AI 서울 2024 참관 후기

 

AI 서울은 서울특별시에서 3회째 운영하는 AI 오픈 디스커션이다.

뭔가 공공기관이 주최한다는 점에서 신선하게 다가왔던 해당 행사는 서울시청의 8층 다목적홀 및 간담회장을 이용해 진행되었다.

 

크게 6개의 볼거리가 있으며 자세한건 아래와 같다.

• 기조연설
• Track 1 : 국내외 AI 트랜드 전망
• Track 2 : IR 세션(오픈이노베이션, 캡스톤 발표 등)
• Track 3 : 기술세션(국외 저명 컨퍼런스 제출작 소개)
• 포스터세션 : (국외 저명 컨퍼런스 제출작 포스터 발표)
• 스타트업세션 : 스타트업 홍보부스 

 

이중에서 내가 참관하여 들었던 내용들을 간단히 정리해보고, 나의 생각을 정리하는 글을 써보려 한다.

1. 기조연설

 

1.1 글로벌 AI 트랜드 전망 - Stuart Russell 교수님

 

AI(인공지능)이란 사람이 지정한 목표를 달성하기 위해 학습된다.

최근에는 General AI(범용 인공지능)이 화두에 오르고 있다.

 

많은 분야에서 AI가 과대평가되고 있는 경향이 있다.

 

AI를 통해서 규모를 키우고 비용을 절감하며 삶의 질을 향상시킬 수 있다는 기대가 있다.

이러한 부분들을 위해 General AI 개발에 노력을 가하고 있다..

 

범용 AI가 실현되었을 때, 우리는 이것을 어떻게 통제할 것인가?

 

목표가 정확하게 설정되지 않은 AI는 높은 성능은 보이지만, 옳지 않은 모델일 수 있다.

 

그렇기에 지식 기반의 모델보다는 수리 기반의 모델을 써야한다.(인간을 돕도록 설계된)

 

AI는 사람이 목표를 이루도록 도와주는 수단으로써,

AI가 자체적으로 목표를 세우게 하면 안되고 최종 통제권은 사람이 가지고 있어야 한다.

 

AI를 안전하게 만드는 것이 아닌 안전한 AI를 만들어야 한다.

 

이를 위한 AI에 대한 국제적 규제가 필요하다. 

(인간에게 위해를 끼칠 경우 삭제되는 등)

 

러셀 교수님이 말씀하는 내용을 완벽히 이해했는지는 자신하지 못하지만,

핵심 내용으로는 

AI 윤리에 대한 내용이 핵심 키워드로 보인다.

 

AI기술이 급격히 발전하고 이제는 본격적으로 현실에 적용되는 시기인 만큼.

AI가 악용/남용되지 않고 옳게 쓰이기 위한 국제적인 움직임이 필요하다는 의미인것 같다.

 

AI가 인류에게 위협을 끼치는 내용은 수많은 영화와 드라마에서 다룬만큼 한번쯤은 생각해 봤을 이야기로,

최근 로봇이 급부상하는 만큼 러셀 교수님이 우려하던 일도 우리에게 곧 일어나봄직한 일이지 않을까

 

인간의 목적 달성을 보조하는 수단으로써의 AI를 말할 때,

불안정한 지식기반 모델보다는 강건한 수리기반 모델을 사용해야한다는 말이 있었는데, 내가 완벽히 파악하지 못해 기술하지 않았다.

1.2 국내 AI 트랜드 및 전망 - 장병탁 교수님

과거의 AI는 알려준 지식 이상으로 똑똑해질 수 없었다.

그러나, 현재에는 AI가 전자화된 세상으로부터 스스로 학습할 수 있게 되었다.

 

인공지능 이전의 모델(패턴인식 등)은 예측하고자 하는 것의 특징을 사람이 직접 찾아서 알려주었다면,

지금의 인공지능에서는 사람이 데이터만을 준비하고 특징을 찾는 것은 모델이 직접 수행하고 있다.

이러한 상황은 어떠한 문제를 풀기위해 2~30년이 걸렸던 과거에 비해서,

현재는 2~3년이면 문제가 풀리고 있다고 한다.

 

최근에는 거대모델들이 등장하면서 더욱 다양한 일들을 AI가 해내고 있다.

이러한 거대모델에도 한계는 존재하는데 바로 입력 데이터 포맷의 한정성이다.

 

문서, 이미지, 음성과 같은 데이터만을 받아 들일 수 있고,

사람과 같이 직접 물을 마시거나 맛보는 등의 일은 할 수 없다.

 

이러한 실제 세계와의 괴리 때문에 AI을 할루시네이션과 같은 문제를 내포한다.

 

그 다음의 단계로는 Embodied Inteligenced AI라고 생각하는데,

로봇등의 어떠한 매개체를 가져서 AI가 직접 현실세계에서 데이터를 수집 할 수 있게 되는 단계이다.

 

AI 로봇이 직접 의자를 들어보고 무게를 판단해서 인지한다면,
더욱 실세계에 밀접한 데이터를 수집 할 수 있을 것이다.

 

수치형 데이터 기반의 과제를 수행할 때 항상 따라오는 어려움은, 이 데이터가 정말 해당 이슈의 모든 정보를 내포하고 있는지 였다.

같은 의미로 AI가 점점 일상으로 들어왔을 때 사람과 같이 행동하기 위해서는 사람과 비슷한 수준의 데이터가 필요할텐데,

지금과 같은 한정적인 데이터 포맷만으로 가능할까 하는 생각이 들었다.

로봇등의 매개체로 AI가 직접 현실의 데이터를 모은다니, 전혀 생각도 못해본 부분이었다.

제조산업에서는 어떻게하면 넘처나는 데이터에서 노이즈를 제거하고 양질의 데이터를 발라낼 수 있을까 고민한다면,

범용 분야에서는 어떻게하면 사람과 같은 인지 데이터를 얻을 수 있을까 고민 하게되어 점점 양극화가 되지 않을까 하는 생각도 해보았다.

 

2. AI * 공공혁신의 오늘과 내일(산업분야)

 

2.1 산업혁신 AI 연구개발 추진방향 - 이현규 PM

인공지능의 오해

AI 사업 관점

AI를 통한 문제해결에 대해서 과도한 기대감들이 있다. (AI니까 모든게 해결되겠지)
기존의 도메인에 AI라는 기법이 접목되는 것이지 만능이 아니다.

 

서비스 관점

AI를 활용한 만큼 기존과의 차별성을 요구하는 경향이 있다.

아이디어 자체는 과거부터 많이 제안되어 왔다.

중요한것은 옳은 시점에 적절한 기술이 사용되는 것.

과거 시도되거나 실패한 기법일지라도, 지금은 매우 적절한 기법일 수 있다.

 

인력양성 관점

모델 설계 및 개발에 인력이 집중되고 있다.

실질적으로 프로젝트를 수행하면 모델보다는 데이터를 잘 이해하는 것이 더욱 중요하다.

따라서, AI가 적용 대상인 곳의 도메인 전문가가 꼭 과제를 함께 수행해야한다.

 

기존까지 AI에 대해서 혁신기술에 집중되었다면,

지금은 양산화(저가화) 해야한다.

누가 먼저 기술을 산업에 잘 응용/적용 하여 경쟁력을 올리는지가 중요하다.

 

컴퓨터과학과를 나와서 제조업에 발을 들이게 된 입장으로써 너무나도 마음에 와닿는 말들이었다.

기존에 사람의 손으로 또는 기존의 알고리즘(룰베이스 등)으로 이루어지고 있는 문제에 대해서 AI기반의 과제를 수행하게 된다면 정말 많은 기대감이 쏟아진다.

기존의 연구원들이 AI만을 안썼을 뿐이지 그전의 여러 기법들을 통해서 이리저리 시도했으나 안되었던 부분들이 AI라는 이름하에 모두 해결 될 것으로 기대된다.

이러한 기대감들을 실제 과제의 수행속도와 그들이 기대하는 진행 속도와의 괴리를 가져오기에 많은 소통 오류의 원인인것 같다.

 

또한 차별성도 비슷한 맥락이었다.

처음부터 AI를 활용한 과제를 수행하는 것이 아닌, A라는 문제를 해결하기 위해서 이러저러한 기법들을 테스트 해볼 경우에는 꼭 AI모델로 해주세요라는 요청이 들어오곤 한다.

때로는 AI와 고전기법들이 유사한(때로는 더 나은) 성능을 가져오기도 하는데 말이다.

 

인력양성 관점에서는 사실 할말이 없기는 하다.

나조차도 석사때 어떻게 하면 모델을 더 잘 만들 수 있을까, pytorch를 잘 쓸 수 있을까 고민하고 공부했던 시절이 있기 때문이다.

그러나 실제 프로젝트를 해보면 요구사항을 분석하고 도메인을 공부하는 시간이 훨씬 많으며 모델 개발은 정말 찰나인것 같다.

데이터를 이해하고 분석하고 모델결과를 다시 분석하는데 많은 시간을 들이게 되며, 실질적으로도 더 재미있다.

(진짜 요즘은 요구사항 분석하는 과정이 제일 재미있다.)

 

혹시나 이글을 보는 학석분들이 계시다면, 요구사항 분석과 데이터 분석이 너무나도 중요하다는 말을 하고싶다!!

 

AWS 웹 서비스 - 김기병 매니저

 

최근 생성형 AI(General AI)가 대두되고 있다.

생성형 AI는 일반적인 데이터를 기반으로 학습되어서, 빠르게 변화하는 기업용 어플리케이션을 만들기는 어려운 점이 있다.

(보안, 정책 이슈 등도 있다.)

 

생성형 AI의 핵심은 데이터에 대한 효과적이고 유연한 접근이다.

이것이 보장되어야 생성형 AI를 빠르게 필요한 도메인의 데이터로 파인튜닝 시킬 수 있다.

여행사라면, 프로모션 정보와 고객의 여행 정보를 통해서 더욱 적합한 해답을 줄 수 있을 것이다.

 

생성형 AI를 성공적으로 안착시키려면, 데이터 중심 조직이 필요하며,

구축 난이도를 낮춰줄 플랫폼과 보유 데이터의 차별화 그리고 이를 통한 생산성의 향상(고효율 저비용)을 가져와야한다.

 

발표자들의 회사가 모두 플랫폼 사업을 하는 기업이기는 했지만, 이제는 모든 분야에서 플랫폼의 중요성에 대해 언급하는 것 같다.

국내외 기업들이 수많은 플랫폼을 출시하고 홍보하고 있지만, 과연 회사의 내부 구조와 업무 프로세스 그리고 여러 보안 정책들이 플랫폼을 당장 들여오기에는 많은 합의점이 필요해보인다.

앞으로는 얼마나 잘 회사와 플랫폼을 잘 융합하는지가 또하나의 성공 포인트가 아닐까?

 

 

IR세션과 기술세션도 있지만, 아쉽게도 몸은 하나이기에 모두 듣지는 못했다.

그럼에도, 들어간 세션마다 좋은 인사이트를 얻을 수 있었던 컨퍼런스였다.

앞으로도 기술적/정책적/다양한 분야에서의 AI 관점의 여러 행사들을 참석해서 하나의 시각으로 굳어지는 것이 아닌, 넓은 시야를 가지도록 해야겠다.