오피니언칼럼
스마트안전 칼럼, 지식 추론과 (빅)데이터 학습지식 추론과 (빅)데이터 학습의 양날개로 비상하는 스마트 안전
안전정보  |  safetyin@safetyin.co.kr
폰트키우기 폰트줄이기 프린트하기 메일보내기 신고하기
승인 2021.07.30  20:43:17
트위터 페이스북 미투데이 요즘 네이버 구글 msn
   
▲ 신동일교수 명지대학교 재난안전학과/ 스마트엔지니어링 전공dongil@mju.ac.kr

기술의 발전은 때로는 반대되는 시각들의 경쟁속에서 창출되는 사례가 많다: 빛의 입자설과 파동설, 직류송전과 교류송전의 경쟁 등등. 인공지능의 다양한 응용 분야를 그림 1은 보여주고 있는데, 그 근간이 되는 방법론은 심볼(symbol)/지식기반과 (빅)데이터 기계학습으로 대별될 수 있다. 필자를 인공지능으로 빠지게 했던 80년대의 주도적 흐름은 지식기반(특히 전문가시스템)이었으나, 90년대가 되면 기계학습이 주류를 이루어, 필자의 유학 초창기 시절에도 연구주제의 선정을 두고 혼란을 겪었던 기억이 새롭다. 이들 모두 침체기를 지나, 다시 현재의 인공지능 신시대를 선도하고 있는 것은 빅데이터 학습. 그러나 우리가 익히 알고 있는 IBM의 Watson은 지식기반, 구글의 알파고는 딥러닝 기반 기계학습의 예에서 보듯이, 현재는 빛이 입자와 파동 모두를 갖는 것을 넘어 양자역학의 파동-입자 이중성으로 정리되었듯이, 둘의 융합(neuro-symbolic AI) 방향으로 나아가고 있다.

   
 

심볼기반의 AI 접근 방식은 단어와 숫자와 같이 개념에 직접 매핑되는 기호를 조작하여 지능적으로 작동하는 시스템을 구축하려고 한다. 한편 인공신경망 또는 딥러닝으로 대표되는 기계학습적 접근 방식은 명시적으로 기호를 사용하는 것이 아니라, 상호연결된 대규모 네트워크(GPT-3 같은)을 통해 정보를 표현하고 지능을 구현한다 (그림 2 참고). 여러 측면에서 지식기반과 기계학습은 서로 음양의 관계를 갖는데, 한 쪽의 약점이 다른 쪽의 강점인 특성을 보인다. 

   
 

전통적인 프로그래밍 기반의 문제 해결은 문제 정의는 물론이고 풀이 방법론까지 모두를 코드로 작성해주어야 했음에 비해, 초기 인공지능은 문제만 인간이 정의해주면 문제풀이는 컴퓨터가 스스로 알아서 담당해주길 기대했었다. 그 측면에서 개발된 논리형 프로그래밍 언어인 프롤로그(Prolog) 시스템은 “사실과 규칙들을 제공하여 DB를 만들고, 이 DB에 질의를 함으로써 프로그램을 수행”하게 되는 형태로, 1973년 이래로 현재까지도 다양한 사용자층을 확보하고 있다. 
이런 명시적인 프로그래밍을 요하지 않는, 그래서 초기 진입장벽이 낮게 느껴지는 인공신경망은, 또한 그로 인해 “블랙박스”로 불린다. 모든 성공에도 불구하고 딥러닝에는 의미있는 단점이 있는데, 과거 데이터의 패턴을 인식하고 그에 따라 예측을 하지만, 신경망은 환경에 대한 의미 모델을 개발하지는 않는다. 즉, 추상적으로 추론하거나 생각할 수 없으며, 입력과 출력에 대해 의미있는 이해가 없다. 일반적으로 인간에게 의미있는 관점에서 그들이 결정을 내리는 이유를 정확히 설명하는 것은 불가능하기에, 이러한 설명 가능성의 부족은 위험이 큰 실제 환경(특히 안전과 관련한)에서 기계학습 방법을 널리 사용하는데 근본적인 장애물이 될 수 밖에 없다. 
지식기반의 시스템에는 이 문제가 없는데, 이러한 시스템은 별개의 의미가 첨부된 고수준의 기호로 작동하기 때문에, 논리 및 내부 작업을 사람이 읽을 수 있기 때문이다. 심볼기반의 지식 시스템은 사람이 읽을 수 있고 논리 기반이지만, 더 정적이고 깨지기 쉽다는 단점도 부인할 수 없다: 처리하도록 명시적으로 프로그래밍되지 않은 상황에 직면하면 성능이 저하되는 경향이 나타난다. 현실 세계는 복잡하고 이질적이며 모호하게 정의된 개념과 새로운 상황으로 가득차 있기에 (특히 우리가 다루는 안전 문제들이 그렇다), 지식기반 AI는 때로 이러한 복잡성을 해결하기에는 적합하지 않을 수도 있다 [출처: R. Toews, 2019].
요즘 많이 보편화된 예지정비시스템은 통상 6개월의 운전 데이터 학습을 요구하는데, 그 절반인 3개월 데이터로도 충분하다는 주장을 펴던 외국 회사와의 논쟁속에서, 기계학습과 더불어 P&ID를 비롯한 공정도에 이미 담겨져 있는 지식을 활용하기에, 적은 양의 데이터로도 더 뛰어난 성능을 내는 것이 가능하다는 사실에 충격에 빠졌던 적이 있다. 많은 상용 인공지능 시스템들이 그러하듯이, 하이브리드 접근 방식의 가능성을 인식하고, 전 세계 AI 연구자들은 connectionism과 symbolism의 조화에 연구 노력을 집중하고 있다. 우리 스마트안전도 지식추론과 기계학습의 양날개로 비상하길 기대한다.

< 저작권자 © 안전정보 무단전재 및 재배포금지 >
폰트키우기 폰트줄이기 프린트하기 메일보내기 신고하기
트위터 페이스북 미투데이 요즘 네이버 구글 msn 뒤로가기 위로가기
이 기사에 대한 댓글 이야기 (0)
자동등록방지용 코드를 입력하세요!   
확인
- 200자까지 쓰실 수 있습니다. (현재 0 byte / 최대 400byte)
- 욕설등 인신공격성 글은 삭제 합니다. [운영원칙]
이 기사에 대한 댓글 이야기 (0)
인기기사
1
고용노동부 장관, 주요 건설사 대상 안전보건리더 회의 개최
2
[재난안전칼럼] 날벼락 ‘싱크홀’
3
[초대석] 정혜선 한국보건안전단체총연합회 회장
4
8월 CBSI 전월 대비 3.5p 하락한 89.4 기록
5
스마트건설기술 활성화를 위한‘스마트건설 챌린지 2021’개막
6
[파워인터뷰] 김은아 산업안전보건연구원 원장
7
2021 한국건설안전박람회 개최
8
삼성물산, 현장 안전 비용 대폭 늘린다
9
[우수업체 탐방] (주)제이세이프티
10
2021 대한민국 안전산업박람회 온라인 전시 개최
11
조선소 피부질환, 도료에 포함된 과민성 물질이 원인
12
10월까지 ‘무관용 원칙’의"위험현장 집중 단속기간"운영
13
대형건설사 수도권 건설현장 고강도‧불시 현장점검 실시
14
국토안전관리원,‘지하안전점검 표준매뉴얼’ 배포
15
[스마트안전 칼럼] 스마트안전: 역방향(inverse) 문제 풀이에 길이 있다
16
해체공사 안전강화 대책
17
한국소방안전원, 우재봉 원장 취임
18
[문화칼럼] 음악따라 영화보기 1 - 포레스트 검프
19
고용부, 안전보건관리체계 구축 가이드북 배포
20
국토안전관리원,건설사고 감축 위한 조직개편 단행
회사소개개인정보취급방침청소년보호정책이메일무단수집거부
서울특별시 구로구 구일로 10길 27 (구로1동650-4) SK허브수오피스텔 B동 901호  |  대표전화 : 02)866-3301  |  팩스 : 02)866-3382
정기간행물ㆍ등록번호 : 서울특별시 아 01844  |  등록년월일 : 2011년 11월 22일  |  발행인·편집인 : 이선자  |   청소년보호책임자 : 오세용
Copyright © 2011 안전정보. All rights reserved. mail to safetyin@safetyin.co.kr