일본산업뉴스요약

AI와 미래 제2부: 심층학습의 위력 (1)
악셀스페이스(Axelspace), 위성화상을 분석 -- 우주에서 고객의 동향을 파악

《영상에서 특징을 찾아내다》
▼심층학습; 영어로 딥러닝(Deep Learning). 기계가 영상을 읽고 스스로 특징을 찾아낸다. 영상 인식의 정확함을 겨루는 2012년 국제대회에서 캐나다의 한 대학이 이 기술로 우승, 연구진들을 놀라게 했다. 예를 들어, 많은 고양이 영상을 보여주면,「귀가 삼각」「수염이 있다」라고 형체의 특징을 발견해 낸다. 인간이, 특별히 고양이에 대해 배우지 않아도 스스로 어떤 존재인지 이해해 가는 것과 비슷하다.

지금까지는 인간이 사전에「귀가 삼각」등의 특징을 설정해, 가르쳐주지 않으면 기계는 고양이의 판별이 불가능했다. 이것은 부모가 자식에게「저쪽에 고양이가 있어. 고양이란 귀가…」라고 가르쳐 가는 것과 같다. 특징을 설정하는 것이 기술자가 자신의 실력을 발휘하는 영역이었다.
심층학습에는 대량의 데이터가 반드시 필요하다. 이미 빅데이터(Big data)를 보유한 기업에게는 심층학습의 활용 여지가 크다.

-- 빅데이터를 빛내다 --
인공지능(AI)에 의해, 앞으로는 무수한 비즈니스가 창출될 것이다. 그 중심이 되는 것이 영상의 특징을 스스로 찾아내는 심층학습 테크놀로지이다. 세계가 우주나 사이버공간과 같은 프런티어(Frontier)에서 기술의 응용을 겨루기 시작했다.

2020년, 동경 올림픽이 끝나고 2년이 지난 이 즈음에, 50기의 소형 인공위성이 지구를 둥글게 둘러싸고 있다. 각각의 위성이 항상 지상을 촬영하여, AI가 그 변화를 파악하고 있다.

이것은 우주 벤처기업 악셀스페이스(도쿄)가 실제로 계획하고 있는 프로젝트이다. 기업으로의 영상 제공 서비스「악셀글로브(AXELGLOBE)」에 관한 것으로, 2017년 후반부터 서비스용 초소형 위성 그루스(GRUS)를 순차적으로 쏘아 올릴 것이다.

2017년은 구(舊)소련연맹이 인류 최초의 인공위성인 스푸트니크(Sputnik) 1호를 쏘아 올린 지, 60년이 되는 해이다. 당시엔 AI라고 하는 단어가 생긴지 얼마 되지 않은 시점으로, 위성과 관련은 없었다. 악셀스페이스의 나카무라(中村) 사장은 현재 위성을 쏘아 올린다면, AI는 빠질 수 없다고 확신하고 있다. 「심층학습에 의해 우주의 빅데이터를 활용하는 시대이다」.

악셀스페이스는 지금까지 소형에 저렴한 위성의 제조사로 주목을 받았지만, 유력한 디지털 기업으로 거듭나려 하고 있다. 사원 21명 중 데이터 사이언티스트(Data Scientist)가 10명 가까이 있다.

-- 기후정보와의 조합 --
위성에서 촬영한 영상만으로는 지도 서비스인 구글 어스(Google Earth)와 다를 바 없다. 무엇을 어떻게 파악할 것 인가.

악셀스페이스의 심층학습 시스템은 지상에 있다. 위성으로부터 매일 대량의 데이터가 전송되어 온다. 위성이 포착하는 범위는 전 지구를 아우르고 있어, 북극에서 남극, 히말라야에서 아마존, 뉴욕에서 시리아 알레포까지 이다. 지상을 촬영하는 스코프(Scope)의 크기는 2.5미터로, 자동차의 식별이 가능하다. 프라이버시를 고려해 인간까지는 인식하지 못하는 정밀성을 가진다.

50기의 위성을 쏘아 올린다고 한다면, 시스템이 일년 동안 받는 영상은 8페타바이트(Patabyte, 페타는 1천조 바이트)에 달한다. 받은 데이터 영상에서 무엇이 산이고, 무엇이 바다인가, 건물, 농지, 산림, 점포, 자동차는 어떤 것 인가. 인간이 이러한 것들의 특징을 시스템에 설정해 놓지 않아도, 산을 산으로, 농지를 농지로 인식할 수 있게 된다.

지상의 영상에 대해 충분히 숙지한 다음, 영상의 작은 변화들을 파악해 축적해 나간다. 엑셀글로브의 이용자로는 우선 소형 판매회사나 상사(商社), 농가가 유력하다. 소형 판매회사가 점포를 낼까 말까 고민하는 지역이 있다고 하자. 만약 그 지역에 다른 회사의 점포가 있다면. 다음은 엑셀글로벌이 나설 차례이다.

점포 근처의 주차장에 있는 자동차 개수의 데이터에서 고객 수가 파악된다. 소형 판매회사는 춥다, 따뜻하다 등의 그 지역의 기후 데이터와 조합해「이 지역에서는 기온이 여기까지 오르게 되면 고객의 발길이 뚝 끊긴다」 등, 그 지역의 소비 동향을 추측할 수 있다.

농업의 경우, 농지가 넓거나 멀리 떨어져 있다고 해도, 우주에서 내려다 본다면 작물의 성장 정도를 실시간으로 파악할 수 있다. 상사는 이러한 성장 데이터를 매매의 자료로 사용한다. 세계의 곡물 가격의 지표가 Chicago Mercantile Exchange의 선물 거래에도 영향을 준다. 기후 데이터와 조합해 사용한다면 비료의 사용, 수확 시기를 정하는데 필요한 자료가 된다.

-- 파트너를 모집하다 --
악셀스페이스는 우주 빅데이터의 유효한 활용을 위해, 파트너 기업을 모집하고 있다. 장래에 파트너 기업이 영상 데이터 시스템을 자유롭게 사용, 비즈니스를 개발할 수 있는 플랫폼을 조성한다. 이미 덴츠(DENTSU)가 마케팅에서의 활용을 전망, 협업을 결정했다.

「우리가 지향하는 것은 우주의 애플」. 나카무라 사장은 iphone 등을 생산하여 다양한 타 기업의 서비스를 유도한 애플사에, 자사의 미래를 투영하고 있다.

엑셀스페이스는 세계의 유력 기업들과 경쟁할 필요가 있다. 미국 구글은 2014년, 위성 개발의 스카이박스이미징(Skybox Imaging, 現테라베라)를 인수하였다. 영상 제공뿐만이 아닌, 그 분석에도 주력할 방침을 밝혔다.

우주 이용 분야는 국가적 프로젝트였다. 일본은 미항공우주국(NASA)를 뒤쫓아 예산을 투입해왔다. 노무라종합연구소(Nomura Research Institute)의 사토(佐藤) 상급컨설턴트는「세계의 우주 이용은 국가 주도에서 민간 주도로 이동하고 있다」라고 말한다. 통신이나 방송을 목적으로 한 기존의 위성과 함께, 우주의 빅데이터를 위해 위성을 쏘아 올릴 기업이 생길 것으로 예상된다.

일본은 인터넷 분야에서 미국에 압도되어 왔다. 그러나 AI분야에서는 아직 승산은 있다. 심층학습이 주목을 받은 것은 최근 몇 년의 일이다. 사토 씨는 일본 기업이「AI　등을 이용해 데이터 비즈니스부터 접근할 필요가 있다」고 지적한다.

일본에서는 올 9월, 우주 개발로의 민간 기업의 참여를 유도하기 위해, 인공위성의 발사 권한을 일정한 기준을 통과한 기업에게도 인정하는 것을 토대로 한 우주활동법 등, 우주 관련의 2법안을 성립하였다. 위성을 싣는 로켓을 포함한, 우주 비즈니스의 토대가 갖추어졌다.

생명의 탐색에 관한 효율 상승
영국 대학, 20초만에 신호 발견, 사람에겐 수 주일 걸려

영국 유니버시티 칼리지 런던(UCL)의 월트먼(Waltman) 연구원은 생명이 있는 행성이나 우주의 생명체를 찾고 있다. 그는 AI에 의해 인류는 우주나 생명의 신비에 좀 더 가까이 갈 수 있다고 확신하고 있다.

월트먼 씨는 지상 6,000킬로미터의 궤도를 돌고 있는 허블 우주망원경(Hubble space telescope)의 영상에서 생명의 신호를 찾아내려고 하고 있다. 생물이 살기 위한 최저 조건인 물은 없는지, 생명 활동의 존재를 나타내는 이산화탄소, 메탄 등의 기체는 없는지를.

연구의 실마리가 되는 것은 스펙트럼이라 부르는 빛의 파장이다. 행성의 주위는 여러 가지 기체에 둘러싸여 있다. 행성에서 망원경으로 빛이 비춰질 때, 이러한 기체를 통과한다. 그러면 기체의 종류에 따라 통과한 뒤의 파장이 달라진다. 월트먼 씨는 이 빛의 파장을 분석하고 있다.

「심층학습에 의해 한가지 기체를 찾아내는 작업에 20초가 걸렸다」라고 월트먼 씨는 AI의 효과를 설명한다. 연구원들이 지금까지 눈을 부릅뜨며 찾고 있던, 수 주일 걸렸던 작업이었다.

일년 전부터 8명의 대학 팀을 이끌며, 심층학습 시스템「로버트(Robert)」를 개발하였다. 8만6,000건에 달하는 빛의 데이터를 학습시켜, 스스로 정밀도를 높일 수 있도록 설계하였다. 시스템은 자동으로 우주의 소음을 없애고, 도중에 끊긴 스펙트럼이라도 그 패턴을 추정해 준다.

「지금의 정밀도는 98%이다」라며 월트먼 씨는 만족해 한다. 앞으로, 데이터를 불러내어 기억시킨다면 그 능력은 더욱 향상될 것이다.

로버트의 본격적인 가동은, NASA가 빠르면 2018년에 쏘아 올려질 제임스 웨브(James Webb) 우주망원경으로부터 데이터를 전송 받게 된 다음이다. 허블(Hubble)의 뒤를 잇는 것이다. 월트먼 팀은 현재, 30개를 넘는 행성을 대상으로 데이터 분석을 추진하고 있으나, 앞으로는 최대 100개 정도의 행성을 분석할 수 있게 된다.

「다른 행성이 어떻게 생성되었는지가 밝혀진다면, 우리가 사는 태양계의 탄생이나, 생명의 탄생에 대해서 알 수 있다」. 인류의 프런티어에 심층학습이 꼭 필요하다는 것이다.

그렇다면, 심층학습으로 이 근원적 신비에 우리는 언제, 어느 정도까지 가까이 갈 수 있을까? 월트먼 씨는 이렇게 답한다. 「20년 후에는 생명이 있는 행성을 발견할 수 있을 것이다」.

모든 사물이 인터넷과 연결된「IoT」, 빅데이터, AI에 의한 디지털 혁명의 큰 영향력은 산업 혁명에 비유된다. 우리들의 생활, 비즈니스, 가치관을 크게 변화시킬 것이라고 예상되기 때문이다.

우주는 인류에게 있어 커다란 프런티어이다. 여기에 심층학습으로 도전하려 하는 악셀스페이스의 빅데이터 비즈니스, 월트먼 씨에 의한 지구 밖 생명체 연구와 같은 시도는 새로운 시대의 파동을 만들어 간다.

  -- (2)로 계속 --