지니 로메티 IBM 회장의 2016 CES keynote - Part 2

왜 지금 코그너티브(Cognitive) 컴퓨팅인가?

앞의 사례들에서 보듯이, IoT 에서는 폭증하는 데이터 처리가 도전적이다. 현존하는 프로그래밍을 통한 컴퓨팅 즉, 결과를 도출하기까지 데이터가 미리 설정된 일련의 if/then 과 같은 플로우 다이어그램을 통하는 전통적 접근방법으로는 IoT 가 정녕 필요로 하는 정도와 약속하는 수준으로 프로세스 할 수 없기 때문이다.  프로그래밍 시스템은 예측 가능한 데이터로부터 미리 정해진 시나리오를 추진한다. 이러한 경직성이 복잡하고 매우 빠르게 변화하는 여러 측면을 다루는 유용성을 제한한다. 매 초단위로 발생하는 데이터에 대응하지 못해 데이터 가치가 기하 급수적으로 경감하는 것이다. 코그너티브 컴퓨팅은 그러한 제한이 없다. 명시적으로 프로그래밍되기보다, 코그너티브 시스템은 사용자와의 상호작용과 사용자 환경의 경험으로부터 학습한다. 이러한 것들이 사물인터넷으로부터 생성되는 정보의 규모, 복잡성 그리고 예측불가능성에 보조를 맞출 수 있게 한다, 이와 더불어, 컴퓨터과학자들이 소위 "비정형" 이라고 부르는 전세계 80%를 차지하는 비디오, 오디오, 블로그 및 트위터와 같은 데이터를 이해 하게한다. 이것은 이전 IoT에서 보이지 않았던 즉, 이질적 원천들로부터 소외되었던 패턴과 통찰력 측면을 이제는 밝힐 수 있음을, 뜻하며 보다 좀 더 많은 정보를 가지고 의사결정을 할 수 있음을 의미한다.

Cognitive IoT

코그너티브 컴퓨팅이 IoT 에 적용되면 그 결과는, 시스템이 물리적 세상에 지능을 주입하고 또한 물리적 세상으로부터 학습하는 것으로 정의하는, 소위 코그너티브(Cognitive) IoT 이다. 최종 결과물은 우리와 우리 주위의 문맥을 둘러싸고 있는 세계에 대한 - 날씨의 변화가 비즈니스에 미치는 예상할 수 없는 방향부터 사람들이 기업의 브랜드에 대해 이야기하는 숨겨진 패턴까지 - 심층적이고 보다 의미 있는 통찰력이다. 수학적 문제에 답을 내는 것에 더해, 코그너티브 시스템은 선입견 없는 가설을 세우고, 추론을 통한 주장을 하여 추천을 내어 놓는다. 시스템은 사용자의 목표를 이해하고 사용자가 그 목표를 달성할 수 있도록 관련되는 데이터를 통합하고 분석할 수 있다. IBM 연구자들은 10년 전 코그너티브 시스템에 대해 처음 착수하였을 때, 프로그래밍 소프트웨어에 내재된 유전적 결함을 예견하였다. 이러한 병목현상에 대한 IBM 의 답은 왓슨(Watson)이라는 질의응답 인공지능 컴퓨터였다. 왓슨이 2011년에 미국 Jeopardy! 퀴즈 쇼의 챔피온 브래드 러터와 켄 제닝스를 이겼을 때 그것은 다섯 가지 기술에 기초한 자연어 질의응답(Q&A) 한가지였다. 현재 Q&A 는 많은 왓슨 Application Programming Interface (API)* 중 하나일 뿐이다. 그 이후로, 50가지 기술에 기반한 25개가 넘는 API 가 개발되었다. 이러한 부분이 IBM의 코그너티브에 대한 접근법이 다른 여타의 인공지능 접근법과 차별되는 큰 특성이다. 커그너티브 컴퓨팅은 컴퓨터과학의 단일 학제가 아니다. 이것은 하드웨어 아키텍쳐, 알고리즘 전략, 프로세스 설계 및 산업별 전문성까지를 어우르는 복수의 학문 영역의 조합이다.  이러한 모든 것들이 IoT 에서 부상하는 본질적으로 새로운 5가지 특성을 가능하게 한다.

* API: 메이커가 API를 공개하면 어플리케이션 개발자들이 어플리케이션과 연결하고자 하는 메이커의 시스템과의 인터페이스에 크게 주의하지 않아도 쉽게 프로그래밍하게 도와준다.

부상하는 IoT 의 5가지 특성

1. 깊은 인간과의 상호작용: 코그너티브 시스템은 고객이 선호하는 방법, 유형, 품질 등에 기반해 사람들과 보다 완성되게 시스템이 상호작용할 수 있도록 돕는다. 시스템은 오늘날 가용한 IoT 테이터들 즉 센서데이터, 날씨정보, 웹 상호작용, 트랜잭션 이력, 로얄티 프로그램 패턴, 전자의료기록 및 웨어러블 데이타 등을 이용하여, 그 동안에 탐지하기 어려워 그려내기 힘들었던 말투, 정서, 감정적 상태, 주위 환경 조건 및 사람간의 관계에서의 본성과 장점들의 모습들을 추가한다. 시스템은 이러한 정형 및 비정형데이터의 일부 혹은 전부로부터 고객인 청중과 상호교류할때 무엇이 진짜로 중요한지를 발견하려고 한다. 이러한 지속적 학습을 통해, 보다 큰 가치를 제공하며 보다 자연스럽고, 기대되며, 감정적으로 적절한 보다 심화된 고객 상호작용을 제공할 수 있다.

2. 전문성의 확장: 시스템은 사용자의 산업 및 직업의 전문성이 그 어떤 사람이 잡지, 새로운 규약, 법률제정, 관례 및 완전히 새로운 영역에 대해 따라잡는 것보다도 빠르게 지식을 확장한다. 확실한 사례를 헬스케어에서 볼 수 있다. 1950년도에 의료정보가 2배가 되는데 50년이 걸릴 것으로 예측했다. 1980년도에는 7년, 2015년에는 3년 이내로 예측한다. 반면에 한 사람이 평생 일백만 기가바이트의 헬스케어 관련된 데이터를 생산할 것으로 예상하는데 이는 3억 권의 책과 맘먹는 양이다.

3. 제품과 서비스에 주입되는 인지(Cognition): 코그너티브 시스템은 메이커로 하여금 제품과 서비스가 그들을 둘러싼 세상과 사용자들에 대해 지각하고, 추론하며 학습하는 새로운 등급의 인지적 제품과 서비스로 거듭나도록 돕는다. 이것이야 말로 코그너티브 IoT 가 보여주는 진정한 미래모습인데 왜냐하면, 이것은 지속적 성능향상과 적응을 통한 능력의 확장을 의미하는데 이는 예전에는 상상할 수 없었던 일이기 때문이다. 이러한 일들은 이미 자동차, 의료장비, 가전제품들 및 심지어는 장난감에서도 이미 일어나고 있다.  

4. 인지적(Cognitive) 프로세스 및 운영들: 코그너티브 능력이 주입된 프로세스들은, 내 외부데이터로부터의 현상에서 기회를 잡는다. 이러한 것들이 프로세스와 운영을 워크플로우, 문맥, 환경등에 한층 민감하게 반응하도록 해서, 지속적 학습, 개선된 예측, 운영의 효율성으로 이끈다. 결국 오늘날의 데이터의 속도로 의사 결정할 수 있도록 돕는다.

5. 개선된 탐험 및 발견: 궁극적으로 가장 강력한 코그너티브 IoT 의 이점은 증가하는 변화무쌍하고 복잡한 미래에 대해 보다 낳은 "등대" 역할을 제공한다는 점일 것이다. 이러한 예지능력은 모든 산업의 리더들이 과감한 투자에 나서도록 독려받고있는 상황에서 한층 중요하다.

매장 내 사용자경험 과 환경 및 공해문제에 도전

그렇다면 산업현장에서는 어떻게 적용될까? 의류 유통업체가 매장 내 고객 경험을 증대시키는 경우를 생각해보자.  온라인 쇼핑 습관을 취득하는 건 가능하지만 매장내의 행위를 측정하는 것은 정량화하기에 매우 어려운 과제였다. 만약 그동안 정량화화기 어려웠던 매장내 방문위치기록, 소셜미디어 및 날씨정보등의 새로운 정보원천을 기존의 공급망, 재고, RFID, POS 데이터등과 결합한다면 보다 완성된 한 개인에 대한 고객 정보를 작성할 수 있을 것이다. 그렇다면 사람으로 넘쳐나는 도시 지역의 심각한 환경 및 오염문제는 어떨까? IBM 연구소는 작년에 Green Horizon)이라는 프로젝트를 중국에서 하고 이어 2015년에는 인도 및 남아프리카 및 다른 지역으로 확산하였다. 이는 과학자들이 머신러닝과 진보된 IoT 역량을 환경추적거점, 교통시스템 센서 및 기후 위성에서 생성되는 거대한 빅데이터로부터 취득하고 학습하여 왓슨이 오염이 어디에서 와서 어디로 가며, 이것이 미칠 잠재적 영향에 대한 예측모델을 조정한다. 이로 하여금 도시계획자들이 공기의 질을 어떻게 향상시킬지에 대해 정보를 기반으로 한 의사결정을 하도록 돕는다. 2015년 초반 3분기동안 베이징 정부가 미세먼지를 20% 감축할 수 있었다고 한다.

에필로그

코그너티브 IoT 로의 이행: 많은 산업의 기업들이 IoT 네트워크에 있어 성숙한 단계에 다다르고 있지만, 아직 위에서 언급한 Cognitive IoT 비전을 달성하기 위해 충분히 고려해야 하는 단계가 있다. 첫째, 코그너티브 전략을 수립하는 것이다. 코그너티브 IoT 는 비즈니스를 근본적으로 변화시킬 수 있지만, 비전이 충분히 명시되어있어야 가능하다. 이러한 특별한 비전은 시장에서의 경쟁우위의 문맥 내에서 수립되어야만 한다. 주요한 데이터원천은 코그너티브로부터 충분히 이익을 볼 수 있는 제품, 서비스 및 프로세스로부터 판별되어야만 한다. 그리고 코그너티브 시스템을 훈련할 수 있는 전문가를 보유해야 한다. 둘쨰로, 보안상으로 안전하고, 확장가능하며 개방된 IoT 기반을 마련해야 한다. 사물, 제품, 시스템 및 기업 자산에 코그너티브를 구축하기 위해 IT 중심이 개방적이며 안정적이어야 한다. 네트워크 중심 및 주변부에 신뢰할 수 있는 보안과 함께 퍼블릭, 프라이빗 및 하이브리드 클라우드 자원이 뒷받침되어야 한다. 마지막으로, 전문성, 어플리케이션 및 솔루션 개발이 동반되어야 한다. IoT 데이터를 모으고 보안을 준수하는 것은 이러한 여정의 절반밖에 미치지 못함을 뜻한다. 수익이 축적되는 곳에 일이 집중되도록, 어플리케이션은 전략적 목표에 근접되도록 작성되어야 되고, 또한 중요한 요소로, 코그너티브 컴퓨팅이 알게 되는 우연한 발견이 용인되는 솔루션 환경을 염두에 두어야한다.

**The postings on this site are my own and don't necessarily represent IBM's positions, strategies or opinions.