AI/로봇·드론/VR·AR

Nikkei Monotsukuri_2016.02. 특집 (p36~66)

현장의 AI (인공지능)
토요타와 FUNUC이 제대로 시작한 이유

제조업의 현장에서 AI (인공지능)의 활용이 시작되었다. 토요타자동차와 FUNUC 등 일본을 대표하는 메이커들이 제품에 AI를 탑재하는 움직임을 본격화하고 있다. 자신이 학습을 반복하며 지능을 획득하는 AI는, 제품의 성능을 높이는 것에만 국한되지 않고 연구개발과 설계, 생산효율을 비약적으로 높이는 가능성을 갖고 있다. 반도체와 Deep Learning (심층학습)의 기술진화가 그것을 가능하게 해 나가고 있다.
AI는 제조의 세계를 어떻게 바꾸어 갈 것인가? 일본과 미국의 최전선을 찾아본다.   
 

Part. 1 총론 : 제조가 근본부터 뒤집혀질 연구개발, 설계, 생산이야말로 AI

인공지능 (AI)은, 미국의 Google사나 IBM사로 대표되는 IT (정보기술)기업이 연구하는 기술이라는 이미지가 크게 변하고 있다. 최근에 제조업에서 AI를 활용하는 움직임이 급속하게 확대되어 가고 있기 때문이다.
2016년 1월, 도요타자동차는 미국 실리콘밸리에 AI 연구 자회사를 설립했다. 2015년 9월에 FUNUC도 AI 벤처기업인 Preferred Networks (PFN)에 출자하여, 산업용로봇에 AI를 탑재하는 실증실험을 이미 시작했다. 일본을 대표하는 제조기업들이 움직인 배경에는 무엇이 있을까?

“AI는 파괴적인 Innovation이다. 지금까지의 기술의 연장선과는 전혀 다르고, 제조라는 것을 근본부터 변화시킨다. 지금까지의 ‘기계는 화상이나 음성을 정확히 인식 불가능’ 하다는 전제가 뒤집힌다. 인간이 신이 되어 임의의 동물을 만들도록 된 것과 같은 것이다” 동경대 조교수의 말이다. 도요타자동차 사장은 AI가 제조를 변화 시킬 가능성을 알고 나서 생각을 바꾸었다. “얼마 전까지 나는 자동운전 자동차 팀이 인간에 이긴다면 조금 더 AI 의 연구를 진행하려고 생각했었는데, 미국의 제 1인자의 이야기를 들으면서 AI 기술이 지금부터 사람들의 사회나 생활을 크게 바꾸는 기반이 될 것이라고 생각하게 되었고,. 자동차를 포함한 새로운 산업을 창출할 가능성이 있다는 기대에 설레게 되었다. 따라서 연구자회사를 설립하고 자동자나 모빌리티의 틀을 벗어나서, 사람과 사회에 공헌하는 가능성을 추구하기로 결정했다”  

--꿈의 기술이 실현되는 날--
AI 의 진화에 따라 지금까지 꿈이었던 기술이 실현되려고 하고 있다.
예로서, 중국 검색엔진의 대부분은 시각장애자의 ‘눈’ 역할을 하는 디바이스를 개발하고 있다. ‘DuLight’라는 초소형 카메라를 내장한 이어폰 형의 장치로 인간의 얼굴, 자동차, 교통신호 등의 화상을 AI가 인식하여 이것이 무엇인지를 상세히 인식하여 사용자에게 음성으로 전달하는 것이다. 아직은 시작단계지만 실용화가 거의 시야에 들어와 있다.

AI 가 동시통역하여 주는 기술개발도 급속히 진행되고 있다. Microsoft사는 영어, 프랑스어, 독일어, 이태리어, 중국어, 스페인어의 6가지 언어에 대응한 동시통역기능 ‘Skype Translator’를 Window판 Skype에 탑재를 발표했다. 서로간에 언어가 이해 안 되는 사람간에 자유롭게 회화 가능한 세계가 현실로 되고 있다.

지금 주목을 모으고 있는 자동운전기술. 그 발전의 열쇠를 쥐고 있는 것이 AI 이다. 자동차 주변의 상황을 정확히 파악하여 브레이크, 가속기, 핸들 등을 어떻게 제어하면 좋을지를 지시한다. 이러한 특정용도용의 AI 만이 아닌, 인간과 같은 폭 넓은 분야에 응용 가능한 지능을 가진 ‘범용 AI’ 의 연구도 진행되고 있다. 물론 AI 가 인간을 넘어서는 지능을 가질 가능성에 대해 경계감을 갖는 사람들도 적지 않다. AI가 인간의 능력을 넘어서는 ‘기술적 특이점 (Technological Singularity)’에 도달하여, 실체를 알지 못하는 ‘超知能’이 탄생하여 인류의 파멸을 불러오는 SF영화와 같은 세계를 걱정하는 목소리도 있다.

--AI 의 진화는 멈추지 않는다-- 
그래도 “컴퓨터와 소프트웨어의 성능향상이 계속되는 이상, AI의 진화는 멈추지 않을 것이다. 따라서 인간이나 기업은 AI 와 정면으로 대하는 길 외에는 없다” 히타치 제작소의 회장은 이렇게 지적한다. 이와 같은 인식을 가진 경영자가 늘어가기 때문에 제조업에서도 AI 를 활용하고자 하는 움직임이 가속화 되고 있는 것이다.

AI 란 대체 어떠한 것인가? 인간과 같이 생각하고, 이야기하고, 감정이나 의식을 갖고 있는 것으로 많은 사람들이 이미지 하고 있을 것이다. 인공지능학회에 따르면 ‘인간의 지능 그대로를 가진 기계나, 인간이 지능을 사용하는 것을 기계에 시키는 것’을 말한다.

예를 들면, 지식을 근거로 새로운 결론을 얻는 “추론’이나 여러 정보로부터 장래에 사용될 것 같은 지식을 찾아 내는 ‘학습’이 가능한 능력을 가진 존재다. 구체적으로는 인간이 마이크를 향해 말한 내용을 컴퓨터가 이해해서 응답하는 ‘음성인식’이 있다. ‘iPhone’에 탑재되어 있는 비서기능 소프트웨어 ‘Siri’는 자연언어처리에 의해 ‘자택에 전화를 걸어라’, ‘밖의 온도는?’ ‘Facebook에 스타워즈영화를 보러 가는 걸로 내용을 보내고’와 같은 인간이 표현하는 언어의 의미까지 이해하여 iPhone을 제어한다. 이용시간이 길어지면 ‘Seri’의 인식의 精度도 높아지고, 이용자의 취향을 보다 정확하게 파악하게 된다.

카메라로 촬영한 화상이 무엇인지를 이해하는 ‘화상인식’도 AI 의 중요한 연구테마이다.
많은 자동차 메이커가 연구하는 자동운전에서는 자동차의 주변상황을 방대한 화상데이터로 분석하여 인간과 나무나 건물 등이 순간적으로 파악되고, 자동차 자체의 상황과 대조하여 정확하게 제어하는 것이 추구된다. 이 외에도 정리되어 있지 않은 방대한 데이터로부터 유용한 정보를 찾아내는 ‘Thema Mining’, 체스나 장기나 바둑 등에서 인간과 대전하는 프로그램을 개발하는 ‘게임’, 화내고 슬퍼하고 즐거워하는 등의 인간의 기분을 이해하는 ‘감성처리’ 등이 AI 의 주요한 연구테마로 꼽을 수가 있다.

--제3차 AI 붐이 도래--
AI 연구의 역사는 오래 되었고, 지금까지 몇 차례의 붐이 도래 했었다.
우선 제 1차 붐은 1950년대로 AI (Artificial Intelligence) 라는 단어가 탄생, 인간과 대전하는 체스프로그램이나 수학적 定理의 증명 등이 주목을 받았다.

제 2차 붐은 1980년대로 인간의 전문가의 의사결정능력을 모방한 ‘Expert System’의 개발이 한창 이었다. 연구성과는 회계나 금융, 의료, 제조업용의 정보시스템 등으로도 이어졌다. 이러한 연구가 기대한 것보다 성과를 얻지 못한 경우도 적지 않았다.

1990년대에 들어와 컴퓨터 계산능력이 향상을 계속하는 가운데 인터넷 검색엔진, 인터넷 통신판매상품의 추천기능, 콜센터의 음성인식 등으로 AI 의 이용은 착실하게 확대되어 왔고, 2012년 이후 각광을 받아오던 ‘Deep Learning (심층학습)’을 중심으로 최근에 제 3차 붐이 도래 하였다.

인간의 뇌의 ‘Neural Network (신경회로)’를 참고한 重層적 구조를 컴퓨터상에서 실현하여 학습시키는 방법을 말한다. 기계학습으로도 불리며, 대량의 데이터를 입력하여 컴퓨터를 훈련시켜, 인간과 같이 사물과 음성을 인식시키고 판단을 내리는 AI 의 중핵기술의 하나이다. Deep Learning은 지금까지의 AI 의 한계를 타파하는 혁신적인 특징을 가진다. 예를 들면 AI 에게 ‘페르시아 고양이’를 인식시키고자 할 때, 종래의 일반적인 AI 학습은 체격, 얼굴형태, 색, 털의 특징 등의 페르시아 고양이다운 특징과 변수를 인간이 미리 프로그램 하여 컴퓨터에게 상세히 가르쳐 주는 것이 필요했다. 이와 같이 친절하게 컴퓨터를 교육시켜도 삼색고양이, 샴고양이, 라이온 등등, 페르시아 고양이를 구별하는 것이 곤란했고, 잘못 된 인식율도 낮지 않았다.

한편 Deep Learning에서는 사전에 컴퓨터를 훈련시키지 않아도 대량의 화상정보를 계속하여 제공해 주는 것만으로도 페르시아 고양이와 그 이외의 것을 구별할 수 있게 되었다. 어떤 화상에 대해, 우선 최초의 층(입력 층)을 각 화소의 ‘색’을 인식, 그 신호를 어떤 룰에 따라 변환하여 다음 층(제 1층)에 보내고, 이번에는 ‘Edge(가장자리)’를 인식하고, 같은 방법으로 제 2층에서 ‘눈, 코, 귀’를 제 3층에서 ‘얼굴 전체’, 제 4층에서 ‘얼굴의 종류’를 인식하는 이미지이다.

--‘어린이의 AI’가 한계를 타파--
이와 같은 프로세스의 방대한 수의 화소를 읽는 학습이 종료되면, AI 는 어떤 특정신호에 대해서 특히 강하게 반응하게 된다. 인간의 뇌의 신경회로는 특정의 사람이나 사물을 볼 때 강하게 반응하는 현상과 닮아 있다. 이것은 어린이가 페르시아 고양이의 상세한 특징을 가르쳐 주지 않아도 자신이 학습하여, 다른 고양이와 동물과 구별할 수 있도록 되는 것과 같다. 대량의 정보를 주는 것만으로 자율적으로 학습하는 ‘어린이의 AI’ 는 훈련되지 않으면 사용할 수 없던 종래 형 AI 와는 다른 이노베이션이다.

실제로 Deep Learning을 활용하는 것으로, 화상인식과 음성인식의 精度는 비약적으로 향상되었다. 예를 들면 화상인식 콘테스트에서 우승팀의 誤認識率이 2011년에 25.7%에서, 딥러닝이 도입된 2012년에는 16.4%로 비약적으로 개선되고, 2015년 3월에는 4.8%로 저하되어 일반적인 인간의 誤認識率 5.1%보다 낮은 수준까지 도달하였다.

화상, 음성 등을 자리수가 달라지도록 정확하게 인식 가능한 Impact는 상당히 큰 것이다.
컴퓨터에 의한 자동운전이나 동시통역이라는 지금까지 꿈이라고 생각되던 기술의 실현가능성이 비약적으로 높아지기 때문이다. AI 를 활용하면 혁신적제품을 개발 가능할 뿐만 아니라, 설계방법의 효율화와 공장의 생산성향상 등의 가능성도 확대된다. 따라서 자동차나 산업용로봇 등의 다양한 제조업체가 앞다투어 AI 에 힘을 기울여 제품개발 등에 활용하고자 하는 것이다. 제조업에서의 AI 의 활용이 지금 본격화 하고 있지만 , 연구개발, 설계, 생산 등의 현장에서는 이미 선행적인 채택사례가 계속 늘어나고 있습니다. 
 

Part. 2 활용사례

♦ 도요다 자동차 (연구개발) ; AI 의 ‘스타 군단’이 도전하는 Mobility 혁명

 - 2016. 1. 5 CES 에서 AI 연구회사 TRI (Toyota Research institute) 호화멤버 발표
 - 사고를 일으키지 않는 꿈의 자동차를 개발  
 - 개호 로봇이나 재료연구에도 활용

♦ FUJITSU (설계, 생산) : 신입이라도 숙련자의 설계가 가능하게

 - 2015. 11 자사의 AI 기술을 체계화한 ‘Zinrai’를 발표
 - 다층기판의 층수를 정확하게 견적     
 - 프로그램을 자동으로 작성·수정

♦ Renesas Eletronics (생산) : 숙련기술자와 같은 불량의 판정

 - 공장에서 AI 활용에 주력, FA기계용 반도체와 AI를 조합한 Solution개발 추진
 - FA기기의 두뇌가 된다 : 플라즈마 에칭공정에 활용 중
 - 번거로운 업무를 AI에 맡길 수 있다는 판단

♦ HITACHI 제작소 (물류, 생산) : AI가 물류작업을 사람에게 지시하여 효율화

 - 특징적으로 AI 와 사람이 서로 배워가며, 작업효율을 높여가는 시스템
 - 자율이동 형의 자동 集品 로봇도 개발

♦ 물질·재료연구기구/ 산업기술총합연구소(연구개발) : 원하는 특성서 필요재료 역산

 - 일본제조업을 바탕에서 지지하는 소재산업분야에서 발족한 物材機構, 産總硏
 - 역 문제를 푼다 : 順문제를 푸는 종래의 방법과 다른 방법을 AI 로 효율화
 - 시뮬레이션기술도 중요
 

Part. 3 태풍의 눈

♦ Preferred Networks : 제조 지능화의 전도사

 - 대기업을 끌어드리는 정예집단
 - 2015년에 FUNUC 9억 엔, 도요타 10억 엔의 투자유치로 존재를 널리 알림
 - 산업용로봇에 있어, Teaching을 거의 제로수준으로
 - AI의 활용에 최적화한 반도체의 개발도 검토

♦ 미국 NVIDIA사 : 자동차 업체를 사로 잡는 반도체 Vender

 - 자동운전 자동차의 ‘두뇌로’ de facto standard를 지향
 -1초간에 8조회 계산 가능한 AI 슈퍼컴 (12개 CPU + 최신예 GPU ‘Pascal’ 탑재)
 -세계 자동차 메이커들과 계속하여 제휴: 자동운전용 반도체로 패권 가능성

♦ Cross Compass Intelligence (XCI) : 신속한 도입을 지원하는 흑자역할

 - 호시탐탐 Platformer의 자리를 노림
 - 기업의 AI 활용을 지원
 - 중핵기술인 Intelligence Exchange (IX) 로 Platform의 구축도 진행

♦ Rethink Robotics사 : 저가격의 안전한 로봇을 AI로 실현

 - iRobot사의 로봇청소기 ‘Roomba’의 개발자가 창업
 - AI 를 활용하여, 놓는 위치가 정확하지 않은 대상물도 확실히 대응
 - 안전성에도 여러 가지 배려가 되어, 1년 안에 투자회수가 가능

♦ PEZY Computing : 세계를 석권하는 일본 반도체 Venture

 - 인간과 같은 小腦처리기능과 범용AI로 실현하는 ‘반사운동’
 - 小腦칩의 아이디어는 ‘스마트공장’이 안고 있는 문제해결에 역할 가능
 

Part. 4 숫자로 본 현장

인공지능(AI)을 제조업에 활용하고자 하는 움직임이 활발화 되고 있다. 이번 조사에서 전체의 94%의 회답자가 AI 는 제조업에 도움이 된다고 했다.
AI의 활용대상으로는, 현재는 연구·개발분야지만 5년 이내에 생산분야 등에 적용이 가속화 될 것으로 보는 견해가 강하다.

Q1. 제조업에 AI 가 도움이 될 것인가? → 93.5 %가 AI 에 기대
     - 대단히  도움이 될 것: 45.9 %, 어는 정도 도움이 될 것: 47.6 %

Q2. AI 활용으로 제조업에 어떤 효과가 기대되는가?
     - 생산성을 향샹 61 %, 기계·장치의 예방보전 55.3 %, 개선점 발견이 용이 40.7 %
      사람이 생각해내지 못하는 최적해 도출 40.5 %, 사람이 창조적인 일에 전념; 37.8 %

Q3. AI 활용으로 제조업에 어떤 문제가 일어날까?
     - AI 의 보수·관리에 시간과 수고가 듬 47.0 %, 사람이 생각을 안함 46.6 %, 본질과 내용이 보이지 않게 됨 38.4 %, 말도 안 되는 결정의 가능성 있음 35.3 %

Q4. 자신의 기업과 조직이 현시점에서 AI 활용 또는 검토분야는 ?
     - 연구·개발 54.8 %, 생산 32.1 %, 설계 20.2 %, 고객A/S 16.7 %, 설비보수·관리 15.5 %

Q5. 자신의 소속기업과 조직에서 향후 5년 내에 AI 활용 진행예상 분야는?
     - 생산 38.8 %, 연구·개발 33.0 %, 설계 25.7 %, 자사설비 보수·관리 25.5 %

-- 끝 --