분 특정한 목적을 가지고 제한된 판단을 하는 소프트웨어를 의미한다.

인공지능의 구현과정은 머신러닝 툴 또는 알고리즘에 특정한 데이터를 입력시켜 훈련을 거듭하는 과정으로서, 이를 통해 정해진 목표에 따라 최선을 판단을 하도록 만들게 된다. 대표적으로 누구나 알고 있는 알파고는 오로지 바둑을 두기 위해 훈련되었으며, 특정 목적으로 양질의 데이터로 잘 훈련된 인공지능은 인간의 능력을 뛰어넘는다는 것을 전세계에 보여주었다. 뒤집어 말하면 알파고는 바둑 이외의 영역에서는 아무런 쓸모가 없는 소프트웨어일 뿐이며, 현재의 인공지능은 목적성을 가진 데이터를 통해 훈련을 받은 범위 내에서 최선의 성능을 낸다는 점을 기억할 필요가 있다.

훈련을 위해 필요한 핵심이 되는 머신러닝 툴은 이미 무상으로 공개된 수많은 소프트웨어들이 존재하며, 현재는 구글이 공개한 텐서플로(TensorFlow)가 가장 대중적이라고 할 수 있다. 이러한 머신러닝 툴은 뇌의 신경망 구조에 기반한 딥러닝 알고리즘을 가장 많이 사용하고 있으며, 빅 데이터를 기반으로 훈련을 받으면 특정 목적의 판단을 수행할 수 있게 된다.

예를 들어 대량의 개와 고양이의 사진을 주면서 각 사진마다 '개'와 '고양이'라는 레이블을 붙여서 훈련을 시키면, 머신러닝 툴은 각 사진별 특징을 스스로 분류하여 개와 고양이가 가진 여러 가지 특징들을 분류하고 구분하게 된다. 이렇게 훈련된 머신러닝 툴에 다시 개 또는 고양이 사진을 질문하면, 자신이 학습한 바에 의거하여 그 사진이 어떤 동물인 판단하고 답할 수 있게 된다.
 

그림 1. 머신러닝 툴에 개와 고양이의 이미지를 구분하도록 훈련하는 경우

이 과정은 인간의 인지학습 과정과 매우 유사한데, 어린 아이에게 사물의 단어를 가르칠 때 각 사물의 특징까지 설명하지 않는 것과 같다. 어떤 사물을 가리키며 이름을 알려주면, 아이의 뇌는 그 형태와 색상 정보 등을 토대로 스스로 판단 능력을 키우게 된다. 머신러닝 역시 데이터를 입력하면 그 데이터의 특징을 스스로 분석하고 분류하기 때문에 우리가 '인공지능'이라고 부를 수 있게 되는 것이다.

결국 인공지능은 목적을 가진 데이터로 머신러닝 툴을 훈련시켜 만들어지는 것이며, 결국 어떤 목적으로 어떤 데이터를 사용하여 머신러닝을 수행하는지가 관건이 된다.