기업조회

본문 바로가기 주메뉴 바로가기

연구보고서 기본정보

신기술 발전에 따른 산업 지형의 변화 전망과 대응 전략 : 제2권 인지컴퓨팅

연구보고서 개요

기관명, 공개여부, 사업명, 과제명, 과제고유번호, 보고서유형, 발행국가, 언어, 발행년월, 과제시작년도 순으로 구성된 표입니다.
기관명 NDSL
공개여부
사업명
과제명(한글)
과제명(영어)
과제고유번호
보고서유형 report
발행국가
언어
발행년월 2015-12-01
과제시작년도

연구보고서 개요

주관연구기관, 연구책임자, 주관부처, 사업관리기관, 내용, 목차, 초록, 원문URL, 첨부파일 순으로 구성된 표입니다.
주관연구기관 과학기술정책연구원
연구책임자 김석관
주관부처
사업관리기관
내용
목차
초록 1. 연구의 배경과 목적 □ 본 연구는 인지컴퓨팅의 보급 확대가 산업 전반에 야기할 실업 증가 등 위협요인과 신산업 창출 등 기회요인을 동시에 조사할 목적 ○ 20세기 후반 이후 가장 영향력이 큰 범용기술(General Purpose Technology)인 정보기술은 현재 새로운 패러다임에 직면 - 컴퓨팅이란 하드웨어, 소프트웨어, 데이터 등 세 가지 요소의 결합이며, 클라우드 컴퓨팅 상에서 거대한 비정형 데이터를 분석하기 위해서는 유연한 소프트웨어 알고리즘이 중요 - 인공지능이란 사람의 개입 없이도 자율적으로 주어진 임무를 해결할 수 있는 역량을 갖춘 컴퓨팅 서비스이며 기존 프로그램(1세대 인공지능 포함) 방법론과 근본적 차이는 학습능력과 변화에 대한 적응력 - 전산학(Computer Science)과 인지과학(Cognitive Science)의 융합을 통해 등장한 '인지컴퓨팅(Cognitive Computing)'은 과거에는 컴퓨터가 해결하기 어려웠던 복잡하고 모호하며 불확실하고 종종 모순된 문제를 해결 가능 - 만물이 디지털화되는 환경에서 컴퓨터의 자율성을 확대함으로써 인간과 컴퓨터의 관계도 재정의 - 인지컴퓨팅 기술은 다양한 산업에서 노동을 대체하고 장비의 운영 효율성을 제고하며 자본집약적 산업과 노동집약적 산업에 모두 큰 영향을 미칠 전망 □ 연구 목적 : 빅데이터와 클라우드 컴퓨팅을 넘어 인지컴퓨팅에 주목 ○ 빅데이터 분석은 초기에는 취득한 데이터를 취합하는 간단한 분석만으로도 대중이 주목 - 구글 검색에 입력되는 '독감(Flu)' 키워드 입력을 지역별로 집계함으로써도 독감 확산 여부를 정확히 예측할 수 있었고, 소셜미디어에 입력되는 방대한 텍스트 데이터를 취합ㆍ분류해 대중의 감성 분석 ○ 데이터로부터 지혜를 도출해 낼 수 있는 고도화된 알고리즘 개발이 향후에 혁신을 주도해 갈 전망 - 데이터의 단순 취합 및 분류를 넘어 데이터에 잠재된 복잡한 패턴을 스스로 학습하는 알고리즘들이 속속 등장 - 오래 전부터 정보 추천에 인공지능이 사용돼 왔지만, 최근에는 음성 및 영상 인식, 자연어 처리, 로봇 제어, 유전체학 등 다양한 분야에 적용 확대 - 한국에서는 클라우드 컴퓨팅과 빅데이터는 주목하지만, 인공지능에 대한 이해는 정부와 기업 모두 부족 ○ Computational thinking이 강조되는 상황에서 인지컴퓨팅을 포함하는 新 소프트웨어 패러다임에 부합하는 육성방안을 고민할 필요 - 본 연구는 지능을 총체적으로 재현하려는 '강한 인공지능'보다는 특정영역별로 실용적으로 대처하는 '약한 인공지능'의 영향만을 살펴보고자 시도 □ 본 연구는 인지컴퓨팅 기술이 제품·서비스, 비즈니스모델, 제도, 시장과 총체적으로 상호작용하며 산업지형을 변화시켜가는 과정을 전망 ○ 전 산업에 걸쳐 공통적으로 미치는 영향을 우선 전망 - 기술 요인, 시장/소비자 요인, 제도적 요인이 촉진 및 장애요인(Drivers Constraints)로 작용하는 바를 종합적으로 고찰 - 기술, 고용, 산업, 제도 등의 이슈를 해결하기 위해 연구개발, 인재양성, 산업육성, 제도개선, 수요진작 등 다방면의 정부 대응전략을 제안 ○ 인지컴퓨팅의 영향을 구체적으로 이해하기 위한 사례로서 자율주행 기술의 발전이 자동차 제조업, 운수업, 보험업 등 연관 산업에 미치는 영향을 전망 2. 인지컴퓨팅 기술의 개념 및 발전 전망 □ 초기 인공지능과 인지컴퓨팅의 차이는 변화에 대한 유연한 적응력 ○ 인지컴퓨팅은 형식지(알고리즘)는 물론 경험규칙 등 암묵지까지 처리를 추구 - 지식은 언어로는 표현할 수 없고 경험을 통해서만 개인에게 체화된 지식인 암묵지(tacit knowledge)와 잘 정의된 단계들로 나누어 정리되는 지식인 형식지(explicit knowledge)로 구성 - 기존의 컴퓨팅은 단계별 처리 과정인 형식지를 컴퓨터가 수행할 수 있도록 정형적 기호를 이용해 기록한 알고리즘(algorithm)으로 변환해 처리 - 반면 암묵지인 경험규칙은 개인의 숙달 수준에 따라 적용 결과가 천차만별 ○ 과거의 인공지능 연구는 논리 기호로 표현되는 지식에 한정 (감각의 부재) - '인공지능(Artificial Intelligence)'이라는 용어는 1956년 처음 등장 : 초기 인공지능은 숫자를 계산 및 기호를 조작하는 알고리즘을 통해 논리적 추론을 수행했는데, 의미와 괴리된 기호 연산은 지능 구현에 한계 직면 - 1960년대의 실패 이후, 1980년대에는 특정한 범위에 한정해서 전문가들의 지식을 논리 규칙으로 나타내려는 전문가 시스템(Expert System)이 등장 : 규칙 기반 추론은 문법을 토대로 언어를 처리할 수 있다고 믿는 것과 유사한데, 현실 언어의 수많은 예외와 모호함으로 인해 규칙의 적용에 한계 - 이후 다양한 개체 간의 관계를 포괄적으로 표현하려는 온톨로지 연구가 시도되었으나, 개념적으로만 과도하게 복잡한 계층 구조를 생성하고, 막상 실제 데이터를 제대로 설명하지 못해 한계 직면 ○ 지능을 추상적인 기호 간의 논리 체계로 본 초기 접근과 달리 현재는 지능이 간단한 기능의 작은 단위들이 복잡하게 연결되며 발생하는 현상으로 이해 - 인간의 대뇌 신피질은 출생 시에는 아무 지식도 존재하지 않지만, 살면서 다양한 경험을 쌓아가며 세계에 존재하는 패턴과 규칙을 학습하는 유기체 - 뉴런 사이의 연관이 활성화되는 경험이 반복될수록 연결하는 시냅스가 강화 - 인공신경망 방법론은 뉴런과 시냅스에 해당되는 노드와 연결을 소프트웨어적으로 구현 : 입력과 출력 신호 사이에 중간 단계인 은닉층이 존재하고, 학습을 통해 각 노드 간 연결의 가중치를 조정함으로써 예측 정확도를 개선 ○ 기존 프로그래밍이 연역적 추론에 기반했다면, 기계학습은 귀납적 추론 기반 - 하둡 등 병렬분산처리 기술의 발전으로 클라우드 컴퓨팅 시대가 도래했고, 인터넷ㆍSNS의 성장과 모바일 센서의 보급으로 빅데이터 시대가 도래 - 기계학습은 “명시적으로 프로그램(explicitly programmed) 되지 않아도 컴퓨터가 스스로 학습할 수 있도록 능력을 부여하는 연구 분야” - 인간이 상세한 세부규칙들을 포함하는 프로그램을 작성하지 않아도 다양한 입력 데이터와 결과물의 정보를 제공하면 컴퓨터가 스스로 입력 데이터와 결과물을 연결하는 패턴 및 전략을 학습 - 지도학습(supervised learning), 비지도학습(unsupervised learning), 강화학습(reinforcement learning)으로 구성 □ 인지컴퓨팅 알고리즘의 발전으로 인간의 인지와 유사한 학습 구현 ○ 병렬컴퓨팅 인프라와 빅데이터가 생성되며 인지컴퓨팅 발전의 토대가 조성 - 반도체의 처리속도 증가가 한계에 부딪치자 2000년대 중반부터 멀티코어 시대가 개막되며 분산병렬처리 기술이 급속히 발달 - 인터넷과 SNS 이용이 확대되고 MEMS(미세전자기계시스템) 기술 발전으로 각종 센서가 보급되면서 거대한 데이터를 양산 ○ 인공신경망 기술을 발전시킨 딥러닝 기술의 등장으로 인지컴퓨팅은 고도의 추상화된 개념의 학습이 가능해지며 급격히 발전 - 2012년 이후부터는 인공신경망 기술을 심화 발전시켜 계층적으로 추상화한 개념을 쌓아 올려가며 객체를 분별하는 '딥러닝(Deep Learning)' 방법론이 각광 : 2014년 구글의 딥러닝 알고리즘은 무려 22층의 모형을 구축 - 딥러닝 기술은 학습을 위해 많은 데이터가 필요하므로 데이터가 풍부한 분야에서 우선적으로 적용되며, 거대한 연산자원을 요구 ○ 다수의 예측모델을 결합한 앙상블(Ensemble) 모델은 학습한 것을 학습하는 메타학습을 통해 단일 모델보다 성능이 5~30% 가량 향상 □ 주된 응용분야는 이미지 인식, 자연어 처리, 로봇, 생명과학 등 ○ 이미지 인식 분야가 딥러닝 기술의 발전을 견인 - 140만장의 이미지 DB를 구축한 국제 이미지 인식 기술 대회(ILSVRC)는 거대 데이터를 분석할 수 있는 인지컴퓨팅 기술이 발전하는 계기를 마련 - 2012년 국제 이미지 인식 기술 대회에서 딥러닝 기술이 우승한 이후부터 이미지 정보 처리 분야는 딥러닝 기술이 평정 - 이미지에서 단일 대상을 인식하는 능력은 이미 인간을 능가했고, 현재는 다수의 대상을 동시에 개별적으로 인식하는 능력을 집중 개발 중 - 향후에는 3차원 영상 및 동영상 인식이 연구개발의 중심이 될 전망 ○ 자연어 처리는 문법 기반에서 통계 기반 방법론으로 발전 - 자연어 처리는 형태소, 구문, 의미
원문URL http://click.ndsl.kr/servlet/OpenAPIDetailView?keyValue=03553784&target=REPORT&cn=TRKO201600014467
첨부파일

추가정보

과학기술표준분, ICT 기술분류, 주제어 (키워드) 순으로 구성된 표입니다.
과학기술표준분류
ICT 기술분류
주제어 (키워드)