올해는 기업들의 AI 프로젝트 건수가 10배 성장하는 등 AI 기반 시스템이 더욱 부상하면서, 산업용 애플리케이션 영역에서도 AI의 도입이 빠르게 확대될 것으로 전망되고, ‘시스템으로의 AI 통합’이 기업의 최우선 과제 중 하나로 제시되고 있다. 또한 일부 기업 및 조직들이 ‘코로나 19(COVID-19)’의 글로벌 팬데믹 사태로 인한 위기를 극복하고 미래를 준비하기 위한 수단으로 ‘디지털 트랜스포메이션’을 택하고 있으며, 이러한 디지털 시대로의 변화에서 AI 기술은 중요한 역할을 할 것으로 기대되고, 현재 마주한 다양한 과제를 해결하면서 성공적으로 AI를 도입할 수 있게 해 주는 ‘엔지니어링 플랫폼’의 중요성 또한 높아질 것으로 전망된다.
매스웍스는 현재 AI 기술의 변화 트렌드로 AI 기술의 장벽 완화 및 데이터 품질 개선, AI 기반 시스템의 설계 복잡성 증가, 저전력 저비용 임베디드 디바이스로의 보다 손쉬운 AI 배포, 실세계 산업용 애플리케이션으로의 강화학습 적용 확대, 보다 정확도 높은 AI 모델 개발을 위한 훈련 데이터의 시뮬레이션을 통한 생산 등을 꼽았다. 그리고 매스웍스는 AI 시대에 엔지니어 및 과학자들이 AI 기반 제품 및 서비스 구축 시 전문 지식을 적용할 수 있도록 지원하며, 다양한 알고리즘과 사전 구축된 모델, AI 개발의 생산성을 높이는 다양한 도구들을 제공하며, 시스템 설계를 간소화하고, 다양한 디바이스 환경으로 효과적으로 AI 모델을 배포할 수 있도록 돕는다고 소개했다.
 |
| ▲ 2020년은 ‘AI 기반 시스템’이 빠르게 확산되는 특별한 시기가 될 것으로 주목했다 (자료제공: 매스웍스) |
 |
| ▲ AI의 구현에서 ‘기술적 장벽’ 측면은 점점 극복될 수 있을 것으로 전망된다 (자료제공: 매스웍스) |
짐 텅(Jim Tung) 매스웍스 비즈니스 및 기술 전략 및 분석 책임자는 이 자리에서, 올해는 AI 기반 시스템이 더욱 부상하면서, AI가 실세계 산업용 애플리케이션 영역에서도 도입이 빠르게 확대될 것으로 전망되며, 기업들의 AI 프로젝트 건수도 크게 성장하면서 ‘시스템으로의 AI 통합’이 기업의 최우선 과제로 꼽히고 있다고 소개했다. 그리고, 성공적인 AI 도입을 위해 당면한 과제로는 ‘낮은 AI 기술 숙련도’ 및 ‘데이터 품질 문제’가 꼽히고 있으며, 성공적인 AI 도입을 위해서는 이러한 부분을 해결할 수 있는 도구가 필요할 것이라 덧붙였다. 이와 함께, 일부 기업 및 조직들은 ‘코로나 19’ 위기 극복의 수단으로 ‘디지털 트랜스포메이션’을 택하고 있으며, AI의 중요성 또한 높아지고 있다고 언급했다/
AI 활용이 늘어나면서 주목할 만한 트렌드로 가장 먼저 꼽힌 것은 ‘AI 기술 장벽 완화 및 데이터 품질 개선’이다. AI가 좀 더 널리 활용되면서, AI 프로젝트에서 화학, 신호 처리, 전기 설계 등 공학 및 과학 분야의, 비즈니스를 이해하는 ‘도메인 전문가’인 엔지니어와 과학자들의 역할이 중요하게 다루어지고 있다. 이들은 AI 모델이 처리할 데이터에 대해, 내재한 지식과 통찰력을 보유하고 있으며, 이 전문가들의 데이터에 대한 통찰력은 데이터 선택 및 준비, 애플리케이션 요구사항을 충족시키는 간단한 모델 개발, 광범위한 시스템 맥락에서의 AI 모델 검증, 잠재적 장애 모드 파악 과정 등에서 큰 역할을 한다.
하지만 AI 안에서는 ‘데이터 라벨링’ 등 도메인 전문가들이 다루기 적합하지 않은 부분도 있다. 매스웍스는 이 부분에서 엔지니어 및 과학자 등 도메인 전문가들이 AI 기반 제품 및 서비스 구축 시 프로그래밍 학습에 대한 부담 없이 도메인 전문 지식을 활용할 수 있도록 지원하고 있으며, 데이터 라벨링 프로세스에서도 이미지, 사운드 데이터에 대한 라벨링 과정을 자동화할 수 있도록 지원해 시간을 절감하고, 딥러닝에서는 훈련을 자동화하는 사전 구축된 앱을 통해 생산성을 향상시키도록 돕고 있다고 소개했다. 이 외에도 이미 만들어진 분류 및 예측을 지원하는 다수의 알고리즘, 사전 구축된 모델을 활용해 더 효율적으로 문제에 접근해 해결책을 찾을 수 있으며, 다양한 예제를 통해 문제에 빠르게 접근하고 이해할 수 있도록 돕는다고 덧붙였다.
또한 매스웍스는 AI 구현에 있어 ‘포인트 & 클릭’ 인터페이스로 모델을 설계, 분석할 수 있는 앱 환경을 지원하고 있다고 소개했다. 이 중 ‘Deep Network Designer’ 앱은 사전 훈련된 딥러닝 모델에 더 쉽게 접근해 네트워크를 수정, 훈련할 수 있으며, 매트랩(MATLAB) 코드의 생성도 가능하다. 그리고 ‘Experiment Manager’ 앱은 딥러닝 모델 훈련을 위한 데이터셋과 훈련 세션 관리, 결과 분석과 비교 등을 제공한다. 이 외에도 ‘예측정비’ 등 특정 분야를 위한 애플리케이션이나, 다양한 모델을 훈련, 평가해 가장 효과적인 모델을 찾을 수 있게 하는 ‘Classification Learner’ 등이 소개되었다.
 |
| ▲점점 복잡해지는 시스템에서, AI의 움직임이 전체 시스템에 주는 영향의 검증도 중요해진다 (자료제공: 매스웍스) |
 |
| ▲AI 모델이 탑재되는 디바이스 또한 더욱 다양해지고 있다 (자료제공: 매스웍스) |
‘AI 기반 시스템의 설계 복잡성 증가’ 도 주목할 만한 움직임으로 꼽혔다. AI가 훈련을 통해 더 많은 유형의 센서들을 처리하는 것이 가능해지면서, 이제 AI는 자율주행 차량이나 산업 플랜트, 클라우드 기반 스트리밍 시스템 등에 이르기까지 다양한 시스템에 적용되고 있다. 그리고 이러한 복잡한 시스템에서 AI 모델은 전체 시스템 수준의 성능에 중대한 영향을 미치며, 이 때 AI 모델 개발은 복잡한 시스템을 효과적으로 구동하기까지의 과정 중 한 단계로 보고, 시스템과 AI의 상호 작용이 전체 시스템에 어떤 영향을 주는지 검증할 수 있어야 할 것이라 지적했다.
점점 복잡해지는 AI 기반 시스템 설계를 간소화하기 위한 방법으로는 시뮬레이션, 통합, 연속적인 테스트를 지원하는 ‘모델 기반 설계’ 도구의 도입이 효과적이다. 이 때, 시뮬레이션을 통해서는 AI가 시스템의 다른 부분들과 상호 작용하는 방식을 이해할 수 있게 지원하고, 통합을 통해서는 설계자가 완전한 시스템 컨텍스트 내에서 다양한 설계 컨셉들을 시도해 볼 수 있으며, 연속 테스트는 설계자가 AI 훈련 데이터 세트의 약점 또는 다른 구성요소들의 설계 결함을 빠르게 찾아낼 수 있게 한다. 또한 매스웍스는 하드웨어로의 배포 이전 시뮬레이션을 통해 AI 모델의 효과성을 검증할 수 있게 도우며, ‘시뮬링크(Simulink)’는 시뮬레이션으로 테스트를 수행하고, 그 결과를 반영해 반복적인 설계 과정을 보다 빠르게 수행하도록 돕는다고 설명했다.
AI의 활용이 늘어나면서, AI가 탑재되는 디바이스 또한 저전력, 저비용의 임베디드 디바이스로까지 확장되고 있다. 하지만 이러한 임베디드 디바이스들에는 데이터센터의 HPC 환경에서 사용되는 높은 FP32 성능을 기대할 수 없으며, 필요한 성능을 얻기 위해서는 사용되는 하드웨어의 특성에 맞는 모델과 연산 유형 등이 요구된다. 그리고 매스웍스는 이러한 요구에 대해, ‘코드 생성 프레임워크’를 통해 매트랩 또는 시뮬링크로 개발한 AI 모델을 재작성 없이 임베디드 디바이스, 엔터프라이즈 시스템, 엣지, 클라우드 및 데스크톱 등 모든 환경으로 배포할 수 있도록 지원하며, 모델 배포를 위한 유연하고 강력한 자동 코드 생성 기능을 통해 코딩 에러를 제거하며 큰 가치를 창출한다고 소개했다.
 |
| ▲가상 모델 기반의 강화학습 또한 산업용 애플리케이션에 활용될 것으로 전망된다 (자료제공: 매스웍스) |
 |
| ▲디지털 트윈과 시뮬레이션 기술은 AI의 구현을 위한 훈련 데이터 문제도 해결할 수 있다 (자료제공: 매스웍스) |
게임에서 많이 사용되던 ‘강화학습(Reinforcement Learning)’도 이제 게임 분야를 넘어 자율주행, 오토노머스 시스템(Autonomous System), 제어설계 및 로보틱스와 같은 실세계 산업용 애플리케이션으로 확대 도입될 것으로 예상되고 있다. 특히 이 강화 학습은 실세계에서 구현하기 어려운 조건들을 반영한 가상 모델로 훈련하여, 대규모 시스템을 개선하는 데 기여할 것으로 기대된다. 또한 딥러닝은 시스템이 시도와 실패를 통해 학습을 진행하는데, 이 때 현실에서는 생성하기 어려운 다양한 상황 조건들에 대한 데이터 확보와 훈련을, 실제 시스템 대신 시뮬링크 기반의 가상 모델로 진행할 수 있을 것이라 소개했다.
이러한 강화학습의 활용 확대를 가능하게 하는 요소로는 손쉬운 강화학습 정책 구축 및 훈련, 다량의 훈련용 시뮬레이션 데이터 생성, 시스템 시뮬레이션 툴과 강화 학습 에이전트의 손쉬운 통합, 임베디드 하드웨어로의 배포를 위한 코드 생성 지원 기술 등이 꼽힌다. 그리고 매스웍스의 ‘강화학습 툴박스(Reinforcement Learning Toolbox)’는 내장된 맞춤형 강화학습 에이전트를 제공하며, 매트랩 및 시뮬링크에서 강화학습 환경을 모델링할 수 있도록 지원한다. 또한 강화학습 정책 설계를 지원하는 ‘딥러닝 툴박스’를 갖추고, GPU 및 클라우드에서의 훈련 가속화, 시뮬레이션을 통한 훈련 정책 검증, 임베디드 디바이스로의 배포, 자율주행 차량을 위한 강화학습 등의 레퍼런스 예제를 지원한다.
보다 정확도 높은 AI 모델의 개발을 위해서는 고품질의 AI 모델 훈련 데이터가 필요하지만, 이상 조건 또는 심각한 장애 조건 등 특별한 상황에 대한 데이터는 쉽게 확보하기 어렵다. 매스웍스는 이러한 데이터의 품질 문제를 해결할 수 있는 방안으로, 기능 장애 등의 특별한 상황을 모사할 수 있는 시뮬레이션을 통해 데이터를 생성하고, 합성된 데이터를 통해 정확한 AI 모델을 개발할 수 있도록 훈련시키는 방법을 제안했다. 예를 들면, 실제 현장에 사용되는 펌프의 디지털 트윈 모델을 활용해 이상 상황을 시뮬레이션하고, 이 데이터를 바탕으로 AI 모델을 훈련, 현장의 실제 시스템에 배포해 장애 발생을 예측하는 시스템을 구현할 수 있다는 것이다.
매스웍스는 자사의 강점으로 시스템의 시뮬레이션, 분석, AI의 역량을 모두 가지고 있다는 것을 꼽으며, 매트랩 및 시뮬링크는 엔지니어들이 시뮬레이션을 통해 드물게 발생하는 이벤트들에 대한 훈련용 데이터를 적절한 주기로 생성 및 통합하도록 돕고, 매우 드물게 발생하는 산업 현장의 이벤트에 대응하는 AI 알고리즘을 구축할 수 있게 한다고 밝혔다. 또한 AI 기반 제품 또는 서비스를 시장에 선보이기 위해서는 전체 시스템 설계 워크플로우에 AI를 통합해야 하는데, 매스웍스는 단일 플랫폼을 통해 AI를 데이터 준비에서부터 AI 모델링, 시뮬레이션 및 테스트, 배포에 이르는 전체 워크플로우에 손쉽게 통합하도록 지원한다고 덧붙였다.
<저작권자(c) 아크로팬(www.acrofan.com). 무단전재-재배포금지>
